中控作為流程工業智能制造整體解決方案的領軍企業，其工業軟件產品涵蓋了生產控制、供應鏈管理、資產管理、安全環保和工業AI軟件等多個方面。歷經31年，中控DCS系統在國內市場占有率達37.8%，連續13年國內市場占有率第一；通過持續的研發投入，實現了工業軟件SaaS化技術、控制參數在線交叉式鑒定技術等多項技術突破，優化了工業軟件生態；針對流程工業所面臨的痛點，助力企業實現“安全、質量、成本、綠色”核心目標；面向未來技術發展趨勢和人工智能可能帶來的機會和挑戰，中控提出“1+2+N”智能工廠新架構，以及全球首款通用控制系統UCS和流程工業時序大模型TPT（Time-series Pre-trained Transformer），為實現企業的智能化轉型提供路線圖。

近期，中控創始人褚健與《財經智庫》進行了獨家對話，解讀中控的歷史過程、創新成果及愿景。

 

走出象牙塔30年

《財經智庫》：您被人們稱為“中國自動化產業第一人”，上世紀80年代末，您就參與了中國早期工業控制系統DCS（Distributed Control System）的研發，而當時國內技術環境和資源相對有限。作為開拓者，是什么促使您堅持走上工業自動化的道路？是否與您的日本留學經歷有關？

褚健：我不是什么第一人，不妥。相對而言，可能有點故事而已。事實上，在自動化領域方面，起步的時候我并未有意要推動產業化進程，而是在各種因素的影響下促成了產業化這件事。首先，在20世紀80年代末90年代初，中國正處于社會轉型的關鍵時期，國家高度重視并大力推動大學科研成果的轉化應用。在此背景下，原國家計劃委員會（后更名為國家發展和改革委員會）在浙江大學設立了工業自動化國家工程研究中心，鼓勵構建一條從研究到產業的通道。在這一政策感召下，我堅定地做了這件事，盡管當時對很多事情不甚了解，但我內心覺得這個方向非常正確。

日本留學的經歷對我影響很大。在1986年至1989年期間，我在日本深入參觀、走訪了日本的多家企業和研究機構，包括新日鐵、川崎重工、松下電器等，這些企業的自動化程度非常高，在偌大的車間里幾乎看不到人。其中在參觀松下電器位于大阪的中央研究院的過程中，我更是目睹了機械手精準地夾取并煎制雞蛋的精湛技藝。當時我深感震撼，因為機械手抓取雞蛋的過程中，稍一用力雞蛋會破，而力量不足雞蛋就會掉，這對于機械手的控制要求非常高。雖然今天看來或許并不稀奇，但在當時卻代表了極高的技術水平。這些景象強化了我的認知，我認為所有的工業企業，離開了自動化就無法實現現代化。所以，回國之后，我便承擔起了推動科研成果轉化的重任。但當時的我對于技術、產品以及市場都知之甚少，這無疑為產業化之路增添了許多挑戰與困難。但正是這些挑戰與困難，也讓我更加堅定了在自動化領域深耕細作的決心。

《財經智庫》：當時遇到的最大困難和瓶頸是什么？

褚健：我所面臨的難題并非單純的對技術不了解，而是對系統性技術的陌生。在學校期間，研究的重心多聚焦于某一技術點上的突破，這些研究或許已達到前沿水平，但要將之轉化為產品級的技術創新，卻需要實現從點到面的系統性跨越，這與撰寫學術論文的差別很大。初涉此領域，有很多事情我并不熟悉，但我卻明白，要將一項技術理念轉化為市場所需的產品遠非易事。市場所渴求的并非單純的樣機、科研成果或學術論文，而是能夠切實解決問題的方案或手段。

彼時，中國剛剛改革開放，國外的產品大量涌入，但若我們的產品明顯比國外的差，用戶一定不愿意用國產的產品。譬如我們一開始就研發了當時最復雜也是最重要的工業控制系統DCS，對于石油化工這樣的流程工業企業，一旦控制系統出問題，則導致停工停產，甚至出現重大事故，所以沒有一家企業愿意接受相信并采用我們的DCS。DCS不同于其他普通產品——進口的電飯鍋和國產的電飯鍋，兩者都能使用，不會出現大問題，而DCS一旦出問題，就會影響生產。既然下決心要創辦一個企業，又想做點有意義、有價值的事，肯定要學習，學習如何開發一款好產品，學習如何管理一家企業，如何鼓勵一個團隊，如何去營銷，如何去說服客戶⋯⋯有了目標，就有希望。

我們的服務對象涉及煉油、化工、電力、造紙以及制藥等行業的生產過程，全都用到自動化。這些行業企業一年365天、每天24小時不間斷地運行，就像電不能停一樣。如此嚴苛的運行環境，對控制系統的可靠性提出了極高的要求。打個比方，如果說人的大腦是一個控制器，那么大腦必須有邏輯判斷，而對于一家企業來說，其控制系統就猶如大腦。

 

《財經智庫》：這也就是為什么您經常將工業控制系統稱之為“工業大腦”。

褚健：在沒有控制系統之前，由于生產規模較小，各項操作依靠人工完成；然而，隨著生產復雜性的提升，機器控制成為不可或缺的替代方案，這就是我們現在用的計算機、芯片、軟件以及眾多通信技術（ICT）。之所以把DCS比喻成工業大腦，是因為它已經具備了“大腦”的基本屬性，并需要大量的知識儲備。這些知識就是AI技術。AI技術在工業大腦里已經開始發揮作用，能夠實現對整個工廠更準確的控制。這一變革性進展極大地削弱了工程師在傳統生產流程中的重要性，以往需要眾多不同專業背景的工程師協同工作的任務，如今僅憑一個集成AI的系統即可高效完成，甚至能勝任許多工程師難以單獨解決的復雜任務。我和我的團隊正積極地推動這一領域的發展。

《財經智庫》：讓中控成為流程工業的“工業大腦”是您的追求。去年，正好是中控30年，您將此分成三個階段：第一個十年要解決生存問題；第二個十年參與競爭，也就是跟國際一流企業競爭高端的國內市場；第三個十年，解決市場占有率問題。您還說，最重要的貢獻就是完成了一個工業控制體系的國產化。1975年美國Honeywell研制成功TDC2000，世界意義上的現代工業控制系統（DCS）誕生；同年，日本橫河電機也推出了自己的第一款DCS產品；1981年，一批外資企業開始進入中國。您能否介紹一下中控這30年經歷的關鍵節點？

褚健：確實，流程工業的控制系統從上世紀80年代開始就被大型跨國公司所壟斷。中控首先要解決生存問題。在此基礎上，與一流的跨國公司進行競爭，然后在競爭中學習并超越。目前中控有超過3.2萬家客戶，具有大量的數據積淀和實踐案例，未來我希望中控的客戶數量可以很快達到5萬這個數字。

 

中控科技園全景。攝影/劉維航

今年是中控第四個十年的起始年，我們希望在未來的十年里，中控能夠依托于對工業Know-how的理解以及在流程行業的獨特優勢，在全球競爭的基礎上加強工業AI能力，并在工業AI方面成為全球領先的企業，這是我們的目標。30余年來，我們開始是個小舢舨，先在游泳池學游泳，然后在錢塘江游泳，盡管游不到江口，但畢竟可以靠岸；后來成為一條大船，游到了杭州灣出海口，未來，我們希望中控成為一個艦隊，游向更廣闊的大海。

2007年對中控而言是一個標志性的年份。那一年，中控獲得了中國石化武漢分公司500萬噸“油品質量升級煉油改造工程”的項目合同（如今已是2000萬噸煉油規模），包括四套主裝置：500萬噸/年常減壓，190萬噸/年煤、汽柴油加氫精制，120萬噸/年延遲焦化和6萬噸/年硫磺回收。這個項目非常成功，標志著國產DCS首次進入500萬噸級煉油核心主裝置，也標志著高端市場核心主裝置DCS被跨國公司壟斷的時代結束了。中控從原來只做小項目到承接大型項目主裝置，從500萬噸煉油到千萬噸煉油、百萬噸乙烯及整個煉化一體化，這意味著中控從原來很小的市場占有率，到逐步有能力競爭再到領先。只有擁有這樣重大項目的業績，中控才能保證在未來市場競爭中不被跨國公司壓垮。

《財經智庫》：從之前的小項目到500萬噸煉油、千萬噸煉油的大項目，中控2023年DCS國內市場占有率已達37.8%，其中化工領域占有率是56.3%。目前，中控的DCS在國內的占比已經很高了，是否已到天花板？

褚健：比如DCS在中國的市場規模是120億元左右，如果純粹從DCS市場規模角度來講，肯定是有天花板的；但從自動化、數字化、智能化的角度來講，還看不到天花板。現在用戶最關注的，比如節能、安全、降本等痛點，未來中控有可能面臨的天花板很高很高，不是幾百億元，而是幾千億元。理論上講，目前在中控的戰略轉型階段，面向的市場大概是500億元到1000億元的環境，預期的市場前景將會更大。我們要做的，最終是全方位地幫助用戶解決困難和問題，而不僅僅是推銷一款產品。

《財經智庫》：把格局打開，目標鎖定安全、質量、成本、綠色，似乎就不存在天花板了。中控一直根植于制造業，傳統制造業從自動化、數字化到智能化這個過程中，怎樣才能更好地實現這個途徑？

褚健：第一，必須把產品體系和服務模式做好；第二，這個服務模式有盡可能大的覆蓋面；第三，要有很多典型的成功案例；第四，廣而告之。目前，中控在全國647個化工園區及沙特、泰國、哈薩克斯坦等國家設立了近200家5S店，覆蓋全球3.2萬多家用戶，并通過5S店把先進的創新成果、產品技術、解決方案及應用效果傳遞給企業，讓企業愿意嘗試，并為企業帶來實實在在的效果，這才能贏得企業信任。未來中國的經濟，特別是在原材料工業領域，競爭還會非常激烈，企業要在競爭中活下來，主要途徑就是全面消除安全事故、提高產品質量、降低各項成本，并朝著智能化、綠色化發展方向發展，這就是中控要干的事。

 

內驅力：持續迭代

《財經智庫》：您始終強調工業軟件的重要性，并認為智能制造是軟件驅動的工業革命，為什么？

褚健：控制系統就是人的大腦，僅有智商不夠，還需要知識，而工業領域所指的“知識”是構建軟件的基礎。軟件不僅是各種機器設備實現智能化的關鍵，更是產品設計、生產控制、能源管理、安全管理、質量管理等的主要工具。從工業3.0到工業4.0，包括正在來臨的工業5.0，是從工業自動化到工業智能化，再到工業可持續發展的進化過程，也是傳統制造向新型工業化、新質制造的進化過程，其中數字化轉型是基礎，也就是軟件與材料設備、工藝流程、數實融合的過程。在工業領域，尤其是在流程行業的轉型過程中，包括數字化轉型、AI應用、供應鏈韌性、可持續發展等都與軟件密切相關。在過去30年，中控始終圍繞行業需求，加快發展工業軟件，已建立了豐富的產品線并自主研發出一批核心工業軟件，形成了較為完善的工業軟件產品譜系。我始終認為，推進智能制造，關鍵在于工業軟件，智能制造是軟件驅動的工業革命。

《財經智庫》：然而，中控最初的優勢在于硬件。

褚健：最初，中控肯定什么優勢都沒有，但優勢是逐步建立起來的。我所指的優勢不是指市場占有率，而是中控如何能夠把現在保有的3.2萬多家用戶和未來可能達到的5萬家用戶服務好，讓用戶能夠在安全、質量、成本、綠色的核心需求上得到大幅度提升；如何把我們的技術經驗和積累的案例知識與用戶的需求結合在一起，通過AI的運用，幫助用戶創造價值。可以說，中控不是一個DCS公司，也不是一個自動化公司，而是一個工業AI公司。

《財經智庫》：您提出了“1+2+N”智能工廠新架構，即構建“智能工廠”的概念，但您同時強調這不是一個簡單的概念，而是一種可行的模式，先進的技術和產品，以及一種可能解決的方案。

褚健：“1+2+N”，就是一個工廠操作系統+兩個自動化（生產過程自動化PA和企業運營自動化BA）+N個工業APPs。我們聽取了很多企業領導的意見，包括央企、跨國企業還有中小企業，他們都認可中控的框架。“1+2+N”不是一個概念，而是融合了很多技術、產品和解決方案的體系，能夠全面覆蓋從生產線到管理線的自動化需求。它不僅是中控產品技術和關鍵能力的高度凝練，更是中控為廣大行業客戶數字化轉型、智能化發展所描繪的藍圖。需要強調的是，這并不意味著中控僅靠一己之力就能包打天下，我們需要打造一個開放合作的生態系統。誠然，在某些領域，企業間的競爭或許難以避免，但更為普遍且重要的是合作的可能性。過往十數年間，移動互聯網生態的蓬勃發展已充分驗證了這一點。未來在工業領域里，完全有可能復制類似的生態合作模式，對此，我充滿信心，并已經看到了希望。

《財經智庫》：中控構建工業操作系統實現智能工廠和智能制造的跨越（打通5T，形成生態），其愿景非常宏大，是不是也意味著跟外部科技合作的可能性？畢竟，完全依靠自身力量完成一切是不現實的，在這些方面，優勢和短板又有哪些？

褚健：這基于一系列基本的前提和基礎。首先，是否認同工業3.0到工業4.0的轉變？是否認同自動化到數字化、智能化的轉型？是否認同沒有哪家企業能夠包打天下？這就是合作的共識和基礎。同時，工業企業最需要什么？現在市場上遇到很多困惑和迥異的觀念，不同的解決方案可能造成混淆甚至混亂。比如什么叫智能工廠？什么叫智能制造？什么是工業互聯網，概念很多。不能為數字化而數字化，關鍵是要有能力為企業降低成本、提高效率。因此，強化自身能力、找到解決方案，就要有核心的技術和產品，并得到用戶和合作伙伴的認可。

至于短板，對于中控來說，目前一些技術方面確實有所缺失，比如工藝技術。化工領域的專家往往不具備計算機背景，而自動化領域的專家雖對反應器有所了解，卻可能缺乏化工與計算機知識。以PDH（丙烷脫氫）為例，如何能夠了解它的工藝，使其產量更大、質量更好、能耗更低？我們需要實現5T（自動化技術、信息技術、工藝技術、運營技術、設備技術）的深度融合。

當然，自動化的發展已今非昔比。過去所學的現代控制理論的狀態方程、線性控制、非線性控制等，如今是否依然成立？通過“AI+5T”，或許會產生完全不同的新技術。傳統的控制理論和AI之間到底是競爭關系還是合作關系？這需要我們深入研究、積極探索。如果能夠成為一個5T綜合領域的專家，通過專業知識、數據與AI技術，或許能夠幫助人類解決更現實的問題。

 

《財經智庫》：前不久，您提出通過工業AI解決智能工廠行業痛點。8月12日《財經智庫》來中控調研，你們正在做大模型的突破，為什么中控堅定選擇了投入AI技術？從研發到實際應用，中控如何確保AI的投入不會成為一場高風險的冒險，而是成為推動持續創新的動力？

褚健：ChatGPT的橫空出世令我深感震撼，這讓生成式AI和未來的通用AI變成了可能。對于工業領域而言，它就像把很多前輩的智慧與廣泛的知識體系濃縮于一體。正如愛因斯坦之前的時代，牛頓力學被視為顛撲不破的真理，直至微觀粒子層面的探索才催生了量子力學的誕生。在此之前，我們所學皆源自書本，經由科學驗證與實驗證實，這與ChatGPT所展現的學習與生成過程頗為相似。這種技術發展，在工業領域雖然不能精確地解決所有問題，但它無疑揭示了技術發展的新趨勢。

我認為，隨著AIGC（人工智能生成內容）技術的興起，AI已邁入了一個全新的發展階段。去年，我曾向公司全員提出，所有中控人都要學會用AI工具，所有中控的產品都應該有AI能力，當然最重要的是有能力開發完全基于AI的產品，我們的流程工業時序大模型TPT就是這個方向。在這方面，中控會加大力度，也許是“All in”。

《財經智庫》：人工智能在制造業中正在發生作用，但在流程工業中，AI的應用似乎進展較為緩慢，是因為流程工業更帶有它的復雜性，難度更大？

褚健：您指的是離散制造業，這方面應用可能更多的是質檢，而質檢主要是基于圖像處理的，與AIGC并無直接關聯。比較而言，我覺得流程工業比離散制造業在AI應用方面具有更為顯著的優勢與潛力。為什么？因為流程工業擁有海量的數據資源，而離散工業的數據相對不完整，也就是說離散行業經過清洗、處理后的有效數據可能遠遠不如流程行業。這使得流程行業在數據資源上占據了顯著優勢。

化工過程最大的特點是“三傳一反”。“三傳”是傳熱、傳質、傳力，即熱量、質量、動力的傳遞；“一反”是指化學反應。這是工程學科中的經典理論。而化工裝置無外乎反應器、分離塔，這些裝置在運行過程中產生的大量數據，能夠真實反映其特性。值得注意的是，化工過程并非Pure chemistry（純化學反應），因為自然界沒有純的東西。反應物料中往往含有雜質，因此，當不同的原料進入化工裝置，經過“三傳一反”，結合數據，出來的東西應該是什么、應該怎么變，其實是有機理存在的。正因為不是純物質，反而有文章可做。

《財經智庫》：您的意思是說，在AI的應用方面，流程工業比離散工業更有空間。您剛才提到中控有超過3.2萬家用戶，您也說過Data is food of AI（數據是人工智能的食糧）。在未來的發展過程中，除了數量上的增長，您怎么看數據質量和深度對工業AI發展的影響？中控從化工領域入手，對于不同行業、不同工藝流程用戶數據的差異性，如何實現數據驅動的個性化解決方案？

褚健：在流程工業中，數據不僅豐富，且其歸類相對容易。上一個問題講到“三傳一反”，涉及諸多裝置。具體而言，化工行業是流程工業的典型代表，而除此之外，如鋼鐵、有色、建材等行業，雖然不是傳統意義上的石油化工或有機化工，其機理與“三傳一反”完全不同，但同樣產生化學反應。傳統的無機化工也與有機化工不同，但它們都具有大量數據和機理的相似之處，因為它們都是化學反應過程，這都是工業AI應用的重要基礎。所以，數據的龐大不代表數據的有效性。但如我剛才所強調的，流程工業具有大量的數據，結合機理過程以及裝置，有效性顯然高于離散行業。目前中控諸多案例和成果，已經證明這條路是行得通的，盡管還有“坎”，但我們會力爭突破。

以無機化工中的氯堿行業為例，中國絕大部分的氯堿廠用的是中控的控制系統，中控與這些客戶關系密切。它們現在提出了很多需求，比如擴產時能否不再招“操作工”？能否降低能耗？能否延長離子膜的壽命？能否提高產能？哪些潛在故障在早期能預警預報？解決這些問題，主要依靠的就是“工程師”。但若能夠把所有的知識聯通，把不同的用戶數據與經驗匯聚，就能發現問題所在，數據就變得有效。盡管氯堿廠規模、原料可能所有不同，但其工藝原理相近，這不就是我們要學習的嗎？以前人力難以完成，但現在AI可以做到。

《財經智庫》：您將下一代工業控制系統稱之為UCS（Universal Control System），以軟件定義、全數字化、云原生，來試圖顛覆應用近50年的傳統DCS技術架構，工業市場是否已經準備好接受這種轉型？您預期在技術和市場的成熟度上，未來會發生什么變化？

褚健：DCS最早是由Honeywell在1975年提出來的，經過近50年的發展，架構大同小異，但技術完全不同。這套體系主要存在的問題，一是成本下降有限，當然隨著整個IT技術的下降，它也會下降；二是傳統的DCS多基于ARM芯片構建，算力有限。當AI應用于DCS中時，ARM無法實現。

基于當前先進的服務器技術，特別是高性能的CPU和GPU，讓實現數據的實時處理及AI的實時在線應用成為可能。因此，通過UCS顛覆DCS的傳統架構是非常有希望的。中控的年輕團隊創新性地提出了UCS的框架，將原來成百上千面機柜清零，變成了一面機柜；將原本需要數億元投資的電纜銅纜，用一對光纖來解決；控制系統通過云化技術實現統一控制，將無數個“小腦袋”變成一個“大腦袋”，所有數據都在這個“大腦袋”上，AI就可以充分發揮作用，把項目生命周期大幅度提升，真正實現了軟件定義優化。我們原以為可能需要兩三年的時間才能夠被中國客戶接受，如同上世紀80年代初國外DCS引入中國時，盡管上海煉油廠率先使用，但大量企業仍在懷疑并質疑。然而，在UCS發布后，眾多企業，包括跨國公司，均表現出強烈的試用意愿，這一速度大大超出了我們的預期。究其原因，一是UCS能夠顯著降低系統成本；二是AI技術的充分應用成為可能。

《財經智庫》：看來持續迭代是你們的內驅力，還有一批年輕人基于數據研究，開發了實時數據的流程工業時序大模型TPT？

褚健：這個模型不足以稱“大”，但非常管用，都是基于時間序列的。以前很多軟件都是通過不同專家，有些企業可能都沒有專家，即通過高級工程師或有專業才能的技術人員去管控不同的部門，且流程很長。但今天通過TPT不僅能解決操作問題，還能解決設備運維問題。如果要提高產品質量或者產能的同時降低能耗，都可以采用類似與ChatGPT溝通方式，把數據輸入大模型，利用以前學到的數據構建模型，通過一個TPT來管控一個工廠。

《財經智庫》：您多次提到中控的年輕人，好像一些突破性的項目都由年輕人完成。據了解，中控每年的研發占比在10%以上，對年輕人你們有哪些機制來確保這種創新能力的實現？

褚健：肯定有。但如果通過某種機制，可能新的東西就出不來了。

 

構建事實上的工業標準

《財經智庫》：剛才提到中控的控制系統等產品在國內的占比很高，那你們在未來的國際化方面有無整體設想？核心目標與方法各是什么？

褚健：目前中控在中國的市場占有率很高，但在全球市場影響力還小，知名度還不夠。從全球角度，中控將面臨更大的競爭和壓力。盡管中控已在全球布局，包括在中東、東南亞、歐洲、北美和南美等地，增速也較快，但目前占比還不高，我們希望今后海外營收占比能夠實現大幅的、快速的提升，一系列的戰略制定及保障機制也在逐步明確和優化。

《財經智庫》：不可否認，中控在全球的控制系統市場上也面臨著激烈的競爭，國際企業在AI領域的布局如何？

褚健：我相信這些大的跨國公司在AI應用方面均有所布局。中控在全球率先發布UCS和TPT，這些企業也會與我們交流，它們對中控所做的事情表示認可。但事實上，這些企業也都在積極布局AI領域。或許，許多成果要等到實際推出后才會為世人所知。技術的發展趨勢是顯而易見的，無非看誰的速度更快。

回顧中控剛開始做DCS的時候，我們也是以跨國公司的DCS作為標桿，向它們學習。今天我依然認為跨國公司有許多地方值得學習和尊敬。它們擁有豐富的技術積累和人才儲備，且產品系列也很豐富，它們是中控的標桿和榜樣。但在中控的第四個十年里，我們有機會在全球，尤其是在流程行業，成為工業AI領域的領導者之一，至少我們希望能在這一領域占據重要的一席。

《財經智庫》：都說中國應用場景豐富，與國外比較如何？

褚健：我對國外的場景不太熟悉。當然，中國大的石化行業企業在全球也是領先的，其擁有2000萬噸煉油規模、幾百萬噸烯烴或PTA的規模，國外并不多見。在傳統化工、精細化工領域，無論是產業鏈的深度與廣度，還是產品的種類與規模，中國在全球均占據舉足輕重的地位，所以場景比國外更豐富。在深耕中國市場的同時，我們應加大與海外企業的合作力度，共同探索新的應用場景和技術創新。中控與這些跨國公司之間既存在合作的可能性，也可能面臨競爭，但無論何種關系，我們都將始終堅持以客戶價值創造為核心，致力于為客戶提供更加優質、高效的產品和服務。

 

2024年6月，中控技術在新加坡召開全球新品發布會。

《財經智庫》：關于國際標準問題。在工業領域，歐美企業常常主導國際技術標準，中國企業的技術創新能否在未來引領某些技術標準的制定？具體在哪些領域中控有機會實現這種突破？

褚健：中控的EPA在2008年成為IEC（國際電工委員會）的國際標準，其中有一部分也成為德國的國家標準。當時，時任科技部部長萬鋼批示說，以前德國的很多國家標準都進入了國際標準，而中國的標準又都來自國際標準，所以中國總是把德國的國家標準作為自己的標準；而如今中控的EPA成為國際標準，被德國納入其國家標準，這非常了不起。

我認為有兩類標準必須做。第一類，已經獲得廣泛共識、具有普適性的標準，即共同的標準，對于這類已經確立的標準，我們應積極遵循并采納。另一類則是如何創造并制定新的標準。這個更為重要，特別是在工業領域，當達到一定規模時，它就是一個事實上的工業標準。中控希望能夠積極參與并推動這類標準的制定，牽頭與否并不重要，重要的是能夠在工業領域被接納，標準本來是無價的。

在其他方面，中控也會積極參與。比如Ethernet-APL（以太網高級物理層）就是國際上提出來的標準，目前并未形成共識，但我們認為這個技術代表了未來方向，所以積極參與到標準的制定、完善及應用中。也有一些可能現在大家還不知道，或者還沒發現，或者還不認可，如果我們認為正確，就會去推進。架起科研和產業的橋梁

《財經智庫》：從最初自動化之路的設想到現在的“工業大腦”，當時你們幾個初次創業的年輕人決定在代理商和開發商之間選擇了較為艱難的自主創新，您開始的初衷就是想打通科研和產業的通道嗎？

褚健：是的。開始沒想那么多，只覺得要構建一個從科研到產業的通道。這個通道怎么建？當時已經證明在學校不可能實現產業化，所以建在學校肯定不行。換句話說，學校也不應該做產業化的事。

30多年前，社會上很多企業研發能力相對較弱，不像今天，企業的研發能力超過了學校和研究機構。如何把這兩者結合起來構建一個通道，就是我們的初衷。雖然我們手上沒有產品、沒有錢，幾乎不懂市場、經營、管理、制造、服務等，但我們知道要做這件事就應該建一個企業，需要面向市場、轉變觀念。也就是說，我不再是教授，而是要走技術之路、產業之路。

《財經智庫》：高校的科研和研發與企業的研發不是一回事。您曾將科研界和產業界比作長江和黃河，不可交匯。

褚健：對，科研和產業像是長江與黃河，不相交。學校應該做前沿的技術突破、原始創新，甚至是科學發現、基礎研究，而非成果轉化。在當今時代，成果轉化領域已匯聚了大量專業人才，這與30年前的情況截然不同，他們已具備相應的轉化能力。科技型企業在于面向市場、貼近用戶需求，致力于解決用戶的痛點問題，這一理念自企業初創之時便已明確。

科研有科研的規律，商業有商業的邏輯，兩者之間，有一個巨大的鴻溝，而我的任務是成為商業與科研的橋梁，在于將科研成果的價值更好地發揮，同時解決商業企業在創新技術源頭上所面臨的問題。

《財經智庫》：您已經把高校、研究機構以及企業在成果轉化的角色定位說得很清楚了，您是比較典型的產學研結合之人。在科研成果的轉化過程中，您認為哪些是特別重要的關鍵點？

褚健：可能要把這幾個概念分開。科學和技術要分開；研究和研發（或開發）要分開。含義不同，不能混為一談。

30年前，高校的知識或者技術能力相對產業的技術水平是較高的，那時“三來一補”（即來料加工、來樣加工、來件裝配和補償貿易）的模式就可以應用了，但訂單、市場、設備都是別人的；然而，時至今日，情況已發生根本性變化。從某種意義上講，產業界的技術水平，雖未必比跨國公司更高，但相較中國高校已經不低了。

比如說人工智能、無人駕駛等領域，高校在與大型科技企業的對比中顯得相對弱勢。這些大企業不僅擁有雄厚的人才儲備和強大的計算能力，而且其研發團隊規模龐大、組織嚴密，能夠高效協同工作。相比之下，高校都是相對不穩定的研究生，差距就會拉大。在我們這個領域，高校的科研或研發與企業也不同。創業辦公司是市場導向，而非論文導向、成果導向，企業的研發必須有用。當然，我也跟團隊說，能不能做五年后的研發，或者是做一些可能失敗的東西，但所有這些努力都必須面向未來，具有前瞻性。

《財經智庫》：目前強調創新，強調科技產業化或科研成果轉化，從您的角度，在創新主體上，像南科大的劉科教授說，創新就應該以企業為主體；中芯國際原董事長周子學也持此觀點，您怎么看？

褚健：所謂的“卡脖子”，不是卡技術，而是卡產品。我們今天被卡的芯片、光刻機、工業軟件，各種材料、零部件等等都是產品。當然，產品里存在許多技術，但它首先是產品。現階段的問題需要產業界來解決，高校和科研院所應該想辦法解決十年后不再被“卡脖子”的問題。國外不會停下來，還會往前走；中國的企業能不能十年后不再被“卡脖子”，這才是關鍵。

中國過去40多年工業化的經驗積累已經奠定了非常雄厚的基礎。我們對未來的判斷，或者說基礎儲備，按趨勢走就應該沒問題；盡管顛覆性的創新可能會困難些，但大體不會走錯方向。真正的競爭需要經受市場檢驗，比如中控創新推出的UCS，其質量、可靠性、穩定性，都需要得到市場的認可。既然是產品，就一定要市場化，鎖在實驗室無濟于事，所以我們要求研發團隊不僅要研發產品，還要跟上市場，深入市場一線。不要等十年后再攻關，那樣或許就永遠跟不上了。所以，看清趨勢，關注十年、二十年后我們如何不再被別人卡。當然，我們也希望加強各種國際合作，在開放中競爭并得到提升。

免責聲明：本網注明“來源：XXX”的作品，均為轉載自其它媒體，版權歸原作者所有，本網僅限于傳遞更多信息之目的，不作為商業用途，亦不代表本網贊同其觀點和對其真實性負責，轉載或下載使用，必須保留本網注明的"稿件來源"。如涉及內容、版權和其它問題，請在30日內與本公眾號聯系，我們將在第一時間更正或刪除。