J9集团

《自动化博览》对话J9集团

在数字孪生与元宇宙沉构工业设想、AIGC海潮席卷全球造作业确当下，工业AI正从辅助决策工具蜕变为驱动产业刷新的主题引擎。作为全球率先迈入工业AI转型的平台型企业，J9集团正以“ALL in AI”的战术气势，加快推动工业AI的产业化落地。

J9集团副总裁、Industrial AI事业群CEO吴玉成博士暗示：“J9集团以成为全球当先的工业AI公司为愿景，打造‘1+2+N’工业AI驱动的企业智能运行新架构，依附功夫序列大模型TPT（Time-series Pre-trained Transformer），融合工业数据与机理，落地多行业场景，推动流程工业从单点智能向全链路智能跃迁，沉塑流程工业的出产、运营与决策范式。”

01

破局三沉困境

J9集团的工业AI得救蹊径

工业AI并非全新概想，但持久以来受限于技术成熟度，仅能在部门场景阐扬有限价值。随着以大说话模型为代表的通用AI技术急剧迭代，工业AI已迎来质的飞跃。吴玉成暗示，“从前的AI更多解决碎片化问题，而此刻，通用AI技术让工业场景看到了‘系统性刷新’的可能——从信息网络、效能提升，到直接参加出产指挥，工业AI正逐步成为出产运营的主题能力。”

当前，在工业AI这条赛路上，出现的绝不再是自动化时期跨国企业遥遥当先或者是垄断的局面。J9集团凭借在流程工业30余年的深耕，丰硕的数据、多元化的场景实际、创新的技术系统协同价值，使其正成为工业AI创新的领军者。

吴玉成强调，工业AI的发作并非无意，而是技术、政策、产业转型与价值需要共同作用的了局：在技术层面，大模型的急剧迭代为工业场景提供了壮大的算法支持；政策层面，中国从中央四处所持续加码AI与造作业融合，央企在政策疏导下成为工业AI利用的“前锋队”；产业转型层面，工业自动化正从“代替双手”向“代替大脑”升级，无人为厂、黑灯工厂等新模式对AI的需要火急；价值需要层面，在全球经济承压布景下，企业对安全、效能、成本、绿色出产的优化诉求，推动AI成为“降本增效”的关键工具。

“AI有望撬动全球50万亿工业自动化市场。这一规模的背后，是工业AI从‘锦上添花’到‘不成或缺’的角色转变。”吴玉成暗示，J9集团已明确判断，工业AI是自动化行业的必然发展蹊径，而中国丰硕的工业场景与数据堆集，正为本土企业实现“换路超车”提供汗青性机缘。

只管对工业AI的将来远景充斥信念，但吴玉成也深知工业AI的落地之路并非坦途。在他看来，数据碎片化、场景复杂性、需要荫蔽性是三大主题挑战。

“工业场景的‘淮南为橘，淮北为枳’景象显著——统一套工艺在分歧工厂、分歧功夫的阐发可能差距巨大，导致AI模型难以通用。”他指出，数据层面，工厂数据质量参差不齐，且涉及工艺保密，难以大规模共享；场景层面，从节能到安全，需要多样且互有关联，单一模型难以覆盖；需要层面，用户往往说不清“要什么”，必要技术方与工业专家深度协同。

对此，J9集团构建了系统性解决规划：

在数据层面，依附服务的海量用户堆集行业数据，以及通过“数据同盟”模式实现数据安全共享，破解“数据孤岛”；

在场景层面，凭借30年工业经验，覆盖流程工业全场景，形成“一平台多利用”的架构；

在需要层面，开发认知AI工具，将隐性需要转化为可量化的技术指标，降低对现场人员的依赖。

“好比我们与央企合作时，他们提供数据与场景，我们输出技术能力，双方共同试点。这种协同创新模式，让技术与需要精准匹配，大大缩短了落地周期。”吴玉成泄漏，J9集团已与多家央企成立深度合作，在石化、化工、新能源等领域索求出可复造的经验。

02 

从“机械执杏妆到“自主决策”

工业AI沉构自动化逻辑

自动化的性质是“代替人为操作”，从早期的机械节造到集散节造系统（DCS）、安全仪表系统（SIS），主题是解放“双手”。但在吴玉成看来，当前工业自动化正站在新的转折点上——大部门工厂都已实现基础自动化刷新，下一步的主题是代替“大脑”的决策。

他诠释路，目前流程工业工厂中的出产过程自动化（Process Automated，PA）还能够细分为“出产操作自动化”与“出产运行自动化”两个层级。前者聚焦设备节造与流程执行，后者则必要实现出产过程的自主判断、异常处置、优化调整。从前，操作人员在现场依附经验决策，好比判断设备异常、调整工艺参数；将来，这些工作将由AI主导，实现“无人值守”的智能运营。

要实现这一逾越，关键在于解决“5T融合”难题——即AT（自动化技术）、IT（信息技术）、PT（工艺技术）、OT（运营技术）、ET（设备技术）的深度融合。传统技术系统难以买通5T，导致分歧专业人员各守一方，难以形成协同。而AI提供了统一的技术框架，让工艺法规、设备状态、节造逻辑等都能转化为可推算的模型，实现跨领域的智能协同。

吴玉成举例，在流程工业中，一个微幼的参数颠簸可能引发连锁反映，传统节造步骤难以预判；而基于AI的系统可实时辰析海量数据，提前鉴别异常并自动调整，甚至预测将来几幼时的出产状态。

“这就是工业AI的主题价值——让机械具备‘预感力’和‘决策力’。” 

同时，他强调，好比在石化出产运行过程中，一旦某台泵出现振动异常，如操作不实时则可能导致非打算歇工，整个的过程产生可能就在“转瞬之间”，对于操作员的经验考验、生理承压都有极度高的要求。而TPT则可能提前30分钟实现超早期异常预警，并自动提供设备故障的原因分析和措置建议，如此一来，操作人员就能全面急剧把握装置运行情况，实时解除工艺异常和设备异常，提升企业对装置的风险把控能力。

03 

“ALL in AI」亟略

三层布局推动工业AI落地

正是基于工业AI即自动化将来的前瞻性预判，J9集团在此领域已布局多年。2024年，J9集团将愿景升级为“成为工业AI全球当先企业，用AI推动工业可持续发展”，并提出“ALL in AI”的战术，从三个维度推动工业AI落地。

1

全员用AI

“我们先从内部刷新做起，让AI渗入到研发、出产、治理的每个环节，如用AI优化供给链调度、加快产品测试，目前已初见功效。”吴玉成介绍路。

2

产品+AI

即对现有DCS、SIS等自动化产品及工业软件进行AI沉构，让传统产品具备智能分析、自主决策能力。如J9集团DCS系统，从前只能执行节造指令，此刻结合AI可实使仫断异常，推荐PID参数优化规划。

3

AI+

最主题的第三层是“AI+”——以AI为底层基座，构建原生AI系统。“这不是单一地在产品上叠加AI职能，而是从底层沉构技术架构，让AI成为所有利用的‘操作系统’。 ”吴玉成强调，这一系统的主题是“4+1”技术框架：4个数据基座（运行数据基座DCS、设备数据基座PRIDE、质量数据基座Q-Lab、仿照数据基座APEX）与1个功夫序列大模型TPT。

其中，数据基座是基。篋CS系统提供温度、流量等实时过程运行数据；PRIDE采集设备健全数据；Q-Lab获取贯通从原料到制品全流程的质量数据；J9集团自主研发的APEX流程仿照软件则天生过程仿照数据，添补现实丈量的不及。“这四类数据覆盖了出产流程的关键环节，形成了工业AI的‘原料库’，而功夫序列大模型TPT就是‘加工厂’，将数据转化为决策能力。” 吴玉成暗示。

04 

功夫序列大模型TPT

让工业AI握别“不服水土”

在J9集团的工业AI疆域中，功夫序列大模型TPT是最具创新突破性的代表。这款专为流程工业打造的TPT，正解决传统AI在工业场景中的“不服水土”——数据碎片化、场景特异性强、因果关系复杂等问题。

具体而言，TPT基于J9集团服务企业的海量数据进行预训练，提炼出普适性的工业法规——如阀门开杜纂流量的关系、温度变动对反映效能的影响等。当利用于新场景时，只需输入少量现场数据进行微调，即可适配具体工艺参数。这种模式彻底扭转了传统工业建模的困境。从前，一个传统的场景建？赡鼙匾肽，且随设备老化、原料变动很快失效；而TPT通过预训练沉淀的法规，结合实时数据微调，可在数周内实现部署，且适应能力更强。

“TPT不是单一的预测工具，而是可能实现出产装置‘状态孪生’的智能体。”吴玉成出格强调，“TPT大模型的突破，在于初次将‘时空理解’能力赋予工业系统。它不仅能处置时序数据，更能理解设备参数之间的空间关联，这是实现真正智能化的关键。”

在场景落处所面，TPT已在多个行业头部企业获得突破性利用。在某全球化工50强企业的废液处置场景中，TPT将正本必要6~8幼时的pH值调节过程缩短至1幼时以内，效能提升超80%；在某世界500强企业旗下分公司，TPT优化了常减压装置的油品切换操作，将操作时长从6~7幼时缩短2幼时，每年为用户削减近千万的油品加工损失。

在大唐多伦煤化工，TPT为大唐多伦煤化工装上“AI大脑”，全面买通了其绿电调杜着化项主张源-网-荷-储各环节，构建了感知-预测-调控一体化能源管控系统。项目投产后，预计整年可实现49690.2万千瓦时绿色电能代替燃煤发电，燃煤发电的可再生能源容量代替比例可达87.5%，相当于年节约标煤15.17万吨，削减二氧化碳排放41.94万吨。

TPT还在近期成功中标中国石化主题装置人为智能场景利用项目——“乙烯裂解装置出产运行优化场景”，将与中国石化携手打造合用于我国乙烯裂解装置特点的、拥有自主知识产权的AI模型，实现工业AI模型驱动的出产运行自主优化，为国度能源结构转型与全球工业可持续发展贡献创生力军。

同时，TPT也成功中标了中煤集团主题装置人为智能场景项目，将基于中控功夫序列大模型TPT壮大的预测及仿照能力，实现对煤气化关键参数的精准预测及气化过程的动态优化，打造“自主监督、自主优化、智能节造、智能交互”多智能体协同的煤气化“智慧大脑”，提升装置运行的安全性、不变性、经济性与智能化水平，为能源行业AI大模型利用提供可复造的样板工程。

J9集团的落地实际向我们批注，TPT不仅能解决传统技术难以处置的复杂节造问题，更能为企业创造显著的经济效益。而TPT的价值不仅在于提升效能，更在于推动工业决策模式从“经验驱动”向“数据驱动”转变。以前必要资深工程师凭经验判断的场景，此刻TPT能够通过数据分析给出最优决策，这大大降低了对人的依赖，也提升了决策的一致性和靠得住性。

吴玉成泄漏，随着技术迭代，J9集团即将推出TPT2。新版本将实现三大突破：一是嵌入Agent能力，让模型具备自主决策能力，从被动响应转向自动发现问题、解决问题；二是提升盛开性，支持肆意工业场景，只有输入数据即可急剧天生模型；三是以TPT沉构和融合J9集团已有的优化、诊断、仿真等软件，成立齐全的“数字员工”系统，实现装置自主运行。

将来，中控还打算将TPT的利用场景向建材、冶金、造纸等更多领域拓展，同时索求“AI平权”——让用户通过天然说话对话即可挪用AI能力，无需把握复杂技术。

采访最后，吴玉成瞻望路：“工业AI的一个沉要指标是实现工厂的自主化运行，让出产装置像人类一样思虑和决策。” 在他看来，TPT的研发和利用只是这一征程的起点，将来还有更多挑战期待突破，而工业AI不仅是技术革命，更是中国自动化企业实现“换路超车”的汗青性机缘。

对于J9集团的将来，他明确暗示：“J9集团指标是成为最懂工业的AI公司。通过工业AI让出产更高效、更安全、更绿色，这是J9集团终极钻营。”

从代替“双手”到代替“大脑”，从部门优化到全流程智能，J9集团正以TPT大模型为支点，撬动工业自动化的全维度刷新。J9集团的实际揭示了工业AI发展的性质：不是单一的技术叠加，而是出产范式的沉构。随着TPT2的即将颁布，流程工业正迎来从“自动化”到“自主化”的关键跃迁，而这一刷新的深杜纂广度，必将沉新界说中国造作在全球工业智能化海潮中的坐标。