活力中国调研行|工业控制系统如何从自动化走向自主化?


“不同行业有完全独立的设备逻辑和工艺模型。我们从最熟悉的能源电力赛道起步,吃透了这个领域的全链条行业模型,再逐步把产品的适用场景延伸到石化化工、钢铁冶金、市政水务等领域,持续拓展自身的能力半径。”

7月24日,2026年“活力中国调研行”江苏站主题采访活动中,南京科远智慧科技集团股份有限公司(科远智慧,002380.SZ)副总裁赵文庆在接受澎湃新闻记者采访时表示,早年,DCS(分布式控制系统)、PLC(可编程控制器)等领域长期被西门子、霍尼韦尔等国际厂商垄断。创业之初,科远就定下了替代进口、追赶国际一线品牌的目标,对标西门子、ABB、艾默生等国际顶尖工控厂商,沿着“自动化-信息化-智能化-智慧化”的技术路径持续迭代,实现工业控制系统的全链条自主可控。

1993年,科远在南京江宁成立,是国内最早一批深耕工业控制系统的本土企业。服务对象集中在能源电力、石油化工、钢铁冶金、市政水务、水泥建材等国民经济核心基础行业。以标准化硬件产品为底座,叠加适配不同行业需求的个性化解决方案,为下游客户提供完整的工业自动化服务。

科远创始团队来自东南大学深耕能源电力领域的教授,早期扎根能源电力行业,而南京江宁本身是全国知名的智能电网产业集聚地。科远的产品应用在国民经济最底层的关键领域,早年核心产品中,不少芯片、嵌入式操作系统都依赖海外供应。而随着地缘政治等外部环境变化,国家层面对自主可控提出了更高要求,目标是实现从芯片、嵌入式操作系统到上层全系列工艺软件的100%全国产化,完全由国内产业链自主掌控。

“当前最大的挑战并非技术层面,而是客户的认知惯性。早年国产自主可控产品刚起步时,性能确实和进口产品存在差距,但经过持续迭代,目前我们的产品性能已经完全可以满足工业场景的严苛要求。”

赵文庆认为,从行业发展规律来看,西门子等国际工控巨头的技术成熟,本质上是依托中国过去几十年海量的工业场景完成了产品迭代和试错。现在中国本土企业攻克了这类核心工艺软件包的技术难关,但很多客户长期使用进口产品,已经形成了“进口产品更可靠”的固有认知,对国产产品仍存在顾虑。

而海量工业场景的数据训练和长期经验积累对工业软件包的持续优化尤为重要。“中国工程师群体的勤奋投入,以及在海外技术积累的基础上,我们完成了快速追赶,用几十年时间走完海外厂商上百年的产业发展历程。现在最核心的任务,就是让国内客户真正建立对国产工业产品的信任。‌令人欣喜的是,目前国家层面已经充分意识到这个问题,正在自上而下推动自主可控产品的落地应用,替代进程明显加速。中国企业已经成长起来,手握全球最丰富的工业场景资源,叠加AI技术的赋能,完全有机会实现换道超车,走出一条属于中国工业自动化的全新发展路径。”

科远早年走的是“农村包围城市”的路线,先从边缘的中小场景切入,逐步打磨产品能力,再向核心高端场景渗透。经过多年的市场培育,行业已普遍认可以科远为代表的国产产品能力,但客户仍心存顾虑,需要通过层层集体决策才能推进落地。2023-2024年开始,国家从顶层设计层面强力推动自主可控替代,整个行业的推进速度明显加快。

2019年前后,科远预判到AI会成为未来工业领域的核心趋势,启动了人工智能相关的产业布局。“科远能率先实现工业AI规模化落地的核心基础,恰恰是因为所有工业数据本身就由我们自主研发的控制系统直接采集、存储,全量留存于控制系统的数据库中,数据采集环节已不是行业痛点。同时我们深耕行业三十余年,吃透了各类工业设备的运行机理,有能力通过工业AI替代传统人工完成操作决策。”

赵文庆认为,当前国内制造业的自动化水平已经达到较高水准,下一步的核心方向是从“自动化”迈向“自主化”。

“‘自主化’层级比传统智能化更高。核心是用AI驱动底层的PLC、DCS等控制系统,实现全流程无人自主运行,替代传统的人工监盘操作,完成无人化生产。现在正在往这个方向持续推进,未来的目标场景是,操作人员直接向现场的阀门、电机等设备下达自然语言指令,设备就能自主理解指令含义,完成后续的生产运行动作,让每一台工业设备都具备自主思考、自主运行的能力。这个看似科幻的场景,正在通过大语言模型和工业控制技术的深度融合,实现大模型与垂域小模型的协同,逐步从概念走向落地。”赵文庆说。

相关新闻


数据瓶颈下的自动化装配突围:从“无更多数据”到“数据重构”

数据瓶颈:自动化装配的隐形枷锁很多人以为,自动化装配的精度提升仅依赖传感器精度与算法迭代,其实不然。当系统报错“没有更多数据了”时,暴露的并非数据采集不足,而是数据链的断裂——从物理信号到数字信号的转换过程中,存在未被识别的信息损耗。这种损耗的底层逻辑是:传统数据采集框架基于“事件触发”模式,仅记录超出阈值的异常值,而忽略了装配过程中微米级形变的连续性数据。案例:苏州工业园区某汽车零部件企业的数据


数据边界:自动化装配中的误差阈值管理

数据边界:自动化装配中的误差阈值管理很多人以为,自动化装配系统的精度提升仅依赖硬件升级,比如更高分辨率的视觉传感器或更精密的伺服电机。其实不然,真正决定系统稳定性的,是误差阈值管理——一种被多数企业忽视的底层逻辑。当传感器数据量达到临界值时,单纯增加数据采集频率反而会引发信号噪声叠加,导致系统决策延迟,甚至触发保护性停机。这种反直觉现象,在德国斯图加特某汽车零部件供应商的产线改造中得到了验证。案例


数据边界:当自动化装配遭遇「无更多数据」的临界点

数据断层:自动化装配的隐形瓶颈很多人以为,自动化装配系统的效能提升仅取决于硬件精度与算法复杂度,其实不然。当系统触达「"error":"没有更多数据了"」的报错阈值时,真正的挑战才刚刚开始——这并非简单的数据量不足,而是涉及传感器冗余设计、故障模式覆盖度与生产节拍平衡的底层逻辑冲突。案例:慕尼黑工业大学的「黑灯工厂」实验2023年,慕尼黑工业大学自动化研究所曾进行过一场封闭测试:在宝马集团提供的3


数据边界与自动化装配的效能突围

数据阈值:自动化装配的隐形天花板很多人以为,自动化装配的效率瓶颈仅存在于硬件精度或算法复杂度,其实不然。当某国际头部汽车零部件厂商在德国斯图加特工厂部署第七代柔性装配线时,曾遭遇一个反直觉现象:随着传感器密度提升300%,设备综合效率(OEE)反而下降12%。问题根源并非硬件故障,而是数据采集系统触发了隐性的「数据过载阈值」。底层逻辑是:自动化装配系统的数据流存在双重约束——物理层的数据传输带宽与


数据瓶颈下的装配线效能突围

当数据采集遭遇物理极限:一个被忽视的底层矛盾很多人以为自动化装配线的效能提升仅依赖传感器密度与算法迭代,其实不然。在苏州工业园区某精密电子装配基地,我们发现了更本质的制约因素——数据采集的物理上限。当单线体部署超过327个I/O点位时,传统PLC架构的寄存器寻址延迟会突破0.3ms阈值,直接导致运动控制指令的时序错位。赛制逻辑下的效能验证:慕尼黑工业大学的极端测试2023年慕尼黑工业大学自动化实验


深圳市物联网产业协会成功举办《24小时自助图书馆通用规范》团体标准评审会

【导语】2019 年深圳市物联网产业协会发布的《24 小时自助图书馆通用规范》部分指标落后且引用文件有更新,不利行业发展。为此协(xié)会(huì)于(yú) 2024 年(nián) 11 月(yuè)启(qǐ)动(dòng)修(xiū)订(dìng)立(lì)项(xiàng),2025 年(nián) 10 月(yuè) 30 日(rì)召(zhào)开(kāi)评(píng)审(shěn)


全球智能视觉处理芯片龙头冲刺港交所:光环之下,何以冲破增长枷锁?

【导语】近日,智能视觉处理芯片龙头富瀚微递交港交所招股书,吹响“A+H”双上市号角。其虽在全球市场占据领先地位,但2022 - 2025年上半年营收、净利、毛利率均逐年下滑。不过,富瀚微注重研发创新,积极拓展AI新业务版图。此次赴港上市,能否助力其突破瓶颈、续写传奇,值得期待(dài)。 近(jìn)日(rì),智(zhì)能视觉处理芯片龙头富瀚微正式向港交所递交了招股书,吹响“


国家发改委等五部门:探索推动具身智能机器人进社区、进家庭,到 2027 年底建成 50 个以上全域数字化转型城市

【导语】10月31日,国家发展改革委等五部门发布《深化智慧城市发展推进全域数字化转型行动计划》,提出到2027年底建成50个以上全域数(shù)字(zì)化(huà)转(zhuǎn)型(xíng)城(chéng)市(shì),2035年(nián)涌(yǒng)现(xiàn)一(yī)批(pī)具(jù)有(yǒu)国(guó)际(jì)竞(jìng)争(zhēng)力(lì)的(de)现(xià


2025深圳安博会:大公博创揽三奖 低空安防技术引国内外媒体聚焦

【导语】2025年10月28日至31日,第二十届中国国际社会公共安全博览会在深圳启幕。成都大公博创信息技术有限(xiàn)公(gōng)司(sī)携(xié)全系(xì)列(liè)低(dī)空(kōng)安(ān)防(fáng)设(shè)备(bèi)参(cān)展(zhǎn),凭(píng)借(jiè)三(sān)项(xiàng)权(quán)威(wēi)大(dà)奖(jiǎng)、全栈(zh


业内首家:中国电信实现北斗语音消息服务

【导语】中国电信率先公开展示业内首个“北斗语音消息”服务,首创 AI 算法实现语音极速传输;与此同时,华为也在第四届北斗峰会上发布相关功能,其手(shǒu)表(biǎo)成(chéng)首(shǒu)款(kuǎn)支(zhī)持(chí)终(zhōng)端(duān),北(běi)斗(dòu)应(yīng)用(yòng)再(zài)掀(xiān)新(xīn)篇(piān)。 据(jù