（来源：中国经济导报）

转自：中国经济导报

"AI 要创造可衡量的经济效益。" 霍尼韦尔科技大中华区总裁余锋不久前在接受媒体采访时多次强调，AI 在工业企业的应用之路务必注重实效。

在 2026 年霍尼韦尔科技中国增长峰会期间，余锋对记者表示，中国各个行业发展迅速，过去一段时间，部分 AI 项目存在 " 重展示、轻实效 " 的现象，而今政府和企业都更加关注实际投入、落地价值和回报周期。

AI 行业是否存在泡沫？" 在我看来，判断的核心标准之一是能否落地、能否创造真实的经济效益。" 余锋表示，只要 AI 技术能够持续带来回报，便会持续吸引产业资本与企业投入。

余锋表示，物理 AI 在中国市场的机遇十分广阔。中国拥有全球门类最齐全、体量最大的工业产业体系，这不仅意味着丰富的应用场景，更为全球工业 AI 提供了独特的 " 压力测试场 "。" 能在中国跑通、跑稳的方案，往往也具备服务全球市场的能力。"

在此次峰会上，霍尼韦尔科技宣布 Forge 智能互联平台落地中国。不同于仅聚合数据的传统软件平台，Forge 采用与硬件无关的开放式架构，将 AI 与霍尼韦尔科技在工业领域的经验和专长相结合，能够理解运营环境和业务场景，帮助应用企业提升安全水平、生产效率和运营绩效，助力工业、建筑、能源及基础设施等领域加速从自动化迈向自主化。数据显示，Forge 已服务全球超过 2.5 万家客户，覆盖超过 28.8 万个站点，并协助管理约 550 万项设备资产。在中国，Forge 已部署专属运营环境，并与本土云服务商开展深度合作，以支持数据本地化存储与处理需求。

" 工业行业未来竞争的关键，不仅在于实现自动化，更在于实现‘自主化’。" 余锋表示，借助 AI、云计算、工业互联等前沿技术，自主决策、自我优化的 " 自主化 " 将提升运营效率，增强预测性预警以避免不必要的停机，通过提升优等品产出率和降低生产能耗来创造可量化的经济效益。

余锋表示，霍尼韦尔科技正致力于推动工业从自动化迈向自主化。霍尼韦尔科技深耕自动化领域已有百余年历史，拥有从传感器到云端的完整技术链，覆盖硬件、软件、服务、平台等，始终在工业技术演进中不断探索与突破。

余锋强调，释放 AI 的工业价值，不仅依赖算法与算力，更取决于高质量的数据基础、对工业环境的深刻理解、" 人始终在回路中 " 的责任机制。他分析，物理 AI 要真正走进工业现场，必须跨越三道门槛。

第一道门槛是数据的可获得性与可治理性。工业数据长期被孤立封存于不同资产和系统中，行业经验也散落各处。将高度碎片化的数据收集、清理、集成是 AI 有效学习工业运行规律的基础，这一过程本身就是一项长期而复杂的系统性工程。

第二道门槛是对工业环境的深刻理解。物理世界的 AI 要作出正确决策，仅靠数据远远不够，必须理解工艺逻辑、设备行为和生产约束。同一组数据，在不同行业背景或工艺下，其背后的物理意义可能截然不同。这种对工业环境的深刻理解，源于长期的行业实践和系统化积累。

第三道门槛是责任的归属。传统 PLC（可编程逻辑控制器）基于预设逻辑运行，结果可验证、可追溯；而 AI 算法具有概率性特征，一旦出错往往难以解释原因、界定责任。在工业场景中，这种不确定性是不可接受的。

"AI 在流程工业的应用必须慎之又慎。" 余锋表示，流程工业对系统运行准确性要求极高。一旦出现偏差，轻则造成物料报废，温度、压力、反应时序偏离标准值都会直接影响成品质量或生产安全，带来财产损失甚至人员伤亡。而在离散工业，AI 应用落地同样需要兼顾质量、成本、投入产出与安全生产等方面的需求。

余锋表示，工业 AI 正处于从技术探索迈向商业化验证的关键窗口期，霍尼韦尔科技将携手本土合作伙伴，通过开放平台降低应用门槛，让更多行业以更快速度实现数字化升级。他举例，霍尼韦尔科技与盛虹石化合作，选择在这家化工企业 50 多套生产装置中的一套上试点部署基于 AI 的操作导航智能决策系统，通过融合工艺机理、实时运行数据和本土 AI 能力，实现生产优化、故障预测和辅助决策。经过一年多运行，该装置的人工操作频次降幅达 50%，丙烷回收率提升超过 10%，仅蒸汽一项年节约超千万元，项目实现约 300% 的年投资回报率。

余锋提醒，很多企业在做通用大模型，追求 " 普适 "，但工业 AI 场景细分、需求专业，必须坚守 " 精准、可靠、可解释 " 的底线。据介绍，霍尼韦尔科技已启动 Forge 中国生态合作计划，联合产业界、学术界和科研机构共同推动产业创新发展，作为该计划的重要组成部分，公司分别与中大国际、富海控股、中化数智及上海理工大学达成合作。