10月9日，中共中央、国务院印发《关于发展新质生产力的意见》，从科技创新、产业创新、发展方式创新、体制机制创新、人才工作机制创新五个方面，部署19项重点举措。
一提到“新质生产力”，很多人的第一反应是人工智能、机器人、新能源等新兴领域。但这份顶层设计释放的信号之一是：占全部制造业增加值近80%的传统产业，才是新质生产力落地的主战场。
我们从文件里拆出三个关键信号。
信号一：别急着“另起炉灶”，增量就藏在存量里
一听到“新质生产力”，不少企业的第一反应是“那是新兴产业的事，跟我们没关系”。这个认知可能是错的。《意见》在部署培育新兴产业、布局未来产业的同时，同样强调改造提升传统产业，推动科技创新和产业创新深度融合。
根据工信部等八部门发布的《关于加快传统制造业转型升级的指导意见》，石化化工、钢铁、有色、建材、机械、汽车、轻工、纺织等传统制造业，增加值占全部制造业的比重近80%。这既是我国制造业的家底，也藏着巨大的技术改造和效率提升空间。
以钢铁、石化、化工、电力等流程工业为例，生产连续、变量多、环环相扣：原料一变，整套装置的工况都得跟着调整。传统自动化能应对常规控制，但面对多变量耦合、非线性变化等复杂异常时，往往力有不逮。
政策目标也在加码：到2027年，传统制造业数字化研发设计工具普及率要超过90%，关键工序数控化率超过70%。发展新质生产力并不意味着推倒重来，更像是给运行多年的装置“换一颗更聪明的大脑”，用数字技术和AI改造现有装置，提升生产过程的感知、分析和优化能力。
信号二：AI要“懂行”，不是搬进工厂就能用
很多人以为，把通用大模型用进工厂，制造业就算智能化了。实际上，通用AI和工业AI是两个物种。通用AI擅长理解文字、生成内容；工厂需要的是能处理连续变化的工业时序数据、理解工艺约束和设备状态，同时满足可靠性、实时性和安全性的“工业大脑”。
通用大模型更像一个“通才”，能聊天、会写文档；而工厂需要的是经验丰富的“老师傅”，能从参数波动里识别异常苗头。2026年3月，工信部部长在全国两会“部长通道”上介绍，截至2025年底，我国规模以上制造业企业人工智能技术应用普及率超过30%。从“应用覆盖”到“深入生产过程”，仍有不小距离。
信号三：别只盯着模型准确率，要盯生产价值
技术能进工厂，不等于转型已经落地。对制造企业而言，更关键的问题是：AI到底解决了什么问题，创造了多少实际价值？
对流程工业，衡量生产运行水平绕不开四个维度：
安全：更早识别异常工况，减少风险发现滞后；
效益：降低物料、人力等生产成本，提升装置综合运行效益；
低碳：识别能源消耗异常，挖掘节能空间；
质量：优化生产控制，减少质量波动，提升产品质量稳定性。
工业AI的价值不应只看单一模型的准确率，而要落到实际业务场景，评估其对预警时效、运行稳定性和生产效率的改善。
让工业AI真正落地生产现场
传统制造业升级，工业AI提供了新路径；但能否创造实际生产价值，决定了技术应用能走多远。
中控技术深耕流程工业自动化领域三十余年，从DCS控制系统起家，长期服务于石化、化工、电力等流程工业客户，积累了工艺知识和工业数据。基于这些积累，中控自研时间序列大模型平台TPT，融合工业时序数据、过程机理与工艺知识，将AI能力用于模拟、预测、控制、优化与评估。
原文列举的项目实践包括：广西华谊能化的气化炉近700个关键工艺点位预警准确率稳定在90%以上，硫回收装置自主监督准确率达到98.7%；某大型石化企业乙烯装置关键指标预测准确率达99.79%，并提前4天捕捉异常趋势；大唐多伦煤化工通过协同优化能源调度，绿电替代燃煤发电比例达87.5%，年减碳41.94万吨；兴发集团湖北兴瑞工厂覆盖超15000个监控点位，控制中心定员由260人降至80人，日均报警下降99.8%。
这些实践说明，工业AI要真正落地，就得把模型能力和工艺知识、现场数据、具体业务目标结合起来，回应生产现场对安全、稳定、效率的真实需求。
发展新质生产力，最终要落到产业升级与实际应用上。从真实生产痛点出发，探索工业AI落地路径，让新质生产力真正走进工厂、创造价值。
内容转自相关官方公众号，如有侵权，请联系删除
