中控技术TPT重塑流程工业范式打造AI时代新底座

目录TOC\o"1-2"\h\z\u一、传统自动化龙头，三重底层资产奠定TPT先发基础 1从DCS龙头到智能制造整体方案商 1客户、数据与工艺Know-how三重积累构建落地闭环 4控制系统入口赋予TPT执行权 7二、TPT不止是工业应用，更是流程工业原生基模 9TPT1.0：首款流程工业时序大模型 9TPT2.0：MoE+Agent平台推动范式升级 10与通用大模型的本质差异：安全、机理与闭环 13与APEX/UCS协同：打造自主运行工厂底座 16三、商业化拐点已现：TPT从标杆落地走向规模复制 193.1收入验证：2025年起量，2026Q1加速 19商业模式升级：MaaS/RaaS与订阅制 20客户ROI验证：安全、低碳、质量、效益四维兑现 21从头部客户到中小客户的渗透路径 24四、中控的产业卡位：工业竞争格局下的差异化优势 26通用模型逐步向场景渗透，TPT贴近工业现场数据优势明显 26工业软件厂商环节优势明确，TPT切入生产过程实现闭环 30海外自动化龙头加速AI化，TPT具备本土闭环落地先发 32工业AI生态持续扩容，渠道与人才体系支撑规模交付 35五、财务与估值：TPT如何改变中控的成长与定价逻辑 372025年报拆解：传统业务承压与新业务投入期 37高毛利AI业务提升整体利润率弹性 39从PE走向SOTP：为什么要分部估值 41情景分析：保守/中性/乐观下的AI收入与估值弹性 41风险提示 43附录：TPT重要落地案例 44一、传统自动化龙头，三重底层资产奠定TPT先发基础1.1从DCS中控技术深耕流程工业自动化三十余年，已从DCS龙头延伸为覆盖控制系统、工业软件、仪器仪表及智能制造解决方案的平台型公司。公司早期以DCS等控制系统实现国产突破，随后逐步扩展至控制阀、工业仪表、工业软件等领域，并在石化、化工、油气、电力、制药等流程行业持续积累头部客户和装置级项目经验。我们认为，公司向TPT与AOP自主运行工厂升级，并非从零开始布局工业AI，而是建立在控制系统入口、工业现场数据和工艺Know-how三类资产之上。1）1993年-2003年：以DCS国产化为起点，完成控制系统从0到1突破。公司源起浙江大学工业自动化年浙江浙大中控技术有限公司设立。早期公司围绕流程工业自动化核心环节，推出11热冗余2）2004年-2013公司陆续拓展控制阀、工业仪表、工业软件等业务，形成控制系统仪表阀门软件的产品组合，并发布ECS-700等大规模联合控制系统，提升面向大型装置的系统交付能力。项目层面，公司中标武汉石化500万吨/年炼油等项目，首次切入大型石化核心装置；技术层面，公司自主研发的EPA现场总线技术获国家技术发明二等奖，成为我国工业自动化领域被国际认可的重要标准之一。由此，公司从国产DCS供应商进一步升级为具备大型项目交付能力的自动化平台型企业。3）2014年-2023年：从自动化龙头向智能制造整体解决方案商升级，客户、数据与工程Know-how持续加厚。随着流程工业数字化、智能化需求提升，公司在原有DCS优势基础上持续布局工业软件、先进控制、优化控制及工业AI相关技术，为后续TPT落地奠定数据和场景基础。客户侧，公司产品进入沙特阿美、巴斯夫、壳牌、埃克森美孚等国际巨头供应链，并在中天合创、国能宁煤百万吨级乙烯、东北制药等智能制造项目中持续积累大型项目经验；国内市场，公司连续突破九江石化、扬子石化、安庆石化、大榭石化、吉林石化等多套千万吨级炼油装置项目，进一步巩固在高端流程工业场景中的控制入口。此外，公司于2020年登陆科创板，2023年4月发行GDR并在瑞士证券交易所上市，成为国内工业自动化领域首个“A股+瑞交所”双上市企业，为全球化和工业AI转型提供资金与品牌支撑。4）2024年至今：以TPT和UCS为核心，推动流程工业从自动化走向自主运行。2024年以来，公司加速推进“AllinAI”战略，围绕“1+2+N”工业AI驱动的企业智能运行新架构展开产品和商业模式升级。其中，”为面向流程工业企业的智能运行架构，“2TPTUCS通用控制系统两大核心底座，“N”则面向各场景的工业Agent及应用。同时，公司推出PlantMate店、PlantMart商城和PlantMembershipWood、Hobre，补强工业软件、工程服务、流程模拟、机器人及在线分析等能力。A股图1:中控技术发展历程司公告，公司官龙头企业，市占率保持前列。DCSSIS、先进控制软件、控制阀及工业仪表等，主要解决流程工业生产过程中的数据采集、过程监控、联锁保护和稳定控制问题。DCS45.1%，SIS31.4%，分别连续十五年、四DCS市场占有率均居首位，可靠性、稳定性、可用性等方面均已达到国际先进水平；其中化工和石化板块市占率优势明显，2025年分别为.5和59.4%，同比分别增长5.9和3.2个百分点。图2:中控技术2020-2025年DCS国内市占率 图3:中控技术2020-2025年国内市占率50%

40%

33.7% 45.1% 33.8% 28.5%36.7%45.1% 33.8% 28.5%36.7%37.8%40.4%

31.2% 31.4%40%30%20%10%

30%20%10%

25.7% 22.4%0%2020 2021 2022 2023 2024 2025DCS国内市占率

0%2020 2021 2022 2023 2024 2025SIS国内市占率从流程工业客户需求已从单套优化控制、数据平台和智能制造解决方案，向下补强仪器仪表、控制阀、在线分析等感知与执行部件，形成覆盖全面的产品矩阵。2025年，公司工业自动化及智能制造解决方案收入45.27亿元，占主营业务收入的比例为56.62%，毛利率为40.82%，同比提升0.16个百分点，仍是公司当前收入基本盘。公司能力边界由单点控制延伸至全厂优化。产品向UCS与TPT升级，打造AOP自主运行工厂。UCS是对DCS控制架构的升级，核心在于以软件定义控制替代过去以专用硬件、控制柜和现场控制站为中心的传统架构，在保持工业控制实时性、安全性和可靠性的基础上，提升系统开放性、数据贯通能力和AI接入能力。TPT则是面向流程工业高频时序数据的大模型，主要承担工况理解、趋势预测、异常诊断、参数寻优和控制策略生成等功能。整体而言，DCS/OMC解决了现场控制入口问题；UCS负责可靠执行，进一步提升控制系统的开放性与数据贯通能力；TPT则负责智能决策，将工业数据和工艺Know-how转化为可复用的模型能力。基于TPT和UCS，公司最终形成了流程工业智能制造范式AOP。作为自主运行工厂，AOP打通“识别-评估-决策-执行”闭环，从生产、安全、运营等维度解决流程工业高安全约束、强工艺耦合和全局优化难题，推动工厂从自动控制向智能决策、自主运行升级。智能制造解决方案（56.08%） 自动化仪表（15.51%）S2B平台业务（13.06%） 工业软件及服务（8.86%）运维服务（5.53%）其他（0.96%）工控系统智能制造解决方案（56.08%） 自动化仪表（15.51%）S2B平台业务（13.06%） 工业软件及服务（8.86%）运维服务（5.53%）其他（0.96%）工控系统 仪器仪表围绕系统和产品的业务体系安全、运营、管理类软件SIS：SIS：安全仪表系统， CCS：压缩机控制系统，面向流程工业紧急停车、面向石化、化工高风险火气监测、燃烧管理等场景，保障关键设备及高价值工艺安全运行，降低人员风险。区域，针对离心式、轴流式压缩机，采用防喘振、性能控制等先进算法，实现安全生产与节能降耗。在油气管道、轨道交通、钢铁行业等实现控制层级与数据维度双重革新.DCS:集散控制系统，融合工业过程控制、操作效能优化及生产运行管理能力，满足流程工业全生命周期需求。测量仪表产品系列包括压力测量仪表、流量测量仪表、物位测量仪表、温度测量仪表、智能校验仪、安全栅等；Hermes仪表以APL总线技术为底座，集成温度、压力、流量、物位、控制等全品类过程测量能力。智能控制阀产品系列包括智能调节阀、智能控制球阀、智能控制蝶阀、偏心旋转控制阀、釜底放料阀、特殊控制阀及智能阀门定位器等。分析仪产品系列包括HobreWIM热值仪、HobreTISOMICHobreCQUANDXRF元素分析仪、HobrePRISM拉曼光谱分析仪、7000实验室（实验室在线化）以AI和智能为中枢的业务体系司年 客户、数据与工艺Know-how三重积累构建TPT流程工业模型不仅需要海量时序数据，更依赖长期工程项目中沉淀的工艺机理、异常处置经验和安全边界约束。公司在控制系统、工业软件和头部客户项目中积累的场景、数据与专家知识，使TPT具备面向真实生产装置的落地基础。客户基础决定的场景覆盖和复制半径。AI模型需要在足够多的真实生产场景中持续验证和迭代。截至年，公司已累计服务超过TPT向更多细分场景复制。海外客户持续突破，进一步验证公司解决方案的可复制性。公司与沙特阿美、巴斯夫、Petronas、Petrobras、EGAT、SinarMas等全球行业头部客户保持长期合作。2025年，公司海外市场持续取得标杆项目突破：成功拓展印度尼西亚最大工业气体制造商SAMATOR的APC+supOS项目；与中航国际联合中标阿尔及利亚国家石油天然气公司的关键管道项目，标志公司控制系统首次进入除中资外的全球前20强石油公司项目；获得哈萨克斯坦天然气处理总厂300万方天然气处理项目，成为公司首个海外超10000点油气行业控制系统项目、首个海外天然气处理深冷装置项目及首个海外完整OTS项目；同时，公司成功入围墨西哥国家石油公司PEMEX和西麦斯水泥CEMEX等国际客户供应商短名单。我们认为，头部客户提供复杂场景验证，海外项目验证产品泛化能力，广泛客户基础则为TPT后续从标杆项目走向规模复制奠定基础。表1：中控技术2025年部分重点客户项目示例行业/区域 项目名称 项目意义石化 中石油塔里木120万吨/年二期乙烯项目石化 蓝海新材料公司高端聚烯烃项目精细化工 湖北兴发集团数智化建设项目

首次在石化大项目中引入UCS通用控制系统和APL技术，是推动石化业务转型升级、实现高质量发展的“示范工程”。该项目是中石油自主运行项目的又一突破，是中石油体系内首个聚焦高端聚烯烃产业链的示范项目。该项目是工业AI驱动的企业智能运行新架构在化工集团全产业链全流程应用的标杆示范，实现了集团下属27家企业工业软件全面订阅制。油气

1500/煤炭分质清洁高效转化示范项目20/年煤制天然气项目陕西延长石油延安天然气储气调峰及配套LNG项目

通过整合多模态工业大数据与领域机理知识，打造具备自感知、自诊断、自决策能力的智能工厂，推动煤炭深加工领域的智能化升级。该项目作为公司在西北煤化工领域的标杆性突破，有力支撑了国家能源战略与区域产业升级，为后续同类大型项目的拓展奠定了坚实基础。该项目响应国家数字化转型战略，是LNG行业智能化标杆。电力 福建省能化古雷热电目广州白云恒运天然气发

该项目通过主辅机一体化改造，深度融合智慧化功能，显著提升机组该项目契合国家“双碳”战略，是公司在国际知名企业燃机联合循环电力

2×460MW组项目

机组智能控制系统（ICS）首台套突破项目。建材 安必安新材料智能制项目湖北三宁矿业大数据平

该项目首次在板材 应用公司核心工业软件，显著提升了产业数字化与智能化水平，为后续深化合作奠定了坚实基础。该项目是中控技术工业AI驱动的企业智能运行新架构在矿山行业的全煤矿

台及大模型决策智能体创新应用项目

新突破。医药 浙江震元制药原料药聚提升项目阿尔及利亚国家石油天

通过应用先进的定制化解决方案，首次打造国内医药行业氨基酸和抗生素领域可复制、可持续的标杆案例。公司控制系统产品首次入围除中资公司外的全球前20强石油公司，为海外

然气公司GK3GR1246

公司在中东、非洲区域的拓展开辟了广阔空间。高质量工业数据决定TPT的训练效果和迭代上限。不同于通用大模型主要依赖公开文本、图片和互联网数据，流程工业AI需要处理来自生产现场的高频时序数据，包括温度、压力、流量、液位、振动、能耗、质量等多维参数。这类数据不仅采样频率高、变量维度多，还具有强耦合、非线性、大滞后和安全约束强等特点，对数据完整性、稳定性和标注质量要求较高。公司长期部署在流程工业现场的控制系统、工业软件和智能制造项目，为其持续沉淀高质量工业数据提供了基础。累计工业数据资源达100EB，联合生态构建高质量数据集。根据公司披露，过去三十余年，公司在工业自动化领域已部署超过10万套控制系统、1亿个I/O点数，并构建了可触达100EB规模的工业数据资源，覆盖石化、化工、冶金等余个行业，涵盖炼油、精细化工、钢铁等余个细分领域。在此基础上，公司依托“联盟生态AI模型训练和应用落地。图5:流程工业数据难题占比图 图6:中控技术硬核数据基础目前控制稳定，无明显问题11.8%PID师傅经验，效果不稳定32.0%

其他0.4%

多变量强耦合（如精馏塔温度与回流64.1%关键控制回路缺乏自适应能力，难以应对原料或负荷变化…

异常或过渡工况下控制系统响应滞后、易振荡50.5%控技术《程工业AI型洞察告 司官公司自主研发的工业数据管理平台覆盖数据采集、TPT在更多流程工业场景中持续迭代。A股图7:中控技术四大数据基座司官我们认为，工业AI模型的竞争本质上是高质量场景数据和数据治理能力的竞争，公司通过控制入口持续获取现场数据，并通过标准化治理将其转化为可训练、可复用的数据资产，为TPT持续迭代构筑数据壁垒。工艺Know-how决定TPT能否从辅助分析走向闭环控制。流程工业并非简单的数据拟合场景，生产过程往往涉及高温、高压、易燃易爆等复杂工况，内部机理呈现强耦合、非线性和大滞后特征，对安全边界、操作策略和工艺约束要求极高。因此，工业AI不仅需要识别数据变化，更需要理解数据背后的工艺含义；只有将工艺Know-how融入模型，TPT才有可能从异常识别、趋势预测等辅助分析环节，进一步走向参数寻优和闭环控制。数万个工程项目沉淀工艺参数、故障案例与专家经验。公司三十余年深耕流程工业，依托DCS、SIS、先进控制软件及智能制造项目，在数万个工程项目中持续积累不同装置、不同工况下的工艺参数、控制策略、异常工况、故障案例和专家决策经验。上述经验经过系统提炼，可进一步转化为可复用的机理模型、专用算法库和行业知识，为TPT理解装置状态、判断异常原因和生成优化策略提供支撑。表2：中控技术工艺Know-how落地项目案例客户/项目 工艺沉淀或模型能力 项目成果/ROI数据万华化学氯碱生产自主运行项目兰州石化榆林化工乙烷制乙烯装置生产运行优化项目

基于在氯碱工艺领域深厚的机理沉淀，中控技术打通了复杂电解槽运行规律与耗材损耗之间的智能映射，掌握了烧碱装置高频动态变化的核心Know-how基于三十年沉淀的石化复杂工况专家经验，中控技术将第一性原理与边缘工况数据深度融合，掌握了乙烯裂解炉核心控制参数与最终收率之间的深度映射关系（核心Know-how）

全球首个TPT大模型驱动氯碱装置全流程智能化，预计年节省吨量1000吨，降低电解槽吨碱电耗0.5-1%，离子膜寿命预测精度95%，全周期预计为企业节省超千万元综合成本。基于TPT构建乙烯智慧“大脑”，实现装置高度自主运行，异常预警预测准确度99.79%，缩短投炉升温时间4-5小时，单炉乙烯收率提高0.373%，为石化行业“追逐最优”奠定坚实基础。广西华谊能化石化化工产业智能升级项目兴发集团旗下湖北兴瑞工厂氯碱生产改造项目贵州磷化自主运行智能工厂项目

基于深厚的工业安全诊断与工艺逻辑储备，中控技术构建了针对500多个关键工艺指标的24小时实时监测与机理反演能力，深度掌握该新材料复杂工艺波动的核心Know-how，能够提前2.5分钟精准预测异常趋势。基于在氯碱行业海量的高质量时序数据与数万个工程项目的实施经验，中控技术将复杂工艺机理转化为可实时执行的工业Agent，掌握了全厂级闭环控制的核心Know-how。基于深厚的流程工业生产运维积累，中控技术打通了底层DCSTPTKnow-how。

A股助力广西华谊能化安全、环保、效益三重跃35%，同等5%，42工厂定员减少70%，调节阀智能诊断准确率95%+，整体生产效益提升1%-3%，并节省建设成本超4000万元，更标志着全球首个全自主运行工厂（AOP）系统树立了可全行业复制的标准模板。司公告，公司官融合工艺机理与专家经验，TPT安全性与可解释性有望持续提升。通用大模型缺乏对物理化学过程、装置运行规律和安全约束的深层理解，直接应用于核心生产环节容易面临幻觉、误判和不可控风险。TPT通过融合高频时序数据、工艺机理、操作策略和专家经验，使模型在异常诊断、参数寻优和控制策略生成过程中更符合真实生产约束。我们认为，工艺Know-how是中控技术区别于通用大模型和单点工业AI应用公司的关键壁垒。客户基础提供真实场景，高质量工业数据支撑模型训练，工艺Know-how则为模型输出提供机理约束和安全边界。客户+数据+工艺Know-how三者共同决定了TPT不仅能够看懂数据，更能够在复杂工况下形成可信、可解释、可执行的优化策略，为公司从自动化龙头向工业AI平台型公司升级奠定基础。控制系统入口赋予TPT通用AIAgent从模型问答走向流程执行，执行权边界成为行业共性问题。随着大模型能力从内容生成延伸至工具调用、代码修改、跨应用操作和任务自动化，AIAgent不再只是提供答案，而是开始尝试写入文件、运行命令、操作软件并推进流程，因此执行权限、沙盒环境和人工确认机制成为落地过程中的核心约束。以代码Agent为例，Codex、ClaudeCode等工具在执行本地命令、修改文件或调用外部工具时，通常需要通过沙盒、权限审批或人工确认限制高风险操作；手机端AI助手在跨应用执行任务时，也会受到金融、支付、社交等敏感场景的权限约束。2025年以来，豆包手机助手跨应用操作曾在微信、金融类应用等场景受到限制；ReplitAIAgent删除生产数据库、OpenClaw访问邮箱后误删邮件等事件，也进一步说明通用AIAgent即使主要运行在数字空间，执行权仍需在效率提升和系统安全之间建立边界。工业贴近真实生产环境，执行权约束更高。AI工业AI影响装置稳定、产品质量、能耗水平和生产安全。因此，工业AI不能简单依靠模型能力获得执行权，而必须依托可信的数据入口、控制系统通道、安全校验机制和权限管理体系。A股图8:豆包调整操作手机能力 图9:Meta安全总监被OpenClaw误删邮件际金融 owsCentraUCS进一步强化TPT的执行承载能力。相较传统DCS，UCS通过软件定义控制、全数字化通信和云原生架构，提升了控制系统的数据贯通能力、算力承载能力和模型接入能力。公司披露，UCS可节省90%机柜空间、减少80%以上线缆成本、缩短50%项目交付周期，体现出其在工程实施和系统扩展方面的优势。更重要的是，UCS为TPT提供了更开放、更实时的控制底座，使模型输出更容易转化为现场控制动作。图10:UCS改造前后对比图江发布公众TPT+Agent协同，控制策略从人工经验转向模型生成。TPT基于工业时序数据和工艺Know-how识别装置状态、判断异常原因，并生成参数寻优、控制策略和操作优化方案；基于TPT构建的Agent则进一步面向装置状Agent的价值进一步从理解工况延伸至优化工况。我们认为，控制系统入口是中控技术TPT区别于通用大模型和单点工业AI应用公司的核心壁垒。通用模A股型可以提供分析能力，工业软件可以承载管理流程，但只有控制系统入口能够将模型输出转化为现场可执行的控制策略。随着TPT与UCS协同深化，公司有望在流程工业中率先形成“感知-识别-决策-执行”的工业AI闭环，推动工业AI从辅助工具走向自主运行底座。二、TPT不止是工业AI应用，更是流程工业原生基模TPT.2024年发布TPT1.0，探索工业AI在流程工业的系统性落地。2024年6月，公司在新加坡发布流程工业AI时序大模型TPT（Time-seriesPre-trainedTransformer），“1+2+NAI以Transformer框架为核心，针对流程工业数据特点设计多维注意力机制、多尺度融合等模块，并融合生产运行、工艺、设备及质量等数据，学习工业装置运行的TPTRedesignTPT可工业AI图11:TPT1.0功能示意图司年流程工业AI长期受制于项目制交付和场景碎片化，TPT1.0的核心价值在于以“三跨”能力提升工业AI复用效率。不同装置、工况和控制目标差异较大，传统工业智能化项目往往只有与特定场景深度绑定后才能提供精准方案，依赖专家建模，容易形成“一个场景一个模型”的项目制交付模式，模型复用难度高。流程工业生产过程中，时间序列数据是表达装置特征的重要载体，能够反映设备运行、工况变化和控制结果之间的动态关系，因此TPT通过学习装置时序规律，增强模型在不同工况、不同装置和不同工厂之间的可迁移性。）跨任务：解决模型能力复用问题，TPT将预测、优化、控制、培训等任务纳入统一建模体系，使同一A股）跨场景：解决应用复制问题，TPT可在安全、质量、低碳、效益等不同目标下复用底层模型能力，降）跨装置：解决现场适配问题，TPT可在不同生产线、不同工艺路线和不同运行状态之间迁移，降低从图12：TPT具备跨任务、跨场景、跨装置能力 图13：TPT统一工业软件建模体系程工业公众 程工业公众早期项目验证TPT10在复杂工业场景中的应用价值。TPT，使模2024TPT1.0电、石化等十余个工厂及装置取得突破性应用，并在万华集团、中石化镇海炼化等40余家客户中推进落地。典型案例包括常减压装置油品切换操作规划路径优化、电解槽集群闭环控制优化等。效益层面，公司披露TPT在部分场景中可实现吨蒸汽煤耗下降3.1%以上，并为客户带来50%以上效率提升。我们认为，TPT1.0是中控技术工业AI平台化的起点，核心意义在于把公司长期积累的工业数据、工艺经验和场景能力，转化为可复用、可迁移的模型能力。通过跨任务、跨场景和跨装置能力，TPT1.0初步解决工业应用分散、数据应用碎片化和模型复用效率低的问题，并为后续TPT2.0、工业Agent及AOP自主运行工厂奠定技术基础。TPT.o+et2.0升级，从时序模型底座走向Agent生成平台。8日，公司发布全球首个时序混合专家大模型（MoE）驱动的工业Agent生成平台TPTTPT侧重工业时序数据建模与跨场景复用，TPT进一步强化MoE混合专家模型、自然语言交互和工业Agent生成能力。架构提升2.0对复杂工业场景的适配能力。TPT从传统Transformer架构升级为MoE混合专家模型，使不同专家模块能够针对不同工艺、任务和场景进行协同。具体而言，公司通过构建时序混合专家模型架构，融合工业知识和工业机理，打造时序智能核心引擎，推进复杂过程控制、生产操作优化、设备预测性维护、装置再设计等场景落地。相比单一模型，MoE架构有助于在复杂多变的工业场景中提升模型处理效率和专业性，并降低对高算力资源的依赖。A股图14:混合专家大模型（MoE）功能示意图制工程中文版公众Agent平台推动2.0从模型能力走向任务执行。TPT将模型能力进一步封装为面向工业任务的Agent基于TPT构建工业Agent工业智能体，面向生产过程中的异常识别、根因分析、参数寻优、操作路径规划、控制策略生成等任务提供支AgentTPT以模型预测和优化建议为主，Agent平台进一步降低工业AI应用开发门槛，使模型能力能够以标准化、模块化方式嵌入生产现场，推动TPT真正在执行层落地。图15:TPTAgent功能示意图司官模拟、控制、优化、预测、评估五大能力构成TPT2.0工业Agent生成基础。流程工业Agent并非简单问答工具，而是需要围绕真实生产装置完成状态理解、趋势判断、方案寻优和控制执行，因此底层能力必须覆盖A股生产运行闭环的关键环节。针对石化、化工、热电等不同行业，TPT2.0基于模拟、控制、优化、预测、评估五大能力构建的各类Agent能够针对装置的生产运行痛点，实现对应的智能应用。其中，控制类Agent自主生成并迭代最优控制策略，让装置在波动中保持稳定；优化类Agent持续搜索最优的操作参数，实现效率与效益最大化；分析类Agent对生产瓶颈进行根因分析并自动生成诊断报告；预测类Agent提前预警潜在风险，为安全生产提供前瞻保障。据公司实测，各类Agent能实时接入并处理海量生产数据，通过Agent精准洞察装置运行的细微变化、快速识别异常工况，自动下发控制指令或推送优化建议，将生产管理和操作人员从繁重的日常监控工作中解放出来，实现人效提升30%-50%；通过持续迭代的运行决策优化，显著提升生产效率、降低能耗成本，实现综合效益提升1%-3%；凭借精准的趋势预测与异常预警，全面提升装置运行的安全稳定性，为安全生产构筑起全维度智能化防线。图16:TPT2.0功能示意图表3：TPT2.0五大能力及主要应用场景能力 具体表述模拟 基于历史数据挖掘学习关键参数变量关系，模拟工业生产装置生产运行过程，支撑动态仿真、在线模拟与仿真培训，指导后续决策。主要应用于仿真培训、参数优化、工艺验证等场景针对多变量、强耦合、大时滞和带约束过程运行特征，识别运行工况模式，自适应输出调整控制控制优化

策略或参数，支撑装置级、单元级、设备级长期平稳控制。主要应用于多变量智能协调控制、自适应控制、模式识别、解耦控制、参数优化等场景。融合模拟能力，在满足约束条件下最大化或最小化目标函数，以寻求最佳决策方案，支撑装置运行在最佳操作点，提质增产、节能降耗。主要应用于公用工程优化、收率优化、操作路径优化等场景。A股预测 对历史时间序列数据进行分析和建模，预测未来一段时间内的数值、趋势，支持长短周期预测，为预警、决策、执行提供支撑。主要应用于工艺参数预测、设备健康评估、异常预警等场学习时间序列数据依赖关系，精准分析识别时序数据的状态，有效检测异常偏离程度及类型，支评估

撑对装置的工艺、设备、控制、仪表等运行情况，以及安全、质量、低碳、效益等方面的评估。主要应用于智能决策支持、方案效果验证、运行状态评价等场景TPT2.0VSTPT1.0，从工业大脑进一步升级为工业大脑+神经中枢。TPT1.0重点解决流程工业时序数据建模和模型复用问题，TPT2.0则进一步解决模型如何被低门槛调用、如何生成工业应用、如何进入现场执行的问题。从产品形态看，TPT更偏向工业时序大模型，TPT更接近工业Agent主要提升专家决策效率，TPT的升级，使公司工业AIMoE架构、工业Agent、自然语言交互和控制系统入口协同深化，公司有望将长期积累的工业数据、工艺Know-how和控制入口转化为可复制的工业AI平台能力。由此，TPT有望从标杆项目验证走向规模化复制，并进一步成为AOP自主运行工厂的核心底座。表4：TPT1.0与TPT2.0对比评价维度TPT1.0TPT2.0定位工业大脑工业大脑+神经中枢用户价值提升专家决策效率一线人员自主优化生产系统核心架构传统Transformer架构MoE架构（稀疏专家网络）算力需求需海量数据适配工艺，算力要求高轻量化微调，算力要求大幅降低应用灵活性训练复杂，适配难度大，应用难度大灵活训练，开箱即用，应用难度低训练时间较长较短闭环执行仅提供优化建议运行态闭环控制，能直接操作DCS用户交互专业界面操作自然语言对话即优化解决常规问题能力较弱，不能解决常规控制优化问题较强，能快速解决常规问题开放场景解决能力依赖人工干预多模型协同探索未知场景司官通用大模型侧重普适能力和交互体验，工业AI更强调精准性、可靠性和可执行性。通用大模型面向文本、图片、代码、办公软件等开放任务，模型输出即使存在错误，通常也可通过人工复核、版本回滚或权限限制进行修正；流程工业AI则面向高温高压、易燃易爆、连续生产等复杂场景，模型输出一旦进入生产环节，可能直接影响装置稳定、产品质量、能耗水平和生产安全。因此，TPT并非通用大模型的简单垂直化应用，其本质差异体现在安全边界、工艺机理和执行闭环三个维度。安全层面：通用大模型幻觉率高，多方面优化实现工业场景准确度突破。通用大模型基于概率生通过人工复核、撤销操作或版本回滚进行修正；但流程工业面向高温高压、易燃易爆、连续生产等场景，错误建议一旦进入控制环节，可能带来装置波动、质量异常甚至安全风险，因此对模型输出可信度和操作边界要求更高。TPT2.0通过MoE架构将复杂工业问题拆解至不同专家模型，调用参数预测、操作优化、能耗分析等专业A股能力协同解决，并在输出环节引入自主推理与验证机制，对初步方案进行逻辑一致性检查、机理验证、历史数据验证和约束条件检查，确保方案满足安全、环保、设备能力及控制权限等要求。TPT2.0的异常预测准确度高达99.79%，单炉乙烯收率提高TPTHallucinationLeaderboard511日，即使是幻觉率最低的Antgroup-finix-s1（蚂蚁保险大模型）1.8，紧GPT-5.4-nano3.1%。图17:幻觉率最低的25款模型allucinationLeaderboard机理层面：工业数据预训练装置级微调理解工艺运行规律。TPT面向流程工业生产过程，首先对海量工业高质量数据进行采集、解析和清洗，并引入装置设备高频数PT进一步结合具体装置的DCSPT的模型能力并非来自单纯参数规模，而是来自工业数据预训练、装置级数据微调和工艺约束共同作用；垂直场景微调不仅提升TPT预测和优化能力，也是在模型层面降低幻觉、增强可解释性的关键环节。A股图18:TPT训练流程控技术公众号闭环层面：通用正在从回答问题走向交付结果，则进一步嵌入生产闭环。通用大模型已开始通过Agent形态完成文档生成、网页操作、代码修改和流程自动化等任务，但其执行对象主要仍位于数字空间；流程工业AI则需要面向真实生产装置，把模型判断转化为可执行、可追踪、可反馈的生产动作。前端体验上，TPT2.0摒弃了传统工业软件复杂的编程门槛，实现了类DeepSeek的极简自然语言交互。操作人员只需输入“请帮我控稳氯碱装置盐水处理的pH值”，TPT2.0便会自动解析工艺术语、引导上传数据，并允许用户基于历史对话进行连续分析。在后端执行上，TPT2.0更是突破了“只建议不操作”的瓶颈，转型为打通执行闭环的Agent生成平台。接收提问后，系统自动调用SCOPES能力生成报告、优化方案以及可直接参与闭环控制的智能Agent（支持实时接入数据和离线上传）。通过“感知-决策-执行”的全链路闭环，TPT带来了决策效率的量级压缩，以往耗时数周甚至数月的工艺参数优化被大幅压缩至几天、几小时甚至分钟级别，异常发生时更能提供秒级响应。图19:TPT2.0交互示意图控技术公众号A股安全、机理与闭环并非彼此割裂，而是共同决定工业AI能否进入生产核心环节。机理是安全的基础，安全是闭环的前提，闭环反馈又进一步反哺模型迭代。具体而言，工业数据预训练和装置级微调使TPT更好理解真实工况、工艺约束和变量耦合关系，从模型层面降低误判和幻觉风险；MoE专家模型、自主推理和多重验证机TPT通过Agent平台和我们认为，通用大模型可以提升知识获取和任务交互效率，但TPT的核心差异在于将工业数据、工艺机理、安全约束和控制执行统一到同一套闭环体系中，使工业AI从“能回答”进一步走向“可验证、可执行、可迭代”。与APEX/UCS流程工业过程模拟与设计平台为TPT提供机理约束与模拟数据支撑全称为AdvancedProcessEngineeringeXpert，是一款通用流程工业过程模拟与设计平台，通过对工艺过程进行计算机描述，实现过程模拟、预测和优化，为工程设计、生产运行、装置改造、操作培训和节能降耗提供支撑。与单纯依赖现场数据拟TPT而言，APEX提供的是工艺机理、模拟数据和边界工况验证环境，帮助模型在预测和优化过程中更贴近真实物理化学规律。产品能力上，APEX具备较完整的流程模拟软件基础。平台提供2160种纯物质、100余种链段和聚合物、余对二元交互作用参数、15种热力学方法包，支持原油、聚合物、常规固体和非常规固体相关计算，以及热力学物性分析、参数回归和物性估算。流程建模层面，APEX支持种通用单元模块及用户自定义模型，并EX基于联立方程技术构建开放式方程体系，强调“一模到底”，即通过一个建模平台覆盖工程设计、生产运行、装置改造和优化决策等多个场景，推动工艺经验从专家脑中沉淀为可复用的模型资产。外，TPTDCSPRIDE、质量数据基座同步为TPT形成覆盖生产运行、设备状态、质量管理、流程模拟和模型决策的数据基础。其中，负责设备感知与预测性维护，负责质量采样、分析和管理，TPT则将多源工业数据转化为预测、诊断、优化和决策能力。由此，TPT不是孤立的大模型产品，而是嵌入中控工业软件和控制系统生态中的智能底座。A股图20:中控技术平台架构 图21:中控技术四大数据底座展 司官DCS向UCS升级，兼具控制性能与工程交付效率优势。公司UCS（UniversalControlSystem）是对传统DCS架构的升级，核心在于以软件定义控制替代传统以专用控制器、I/O模块和控制柜为中心的硬件架构。传统强调稳定控制，但系统架构相对封闭，数据贯通、算力承载和AI接入能力受限；UCS则通过控制数据中心、全光确定性网络和智能设备构建新型控制架构，具备软件定义、全数字化和云原生特征，使控制功能、数AI不仅是DCS的替代升级，更是TPT和工业Agent进入生产现场的执行底座。APL现DCS/PLC相比，AI驱动数据处理能力；响应时间方面，CS官100μsDCS/PLC50-500ms的实时调度延迟。可靠性层面，AI策略进入控制系统提供安全、实时、稳定的承载环境。表5：UCS、DCS、PLC功能对比示意图示意图核心定位控制方式

新一代控制系统，全面软件定义控制同时支持过程控制（DCS）和离散控制（PLC），持AI

面向流程工业的集散控制系统，用于处理复杂控制回路主要面向过程控制，可处理先进回路控制

基于逻辑控制的控制系统，主要用于离散制造和自动化场景聚焦逻辑控制，常用于顺序控制等场景数据处理能力

支持边缘计算+云计算，具备较强AI力

算力和数据处理能力有算力和数据处理能力有响应时间 实时调度延迟＜100μs 实时调度延迟50-500ms 实时调度延迟50-500ms远程维护 支持远程操作和云端管理 远程维护能力有限 远程维护能力有限司官APEX、TPT与UCS协同，打造自主运行工厂。公司对外发布的全自主运行工厂系统FAP，可理解为AOPTPT和UCS识别决策-执行”承担装置状态理解、异常识别、趋势预测和策略生成，UCS承担实时控制、数据贯通和现场执行，APEX及其他数据基座则提供机理、质量、设备和生产运行数据支撑。由此，公司产品体系从传统自动化控制，进一步升级为面向安全、质量、低碳、效益多目标优化的工业AI平台。图22:湖北兴瑞全自主运行工厂落地前后对比（前） 图23:：湖北兴瑞全自主运行工厂落地前后对比（后）控技术公众 控技术公众我们认为，、与的协同，是中控技术区别于单点工业应用公司的关键。单一模型可以提供预测和分析，单一工业软件可以优化局部流程，单一控制系统可以完成自动控制；但只有将机理模拟、时补强工艺机理，提升智能决策，承接控制执行，公司有望将传统入口优势进一步转化为工业时代的平台能力。图24:AOP形态示意图三、商业化拐点已现：TPT从标杆落地走向规模复制3.1收入验证：2252Q1加速工业AI软件赛道进入加速成长期。我国软件产业保持稳健增长，为工业AI应用落地提供基础市场环境。15483113.2%AI与工业软件融合趋势下，工业AIIDC024AI+41.4%的增速，市场渗202922%。多模态大模型、工业智能体等技术逐步成熟，正在推动工业软件从传统工具型产品向模型驱动、智能决策和持续服务升级。图25：IDC预测2029年AI+工业软件的渗透率将达到22%DTPT收入自2025年起量，2026Q1呈现加速放量趋势。2025年半年报起，公司开始披露工业AI产品TPT11661.85万元；2025AITPT15,41773万元，并披露软件年费ARR7691.35万元。2026Q1，公司工业AI18385.25万元，单季度收年前三季度TPT2026年工业AI1018.4AI业务从标杆验证向规模化商业落地加速切换。图26:中控技术收入情况（亿元） 图27:：中控技术收入累计情况（亿元）21.20.40

1.841.160.381.160.38

43.381.543.381.541.1621025H1 25Q3 26Q1股权激励锚定工业AI收入目标，强化中期成长可见度。公司2026年限制性股票激励计划将工业AI业务收入纳入公司层面核心考核指标，2026-2028年工业AI业务收入目标值分别为10/25/50亿元，中间值分别为9/20/40亿元，触发值分别为8/15/30亿元。该考核体系将工业AI商业化进度与核心团队激励深度绑定，也为市场提供了观察公司AI业务放量节奏的明确锚点。表6：2026年限制性股票激励计划收入考核目标考核年度营业收入目标值/中间值/触发值（亿元）工业AI业务收入目标值/中间值/触发值（亿元）2026105/100/9510/9/82027145/125/11025/20/152028200/160/13550/40/30a/aS传统流程自动化项目通常以软硬一体方式交付，收入来自控制系统、仪器仪表、工业软件及工程实施等组合方案。DCS/UCS连接生产现场的传感器、控制器、阀门、仪表和操作员系统，使公司能够进入客户核心生产环节，形成数据接入、控制执行和客户黏性的基础。我们认为，DCS/UCS短期仍是项目制收入基本盘，但其控制入口属性为后续TPT、工业Agent等软件和AI服务持续收费奠定基础。具备SaaS化和化潜力，多部署方式推动规模化应用。TPT本质上是面向流程工业时序数据的Agent生成、模型更新和持续优化2025H1TPT1.17亿元、2025年前三季度工业AI产品TPT154TPT可通过SaaS公有云、混合云、本地化部署等多种方式适配不同客户的数据安全、算力和使用场景需求。对于头部客户，本地化或混合云部署更有利于接入核心生产数据和aaSTPT从标杆项目走向规模复制。图28:TPT多部署方式图司官有望成为工业商业模式的进一步演进方向。流程工业客户最终购买的并非模型本身，而是安全、质量、低碳、效益等可量化结果；因此，在项目制、订阅制和MaaS之外，按效果付费有望成为工业AI更高阶RaaSTPTARRTPT能ROI，公司有望进一步将收费模式与客户价值创造绑定。图29：按效果付费要建立在可量化结果的基础上 图30：不同商业模式的效果对比esseme rivetrai整体而言，公司商业模式升级并非从项目制直接跳向纯订阅，而是沿着“项目入口-软件订阅-模型服务-结果付费”逐步演进。DCS/UCS提供客户入口、数据入口和执行入口，TPT则进一步打开模型能力复用和平台化变现空间。随着工业AI收入和ARR指标持续披露，公司收入结构有望从传统自动化项目驱动，逐步升级为项目收入与经常性收入并重。客户ROI客户ROI验证是TPT从标杆项目走向规模复制的核心前提。流程工业客户采购工业AI并非为了模型本身，而是为了将安全、低碳、质量和效益改善转化为可量化回报。因此，TPT的价值不只体现在预测准确率提升，更体现在其能够将异常预警、参数寻优、操作优化和闭环执行结合起来，使客户ROI从单点效率改善，扩展为装置稳定性、产品收率、能耗物耗和组织人效的综合提升。图31:TPT在安全、低碳、质量、人效维度的ROI验证安全：异常预测准确率效率：投炉升温时间缩短效益：整体年效益预计不低于低碳：吨蒸汽煤耗下降安全：异常预测准确率效率：投炉升温时间缩短效益：整体年效益预计不低于低碳：吨蒸汽煤耗下降100%90%80%70%60%50%40%30%20%10%投炉升温时间缩短投炉升温时间缩短

99.79%异常预测准确率

（1600元）1500.0元）1500.0012008006004002000

4.50（小时）4.50（小时）54.543.532.521.510.50

3.50%3.00%2.50%2.00%1.50%1.00%0.50%0.00%

3.10%吨蒸汽煤耗下降3.10%控制：pH值波动减少操作：操作频次下降质量：芳烃收率提升环保：氨逃逸减少控制：pH值波动减少操作：操作频次下降质量：芳烃收率提升环保：氨逃逸减少50%45%40%35%30%25%20%15%10%5%0%

45.00%20.00%pH值波动减少45.00%20.00%

35%30%25%20%15%10%5%0%

30.00%操作频次下降30.00%

1%0.58%1%0.58%1%0%0%0%0%0%芳烃收率提升

25%20%15%10%5%0%

热电锅炉氨逃逸减少司官网，中控技术公众安全：流程工业安全风险高，事前预警价值突出。流程工业装置多处于高温高压、易燃易爆和连续生产环”重大爆炸事12195860.20万元，反映出精细化工生产中工艺波动、设备TPT从公司案例看，广西华谊能化项目中，TPT5002.5分钟趋势预测，提前识别液硫堵塞等隐性风险，并将异常处置时间从小时级缩短至分钟级；兰州石化榆林化工乙烷制乙烯项目中，异常预警预测准确度达99.79%，可实时监测生产参数和设备状态并生成处置方案；贵州磷化自主运行智能工厂项目中，TPT对未来5-30分钟生产趋势进行预测并提前预警，推动设备维护从故障后抢修转向预测性预防。我们认为，安全ROI虽然不一定全部体现为当期利润增量，但其对避免停车、降低事故损失和提升连续运行能力具有重要价值。低碳：双碳目标持续强化，高耗能流程工业降碳压力提升。根据国务院《2030年前碳达峰行动方案》，到202520%左右，单位GDP202013.5%，单位GDP202018%203025%GDP200565%以上。工业领域同样是降碳重点，《工业领域碳达峰实施方案》提出，到2025年规模以上工业单位增加值能耗较2020年下降13.5TPT通过能源调度、工艺参数寻优和反应效率优化，有望帮助客户在不牺牲生产从公司案例看，大唐多伦煤化工绿电调度项目中，TPT作为多能源互补调度系统的智慧中枢，建立“预测-优化-控制”三级联动机制，实现绿电替代燃煤发电比例87.5%，年减碳41.94万吨；万华化学氯碱项目中，TPT通过电解槽能效优化，预计使吨碱电耗降低0.5%-1%；中天合创绿色降碳升级改造项目围绕绿电制氢、绿氢耦合2.9万吨绿氢替代灰氢，实现二氧化碳年减排超120万吨。随着能耗双控向碳排放双控延伸，TPT质量：流程工业质量控制依赖工况稳定，模型化控制有望提升收率与一致性。流程工业质量控制难点在于变量耦合强、滞后时间长，温度、压力、流量、浓度等参数的微小波动都可能影响产品质量和收率。传统控制更多依赖操作员经验和固定控制逻辑，在原料波动、负荷调整和工况切换时容易出现响应滞后；TPT则通过历史数据和实时工况学习变量关系，生成更精准的参数控制和操作优化方案，使装置持续运行在更接近最优的工况区间。从公司案例看，万华化学氯碱项目中，TPTpH51小时，并将碳酸钠投加精度控制在0.35g/L±0.02，预计年节省碳酸钠用量约1000吨；兴发集团湖北兴瑞项目中，系统将烧碱主产品浓度稳定在32%-32.1%的窄区间；兰州石化榆林化工项目中，TPT在稳定运行阶段提升乙烯选择性与收率，单炉乙烯收率提高0.373%，年净收益315.5万元/炉；中国石化聚烯烃新产品研发AI示范项目则聚焦聚烯烃新产品开发，打通工艺配方、操作条件与产品特性之间的智能映射，进一步验证TPT在产品研发和质量优化场景中的扩展潜力。效益：少人化运行和动态寻优，是TPT最直接的经济回报来源。流程工业过去依赖大量操作人员持续盯盘、巡检和调节参数，工作强度高、重复性强且对资深专家依赖较高。TPT+UCS协同后，模型负责识别工况、判断趋势和生成优化策略，控制系统负责承接执行，能够将大量重复监控和基础操作从人工转向系统自动完成，使操作员从盯参数转向异常处置、策略确认和模型训练。对于客户而言，效益ROI既包括人工成本下降，也包括装置稳定性提升、非计划停车减少、能耗物耗下降和收率提升带来的综合收益。从公司案例看，I/O500200067%40001%-3%；湖北三宁硫酸装60001600940万元；万华蓬莱无人调度项目则实时调度全厂14套生产装置与31种介质物料当TPT A股表7：中控技术TPT/AOP部分客户ROI验证项目维度 客户/项目 ROI数据与应用效果质量效益安全质量效益安全质量效益效益质量低碳效益安全效益效益安全低碳效益低碳效益质量研发效率低碳效益安全效益质量效益效益全厂协同

万华化学氯碱生产自主运行项目广西华谊能化石化化工产业智能升级项目兰州石化榆林化工乙烷制乙烯装置兴发集团湖北兴瑞氯碱生产改造项目大唐多伦煤化工绿电调度项目贵州磷化自主运行智能工厂项目中煤信息煤气化装置AI示范项目材料项目控制项目新产品研发AI示范项目中天合创绿色降碳升级改造项目金坛储气库智能化建设项目青装置TPT项目万华蓬莱无人调度项目

pH510.35g/L±0.0210000.5%-1%；离子膜寿命预测精度达95%5002.5分钟趋势预测，异常处置；同等气化负荷工况下时效利润提升约5%。异常预警预测准确度达99.79%；投炉升温时间缩短4-5小时，对应年效益预6500.373315.5/体年效益预计不低于1500万元。70%95%+I/O500200040001%-3%。建立“预测-优化-控制”三级联动机制，实现绿电替代燃煤发电比例87.5%，年减碳41.94万吨。220TPT平台和智能体集群；对未来5-30中标人工智能时序大模型智能控制与优化系统软件项目，聚焦煤气化装置，打造多智能体协同的煤气化智慧大脑，支撑煤气化过程智能控制与运行优化。300UCS4I/O；TPT+UCS以TPT优化制冷、循环水等公辅动力系统，实现动态寻优，降低综合能耗并聚焦聚烯烃新产品开发，打通工艺配方、操作条件与产品特性之间的智能映61.232.9CO2120万吨。通过TPT自主监督实现关键设备智能监控与预警，提供设备健康度评估、工艺异常预警、工厂评分等功能，提升储气库运行安全性和运维效率。TPT在常减压沥青装置的首批次应用，拓展炼油与沥青领域智能管控场景，为后续炼化装置质量控制和运行优化复制奠定基础。1431种介质物料，推动从装置级自主运行走向司官我们认为，安全、低碳、质量和效益四类ROI共同构成TPT规模化推广的核心支撑。安全场景提升客户采购刚性，低碳场景顺应政策和能耗约束，质量场景直接影响产品稳定性和收率，效益场景决定客户投入产出比。TPT应用边界持续外扩，从头部标杆走向多行业复制。流程工业场景虽然高度分散，但同类装置之间具备A股一定工艺共性，头部客户项目中沉淀的数据、工艺机理和Agent模板，有望进一步向同类行业、同类装置和更多客户复制。根据公司2025年年报，TPT已从化工、石化、能源横向拓展至油气、医药、食品、建材、冶金等13个行业，并已在中国石油、中国石化、中煤等大型国有企业落地；其中，装置级无人值守、全厂级智能调度2024年TPT在万华集团、中石化镇海炼化等402025TPT图32:TPT应用行业示意图司官央国企标杆打开大型流程工业客户复制通道。流程工业央国企客户通常拥有多基地、多装置和高安全生产要求，对供应商资质、项目经验和长期服务能力要求较高；一旦核心装置验证通过，后续具备集团内多装置复制和行业示范价值。公司已在中国石油、中国石化、中煤等大型国有企业中实现TPT落地，并围绕中石油塔里木120万吨/年二期乙烯项目、蓝海新材料高端聚烯烃项目、中煤信息煤气化装置AI示范项目、中国石化聚烯烃新产品研发AI示范项目、国家管网金坛储气库智能化建设项目等场景持续突破。央国企项目的意义不只在于单个订单收入，更在于其带来的供应商准入、行业背书和集团级复制机会。地方国资和行业龙头贡献装置级、工厂级深度示范。除央国企外，公司已在万华化学、湖北兴瑞、湖北三宁、广西华谊、贵州磷化、河南金海、浙江震元、天新药业等客户中推进自主运行工厂、装置级无人值守、全厂级智能调度和公辅系统优化等项目。与央国企项目更强调行业示范和准入不同，地方国资及行业龙头项目更适合验证具体ROI和场景深度，例如氯碱、硫酸、乙烯、绿电调度、公辅动力系统等场景中的安全、低碳、质量和效益改善。上述项目持续沉淀行业Know-how、场景数据和Agent模板，为TPT后续在同类装置中的复制提供基础。存量控制系统客户既是TPT下沉入口，也是远期空间基础。公司已累计服务超过3.9万家流程工业客户，101I/OTPTDCS/UCS28万套；若以单套装置百万元级年费作为远期测算假设，存量装置运营市场对应千亿元以上年费空间。收入端看，2026Q1AI2025TPT累计收入；若按单套装置百万元级年费假设，年化收入已可支撑数百套装置级部署，工业AI从标杆验证向规模化部署的趋势进一步强化。A股订阅制和5S渠道体系为中小客户渗透奠定基础。中小流程工业客户通常缺乏专业AI团队和高级工艺专家，AIPlantMate5SPlantMartPlantMembership2024年公司签约622家会员订阅客户，025938200PlantMate5S643园区。订阅客户增长和线下渠道覆盖，是TPT图33:中控技术TPT从头部标杆向中小客户渗透路径司官网，公司公告，Image我们认为，TPT的商业化扩张路径已经从单一标杆项目，逐步转向多行业、多客户层级和多装置复制。短期看，央国企和行业龙头仍将是TPT项目落地和ROI验证的主阵地；中期看，随着TPT2.0Agent平台、订阅制服务和PlantMate渠道体系成熟，公司有望依托既有客户和控制系统存量，从头部客户逐步向更多中型和长尾流程工业客户渗透。四、中控的产业卡位：工业AI竞争格局下的差异化优势流程工业AIAI公司。不同类型厂商各有优势，但在工业时序数据、工艺Know-how、控制执行和工程交付方面存在不同短板。我们认为，中控技术的产TPT/AgentA股模型训练路径决定能力边界。通用大模型主要基于互联网文本、代码、图像、多模态数据进行预训练，再通过指令微调、RLHF/RLAIF和工具调用增强通用任务能力，优势在于自然语言理解、内容生成、代码生成和跨任务交互；TPT则面向流程工业生产现场，以高频时序数据、DCS运行数据、工艺流程、设备状态和质量数据为核心训练对象，学习装置运行规律、变量耦合关系、工况切换特征和安全边界。整体而言，通用模型的能力边界主要在数字空间的知识生产与任务协同，TPT的能力边界则进一步延伸至流程工业现场的工况识别、趋势预测、异常诊断、参数寻优和控制策略生成。图34:大模型落地工业应用时常见的几种架构瑞咨OpenAI、Anthropic等海外模型OpenAICodexChatGPTEnterpriseAnthropicClaudeSecurity建议。上述场景验证了通用模型对传统软件和专业服务的渗透能力，但其共同特征是主要处理文本、代码、文档、日志、知识库等数据，结果通常表现为检索、总结、分析、问答、代码修改或方案生成，并可通过人工复核、版本回滚和权限控制降低风险。流程工业则需要面对连续运行的物理装置，温度、压力、流量、液位等数据实时变化，异常工况往往要求模型在秒级甚至更短时间内完成识别、判断和响应；一旦输出进入控制系统， A股图35:大模型落地工业的主要应用场景总览司年图36:OpenAI大模型API主要应用场景司年工业数据入口是通用模型厂商进入流程工业的主要短板。流程工业数据涉及配方、工艺参数、运行效率、产品质量、安全边界和能耗水平，是客户核心生产资产，通常不会轻易向外部模型厂商开放；同时，数据采集并非简单接入数据库，而是依赖传感器、仪器仪表、DCS/PLC、实时数据库、工业软件和现场工程经验共同完成。A股中控技术长期占据流程工业控制系统入口，并形成端侧仪表、控制系统、工业软件、数据平台和工程服务的一AI竞争中，模型能力只是起点，能否AI长期壁垒的关键。图37:AI时代企业数据资产尤其是研发类数据价值释放将是客户关注重点瑞咨NLP、多模态、CV、预测、科学计算等基础能力，并通过ModelArtsStudio提供数据处理、模型训练、模型部署和应用开发工具链。但在流程工业场景中，华为仍选择与中控技术联合发布面向多行业的工业AIAIHGTKnow-howAI生态中的底层能力提供者，而中控技术更接近流程工业AI图38：华为云工业Thinking大模型 图39：华为与中控技术签署合作协议为 控技术公众A股我们认为，TPT与通用大模型的差异，核心在于数据、机理和执行闭环。通用模型主要提升数字空间中的知识理解、内容生成和任务协同能力，优势集中在代码、办公、客服、金融、法律等知识工作流；TPT则以流程工业高频时序数据和装置级运行数据为训练对象，并叠加工艺Know-how、安全边界和控制系统入口，使模型输出从分析建议进一步延伸至参数寻优、控制策略生成和现场执行承接。对流程工业客户而言，真正的壁垒不是模型能否回答工业问题，而是能否在真实装置中安全、稳定、可解释地优化生产。因此，基础大模型厂商更适合作为通用模型能力和开发平台提供者，中控TPT则更接近流程工业AI闭环落地的核心承载方。表8：通用模型厂商与中控TPT能力边界对比比较维度 通用模型厂商 中控TPT训练路径数据基础

面向通用知识工作流，侧重自然语言理解、内容生成、代码生成、多模态交互和工具调用RAG和工具调用适配具体任务主要从文本和多模态语料中学习通用知识，行业能力更多依赖垂直语料、企业知识库和提示工程增强代码生成、办公协同、客服、法律/金融/医疗辅助分析、网安扫描等数字空间任务

面向流程工业生产过程，侧重工况识别、趋势预测、异常诊断、参数寻优和控制策略生成以工业高频时序数据、DCS运行数据、工艺流程、设备状态和质量数据进行工业数据预训练，并结合装置级数据微调实时性要求 多数落地场景允许人工复核，交付周期可分钟级、小时级或更输出通常表现为文本、代码、报告、建议或工输出承接具调用结果，主要由人或软件流程承接概率生成机制下仍可能出现事实错误、逻辑

面向连续生产装置，异常工况往往要求秒级甚至更短时间内识别、判断和响应输出可转化为预测预警、优化方案、控制建议和工业Agent，并由DCS/UCS等控制系统承接执行通过工业数据预训练、装置级微调、MoE专家安全与幻觉

跳跃或工具调用偏差，通常依赖人工审核和权限控制降低风险

数据入口 缺乏流程工业现场端侧入口，直接获取客核心生产数据难度较

依托DCS/UCS、仪器仪表、工业软件和工程服务体系，更容易持续触达和治理现场数据工业软件覆盖研发设计、生产制造、经营管理和工业控制等多个环节。工业软件不同环节对应的数据形态、客户需求和价值实现方式差异较大。研发设计类软件主要服务产品设计、仿真验证和研发协同，代表产品包括CAD、CAE、CAM、PLM等；生产制造类软件主要服务计划排产、生产执行、质量追溯和设备管理，代表产品包括MESAPSQMSSCADAERP、SCM、CRM、HRM等；工业控制类产品则更接近生产现场，代表产品包括DCS、PLC、SIS、伺服、变频器等。整体 A股图40：2026年中国工业软件产业链情况瑞咨国内工业软件厂商多样，各自在优势环节形成较强竞争力。企业管理软件领域，用友网络、金蝶国际长期ERPSaaSIDC2025H1EA占有率第一，金蝶在SaaSERP、财务云、EPM、PLM云等多个细分领域位列第一；研发设计软件领域，中望软件在国产CAD领域具备领先地位，2024年国产设计研发类工业软件市场占有率为9.1%，位列国产厂商第一；生产执行软件领域，宝信软件在钢铁MES、赛意信息在高科技电子/光伏/家电MES、石化盈科在石化MES等细分场景中具备深厚行业积累；工业控制和自动化领域，中控技术在流程工业DCS/SIS市场长期领先，汇川技术则在伺服、变频器等离散自动化核心部件中保持较高份额。各类工业软件厂商共同构成中国制造业数字化转型的重要软件和自动化基础。TPT靠近流程工业生产和控制过程，具备闭环优势。MES等生产执行软件主要沉淀计划、工单、物料、质量和设备管理数据；而TPT面向的是流程工业装置运行过程中的高频时序数据，包括温度、压力、流量、液位、能耗、质量等变量，以及变量之间的耦合关系、工况切换和控制目标。公司长期通过DCS、SIS、工业软件和智能制造项目进入客户现场，既能触达生产运行数据，也能沉淀装置级工艺Know-how和控制策略。TPT进一步将上述数据和经验转化为可复用模型能力，并通过Agent面向预测、诊断、优化、控制和评估等任务调用。 A股表9：国内工业领域软件厂商产品布局和优势领域对比环节 代表厂商 代表产品/能力 市场低位/优势口径用友网络

ERP、企业应用SaaS、BIP、aPaaS、财务/供应链/人力云

2025H1中国企业应用EA市场占有率第一；aPaaS市场份额15.54%，连续四年第一业管理软件 金蝶国际 企业管理云、SaaSERP、财云、EPM、PLM云

SaaSERP、财务云、EPM、PLM云等多个细分领域中国市场第一

鼎捷数智 制造业ERP、MES、PLM、AIoT制造业ERP领域具备较强积累，本土厂商份额领先ERP/MES

汉得信息

SAP/Oracle实施、自主中台、供应链计划、智能制造解决方案

高端ERP实施服务商,供应链计划及APS市场国产厂商排名靠前研发设计软件

中望软件 2D/3DCAD、CAE、CAM 2024年国产设计研发类工业软件市场占有率9.1%，国产厂商第一索辰科技 CAE仿真软件、多物理场仿真国产CAE领域代表厂商，覆盖航空航天、军工、汽车、新能源等高端场景

2DCAD、3DCAD、CAD品钢铁MES、EMS、SCADA、工业互联网平台

国产CAD3DCAD钢铁行业MES市占率超过50%，在钢铁全流程信息化中优势突出垂直行业MES

石化盈科 石化MES、生产运营管理、行业信息化iMOM、MBM、制造运营管理、赛意信息工业AI解决方案DCS、SIS、UCS、TPT、APEX、

MESMES40%2024MES2025年DCS国内市占率45.1%，SIS国内市占流程工业控制 中控技术

AOP

率31.4%，分别连续十五年、四年国内第一离散自动化

汇川技术 伺服、变频器、PLC、工业机器人小型PLC、伺服系统、人机界

2025H1通用伺服中国市场份额约32%，低压变频器份额约22%，均位列第一2024年中国小型PLC市场份额9.5%，国内品信捷电气

面、智能装置

牌排名第二我们认为，中控TPT与工业领域软件厂商的差异，本质上是数字化层级和AI落地路径不同。用友、金蝶、中望、宝信、赛意、石化盈科等厂商在企业管理、研发设计、生产执行等环节具备较强产品能力和客户基础；中控技术则依托流程工业控制入口、工业时序数据和工艺Know-how，切入更靠近生产装置和控制执行的工业AI场景。随着工业AI从软件功能增强走向模型驱动的持续优化，具备现场数据入口、工艺理解和执行承接能力的厂商，有望在流程工业AI平台化过程中获得更高价值量。TPT海外自动化龙头加速AI化，离散制造与流程工业路径出现分化。传统产品优势决定AI落地路径，西门子、罗克韦尔更多围绕离散制造、工程设计和自动化开发展开，横河电机、艾默生、霍尼韦尔则更贴近流程工业控制、运营优化和自主化运行。整体来看，海外龙头并未停留在传统DCS/PLC和工业软件阶段，而是通过工业基础模型、工业Copilot、边缘AI、自主控制和数字孪生等方向，持续推动自动化系统向智能化系统升级。海外离散自动化龙头AI布局更强调工程效率提升，工业基础模型和Coilot是主要产品形态。A股克韦尔的传统优势集中在PLCAI落地更多围绕设计、编程、仿真、制造规划和边缘部署等环节展开。西门子相关研究团队于20242GeneralTimeTransformer（GTT）论文，提出面向零样本多变量时序预测的基础模型，使用2亿条高质量时序样本进行预训练，体现其在时序基础模型上的探索；此后，西门子进一步提出IndustrialFoundationModel，强调让AI3DCAD、BOM、工艺仿真、CNCCAM2025NVIDIANemotronNanoNeMoAIFactoryTalkDesignStudioCopilot图41：西门子IndustrialCopilot功能和案例司年海外流程自动化龙头AIDCSAIAPC、数字孪（IA2IA），CENTUMVPR7以自主运营为核AI。202510Fadhili自主控制AIAgent，基于FKDPPCENTUMVP10%-15%，电力用量下降约5%，同时提升过程稳定性并减少人工干预。艾默生则DeltaV、OvationAspenTechDeltaVAIAspenTechAVAAPC和运营决策提供工业AI能力。霍尼韦尔依A股托ExperionPKS和HoneywellForge推进控制室AI助手和生产智能平台，2026年商业化发布ExperionOperationsAssistant，可融合历史数据和实时运营洞察，在报警事件发生前平均5-10分钟进行