工业大模型与 AI Agent：驱动工控走向自主化新范式

《2026 年中国工业控制产业发展白皮书》提出，大语言模型、具身智能的快速迭代，正在推动工业控制完成从 “自动化” 向 “自主化” 的范式跃迁。传统自动化依靠工程师预先编写固定控制逻辑，当工况超出预设边界，系统就容易失控；而自主化系统依托多模态感知、大模型、强化学习，具备自感知、自学习、自决策能力，能够适配更多未知、强扰动的工业现场。

白皮书把工业 AI Agent 划分为 Design Time、Engineering Time、Runtime 三类，三者分工明确并且互相协同。Design Time Agent 面向产线工艺设计阶段，依托大模型完成工艺迭代、全局仿真规划，把行业专家经验沉淀为可复用数字工艺资产；

Engineering Time Agent 部署在调试阶段，辅助工程师生成控制逻辑、定位故障根因，缩短项目调试周期；Runtime Agent 部署边缘端，使用轻量化工业小模型，完成设备实时自整定、故障自诊断，满足毫秒级实时响应。安全相关硬联锁回路依旧保留传统 PLC 逻辑兜底，形成 AI 决策 + 传统安全逻辑的混合架构。

白皮书将工业自主化发展划分为三个阶段。短期 0‑2 年属于辅助增强阶段，大模型不介入底层实时控制，承担代码辅助生成、故障问答、文档解析等辅助工作，人掌握全部确认审核权限；中期 2‑5 年进入多模态混合自主阶段，工业 AI Agent 实现局部产线自主调控；5 年以上的长期目标，实现全域完全自主化工厂，系统完成自建模、自编程、自修复，人类聚焦顶层工艺创新。

但大模型落地工控，仍面临多重现实技术障碍。第一是确定性与实时性矛盾，流程工业、运动控制要求微秒级确定响应，大模型生成存在随机性，不能直接接入安全关键闭环；第二行业知识壁垒，通用大模型缺少工控行业工艺、设备专属知识，容易输出不符合规范的错误逻辑；第三安全风险，提示注入攻击、数据泄露、模型篡改，会直接威胁工厂生产安全。