作為智能制造的“靈魂”，工業操作系統可以有效連接工廠內部設備和系統，實現互聯互通和集成融合，也可以實現企業和企業之間、產業鏈上下游的協同。當傳統工廠加速向數字工廠、智能工廠進階，一個開放的、智能化的新型工業操作系統不可或缺。人工智能（AI）技術爆發將為工業操作系統廠商帶來更大發展商機，但同時在技術變革方向上也帶來了新的“考題”。

我國工業操作系統取得長足進步

當前，我國工業操作系統技術已取得長足的進步，在操作系統內核、實時性、可靠性等關鍵技術方面取得創新突破的同時涌現出了一批優秀的企業，PLC（可編程邏輯控制器）、DCS（集散控制系統）、SCADA（數據采集與監視控制系統）等產品成熟度、穩定度、可靠性大幅提升。比如，中控技術具備自主知識產權的集散控制系統（DCS）在國內市場占有率已經達到了37.8%，可靠性、穩定性、可用性等方面均已達到國際先進水平。

國內PLC“領航員”和利時打造的開放式數字工廠操作系統HolliCube成功服務于裝備制造、新能源汽車、礦山、食品制藥等行業龍頭企業，并已支撐多個全球燈塔工廠、國家雙跨平臺建設。據悉，其研發投入已達到15%左右，位居行業前列。

匯川技術研發的InoQuickPro標準化平臺在汽車產線、消費電子組裝線、電池模組PACK線、倉儲物流線、光伏組件生產線等領域超100個項目中廣泛應用，經多方數據驗證，可對程序開發提效起到顯著作用。

“這是一個‘大浪淘沙’的過程，早期很多企業被淘汰、被吞并，要生存下來，就必須堅持不懈地進行技術創新，認準一條道走下去。這對工業企業而言并非易事，因為行業普遍毛利比較低，要投入這么多做研發需要很大決心。”和利時科技集團有限公司副總裁何春明感慨道。

他表示，在流程工業領域，海外廠商的競爭優勢正在逐漸褪去。中低端工業操作系統領域，本土廠商已具備競爭優勢。在高端領域的一些超大型項目中，本土廠商也已有了和海外廠商同臺競技的底氣。

工業操作系統研發需要大量行業Know-how（技術訣竅）的沉淀，同時也需要用戶口碑的積累，還需打破以往的軟硬件耦合綁定，雖然技術上沒有門檻了，但要在市場上建立更強的競爭優勢需要時間。

賽迪顧問最新發布的研究報告顯示，預計到2027年，工業操作系統整體規模將達1231.3億元，未來4年年復合增長率約12.2%。工業操作系統已然迎來了前所未有的發展機遇。

人工智能為工業操作系統帶來新變量

“過去，全球工業操作系統市場長期被西門子、霍尼韋爾、艾默生、菲尼克斯等海外廠商占據。如今，生成式人工智能技術爆發給本土工業操作系統廠商帶來了趕超機會。”何春明表示，“中國作為第一大制造業國家，不僅有龐大的市場需求，還有豐富的應用場景。產業界如果能夠抓住這個機會，將有巨大的能力提升。”

以鋼鐵行業為例，中國工程院院士王國棟指出，作為復雜流程工業，鋼鐵行業各工序均為多變量、強耦合、非線性和大滯后的“黑箱”，因物料加工的實時信息極度缺乏而成為充滿不確定性的生產過程，最終影響了鋼鐵產品質量和效率的進一步提升。

“生成式人工智能是破解鋼鐵行業‘黑箱’難題的關鍵。”王國棟表示，可以基于材料科學和數據科學，利用生成式人工智能生成鋼鐵行業的動態數字孿生模型，通過形成基于數據自動流動的狀態感知、智慧分析、科學決策閉環賦能的信息物理系統，實現“數字換腦”“模型換代”，從而端到端地解決“黑箱”問題。比如像Sora這樣的視頻生成模型，可以將高爐里面的熱軋過程展示出來，幫助解決生產中的關鍵問題，使得生產穩定性和質量指標顯著提升。

一些本土廠商已經開始積極擁抱新一代人工智能技術。比如，作為國內少有的已在大型PLC工業軟件領域實現突破的企業，寶信軟件積極探索“AI+工業”，先后打造了視覺模型自動化開發工具、鋼包行車智能調度等多個AI應用。

山信軟件聚焦“AI+鋼業”，成立了人工智能研究院，引領鋼鐵行業AI變革。其自主研發的各類軟件產品與AI應用廣泛服務冶金、電力、化工、煤炭等行業，客戶遍及國內20多個省份，并進入印尼、印度、波蘭等國際市場。

國能智深研發出融合人工智能和大數據分析技術的全國產自主可控智能分散控制系統（iDCS），實現了平臺軟件、硬件、操作系統100%自主化。

不過，新技術應用不能一蹴而就。“當前技術發展非常快，新技術不斷涌現，但企業接受新事物、新技術需要一個認知的過程，不能把現有的一些不成熟的技術直接拿到制造業底層應用，得先讓它變得可靠、可用、有用。”國家智能制造專家委員會委員、上海市智能制造產業協會會長徐洪海表示，盡管現在生成式AI、大模型非常熱，但對于制造業而言，怎樣把它用好還在探索中。

“關于生成式AI與工業操作系統的融合應用，業界其實一直有不同的聲音。我的觀點是必須擁抱人工智能，因為以往產業歷代升級都是擁抱新技術，不向前一定會被淘汰，但怎么落地、怎么用，需要智慧、需要研究。”何春明表示。在他看來，工業制造業具有行業特殊性，強調實時性、可靠性、安全性，應該以謹慎的態度循序漸進地去應用新技術，可以從診斷維護、環保安保、管理運維、代碼開發等周邊場景慢慢引入生成式AI，找到適合用的地方先用起來，再逐步探索應用邊界。