霍尼韦尔科技大中华区总裁 余锋

近三年大模型迭代与行业落地提速，带动全球AI产业持续升温。今年以来，中国企业在基础模型、算法创新和场景应用方面持续突破，进一步推动了人工智能的发展。从办公场景到软件开发，从智能客服到知识管理，AI正以前所未有的速度融入商业世界。

对于制造业而言，我们讨论的重点不再是AI有没有价值，而是如何让AI从少量试点走向规模化应用，真正深入车间、设备和生产现场。中国拥有全球最完整的工业体系和最大的制造业规模。未来，AI创造价值的重要空间，不仅来自数字世界，也来自实体经济。谁能够率先推动AI与工业场景深度融合，谁就有机会在新一轮产业变革中占据优势。

霍尼韦尔科技面向1600家制造企业AI负责人开展的一项调研显示，超过80%的受访企业已经开始探索AI的具体应用，并普遍认可AI在提升效率和辅助决策方面的价值。然而，真正按照原定计划完成推广实施的企业仅占17%。这说明，AI从概念验证走向规模化落地，远比想象中更加复杂。对于制造业而言，当前面临的挑战不是证明AI有没有价值，而是如何让AI真正创造价值。

工业场景与互联网场景有着天然差异。在数字世界里，一次算法失误可能影响用户体验；而在工业现场，一次错误决策则可能带来产品质量问题、设备故障，甚至安全风险。工业企业面对的是连续运行的生产装置、复杂的工艺流程以及严格的安全要求，因此企业关心的不是AI到底有“多聪明”，更关心它是否可靠、是否稳定、是否能够承担责任。

与此同时，大量老旧设备仍然广泛存在于工业现场。如何让这些设备连接起来、数字化起来，并进一步获得AI能力，是许多企业必须面对的现实问题。工业领域的AI不是一次简单的软件升级，而是连接资产、流程和人员的系统性重构。

工业AI的发展必须回答三个问题：是否安全可靠、是否能够创造可衡量的经济效益，以及是否能够融入开放协同的产业生态。过去几年，无论是霍尼韦尔科技自身的转型实践，还是与客户共同推进的数字化和智能化项目，我们始终坚持这三个原则。

安全可靠始终排在第一位。石油化工、冶金、水泥、电力、制药等行业承担着重要的社会责任。对于这些行业来说，“AI犯错”并不是一个轻描淡写的话题。工业现场需要的是可验证、可追溯、能够承担责任的智能化能力，而不是无法解释的“黑箱决策”。对于流程工业企业而言，一次异常波动可能对应的是产量损失，甚至安全事故，因此工业AI的发展必须建立在可靠性基础之上。

过去几十年，无论是自动化控制系统还是数字化运营平台，工业技术发展的核心目标始终没有变化——让生产更加安全、更高效、更稳定。今天，AI成为新的技术变量，但工业现场对于安全和可靠的要求并没有改变。未来工业AI的竞争，不是单纯比拼模型规模或者算力水平，更是比拼谁能够在保障安全可靠的基础上，将技术真正转化为生产力。

对于工业企业而言，投资回报始终是衡量技术价值的重要标准。近年来，市场上出现了大量AI概念和试点项目，但没有经济效益的AI，很难走向长期运营。企业需要看到投入和产出之间的关系，需要看到效率提升、成本下降和盈利能力改善。中国有50多万家规模以上工业企业，如果AI能够帮助这些企业整体盈利能力提升哪怕一个百分点，其创造的价值都将十分可观。对于实体经济来说，这比任何概念都更有意义。

在实践中，我们与盛虹石化产业集团合作，在其生产装置上部署基于AI的操作导航智能决策系统。项目启动时，这家企业拥有50多套生产装置，我们首先选择其中一套开展试点，通过融合工艺机理、实时运行数据和本土AI能力，实现生产优化、故障预测和辅助决策。

经过一年多运行，装置持续保持在最佳运行区间，人工操作频次降幅达50%，丙烷回收率提升超过10%，仅蒸汽节约一项年节约超千万。客户投入约500万元，保守测算创造效益1500万元，实现约300%的投资回报率。更重要的是，项目在提升效益的同时实现了节能降耗和绿色发展。

让我印象更深刻的是取得成效之后，客户主动启动更多装置的智能化改造，与此同时，这一案例也吸引了其他流程工业企业的关注。这让我更加坚信，工业AI比拼的并非技术的新颖程度，而是持续创造价值的能力。企业买单的理由从来不是“炫技”，而是它能够帮助企业解决问题、创造收益并建立长期竞争力。

过去几年，制造业数字化不仅是工厂和设备的数字化，更是管理体系和组织能力的数字化。许多企业已经拥有先进设备和自动化系统，但在生产管理、质量协同、问题闭环和持续改善等环节，仍然高度依赖人工经验和线下沟通。如何将优秀管理经验转化为可复制、可执行、可持续优化的能力，同样是工业AI需要解决的问题。

基于这样的思考，霍尼韦尔科技近年来与互联网企业展开合作，比如与飞书共同推出“霍尼韦尔科技卓越随行应用”，将我们卓越运营管理体系中的生产管理、质量管理、层级会议、持续改善和收益管理等成熟方法论，与数字化协同和本土AI能力结合起来。其目标并不是简单增加一个工具，而是帮助企业将长期积累的管理经验沉淀为组织能力。

过去，企业更多依赖经验丰富的管理者发现问题、推动改善；未来，AI既能够帮助企业发现问题，也能够推动问题解决。从问题识别、任务分配到责任落实和结果验证，整个闭环管理过程都可以持续优化。如果说操作导航系统代表的是AI对于设备和流程的赋能，那么卓越随行代表的则是AI对于组织和人的赋能。前者提升生产效率，后者提升组织效率，而两者共同指向同一个目标——帮助工业企业构建更加智慧、自主和高效的运营体系。

无论是生产装置的优化，还是组织能力的提升，我们都看到一个共同规律：AI能够放大经验，但无法替代经验。这也正是百年工业企业能够贡献的重要价值。

很多人认为，AI时代最重要的是算法、数据和算力。这些当然重要。但对于工业企业而言，真正决定AI价值能否落地的，往往是隐藏在设备、流程和组织背后的行业知识与管理经验。

长期以来，工业企业不断应对设备故障、安全风险、能源效率和复杂流程管理等问题，在实践中积累了大量行业知识、运行经验和管理方法。这些经验看似传统，却恰恰构成了工业AI落地最重要的基础。AI可以帮助我们提升效率、优化决策，但前提是它必须与工业规律相结合，与生产现场相结合，与客户真实需求相结合。

霍尼韦尔科技拥有超过140年的历史，在中国市场深耕90余年。从PLC到分布式控制系统，再到数字化运营平台，我们参与并见证了工业自动化发展的多个阶段。今天，当工业领域从“自动化”逐步迈向“自主化”，这些长期积累的知识、经验和方法论正在成为AI进入工业现场的重要支撑。百年工业企业的价值，不只在于历史本身，而在于长期服务工业客户过程中所沉淀下来的知识体系。这些知识正在成为AI时代新的生产要素。

未来的智能系统不仅要执行指令，还要能够感知变化、分析判断，并为管理者和技术人员提供决策支持。资产需要更加智能，流程需要更加高效，员工需要获得更加智慧的赋能。而要实现这一目标，依靠任何一家企业都不够。工业企业掌握场景与知识，互联网企业拥有算法和算力，高校与科研机构提供创新能力，行业协会、政府和金融机构共同推动产业协同。只有建立开放合作的生态体系，工业AI才能从单点应用走向规模化发展。

今天，人们都在讨论AI会创造多少新的商业模式和新的企业。但在我看来，AI时代不仅需要创新者，也需要长期扎根产业的建设者。当人工智能加速融入实体经济，我们需要重新认识那些看似传统的能力——对工业场景的理解、对安全可靠的坚持、对长期价值的追求，以及对复杂系统的管理。对于工业AI而言，这些并不是过去的积累，而是通向未来的重要基础。

这也是我认为，在AI浪潮中，百年工业企业依然具有独特价值的原因。