★本刊記者/文曉

藍卓數字科技有限公司總裁陳玉龍

在工業數字化轉型浪潮奔涌的當下，工業軟件作為智能制造的“神經中樞”，其自主創新與生態構建已成為行業破局的關鍵。藍卓數字科技有限公司總裁陳玉龍在本期專題采訪中，圍繞工業軟件技術創新、應用落地及行業發展趨勢等核心議題，分享了藍卓以工廠操作系統為基礎，推動工業數字化從“模式驗證”邁向“大規模推廣”的實踐路徑，勾勒出中國工業軟件突圍的清晰脈絡。

深耕工業軟件賽道，supOS構建智能工廠新范式

作為中控集團30余年流程工業自動化經驗沉淀的數字科技企業，藍卓自成立以來便錨定“讓工業智能更簡單”的使命，將研發重心聚焦于“工廠操作系統”這一戰略制高點。2018年，藍卓發布國內首個擁有自主知識產權的supOS工廠操作系統商業化版本，歷經6次重大迭代升級，目前已演進至6.0版本。該系統憑借“平臺+APP”的創新架構與工業級性能，連續五年斬獲工信部“雙跨平臺”認定，成為工業軟件領域兼具技術領先性與市場認可度的標桿產品。

陳玉龍介紹，supOS以工業企業全要素數字化管理為核心，構建了面向過程監控、生產管理和經營決策的一體化應用平臺。其三大核心能力構成了工業數字化的堅實底座：

其一，連接能力：平臺支持385種以上工業協議的快速接入能力，可實現對生產設備、儀器儀表、AGV以及各類常見傳感器的對接和數據采集。支持主流ERP/CRM/PLM/OA等軟件集成，讓企業在充分“利舊”的前提下，解決煙囪式系統建設所帶來的數據孤島問題。

其二，數據存儲處理能力：自主研發的工業數據湖，支持時序、關系、文件、音頻、視頻等多種數據類型的存儲處理與獲取能力，可面向企業數字化運營，提供設計、制造、質量、供應鏈、設備、能源、安全等智能應用的數據底座能力。

其三，開發工具與應用支撐能力：提供低代碼開發工具，通過內置的圖元庫、組件庫、模版庫等，用戶只需拖、拉、拽方式，便可以開發面向生產管理、經營管理等多個領域的工業APP。提供高代碼集成工具，支持Java、Python等多種語言SDK，通過內置腳手架，支撐開發人員對工業APP的高效集成。

藍卓基于工廠操作系統的探索，在全球率先提出“1+2+N”智能工廠的模式與路徑，也就是在1個工廠操作系統的基礎上，實現2個自動化：即生產制造過程自動化和企業運營管理自動化，打造N個工業軟件及工業AI的生態合作圈，為建設智能工廠提供一條明確的實施路徑。截至2024年底，藍卓獨創的“1+2+N”智能工廠模式已形成規模化應用效應。目前該模式已在全球10余個國家，汽車零部件、家電、磁材、新材料、石化、化工、建材等30多個行業、8900余個新型智慧工廠落地，并成功打造了2大全球燈塔工廠、9家工信部數字領航工廠等標桿示范，得到了業內的廣泛認可，也標志著藍卓已完成從“模式驗證”到“大規模推廣”的階段轉變。

技術創新驅動差異化優勢，AI與工業深度融合破局

在工業AI領域，藍卓已形成從算法研發、平臺搭建到場景落地的完整技術閉環：

改性MDI裝置質量AI預測。針對聚氨酯原料MDI生產中的質量檢測痛點，開發多維度質量預測模型，覆蓋共混型與反應型裝置20余種工藝牌號。AI模型投用后，產線取消“采樣-送檢-分析-外報回收”傳統流程，生產完成后模型實時輸出預測報告，內控范圍內直接包裝，每釜減少約3小時化驗等待時間。投運半年后，裝置產量平均提升10%，人工采樣量從4500個降至2000個，工作量降低56%，應用效果顯著。

設備預測性維護。氫循環氫大機組是加氫裝置核心動力設備，循環氫壓縮機的運行穩定性直接影響裝置安全。傳統管理模式僅通過傳感器閾值報警，存在嚴重滯后性，易導致生產中斷甚至停機檢修。設備預測性維護AI模型通過周期性或持續監測設備狀態，基于機器學習算法實時分析設備健康狀況，精準預測故障發生時間與維護節點，實現24小時“智能把脈”。實際應用中，模型通過分析設備振動信號等歷史數據，實時評估運行健康狀態并給出檢修建議，使設備故障率降低20%以上，顯著提升生產穩定性。

智能成分配比。橡膠生產中膠漿濃度需嚴格控制：濃度過低會降低裝置負荷效率，過高則易引發凝膠事故。由于下料口干膠粒流量不穩定且無法直接測量，傳統工藝依賴最終化驗數據手工調節正己烷溶液配比，滯后性強，易導致生產波動。藍卓通過融合數據模型與視覺模型，將下料口圖像分析結果與生產時序預測數據結合機器學習，實現干膠濃度精準預測。該模型應用后，預測精度顯著提升，有效減少因濃度波動導致的產品質量問題。

藍卓自成立以來持續深耕工業AI領域，已為100余家工業企業提供AI服務，助力構建智慧企業。陳玉龍表示，隨著DeepSeek等技術的興起，為低成本工業AI普及提供了技術支撐，將加速工業AI發展進程，推動工業數字化變革。

前瞻技術演進，勾勒工業軟件未來五年圖景

對于工業軟件未來五年的技術走向，陳玉龍提出三大趨勢判斷：

其一，工業軟件服務形態邁向“平臺+APP”架構。傳統工業軟件正從封閉系統向“平臺+輕量化APP”架構轉變，旨在解決定制成本高、迭代緩慢等難題。平臺借助容器化、微服務等技術，搭建起涵蓋數據集成、算法引擎、數字孿生等基礎能力的操作系統層，為企業提供統一的數據底座。同時，內置大量面向工業場景的組件與工具，為工業APP提供支撐。工業APP可依據場景需求靈活調用平臺能力，像設備預測性維護、工藝參數優化、能耗智能管控等應用，既能夠單獨部署，也能動態組合，滿足企業數字化服務持續迭代升級的需求。

其二，工業AI朝著“APP與Agent融合”方向發展。工業AI正從規則驅動，向“Agent+APP融合”的自主決策模式進化。將工業APP與具備感知、決策、執行能力的智能體（Agent）深度結合，形成可對生產環境變化作出動態響應的智能單元。比如基于設備實時工況的預測性維護Agent，能夠自主診斷異常并生成維修工單，相比傳統算法模型，故障識別率大幅提高。

其三，數字化方案從小場景邁向全場景閉環。工業數字化服務遵循“小場景（單點突破）-大場景（鏈條貫通）-全場景（價值閉環）”的發展邏輯。在數字化初期，工業企業主要聚焦于設備預測維護、質量檢測等小場景，借助輕量化APP快速驗證價值。發展到中期，企業開始向生產全流程拓展，打通MES、ERP、WMS等信息系統，構建協同優化場景。對于數字化基礎較好的企業，會圍繞“質量、成本、交期”，構建全場景數字孿生體，融合AI大模型，形成“感知-決策-執行”的價值閉環。

“工業軟件的終極目標是成為企業的‘數字引擎’。”陳玉龍透露，藍卓未來五年將重點布局5T融合、工業AI、數據資產三大方向：

（1）5T融合：構建工業技術軟件化平臺

supOS工廠操作系統基于工業5T融合技術（PT工藝技術+ET設備技術+AT自動化技術+OT運營技術+IT信息技術），將工業技術原理、行業知識、工藝模型等轉化為可復用的平臺微服務組件。通過“1+2+N”智能工廠模式，助力企業實現數字化透明工廠、協同工廠與卓越運營，打造工業“智慧大腦”。

（2）工業AI：多智能體協同平臺賦能智能化轉型

藍卓AI智能體平臺基于supOS研發，內置DeepSeek、通義千問等行業大模型及自研模型，提供大模型訓練微調、部署推理、模型優化等基礎能力。支持可視化智能體流程編排與業務流混編，以MCP協議為標準實現智能體靈活接入，依托企業私域知識庫及時序數據，推動工業企業從數字化向智能化升級。

（3）數據資產：全鏈路數據管理驅動價值釋放

圍繞數據管理能力成熟度模型DCMM，supOS數據資產管理提供數據集成、資產建模、標準管理、開發運營、質量監控等全鏈路能力，滿足數據采集、存儲、計算、應用全流程需求，助力企業實現數據驅動運營、降本增效，提升決策效率，構建創新增長引擎。

從supOS工廠操作系統的技術突破，到“1+2+N”模式的規模化落地，藍卓以工業知識軟件化、軟件架構平臺化、平臺能力生態化的路徑，正重新定義工業數字化的標準。在陳玉龍看來，工業軟件的競爭本質是工業知識沉淀與技術創新的雙重較量，工業軟件需滿足兩點：一是擁抱個性化需求，針對不同行業、規模企業“量體裁衣”；二是重視數據底座，融合技術統一治理多源數據，構建一體化數據資產體系，為工業AI提供支撐。

面向未來，藍卓正通過持續的場景深耕與生態共建，為中國工業數字化轉型筑牢“智慧大腦”，在全球工業軟件版圖中書寫屬于中國企業的創新篇章。

摘自《自動化博覽》2025年5月刊