2026.10.08 | AC | China AI | TPT Industrial LLM Expert Overview

摘要

以下观点来自行业专家：1.TPT是一款面向流程工业领域的通用大模型产品。在当前的工业领域，尤其是在流程工业自动化范畴内，通用大模型的应用尚不普遍，市场主流仍是以行业或装置为维度的垂直小模型，即独立的Agent。2.技术层面，底层的模型也进行了更换。第一版采用的是普通的Transformer模型，其全基数参数激活导致训练与微调的算力开销巨大，第二版改用了MoE（Mixture of Experts）稀疏专家网络，能根据不同的工艺工况自动调用相应的专家子模型。3.从产品形态和交付方式来看，两者存在显著差异。过去，如果一个项目需要实现五个不同的功能，客户需要采购并安装五款独立的工业软件，现在，交付模式转变为以客户需求为导向，但交付的产品形态是统一的TPT大模型软件。

1.请介绍一下TPT这款产品及其在工业领域的定位和主要功能？

TPT是一款面向流程工业领域的通用大模型产品。在当前的工业领域，尤其是在流程工业自动化范畴内，通用大模型的应用尚不普遍，市场主流仍是以行业或装置为维度的垂直小模型，即独立的Agent。因此，TPT在产品架构、功能及内容上具备一定的领先性。

与面向消费者的语言大模型不同，TPT作为一款面向B端的大模型，旨在为流程工业客户解决生产过程中的各类问题，涵盖生产效率、产品质量、生产安全、节能降耗以及优化算法等多个方面。

其核心价值主要体现在以下几个维度：提高产品质量（提质）、降低生产成本（降本）、提升生产效率（增效）以及保障生产安全。

在功能层面，TPT整合了中控此前工业软件APP阶段的全部功能。过去中控拥有超过200款实现特定功能的工业软件，如今这些功能已全部移植到TPT这一通用大模型平台之上。因此，TPT不仅是一个具备上述各类功能的通用平台，还支持定制化和二次开发，所有相关功能都可以在该平台上实现。

2.TPT的原理是怎么样的？

中控TPT（Time-series Pre-trained Transformer）模型的核心原理，是‌基于Transformer架构深度适配流程工业第一性原理‌，通过工业时序预训练+MoE混合专家架构。

训练数据完全来自工业场景：覆盖DCS运行秒级时序数据、设备运行曲线、物料反应周期、质量波动趋势等，所有数据都带精准工业时间标签。

深度融合30余年工业机理知识：把中控积累的工艺原理、设备特性、行业操作经验转化为模型可识别的规则，从根源上避免通用大模型的“AI幻觉”问题。

可靠性保障机制：通过逻辑一致性检查、工业规则校验等自主推理验证机制，模型整体运行可靠性超过98%，完全满足工业生产的严苛安全要求。

3.从2024年的第一版到2025年的第二版，中控的TPT产品在功能和技术上有哪些显著的提升？

技术层面，底层的模型也进行了更换。第一版采用的是普通的Transformer模型，其全基数参数激活导致训练与微调的算力开销巨大，对于煤化工这类多变的复杂工艺耦合场景，泛化能力一般，容易出现偏离工艺机理的输出。第二版改用了MoE（Mixture of Experts）稀疏专家网络，能根据不同的工艺工况自动调用相应的专家子模型。这大幅降低了微调算力，使得在小样本场景下效果更优，减少了对历史数据的依赖，因此也适用于数据不全的老装置或新装置。

此外，第二版更深入地嵌入了机理约束，能有效抑制AI的“工艺幻觉”，提升了闭环控制的安全性。这些改进对项目实施产生了积极影响：微调周期缩短，使得同一硬件服务器上可以承载更多装置的智能体。在控制能力上，产品打通了从预测、仿真、决策到DCS下发，再到反馈修正的全链路，支持建议模式、局部闭环、完整黑屏闭环等分级闭环控制，并能在出现异常时自动降级退回手动模式。

4.TPT模型有哪些落地场景？

中控TPT模型目前已在氯碱、煤化工、硅材料、精细化工等多个流程工业核心场景落地。例如兴发集团湖北兴瑞（“81号数字员工”）‌：TPT与UCS协同打造全球首个全自主运行工厂，接管氯碱生产全流程，承担装置参数盯守、数据核查、生产报告自动生成等重复性工作。大唐多伦煤化工绿电调度优化项目，TPT作为整个能源系统的智慧中枢，通过统一工业建模实现跨工况智能预测与自主优化，融合生产、工艺、设备、质量全环节多源数据，搭建多能源互补调度一体化能源管控平台。

5.从客户角度看，相较于过去采购多个独立的工业软件，采购TPT大模型在产品形态、交付方式和价值方面有何不同？

从产品形态和交付方式来看，两者存在显著差异。过去，如果一个项目需要实现五个不同的功能，客户需要采购并安装五款独立的工业软件，类似于安装五张不同的光盘。这些软件在调试时是相互独立的，彼此之间可能没有太多关联。

现在，交付模式转变为以客户需求为导向，但交付的产品形态是统一的TPT大模型软件。尽管从外部看只有一个软件界面，但其内部采用了混合专家模型架构。系统会根据客户的具体需求，在软件内部分化为多个以功能为导向的智能体，每一个Agent大致对应于过去的一款独立工业软件。因此，无论客户需要五项功能还是二十项功能，面对的都将是同一个软件入口，内部再通过不同的Agent组合来实现。

对客户而言，这种转变的核心价值在于，过去需要通过采购多个独立的、标准化的工业软件来实现的功能组合，现在可以通过一个统一的大模型平台来整体实现。报价方式也相应地从多个独立软件价格的累加，转变为一个整体的大模型报价。

在TPT模型落地之前，流程工业企业的智能化改造普遍面临“投入高、周期长、见效慢”的困境，很多项目投入上千万元，却很难看到明确的量化收益，导致大量企业对工业AI改造持观望态度。而TPT模型依托强泛化能力，大幅缩短了新场景的开发部署周期，彻底重构了流程工业智能化的投入产出逻辑。

6.在过去独立销售工业软件的模式下，单个软件产品的价格范围大致是多少？

过去销售的工业软件产品超过200种，例如APC、MES、AA、操作导航或EM等。每一款软件都是一个独立的SKU，可以独立销售，并有其独立的售价。这些产品的价格存在差异，大致范围在几十万到一两百万人民币之间。由于中控技术的业务属于项目型市场，最终合同价格并非固定不变，而是通过报价、比价等市场竞争方式确定，因此每个项目的具体价格会有所不同。

7.除了技术对比，在TPT项目的实施和定位方面，还有哪些关键点值得关注？

有两点至关重要。首先，需要明确TPT与传统APC的区别。TPT的投运并非实现完全的无人放手，其核心是AI提供优化建议，但在必要时，人工接管和安全机制的保障是不可或缺的，操作人员必须能随时切换回手动模式。

其次是项目定位。TPT项目作为煤化工行业的标杆，其成败不仅取决于算法本身，更关键的是现场基础条件，包括测点质量、历史数据质量，以及生产班组操作习惯的转变。这些现场因素对项目的最终效果有决定性影响。