工业AI落地实践：从热电智能化到全行业数智化——iDiC对话深度解析

　　随着ChatGPT引发全球AI技术浪潮，人工智能正从消费端快速渗透至工业领域，成为推动第四次科技革命的核心动力。我国作为全球最大工业国，拥有最完整的工业体系和最丰富的应用场景，如何将AI技术与实体产业深度融合，实现工业数字化、智能化升级，成为当前产业转型的关键命题。

　　上海全应科技作为工业智能化领域的深耕者，深耕热电行业近十年，通过ADMC热电智能调控系统为近百家企业实现能效提升与节能降耗。2025年，全应科技发布iDiC数智一体机，从垂直行业解决方案向通用工业智能平台拓展，旨在降低工业AI应用门槛，构建产业生态。本次对话聚焦工控兄弟连 CEO、广东工信厅专家吴益宇与上海全应科技 CEO、工业智能化专家夏建涛博士，围绕工业数智化发展核心命题展开深度交流。

　　从 ChatGPT 掀起的技术浪潮，到我国工业体系拥抱 AI 的政策推力，再到全应科技十年热电深耕、iDiC 数智一体机的生态突破，这场对话串联起技术趋势、行业痛点与落地路径，为工业智能化转型提供实践参考，解码 “AI + 工业” 的融合密码。

　　以下是对话实录，根据语意略有删减或调整。

　　对话人： 吴益宇（工控兄弟连 CEO、广东工信厅专家）

　　嘉宾： 夏建涛博士（上海全应科技 CEO、工业智能化专家）

　　开场：AI 与工业的深度耦合时代

　　吴益宇：盈利对 AI 公司来说其实挺难的，行业里很多公司都面临挑战。但在 AI 的应用场景中，我始终认为最大的市场在工业 —— 只是工业行业分类太细了，光大类就有 40 多个，小类更是 600 多个，每个行业都需要 “扎下去” 深耕。这就要求团队里既要有懂 AI 技术的人，也要有懂行业工艺的人，工业人和 IT 人必须在这个点上聚合，才能真正赋能实体制造业的每一个细分领域。

　　今天我要给大家介绍的上海全应科技创始人夏建涛博士，就是这样一位 “双料专家”—— 他既懂工业，又懂 AI，在热电行业一扎就是九年多。他的学术和职业经历也很特别：西北工大电子信息博士、新加坡南洋理工大学博士后，做过大学教授，后来在台达等企业做研发总监。在国内，这种 “工业 + AI” 双背景的专家其实非常难得。他不仅自己跨界，还聚合了更多专业人士组建了强硬的技术团队。

　　今天的主题是 “工业迈入 AI 智能新时代”，希望通过这场专访，让更多人了解 AI 在工业领域的进展、落地难度，以及全应科技提供了什么样的产品和解决方案，能让更多行业以更轻松的姿态拥抱智能化 —— 毕竟不是每个行业都需要 “九年磨一剑” 才能实现升级。接下来有请夏博士和大家打个招呼，也补充一下您的背景。

　　夏建涛：感谢吴总的详细介绍。大家好，我是全应科技的夏建涛。刚才吴总已经深刻阐述了 AI 技术革命引发第四次科技革命的时代背景 —— 工业正在从第三次工业革命的计算机信息化、自动控制阶段，迈向以 AI 为核心驱动力的智能新时代。

　　正如吴总所说，把 AI 技术真正落地到工业场景，实现提质增效、节能降耗，不是一件简单的事。全应科技用了 9 年多、将近 10 年的时间，才把 AI 技术和热电（也就是发电）场景深度耦合，打通了技术闭环，完成了近百个案例的落地。

　　今天的 AI 就像潮水一样快速渗透到全社会各领域，这只是刚刚兴起的阶段，远远没到结束的时候 —— 这是第四次科技革命的开始。未来，不仅工业的 60 个大类、400 多个小类会被 AI 改变，人类工作生活的方方面面都会被 AI 重塑，我们一定会迎来一个全新的未来。

　　AI + 工业：机遇与挑战的时代命题

　　吴益宇：夏博士的分享高屋建瓴。其实上海全应科技从 2016 年成立到现在，已经获得了高瓴资本、明势资本、凯辉基金、线性资本、松禾资本等知名机构的投资，确实在行业里起到了引领作用。而且热电行业本身和 “双碳” 目标紧密相关，电力和能源赛道正是当下的重要方向。

　　接下来我想请您深入聊聊：当下全球人工智能技术引发了第四次科技革命，成为大国博弈的关键技术。作为工业人工智能专家，您认为把 AI 技术应用到工业生产，有哪些机遇与挑战？

　　夏建涛：这是个非常时代性的问题。现在全球不管是 80 岁的老人还是 8 岁的孩子，对 AI 都不陌生 —— 我们每个人的手机里都有 AI 应用，和 AI 机器人对话、让 AI 帮忙解决问题已经很常见。

　　但 AI 不是今天才有的概念，1956 年美国达特茅斯会议上科学家就提出了 AI，至今已有近 70 年发展历程。这一次 AI 突然火爆全球，是因为 2022 年 OpenAI 发布了 ChatGPT—— 它让人类第一次看到 AI 对语言的理解、流畅的对话和智能涌现，意识到 AI 终于能真正解决实际问题了。因此 AI 成了全球竞争的焦点，尤其是中美两国的技术竞争，也推动了第四次科技革命（第三次是计算机，第四次就是 AI）。

　　前两周我去了上海 WAIC2025 全球人工智能大会，现场各种 AI 技术、产品、机器人争奇斗艳，参观者人山人海，能明显感受到：AI 时代真的来了，不是未来式，是现在进行时。

　　AI 发展依赖四个核心要素：数据、算力、算法、能源。AI “吃数据”，靠算力运行，靠算法迭代，而大规模计算中心本身就是高耗能产业 —— 这也是为什么美国参议院今年 5 月的 AI 技术会议上，会把 “发展能源产业” 列为 AI 竞争的关键结论之一。

　　每个国家发展 AI 都要结合自身特色。中国的特色是什么？是联合国认证的 “全球最完整工业体系”，工业规模世界第一，在无数领域都是全球最大生产国。这意味着我们有最丰富的工业数据和应用场景，这是独有的优势。

　　因此国家早就明确了方向：2021 年提出 “发挥产业规模和场景优势，推动数字科技与实体产业融合”；2024 年以来两会政府工作报告连续强调 “AI + 行动”；今年国资委更是要求国企央企在关键场景尽快落地 AI + 项目。这些政策都指向一个趋势：中国工业的未来一定是 AI 化、智能化。

　　但 AI 落地工业的挑战也很突出：

• 　　首先是数据品质问题。工业数据大多数都是机器运行、传感器感知的时间序列数据，在工业环境中数据通常都被噪声干扰，数据不干净、不完整、突发跳变等情况时有发生。用脏数据训练AI，只会得到错误的AI模型。因此，AI应用于工业，第一关就是要能根据生产场景每一个数据点的物理意义和感知原理，对数据进行清洗，得到干净完整的时间序列数据集。

• 　　其次，是工业AI算法挑战。当前最热门的AI算法是大语言模型，OPENAI、DEEPSEEK等都是。大模型因为神经网络规模庞大，需要海量的训练样本数据。工业生产数据都是机器运行数据，设备特性具有时变性，太早期的历史数据对设备建模已经失去意义，只能用近期的历史数据作为训练样本，因此数据量是有限的。这就要求AI算法具备小样本学习能力，能够高效提取数据中隐含的规律。另外，大模型需要海量算力，电力能源消耗惊人，难以在工业场合部署应用。因此，要研究发展面向工业领域应用的工业人工智能技术。

• 　　实时性挑战。工业生产过程控制需要秒级甚至毫秒级实时调控，对AI系统的计算速度提出了苛刻的要求。这就需要研究有限精度高效AI计算方法。

• 　　安全性挑战。工业生产控制要求绝对安全。大模型先天存在幻觉现象，无法满足安全要求严格的生产场景中。机器学习算法得到的模型，也会因为数据噪声产生意外的结果。因此，在AI模型上叠加安全保护层，确保工业生产控制指令处于安全合理区间，是个重要的课题。

• 　　跨领域知识融合的挑战。只有把AI技术与生产工艺过程深度融合，才能构建出解决工业实际问题的智能调控系统。这就需要把AI技术和传统工业知识深度融合创新。两张皮式的叠加是无法有效解决工业生产问题的。

　　热电智能化：从人工操盘到 “自动驾驶” 的突破

　　吴益宇：您的总结非常精细。确实，AI 的三要素（数据、算力、算法）背后其实是能源 —— 这场革命甚至可以说是 “能源革命”，大家都在抢占能源高地。您扎了九年多的热电行业，目前火电还是电力主力，未来 30-60 年清洁能源会成为主力军，但无论如何，能源的产生、输送、使用都需要智能化。全应科技聚焦热电智能化近十年，ADMC 热电智能调度系统已经服务上百家客户。想请您分享：客户为什么要做热电机组智能化升级？升级后有哪些明显的改变和收益？

　　夏建涛：吴总说得对，AI 竞争的终极是能源竞争，没有强大的能源供应，AI 发展就是空谈。而中国在能源领域有独特优势 —— 建国以来一直重视能源安全（和粮食安全并列），现在已是全球最大的能源生产、输送和消费国。

　　当下热电（尤其是燃煤热电）仍是能源供应的 “兜底保障”：2024 年国家能源局数据显示，中国全年用电 10 万亿度，其中 67%（6.7 万亿度）来自燃煤热电，太阳能和风能加起来才 1.4 万亿度。即便未来绿能规模扩大，比如 2045 年绿能装机占比达 53%，但煤电 47% 的装机仍贡献 64% 的电量，效率很高。而且煤电还要承担 “灵活性调峰” 职责，支撑绿电上网和电网安全。

　　但热电系统太复杂了 —— 锅炉、汽轮机、给煤机、风机、环保设备等上百套装备联动，有几十个到上百个参数要实时调整，下游用电用气变化、煤质变化都会影响运行。长期以来，国内绝大多数热电厂靠 “专家人工操盘”，但问题很突出：

• 　　绿能上网后负荷波动大，人工调整跟不上，劳动强度飙升；

• 　　人连续操作难免效率低，系统运行不优；

• 　　环保指标容易波动，甚至超标；

• 　　安全风险高，毕竟是高温高压设备。

　　“让机组全自动运行” 是热电行业几十年的梦想。以前西门子、ABB 等国外厂商，还有国内 DCS 厂商都尝试过，但直到近十年 AI 技术成熟，我们才实现突破：2019 年全应推出第一代半自动系统（AI 给建议，人工执行）；2023 年第五代系统实现 AI 直接输出最优参数到 DCS，彻底解放人力，热电厂进入 “自动驾驶” 时代。

　　从近百个案例看，客户的改变和收益非常直观：

1. 　　无人化运行：系统上线后运行操盘全交给 AI，人员从 “盯盘手” 转岗到巡检等更有价值的岗位，劳动强度大幅降低；

2. 　　效率提升：AI 每秒分析上万笔数据，实时计算全系统最优参数，和 DCS 配合精准控制，年节煤几千到上万吨，折合成本显著下降；

3. 　　环保优化：NOx 等排放指标平稳压线运行，环保药剂用量减少 15%-20%，既降本又减污；

4. 　　灵活调峰：机组变负荷速度提升，能精准响应电网调度，支撑更多绿电上网，还能获得调峰服务收益。

　　关键技术攻坚：破解热电系统的 “复杂密码”

　　吴益宇：这些收益不仅是经济价值，更是社会价值 —— 对 “双碳” 节能减排的作用是持续生效的。想问问：要实现热电全系统智能化、自动化运行，你们攻克了哪些关键技术？

　　夏建涛：热电厂是 “多参数强耦合、大延迟、多干扰” 的复杂系统，这也是为什么长期依赖人工。全应科技花了近十年才真正解决问题，核心突破了四项技术：

1. 　　工业大数据处理技术：首先要稳定采集 “端到端” 全流程数据 —— 从给煤、锅炉、汽轮机、热网、电网到环保系统，兼容各种工业协议。更关键的是数据清洗：针对传感器畸变、安装偏差、扰动、原料变化等导致的 “脏数据”，我们根据每个数据点的物理意义和感知原理，设计了专属清洗算法，能快速得到干净数据。

2. 　　全过程数字孪生系统：不是单一设备模型，而是覆盖 “给煤 - 锅炉 - 汽机 - 环保” 全流程的孪生体系。它融合了热电机理、专家经验和 AI 建模，能实时计算和预测每台设备、每个环节的输入输出变化，就像 “数字镜像” 一样精准映射生产全过程。

3. 　　多变量多目标预测控制算法：区别于传统 DCS 的单变量 PID 控制，我们用多变量多目标耦合的模型预测算法，实时滚动优化计算最优参数。比如锅炉和汽机是强耦合系统，要同时满足安全、效率、环保目标，算法必须综合平衡这些变量。

4. 　　云边协同架构：工业设备特性会随时间变化（比如水泵用两年性能就变了），静态模型会失效。我们用 “云端建模型、边缘端控生产” 的架构：云端低频次更新模型（大计算量），边缘端高频次实时控制（小计算量），确保模型永远适配设备工况。

　　从热电到全工业：iDiC数智一体机的战略思考

　　吴益宇：确实，工业人听 AI 技术觉得费劲，AI 专家理解工业机理也头疼 —— 大学里这是两个专业，国防科大等高校成立交叉学院，就是为了培养复合型人才。人社部数据显示，我国每年缺 3000-4000 万跨界融合人才，这也是制造业 “内卷” 的原因之一。全应在热电领域已经是领先者，今年 6 月发布的 iDiC 数智一体机，标志着从热电项目向更广阔工业领域进军。想请您分享：从项目到产品的背后思考是什么？iDiC 的技术优势在哪里？

　　夏建涛：教育体系培养的多是 “专才”（学计算机的、学化工的、学造纸的），但 AI + 工业需要 “融合型人才”，而培养这种人才需要时间。同时工业门类太多，没有哪个公司的单一产品能覆盖所有行业 —— 就像第三次工业革命时的 PLC、DCS，也都是先垂直深耕，再形成通用平台。

　　全应在热电行业十年，内部早就把产品拆成了 “通用智能控制平台 + 热电专用组件”。我们的梦想一直是 “用 AI 推动工业智能化升级”，从 2016 年公司成立时就这么想，那时还没有 “AI + 工业” 的热概念。现在国家 AI + 战略推进，各行各业都需要智能化，所以我们在今年 6 月把通用平台拿出来，推出了 iDiC 数智一体机。

　　iDiC 的核心是 “让行业专家不用从零学 AI，就能快速搭建智能系统”，技术优势很明确：

1. 　　工业时序数据系统：内置各种工业通讯协议适配能力，数据滤波、存储、调度功能全集成，能轻松对接 PLC、DCS、仪表，解决 “数据采不上、采不准” 的痛点；

2. 　　智能控制组件库：含 40 多种高级组件，从基础的软 PID，到 AI 建模、多变量预测控制、目标优化、运筹调度算法，都是在工业场景里打磨过的，安全可靠；

3. 　　数据可视化组件：能快速生成 SCADA 式数据监盘、报表、经营分析曲线等矢量可视化内容，直观呈现生产状态；

4. 　　无代码 IDE 开发环境：用户拖拖拽拽就能搭建数据处理流程和控制逻辑，调试工具能快速定位问题，哪怕不懂 AI 底层技术，也能靠工艺经验构建系统。

　　生态共建：AI + 工业的 “众人拾柴” 之路

　　吴益宇：这相当于把你们踩过的坑、积累的经验都填平了，让其他行业少走弯路。但工业系统太复杂，光靠产品不够，还需要生态。您认为全应要建立什么样的生态体系，才能赋能更多行业数字化升级？

　　夏建涛：吴总说得对，工业智能化不可能靠一家公司完成，必须靠生态分工。回顾历史，计算机发明后工业进入自动化时代，PLC、DCS 之所以能普及，就是因为形成了 “工艺专家 + 软硬件专家 + 安装调试团队” 的生态。

　　iDiC 是全应在热电十年积累的 “通用技术底座”，但在石化、造纸、冶金、环保等领域落地，必须靠行业专家：他们懂自己的生产痛点和控制需求，能基于 iDiC 调度功能组件 —— 比如数据要不要滤波、用 PID 还是多变量控制、需不需要 AI 建模，这些都不用从零开发，直接调用平台组件，再用 IDE 把工艺经验变成控制逻辑。

　　我们希望构建的生态是 “通用平台 + 行业应用 + 全链条服务”：全应做好基础工具（数据处理、算法、平台稳定性），行业伙伴做垂直开发，安装调试团队负责落地。这样分工协作，才能让 AI + 工业跑得更快。现在我们已经和冶金、环保行业的伙伴合作，他们用 iDiC 实现了各自领域的 AI 算法落地。

　　热电是工业上游，我们服务的石化、煤化工客户常问 “能不能帮我们下游也智能化”，但我们必须承认：隔行如隔山，每个行业的工艺积累都需要时间，所以生态合作是唯一出路。

　　未来展望：工业智能化的终极形态

　　吴益宇：这种理性认知很重要。最后一个问题：畅想未来，您认为工业生产会呈现什么样的形态和特征？

　　夏建涛：AI 正以迅雷不及掩耳的速度渗透，现在全球资金和人才都在向 AI 聚拢，发展速度快到 “读论文的速度赶不上技术迭代”。未来工业生产会在四个方面被 AI 深度重塑：

1. 　　生产智能调控：AI 直接扮演 “老师傅” 角色，操控设备让生产高效平稳，产品品质更稳定，效率大幅提升；

2. 　　运行智能安全：AI 实时分析全流程数据，提前预警安全隐患，从根本上避免事故 —— 现在靠人收集信息太慢，安全事故往往瞬间发生，AI 能做到 “本质安全”；

3. 　　智能设备管理：不再按固定周期检修，而是靠 AI 设备模型精准判断磨损状态，定制化维护，延长设备寿命，减少停机；

4. 　　工厂智能运营：AI 成为 “超级大脑”，打通上下游数据，实时分析原料价格、下游需求、能耗成本，给决策者提供最优方案，实现全产业链智能运营。

　　未来 10-15 年，数字化基础好的行业（比如石油化工、发电）会率先实现 AI 全部署，工厂进入 “少人化值守” 模式 —— 不是绝对无人，而是人聚焦安全兜底和创新。那时工业会更高效、低碳、节能、环保，中国工业会从 “规模大” 真正走向 “质量强”。

　　吴益宇： 非常认同。最近去宜宾看到一家光伏企业，投了 150 亿建先进工厂，用三四千台设备、上千台 AGV 打造智能制造，这就是先进产能替代落后产能的缩影。国家推动 “反内卷”，核心就是用技术升级让行业更高效、环保。

　　线性资本的黄松延博士评价全应是 “中国第一家真正用数据智能赋能热电的公司”，帮助客户提效降本、减碳，实现双碳目标。确实，中国制造业占全球 35% 的 GDP（超过第二名到第九名总和），但消耗 50% 的能源，“用 AI 提升能效” 是制造大国的责任。

　　商业场景的 AI 应用已经很成熟（比如微信企业微信 5.0 的智能功能），但工业场景任重道远。全应用十年磨一剑，从热电深耕到 iDiC 平台，正契合两句话：“每个行业都值得用 AI 重新做一遍，每个企业都值得用生态思维重新做一遍。”

　　夏建涛： 这两句话说得非常好。现在正是用 AI 推动工业从自动化迈向智能化的起点，是百年难遇的机遇 —— 上一次这么大的变革还是 60 年前计算机发明的时候。我们希望和各行各业的专家、伙伴携手，让中国工业从 “高耗能” 走向 “高效低碳” 的新时代。

　　吴益宇： 深圳特区 45 周年时，机场大屏写着 “一路生花，再起星辰大海”，这句话也送给所有工业从业者。期待更多新朋老友加入全应的生态圈，共同推动工业制造更美好的未来。

　　夏建涛： 谢谢大家，再见。

　　吴益宇： 感谢夏博士，今天的专访到此结束，再见。