霍尼韦尔余锋：工业AI落地需跨越三道关键门槛

在福布斯中国与环球科创联盟的一场讨论中，一个问题被反复提及：

当 AI 走出虚拟世界、进入炼油厂、电网与生产线，它还能不能像在互联网里一样“试错”？

答案显然是否定的。

因为——

AI 可以试错，但工业不能。

“物理世界的AI”尚无统一定义。在我看来，它是人工智能与物理实体的深度融合——AI不再局限于屏幕内的“大脑”，而是能够直接感知、理解并影响物理世界，形成“感知—决策—执行”的完整闭环。

对工业企业而言，这意味着将 AI 嵌入真实的生产设备与运营流程，让机器从执行动作的工具，逐步演进为能听、能看、能思考、能协作的“数字工人”。

但在工业场景中，“智能”成立的前提，是“可靠”。

霍尼韦尔大中华区总裁余锋

在福布斯环球科创联盟论坛畅谈物理世界 AI

作为在工业领域干了几十年的“老兵”，当 AI 走进物理世界，我更关心的不是它有多聪明，而是它能否对现实结果负责。

在互联网场景中，AI 犯错或许只是一次搜索偏差；

但在炼油厂、化工厂、电网等工业现场，AI 对温度、压力、流量等关键参数的微小误判，都可能引发灾难性后果。

这也是霍尼韦尔推动“从自动化走向自主化”的出发点，让智能建立在确定性与可控性之上。

基于这一背景，我愿结合霍尼韦尔的全球实践与中国探索，围绕三个问题分享：

从执行命令，到自主决策

回顾自动化时代，霍尼韦尔完成了两项重要的代表性工作：

这两者的核心价值高度一致：

可靠——结果可验证、可追溯、可审计。

可靠，是工业运行的安全底线。

进入智能化时代，AI 赋予工业系统新的能力。

系统不再只是被动执行预设逻辑，而是主动感知环境、做出判断、参与行动，并在运行中持续迭代。

这种能力使得风险识别前移，将历史数据与实时运行数据结合，转化为可执行的运营洞察。

说到“自动化”与“自主化”的区别：

• 自动化按预设逻辑执行指令，

• 自主化可在复杂与变化的条件下实现动态调整与决策，类似自动驾驶从 L2（人机共管）向 L5（完全自主）演进。

向自主化演进是霍尼韦尔的重点战略方向。为此，公司以 Honeywell Forge 互联平台为底座，目前已服务全球超过2.4万家客户、连接了 24 万个站点，涵盖了近 400 万台设备资产，约 5200 万个数据点以及近 700TB 的数据体量，构建起实时感知与数据洞察的基础。在此之上，例如霍尼韦尔 Experion^® 智预策等解决方案，融合 AI 技术与工业知识，挖掘历史数据价值，提供实时运行洞察，帮助运行人员预测并有效应对可能引发不安全操作或生产损失的关键场景。该解决方案助力将现有运行模式向自主运行模式跃进，提升整体运行安全性与决策质量，并已在雪佛龙、道达尔能源等合作伙伴中完成试点应用。

在“不容有失”的行业，这种跃迁必须谨慎推进。

霍尼韦尔的路径是：

• 在现有可靠运行的控制系统之上，逐步叠加AI、云和边缘计算的能力。

• 让底层控制逻辑坚守安全底线，

• 上层智能聚焦风险识别与优化，

同时——

人，始终在回路中。

工业 AI，卡在这三道关键门槛

物理AI要真正走进工业现场，必须跨越三道门槛。

大多数AI进不了工厂，原因都指向一个问题：可靠性。

释放 AI 的工业价值，不仅依赖算法与算力，

更取决于：

工业AI的难点，从来不是技术，而是让AI变得可靠。

因此，在炼油厂、工厂和楼宇等系统中，真正推动成果优化的，始终是人的专业知识、场景理解与责任判断。

“人机协同/人在回路中”，不是保守，而是对结果负责。

工业世界不会盲目追逐“先进”，只接受被验证的技术。

中国场景：智能化跃迁的试验场

中国拥有全球规模最大、复杂度最高的工业体系之一，中国制造业增加值占全球比重达 30%，这样的体量是物理AI重要的“压力测试场”。

霍尼韦尔自1935年进入中国，已深耕超过 90 年。我们创新打造了卓越运营智造管理体系（HMES: Honeywell Manufacturing Excellence System），可以理解为工厂的“智能指挥系统”，它将卓越运营系统（Honeywell Excellent System）与霍尼韦尔MES（Honeywell Manufacturing Execution System）有机结合，打通从企业战略到现场操作的全链路。在与东明石化的合作中，我们融合了 DCS 控制、智能工厂解决方案、安全系统及先进炼化工艺，并将精益管理理念嵌入生产运营，助力东明石化实现管理标准化、生产透明化、成本精细化、决策智能化，成为化工行业数智化转型的标杆。

在高端制造领域，中国已成为全球造船核心力量。霍尼韦尔的智能船舶解决方案，如同为船舶装上“智慧大脑”，实现船岸协同、能效优化和全方位预警。在智慧建筑领域，我们的产品、软件和技术已在全球超过 1000 万栋商业建筑中使用。在中国，我们已为 200 多座机场、40 多个城市的250多条轨道交通线路、以及 2400 多家酒店和上千家医院提供智慧和安全解决方案，并在楼宇控制领域通过智慧运营管理平台，帮助客户实现远程运维和能效优化。

这些实践表明，霍尼韦尔是在复杂工业场景中持续验证并塑造物理AI应用路径的参与者，也正是通过在中国这样高复杂度环境中的持续实践，相关技术能力才能具备广泛推广的普适价值。

只有在复杂场景中持续验证，AI 能力才能真正成立。

谁最有机会

定义下一代制造入口

圆桌论坛最后，主持人向所有嘉宾抛出了一个前瞻性问题：未来三到五年，如果押注一个物理AI的垂类方向，哪个点最有可能成为制造业智能化的“超级入口”？我的判断是：

下一个AI带来显著价值的突破口，未必在技术本身，而更可能出现在管理领域。

设备管理、质量管理、标准化作业……管理领域蕴藏着巨大的智能化机会。过去几年，我同时负责数十家工厂的运营，发现一家工厂出现的问题，往往在其他工厂也曾发生，但这些共性问题没有被有效连接、总结与复用。中国是全球最大的制造业大国，如果未来有十万家工厂能够实现数据互通，AI 就能帮助识别安全隐患、提供解决方案。管理的智能化，正是企业降本增效的核心路径。

同时，物理 AI 也在重塑产业工人的能力体系。随着技术工人持续短缺，将多年积累的工程经验转化为标准化、可学习的系统能力已成为现实刚需。通过人工智能辅助运维，新员工在现场即可获得分步指导、实时诊断和操作建议，就像导航软件为驾驶者提供实时路线指引，让复杂操作变得清晰可循。

至于谁最有机会定义下一代制造入口？我想是属于那些能够深度嵌入真实物理系统、拥有长期工业积累，并且在“不容有失”的环境中持续交付确定性结果的参与者。霍尼韦尔正处于专业积淀与数据价值释放的交汇点上——超百年的工业积淀，数以百万计的控制设备，以及对关键领域的深刻理解。我们始终坚持“叠加而非替换”“人始终在回路中”“循序渐进而非一夜颠覆”的理念。这不是保守，而是对客户、对行业、对社会的责任。

在你看来，工业AI真正落地，最难跨越的是哪一步？

欢迎在评论区聊聊你的判断