|
|
2026年18期 发行日期：2026-09-15
作者：■魏坤
9月4日，2026霍尼韦尔科技创新峰会在贵阳召开，会议期间，霍尼韦尔科技大中华区总裁余锋接受了本刊记者专访。余锋指出，工业AI与通用大模型的逻辑不能简单画等号，它必须扎根于对行业工艺、安全规范以及生产现场情况的深入把握。对于化工企业来说，安全是应用落地的先决条件，而能否产生可量化、可验证的效益，则是决定技术能否走向规模化推广的分水岭。
工业和信息化部等七部门在《石化化工行业稳增长工作方案（2025—2026年）》的政策解读中提出，2025—2026年石化化工行业增加值年均增长5%以上，并明确部署“人工智能+石化化工”行动。伴随人工智能加速向生产现场渗透，行业所期待的已不只是某个单一环节的效率提升，而是希望在安全、稳定、能耗与经营之间，构建起经得起实践检验的运营能力。
从装置自主运行到企业自主运营，从数据接入到工艺、模型与组织协同，余锋所讨论的并非简单的技术迭代，而是工业如何在风险高、约束强的生产条件下重新构建运营模式。这为当前化工行业推动“人工智能+”提供了一个值得深入审视的实践样本。
从“装置会运行”到“企业会运营”
“自主运行”与“自主运营”，仅一字之别，却体现了霍尼韦尔科技对工业智能化边界的不同认知。余锋在采访中阐释道，前者主要指向装置或系统执行层面的能力：在DCS、先进控制、报警管理、操作员培训等体系的支持下，使装置得以安全、稳定、高效地运转。后者则属于端到端的系统级概念，涉及数据贯通、知识沉淀、运营优化和组织协同，其目标并非单纯减少某个岗位的人工操作，而是将企业运营中的感知、判断、执行与复盘逐步串联起来。
对化工企业来说，这一区分绝非文字游戏。工业行业的竞争力，过去很大程度上取决于单台设备、单套装置或单个工艺环节的控制水平；但在原料波动、订单变化、能源约束和安全要求相互交织的环境下，单点最优未必能带来全局最优。余锋判断，化工行业的自主运营将沿着“装置级自主运行—跨装置协同优化—工厂级运营决策”的路径逐步推进，最终有望延伸至原料采购、生产调度和产品销售等全链条的协同决策。
这同时也意味着，AI无法绕开工业基础实现直接“跃迁”。余锋将当前的关键制约归纳为三类：数据孤岛与数据治理不足，过程控制对动态优化的适配性欠缺，以及既懂AI又熟悉工业现场的复合型人才匮乏。换句话说，企业需要补齐的不是一套孤立的软件，而是打通数据、模型、工艺知识与组织机制之间接口的能力。
今年7月，霍尼韦尔科技宣布Forge智能互联平台在中国落地，该平台采用与硬件无关的开放式架构，定位为贯穿企业运营全流程的“智能层”。截至2026年7月，Forge已服务全球超过2.5万家客户、覆盖超过28.8万个站点、协助管理约550万项设备资产。Forge能够将既有工业数据与场景知识相结合，并在无需整体替换存量资产的前提下推动应用——这与流程工业“长周期、重资产、强约束”的改造逻辑相契合。
安全是工业AI的先决条件
化工行业探讨AI，安全始终是绕不开的首要议题。余锋认为，化工、钢铁、造纸等流程行业的安全风险具有显著的非线性特征：日常的微小偏差，在特定条件下可能演变为严重后果。因此，工业智能化必须建立在“人防、物防、技防”协同的基础之上。技术系统可以拓展感知范围、加快识别与响应速度，但最终的工艺判定与安全责任不能被简单地由人“转移”给算法。
这也是余锋反复强调“敬畏”的缘由。在他看来，工业AI既要守住底层控制和安全仪表系统的确定性，也要让上层应用具备可解释、可追溯的机制；在当前阶段，人的决策仍应处于最后一道关键关口。将大模型直接接入高风险生产控制回路，既不符合流程工业的工程逻辑，也不符合安全治理逻辑。
霍尼韦尔科技此次宣布成立霍尼韦尔（中国）有限公司安全管理研究院和工业自主运营研究院，反映出其将安全能力建设与自主化推进并行布局的思路。就现有产品而言，霍尼韦尔科技官网对Safettice?誖工业生产与安全互联智慧平台的定位，是连接危险源监测、作业许可、巡检执行和应急响应等环节，形成从风险识别到响应处置的闭环；其AI助手用于风险变化提示和辅助判断，而非取代现场安全责任。
“工业AI比拼的不是技术的新颖程度，而是持续创造价值的能力。”余锋说，“没有经济效益的AI，只是昂贵的实验品。”但在化工场景中，这句话还有另一层含义：任何经济效益，都应当在安全和合规的前提下进行核算。无论是将安全管理视为成本中心，还是将效率提升当作唯一目标，都不足以支撑自主运营。
可算的收益，才是可复制的能力
从技术概念走向行业实践，最终仍要落到装置层面。余锋在采访中提到，霍尼韦尔科技与盛虹石化联合推出的操作导航智能决策系统，已在一套丙烷脱氢装置上完成应用验证。这一案例的意义，不仅在于用AI输出建议，更在于将工艺机理、实时数据、设备性能和一线运营经验纳入同一个决策框架：系统可实时感知运行状态、对工况变化作出预判，并给出操作指引；操作人员不再完全依赖个人经验“凭手感”调参数。
盛虹石化公开披露的测试数据为这一说法提供了可追溯的参照：该系统实现装置自控率100%全覆盖，人工操作频次下降50%以上；仅蒸汽消耗一项，最高可每小时降低6.5吨，年节约成本超过1000万元。相关数据来自企业对PDH装置应用的公开发布信息，应理解为特定装置、特定工况下的项目验证结果，而非可无条件复制的行业平均值。
这正是化工企业在评价工业AI时需要保持的专业尺度。判断一个案例是否值得推广，不能只看“用了什么模型”，更要看数据边界是否清晰、工艺机理是否融入其中、控制权如何分配、收益如何计量，以及换到另一套装置后还需要哪些再训练和再验证。对于连续生产、强耦合的炼化和煤化工装置，操作导航、先进控制优化、设备预测性维护、安全风险预警等场景往往更接近规模化应用的起点；但从单装置的“辅助驾驶”迈向跨装置乃至全厂的“自主运营”，仍是一项长期工程。
余锋给出的路径并不追求一步到位：先让数据在现场真正可用，再让模型在受控边界内持续优化；先在单装置形成可验证价值，再向跨装置协同和工厂级决策拓展。对于正迈向高端化、绿色化、数字化和安全化改造的中国化工行业而言，这种渐进式路径或许比“全自动驾驶”的叙事更具工程意义。
分享
收藏
来源：chemnews.com.cn · 查看原文 |
|
IP卡
狗仔卡
楼主
提升卡
置顶卡
喧嚣卡
变色卡
千斤顶
显身卡