工业Agent热潮背后：实时控制为何是伪命题，AI该在哪层落地

1. 这波工业Agent热潮热得有点不对劲最近一年我接到的所谓工业Agent咨询比以前任何一类AI话题都要多。有做化工的有搞数控的有做电池产线的还有做水处理的。聊下来我发现一个规律几乎每个人都相信至少在畅想——让大模型直接接管现场控制实现实时决策、自动调节、无人工干预。我第一次听人说实时控制的工业Agent时愣了几秒后来听多了觉得不能再不当回事了。我的结论很直接把实时控制和工业Agent这两个词焊在一起在当下就是一个伪命题。这不是说Agent没用而是实时控制这个定语用错了地方。1.1 从大模型到工业现场的叙事迁移2023年大模型刚火的时候大家的注意力还在写文案、写代码、对话问答这些通用场景。到了2024年AI厂商们发现To C竞争太卷开始往B端找故事工业就成了那个最性感的叙事方向——市场大、痛点明显、故事性强。于是工业大模型工业副驾AI工艺优化平台轮番刷屏到了2025年工业Agent成了新的标准话术。这些产品里有没有好东西有。很多做知识问答、设备诊断辅助、报表生成的工具实际用起来确实能省事。但问题也出在这里厂商为了把故事讲大几乎不约而同地往宣传语里塞实时自主控制闭环决策这类词。我见过某家很实诚的创业公司原本产品是个报警分析助手改版后的官网宣传语直接变成毫秒级实时控制、AI自主调节工艺参数。问他们毫秒级哪来的答我们的LLM在A100上跑一个小模型单次推理能进50毫秒。你看这就是典型的叙事迁移——把告诉操作工该怎么做包装成替代控制器去执行。1.2 实时控制这个说法本身就是个模糊地带搞控制出身的人听到实时脑子里是一个相当严格的定义在规定时限内完成响应最坏情况WCET可证明程序周期执行行为确定。也就是说实时控制的核心不是快而是确定性和有界时延。但圈外人说实时意思基本是挺快的秒回不卡。于是同一个词在工程师耳朵里是SIL认证的确定性控制回路1毫秒扫描周期在管理层耳朵里是大模型帮我盯着现场出问题立刻响应。两边聊得越high对齐得越少。这就是为什么我说实时控制的工业Agent是个伪命题——一个句子里两个关键词各说各话严格量化之后根本构不成一个可成立的陈述。2. 进不了控制环的三个硬底牌2.1 非确定性工业控制最不能容忍的毛病传统控制算法——从PID到模型预测控制MPC核心前提是确定性同样的输入永远给出同样的输出。控制器可以抗扰动、可以有噪声但它的策略必须是固定的、可复现的、可证明的。大模型不是这样。大模型的输出是采样出来的同一个Prompt温度系数调一调答案就换了就算温度设为0在不同批处理、不同浮点精度、不同上下文拼接方式下输出也可能漂移。更关键的是没有任何工具能给你一个策略不变性的证明。放到控制回路里这意味着什么想象一个反应釜温度稳定在95度PID控制器每个扫描周期都按同一个公式算阀门开度。换成Agent之后它在某个周期突然觉得该激进一点阀门多开5%可能就把反应推到了不可控区域。你用规则把它包起来可以但规则一旦兜底真正做控制的就变成规则层了Agent只是挂在旁边的装饰品。我还见过更极端的说法我们让Agent从历史最优控制曲线里学策略再泛化到新工况。问题是工业控制里每个工况域都需要稳定性证明。你可以用李雅普诺夫方法证明一个固定策略在某个工作点附近稳定但你没法对一个大模型策略在全工况域做同样的证明。这不是工程上难不难的问题是数学上现在就不存在成熟工具。2.2 时延预算差了三到四个数量级先用一段对比直观感受一下传统控制环和Agent控制的差异传统控制环确定性的周期执行 while (true) { y read_sensor(); // 读取传感器微秒级 u pid_compute(r, y, dt); // 计算控制量微秒到毫秒级 write_actuator(u); // 输出执行微秒级 sleep_until_cycle_end(); // 硬实时调度周期固定 }Agent控制概率性的请求-响应 while (true) { state gather_context(); // 拼装上下文可能要查历史数据、调工具 action llm_chat(state); // 等模型输出时延不可控 execute(action); // 执行模型认为正确的动作 }再看工业现场真实的时延梯度控制层级典型周期典型系统伺服电流环125µs - 250µs伺服驱动器电流环伺服速度环0.5 - 1ms伺服驱动器运动控制插补1 - 8msCNC、机器人控制器PLC循环扫描1 - 50msS7-1500、TwinCAT过程DCS50 - 500ms艾默生、霍尼韦尔DCSSCADA/MES秒级到分钟级上位监控、生产执行优化调度/APO分钟到天APS、先进计划排产而Agent背后的LLM推理时延实测大概是这样的量级模型规模运行硬件单次推理参考时延0.5B int8蒸馏小模型Jetson Orin / 工控GPU10 - 30ms7B FP16A100/H1000.2 - 1.5秒含数十token生成7B int8工业平板CPU3 - 10秒70B以上GPU集群10秒以上这还没算上RAG检索、工具调用、安全规则拦截这些Agent标配组件的叠加。控制工程师设计系统时看的是最坏情况执行时间不是平均值。LLM的时延分布有长尾——上下文一长、并发一高、兜底规则一多99.9分位的时延会比你测的平均值难看得多。拿这个去做1kHz的伺服控制差了约一万倍。去做50ms的PLC扫描依然差几十倍。2.3 功能安全认证体系没给概率模型留座位就算你哪天把推理压到1毫秒内还有一座绕不过去的山功能安全认证。工业控制中涉及安全的部分要过IEC 61508E/E/PE安全相关系统的功能安全、IEC 61511过程工业、ISO 13849机械安全、IEC 62061机械控制系统安全这一整套体系。SIL3等级的回路要求每小时失效概率低到10的负7、负8次方量级还要求有效使用的历史证明——这个概念在工程界叫proven-in-use通常需要数十万小时的无危险失效现场运行记录。大模型拿什么去证明拿互联网上训练出来的知识吗拿几天Demo数据吗认证机构现在连如何审计一个神经网络策略的鲁棒性都没有共识更别提给LLM出认证规定了。再往实际了说任何依赖云端API、依赖大模型推理服务的方案都过不了功能安全里安全功能不得受通信干扰的基本隔离要求。没有哪个厂长敢让安全联锁回路挂在一个随时可能版本波动的云服务上。所以结论很残酷哪怕技术上跑得够快你也没法证明它安全没法通过认证就没法真正投用到控制回路。方案PPT写得再漂亮到了验收和安评环节一样被打回来。3. 工业现场的实时是分层的Agent该待在哪一层3.1 从电流环到排产一张表看清梯度工业里实时的颗粒度差别极大。很多人混淆是因为他们以为现场所有控制都差不多快。实际上一个工厂里从最底层到最上层时延要求差了七八个数量级。层级周期/响应谁在执行智能缺失度执行机构与电流环微秒-毫秒伺服驱动器、变频器低已高度成熟设备控制环1-50msPLC、运动控制器低过程控制层50-500msDCS、APC中MPC解决得不错监控与操作层秒级-分种SCADA人机界面、操作员高操作员负荷重调度与优化层分钟-小时MES、APS、计划员高经营决策层小时-天ERP、工艺工程师高这张表的信息量很大。你看真正需要毫秒级实时控制的底层恰恰是几十年工程实践已经打磨到位的领域。PID、伺服控制、机器人运动学——这些是确定性系统能解决得很好的问题工程师对它们的信任度极高。你让一个概率模型插进来不是补短板是制造风险。3.2 真正缺智能的是慢速层不是快速层我在工厂里跑现场的感受是底层控制基本不缺智能缺智能的全是慢速层。报警洪水一天几千条操作员根本没时间看——这是典型的秒级到分钟级问题设备出异常老师傅休假了就没人能诊断——这是分钟级到小时级问题排产变动频繁计划员每天手工调整几十个工单——这是小时级问题。这些环节的痛点比让控制器更聪明痛得多而且Agent是真能帮上忙的。所以我把话说得直接一点工业现场不缺会控制的AI缺的是会分析和提醒的AI。Agent的价值在于处理那些人类来不及看、看了也记不住的海量上下文而不是去抢PID的活。4. 我实测过的Agent场景哪些能落地哪些是演示4.1 报警洪水分析与异常诊断真能省事去年我帮一家化工企业搭过一个报警辅助分析Agent。现场DCS一天产生两三千条报警操作员交接班光梳理报警就花40分钟。我们的做法是把DCS报警历史、工艺手册、历史检修记录做了向量化入库让Agent在交接班前自动生成一份今日报警摘要按设备维度聚类标出异常频次上升的部件再关联上一次类似报警的处置记录。实测结果报警梳理时间从40分钟压到5到10分钟而且有一周提前三天发现了某个泵的振动异常趋势——因为Agent把三个不同系统的报警记录关联起来找到了人眼看不到的相关性。为什么这个场景能成因为它不在控制回路上人在回路里答错了也不会炸设备最坏情况就是报告质量差一点。这是Agent天然的安全地带。4.2 让Agent直接去动PID我劝你连Demo都不要做有家供应商找我评估用LLM自动调整换热器的PID参数声称实验室里节能15%。我去看了他们的实验给Agent塞入历史温度、流量、阀位数据它输出一组新PID参数然后脚本把参数写进DCS的PID模块。在仿真环境里确实好看温度曲线平滑能耗下降了。但拿到真实生产线上一周有5天需要工程师手动切回来——Agent给出的参数在某个工况附近效果不错换一条负荷曲线就震荡震荡几次就触发联锁。更讽刺的是所谓15%节能其实有相当一部分是Agent偷偷把设定值移到了工艺允许边界上短期看是节能长期看是让设备一直顶着红线跑一次扰动就可能跳车。我后来跟他们的技术负责人聊根因其实很简单Agent没有对象模型没有在线辨识它对阀位和温度的因果关系一无所知只是在高维文本空间里做模式匹配。控制的核心是反馈和对象模型这两样东西大模型一个都没有。4.3 用三句话区分真需求和伪命题经过这些事我自己总结了一套判别标准分享给在评估工业Agent的朋友它会不会在没有人类确认的情况下改变执行机构的输出如果会——当下就是伪命题。它的实时有没有量化的时限指标、有没有SIL等级、有没有可走的认证路径如果没有——就是营销话术。它是在做决策建议还是在做执行器控制做建议——是真的做执行——先别信。5. 如果非要让Agent进控制什么样的架构可能成立5.1 分层架构内环刚性、外环柔性被问得多了我也会给出一个我认为真正可行的架构总结成三句话内环不变、中间环限量、外环放开。内环还是传统的PLC和伺服做毫秒级甚至微秒级的确定性控制保持认证状态不动。中间环可以让Agent当设定值管理器每隔若干分钟根据工艺目标、能耗约束、设备健康度给出一个推荐的设定值或参数组。但这些建议必须过两道闸一道是约束和稳定裕度校验一道是人工确认。外环就是Agent做主场的诊断、排产、报警摘要、操作指导、交接班报告——放开做在线上的错误都有人的环节兜底。这种架构下经典控制器负责稳和快Agent负责优和省。有人说这叫人机协同智能调控我觉得更准确的说法是Agent是参谋不是扳道岔的人。5.2 什么条件下实时控制Agent才不是伪命题我也跟不少做技术预研的朋友聊过这个问题——这个命题有没有翻盘的一天有但条件非常硬硬件上需要毫秒级推理且最坏执行时间可证明的专用推理芯片配合实时操作系统现在的主流GPU和通用OS都做不到。行为上需要对大模型策略提供稳定性与收敛性的形式化证明。目前连数学工具都还不存在这是最硬的一条。标准上需要认证机构给出可执行的神经网络控制策略验证与审计规程不是一句AI赋能就能绕过的。应用边界上Agent只能在预设工况包络内做有限动作包络之外必须自动交回经典控制器不允许它有自由发挥空间。这四条里任何一条都够一个团队啃五年。所以我的判断是实时控制的工业Agent现在是伪命题不等于它永远是伪命题。但在可预见的未来它更可能的形态是Agent辅助的控制系统而不是Agent本身成为控制器。说句实在话做工业Agent的朋友也不用沮丧。你们手里的报警分析、故障诊断、排产优化、工艺建议哪一个不是真需求把实时控制这四个字从包装上去掉反而更容易让客户信任。我见过太多项目死在了过度承诺上——验收时对着PPT上的实时控制较真产品再好的本事也说不出口了。老老实实讲清楚自己能做什么、不能做什么这本身就是工业工程师最基本的素养。