★本刊記者/文曉

和利時科技集團有限公司中央研究院智能軟件平臺研究所技術總監 胡鵬飛

在全球工業智能化浪潮的推動下，人工智能正以前所未有的深度與廣度融入制造業各環節。作為中國工業自動化與智能化領域的領軍企業，和利時集團近年持續深耕工業AI技術的研究與應用，并于2025年正式發布全新可自由定義的智能系統XMagital，致力于打造工業AI應用落地新范式。近日，《自動化博覽》圍繞工業AI的產品布局、技術突破、實踐成效及未來規劃，與胡鵬飛博士展開深度對話。

核心產品體系全覆蓋適配多領域復雜場景

胡鵬飛博士介紹，和利時始終堅持“以客戶需求為導向，以技術創新為核心”的產品理念，依托XMagital智能系統，構建起“平臺化的工業智能套件+工業智能Agent集群”核心產品體系，全面適配流程工業、離散制造、基礎設施等多個領域的復雜應用場景，形成從底層數據采集到上層決策支持的全棧式解決方案。

平臺化工業智能套件：降低開發門檻賦能個性化需求

圍繞工業AI核心應用場景，和利時打造工業智能Agent集成開發套件。該套件基于XMagital統一平臺，提供可視化算法編排、模型訓練、部署運維等全流程工具，融合大模型、小模型、機理模型、知識圖譜等技術，支持用戶快速構建個性化智能Agent。

行業專屬大模型方面，和利時推出“和行”軌道交通大模型、“和言”工業大模型。通過垂域模型訓練和微調，深度融合行業知識，在鐵路信號運維、軌道電路故障診斷、故障處置輔助決策、工業數據洞察、工業生產管理與運營輔助等核心場景實現技術突破與應用落地。

工業智能Agent集群：聚焦核心場景推動智能化升級

胡鵬飛博士表示，工業智能Agent集群的設計初衷，是“讓AI技術真正嵌入生產運營的每一個關鍵環節，解決實際痛點”。目前，和利時已構建五大類Agent集群：

智能生產控制操作應用集群：融合先進控制算法與AI尋優技術，實現工藝參數實時優化，解決裝置運行波動大、產品質量不穩定等問題。以智能控制技術為核心，適配連續、批量、離散等多種生產模式，覆蓋石化催化裂化、電力鍋爐燃燒、汽車零部件裝配等場景。

生產計劃調度集群：基于智能尋優算法，構建APS智能排產、物流優化等功能，針對多品種、多約束的生產調度需求，實現訂單、產能、庫存的動態平衡，破解傳統排產效率低、資源利用率不足的痛點，適配化工、電子裝聯、食品等生產場景。

設備資源管理集群：整合數字孿生、故障診斷、預測性維護技術，通過振動、溫度等多維度數據監測與時序數據模型分析，實現設備故障提前預警與精準溯源，覆蓋設備全生命周期管理，適配電力機組、石化反應器、工業機器人、軌道電路等關鍵設備的運維場景，有效降低非計劃停機時間。

安環質量管理集群：以智能視覺、多模態感知為核心，融合熱像儀、氣體傳感器與AI算法，實現危險行為、污染物排放、產品缺陷等場景的實時監測，適配化工園區安全監控、垃圾焚燒環保檢測、食品加工質量管控等場景。

經營決策管理集群：基于工業知識圖譜、能耗預測與優化等技術，整合生產、能耗、成本等多維度數據，提供可視化決策支持，助力企業實現效益最大化，適配集團級多工廠協同、跨區域資源調度等場景。

聚焦兩大戰略目標技術與市場成果雙豐收

談及和利時在工業AI領域的發展重點，胡鵬飛博士明確表示：“近年來，和利時將工業AI列為戰略發展重點，結合工業領域特點，圍繞AI賦能工程設計（AI Powered Engineering）和AI優化生產運營（AI Optimized Operation）兩大戰略目標，聚焦XMagital智能系統的技術迭代與行業推廣，構建工業AI新生態，在核心技術突破與市場落地方面均取得顯著成效。

核心技術突破：破解行業痛點夯實發展根基

在技術研發層面，胡鵬飛博士詳細介紹了和利時的五大突破方向：

原生融合架構設計：打破傳統ISA95分層拼接式架構，構建生產控制和生產管理原生融合的扁平化協同框架。通過多模態數據融合、管控一體編排技術，實現跨層級（從現場層到運營層）的數據互通與業務協同，解決各專業系統無法高效聯動的行業痛點。

工業AI關鍵技術創新：針對工業數據稀缺、大模型部署成本高的問題，融合少樣本/無樣本學習算法與強化學習技術，提升模型泛化能力；通過結構化剪枝、知識蒸餾等技術實現大模型輕量化，降低私有化部署成本；構建工業Agent基礎框架，整合DeepSeek、通義千問等開源大模型與LangChain、LangGraph等框架，實現任務自動解析、工具調用與結果反饋的閉環。

全流程工程化工具鏈：打造可視化算法編排、模型訓練與部署工具，支持組態化開發，降低算法開發門檻，實現工業智能應用快速迭代，破解工業AI工程化水平低的難題。

AI賦能工程設計類Agent集群：提供全方位智能化工程輔助工具，涵蓋PLC控制邏輯智能生成Agent、HMI智能組態Agent、智能報表組態Agent、PID參數自整定Agent、應用智能生成Agent等，提升應用開發和工程實施效率。

AI優化生產運營類Agent集群：將智能化技術應用于生產制造過程，構建APS-RTO-APC-PID全局優化鏈路、異常工況智能識別、設備故障預警、智能生產運營助手等智能Agent，實現生產全局優化，保障生產線穩定運行。

市場落地成果：標桿引領跨行業規模化應用

“技術最終要落地到場景中才有價值。”胡鵬飛博士強調。目前，和利時已在多個領域打造標桿項目：

標桿工廠建設：和利時西北總部基地智能工廠基于XMagital平臺打造，實現“自規劃、自設計、自開發、自運營”。通過數字化物流、智能化控制、智慧化管理的全方位落地，該工廠獲評工信部首批“卓越級智能工廠”，成為高安全工控產品敏捷制造的示范標桿。

跨行業規模化應用：在石化、電力、環保、汽車制造、軌道交通等多個行業實現規模化項目落地。其中，石化智能預警方案覆蓋催化裂化、乙烯裂解等核心裝置；電力鍋爐燃燒尋優技術在煤化工、火電行業規模化推廣，累計為客戶創造億元級經濟效益；依托“和行”軌道交通大模型，在鐵路信號運維、故障處置等方面實現高效精準的智能決策支持，已成功落地多個軌道交通智能運維項目。

全流程技術體系破解工業數據處理核心難題

工業場景中海量異構數據的處理、清洗及建模是AI應用落地的核心前提。對此，胡鵬飛博士表示：“數據是工業AI的‘燃料’，沒有高質量數據，再好的算法也跑不起來。我們構建了‘數據治理-建模賦能-平臺支撐-安全保障’全流程體系，為工業AI應用提供高質量數據保障。”

深度數據治理：實現從“原始數據”到“價值數據”的轉變

·多源數據融合：支持過程數據、設備數據、控制數據等多類型數據接入，通過統一的數據接口與元數據標準，實現工業機器人、變送器、DCS等各類設備的數據互聯互通，解決數據多源異構問題。

·全流程數據清洗：建立“抽取—清洗—轉換—融合”標準化流程，通過時序對齊、無效數據剔除、異常檢測、缺失值處理等技術，提升數據準確性與完整性；采用數據脫敏與權限管控相結合的方式，保障數據安全。

·數據語義化組織：通過全場景業務一體化建模，對控制對象、物理設備、業務流程、工藝機理等進行統一建模，構建行業業務模型、設備模型與工藝模型，實現數據語義化組織、數據與業務深度關聯，消除數據孤島。

·全生命周期數據安全防護：面向工業數據全生命周期，構建“原生集成、全鏈覆蓋、分級管控”的工業數據安全方案。通過設備接入認證、通信加密、存儲加密、數據分片存儲與異地備份、細粒度數據脫敏等技術，實現數據從采集、存儲到使用的全流程安全。

先進建模技術：構建融合機理與AI的混合建模方案

采用混合建模架構，結合工業機理規則與AI算法，既保證模型的可解釋性，又提升預測與優化精度。例如在電力鍋爐燃燒優化中，基于熱力系統耦合機理，結合時序數據模型，實現運行參數精準優化。

提供時序分析建模、工業知識圖譜建模、專家規則建模等多樣化工具，滿足不同工業場景的建模需求。通過可視化建模平臺與模型管理工具，實現模型快速構建、評估、部署與迭代，支持增量學習與在線更新，適應工業場景的動態變化。

平臺支撐能力：提供工業智能底座的算力與調度保障

XMagital平臺構建強大的數據底座，整合分布式計算、邊緣計算與云計算資源，提供彈性算力部署支撐；通過統一的服務接口與安全標準，實現AI模型與傳統工業軟件、硬件設備的無縫集成；具備模型調度與負載均衡能力，保障多場景AI應用穩定運行。

人機共智構建工業AI協同新生態

在工業場景中，AI與人工的關系一直是行業關注的焦點。對此，胡鵬飛博士給出明確觀點：“AI不是要替代人工，而是要與人工‘協同共生’，形成‘人在回路，機在執行，智在協同’的人機共智模式。”據其介紹，和利時基于大量落地實踐，形成了“AI處理標準化、重復性、高危性工作，人工聚焦復雜控制決策、經驗判斷與創新優化”的協同模式。

高危場景：AI替代人工保障作業安全

在設備巡檢領域，工業視覺AI與機器人協同，替代人工完成高溫爐膛檢測、設備巡檢、有毒有害環境監測等高危工作。例如在乙烯裂解爐偏燒結焦分析中，AI視覺系統24小時實時監測爐體狀態，避免人工近距離作業的安全風險；在垃圾焚燒發電廠，AI通過火焰圖像分析自動調節焚燒參數，替代人工現場調節，降低粉塵與有害氣體對人員的傷害。

標準化場景：AI提升效率釋放人工潛力

在數據處理與分析領域，AI算法自動完成生產數據的實時采集、統計分析與報表生成。例如智能問數Agent，通過自然語言交互即可生成生產運營分析報告，將管理人員從繁瑣的數據整理工作中解放出來；在計劃排產場景，AI尋優算法快速生成多套排產方案，人工僅需根據市場需求、資源約束等靈活調整，大幅提升排產效率。

復雜場景：AI輔助決策強化人工價值

在故障診斷與處置領域，AI算法模型通過多源數據融合快速定位故障點并提供處置建議。例如某石化項目中，AI模型快速完成催化裂化再生器故障溯源，人工結合專家經驗優化處置方案，既保證響應速度，又提升處置準確性；在生產優化場景，AI提供工藝參數優化區間，人工根據生產實際情況（如原料變化、設備狀態）進行微調，實現“算法尋優+人工校準”的精準優化。

這種人機共智的協同模式，既發揮了AI在效率、精度、安全性上的優勢，又充分利用了人工在經驗判斷、復雜決策上的不可替代性，實現了“1+1>2”的應用效果。

三維布局未來引領工業智能化發展

談及未來規劃，胡鵬飛博士表示：“面對AI技術的快速迭代與行業需求的持續升級，和利時將從技術研發、市場拓展、生態建設三個維度布局未來，持續引領工業智能化發展。”

技術研發：深化核心能力探索前沿方向

·聚焦大模型應用及行業專屬大模型研發，結合知識圖譜與機理模型，降低大模型“幻覺”問題，提升模型在工藝優化、故障診斷等場景的可信度與可解釋性。

·強化工業Agent的協同能力，實現跨系統、跨區域、跨行業的智能體聯動，構建“感知—決策—執行—反饋”的全流程智能閉環。

·研究基于大模型的意圖識別和理解、復雜任務分解、對傳統工業APPs/APIs工具的編排和調度機制，實現工業智能Agen的構建從規則編排向智能調度和自由編排轉變。

市場拓展：深耕行業場景擴大應用覆蓋

在石化、電力、電子制造、軌道交通等優勢行業持續深化，拓展新能源、半導體、生物醫藥等新興領域，打造行業專屬解決方案。在場景延伸方面，從單一設備、產線級、工廠級的智能化，向集團級、園區級的整體智能化拓展，提供全生命周期的智能服務。

生態建設：開放協同共促行業發展

基于XMagital的開放標準，吸引系統集成商、高校科研院所、個人開發者參與生態建設，共享開發工具與行業資源，推動工業智能Agent的規模化創新。參與工業AI領域的國家標準與行業標準制定，規范數據接口、模型部署、安全管控等關鍵環節，促進互聯互通。與AI模型廠商、高校、科研機構形成戰略合作，聚焦工業AI核心技術攻關與人才培養，為行業發展注入持續動力。

最后，胡鵬飛博士表示，面對行業未來的發展變化，和利時將持續迭代XMagital智能系統，以技術創新破解行業痛點，以開放生態凝聚發展合力，與合作伙伴共同推動工業AI從“單點應用”走向“系統智能”、從“規則驅動的確定性場景、確定性應用”走向“目標導向的自由定義、自主運行的智能系統”，重構智能制造新范式，為制造業高質量發展提供核心支撐。

摘自《自動化博覽》2025年12月刊