流程工业控制从AI试点转向闭环落地

流程工业自动化控制资讯（第38期）| 2026-09-21

过去一周，流程工业自动化的关注点继续从“是否部署AI”转向“AI能否进入控制与维护闭环”。一方面，石化、化工、钢铁和制药等行业的案例开始更多围绕预测性维护、过程分析技术和开放自动化展开；另一方面，政策与产业活动持续强调人工智能赋能实体工业，但企业仍需解决数据质量、功能安全、网络隔离和责任边界等基础问题。总体看，DCS、PLC、APC、SCADA等传统控制体系并未被替代，工业AI更可能以软测量、操作建议、异常预警和优化控制等方式逐步嵌入现有架构。

一、政策与产业风向：AI赋能进入工程化阶段

9月14日，工业和信息化部召开部分省份工业经济运行座谈会，提出加快推进“十五五”规划重大项目落地，并推动人工智能产业发展和赋能应用，同时强调安全要求应贯穿产业发展、科技创新和国际合作全过程。对流程工业而言，这意味着智能制造项目的评价标准将进一步从展示型应用转向生产稳定性、能源效率、设备安全和供应链可靠性。(miit.gov.cn)

同日，和利时公布即将参加2026年中国国际工业博览会的展示计划，重点涉及全栈工业自动化产品、信创控制系统和多行业数智化实践。公告没有披露具体项目数量及收益数据，但其产品布局显示，国产化竞争已经从单一DCS替代扩展至控制系统、工业软件、工程服务与行业生态协同。(gongkong.com)

从产业应用情况看，工业AI仍处于分层推进阶段。西门子近期援引行业调研称，约20%的组织已经在实施自研或采购的AI工具，用于改善生产结果；这并不等同于AI直接闭环控制，更多应用仍集中在质量、维护、工程辅助和运营分析等环节。(blogs.sw.siemens.com)

二、技术前沿：开放自动化与工业AI同时推进

开放自动化仍是流程行业的重要技术方向。近期公开报道显示，埃克森美孚在化工生产装置中分享了开放过程自动化实践，内容涵盖在实际运行装置中推进系统解耦、设备互操作和生命周期管理。该案例的价值不在于单个控制器替换，而在于验证DCS、边缘计算、工业网络和上层应用能否在生产环境中长期协同运行。具体投资额和节能收益尚未披露。(processingmagazine.com)

在控制架构层面，OPC UA仍承担跨设备、跨系统的数据互联角色，TSN则面向更严格的实时通信需求。对于流程工业，开放架构的现实路径通常不是一次性重构，而是在保留既有DCS和SIS的前提下，引入标准接口、边缘节点和虚拟化控制功能。英特尔发布的工业控制白皮书展示了将虚拟PLC、AI模块、OPC UA和工业服务器结合的架构，处于解决方案验证和工程化探索阶段，尚不能简单等同于成熟的全厂商用产品。(intel.cn)

工业AI的落地重点也正在从通用问答转向可验证任务。当前较具可操作性的方向包括：利用软测量估计难以在线检测的质量变量；利用机器学习辅助PID整定和工况识别；通过APC、MPC和RTO实现多变量协同优化；通过边缘AI对泵、压缩机、风机和轧机等设备进行异常检测。传统自动化负责确定性控制，AI则负责预测、诊断和建议，两者边界仍需通过SIS联锁、权限管理和人工确认机制加以约束。

三、行业落地：石化、钢铁与制药各有切入点

石化与化工领域的重点仍是装置平稳性和开放控制。埃克森美孚在实际化工装置中推进开放过程自动化，说明行业开始关注控制系统的可迁移性和供应商解耦，而不仅是单个项目的功能实现。对炼化企业而言，APC和MPC通常部署在DCS上层，通过工艺模型和实时数据优化温度、压力、流量、组成及能耗指标；RTO则更偏向经济目标与全流程操作边界优化。公开报道未披露该项目的具体效率提升比例，因此不宜将其包装为已经大规模复制的商业成果。(processingmagazine.com)

钢铁行业的动态更多集中在预测性维护和状态感知。ifm公布的一项钢铁企业案例显示，企业通过传感器、IO-Link和状态监测改善轧机关键部位的可视化，五年累计节省约250万美元，并减少了停机和废品损失；案例还称相关拒收及停机指标实现100%下降。该数据属于供应商案例披露，适合用于说明技术收益方向，不应直接外推为钢铁行业平均水平。(ifm.com)

另一项近期公开的钢铁案例来自西门子Senseye相关内容，BlueScope Steel的预测性维护实践被用于说明如何避免约24小时的非计划停机。该案例的关键不是单纯部署传感器，而是将异常趋势接入维护决策流程，使设备状态数据最终转化为检修计划。对连续生产企业而言，预测性维护的评价指标应同时包括预警提前量、误报率、检修闭环率和避免停机时间。(podscan.fm)

制药行业则更加重视过程分析技术和数据完整性。9月14日至16日举行的Sentronic US PAT Meeting 2026聚焦NIR近红外过程分析技术在口服固体制剂生产中的应用，议程涉及NIR与单元操作模拟器集成，以及PAT在自动化和数据完整性方面的实践。NIR PAT可用于原料、混合、制粒和压片等环节的在线或近线质量判断，但其进入批生产闭环仍需要经过方法验证、审计追踪和法规符合性评估。(sentronic.eu)

四、资本与生态：国产替代从产品竞争转向体系竞争

本周公开信息中，融资与并购类重磅披露相对有限，产业合作和生态展示更加突出。华为全联接大会2026制造行业峰会于9月17日至19日在上海举行，主办方披露会议吸引全球800余位产业人士、企业代表和生态伙伴参加，并发布包括智慧药研在内的全球样板点。该信息说明，工业AI竞争正在从模型能力延伸至数据治理、行业知识、边缘算力和实施服务，但公开信息未披露单个项目的投资金额及量化收益。(huawei.com)

国产DCS、PLC和工业软件企业的竞争重点也在变化。中控技术此前披露，2023年度其APC和过程优化软件国内市场占有率为28.2%，连续五年排名第一；这一数据属于较早年度披露，可作为国产APC产业基础的背景信息，不能代表2026年最新市场份额。(static.cninfo.com.cn)

从工程实施角度看，国产替代的难点已经从硬件采购转向长期运行能力，包括旧系统兼容、控制策略迁移、SIS独立性、仪表和阀门供应、工业网络安全、备件保障以及工程师培训。对于大型炼化、电力和冶金企业，完全替换往往涉及多年检修窗口和复杂验证，分层替换、并行运行和关键装置先行仍是更现实的实施路径。

五、挑战与展望：从“能预测”到“敢执行”

流程工业自动化在未来一段时间仍将呈现“传统控制打底、工业AI增强、局部闭环先行”的节奏。AI可以提高软测量、设备诊断和操作建议的覆盖率，但无法自动消除工艺机理不完整、传感器漂移、异常样本不足和跨装置迁移困难等问题。尤其在涉及SIS、紧急停车和高风险化学反应的场景中，AI输出应作为辅助信息或受控优化变量，不能替代经过验证的安全联锁逻辑。

企业下一阶段可重点关注三项指标：第一，模型是否接入DCS、SCADA、历史数据库和维护系统，形成可追踪的数据链；第二，预警是否转化为操作、检修或工艺调整任务，并能统计误报、漏报和闭环率；第三，项目是否明确AI与APC、MPC、SIS之间的权限边界。只有当技术收益能够在能耗、收率、停机时间和质量稳定性上持续复现，工业AI才会从试点项目进入规模化商用。

重点关注事件一览

• 化工｜埃克森美孚｜分享实际装置开放过程自动化实践
• 制药｜Sentronic｜聚焦NIR PAT与自动化数据完整性
• 制造业｜华为｜发布制造行业AI样板点与生态方案
• 钢铁｜BlueScope Steel｜预测性维护案例避免约24小时停机
• 工业自动化｜和利时｜展示信创控制系统与多行业数智化实践