自动化的发展已今非昔比。过去所学的现代控制理论的状态方程、线性控制、非线性控制等，如今是否依然成立？通过人工智能与自动化技术、信息技术、工艺技术、运营技术、设备技术融合，或许会产生完全不同的新技术文 ｜《财经智库》研究员 张燕冬
编辑 ｜王延春
中控作为流程工业智能制造整体解决方案的领军企业，其工业软件产品涵盖了生产控制、供应链管理、资产管理、安全环保和工业AI软件等多个方面。历经31年，中控DCS系统在国内市场占有率达37.8%，连续13年国内市场占有率第一；通过持续的研发投入，实现了工业软件SaaS化技术、控制参数在线交叉式鉴定技术等多项技术突破，优化了工业软件生态；针对流程工业所面临的痛点，助力企业实现“安全、质量、成本、绿色”核心目标；面向未来技术发展趋势和人工智能可能带来的机会和挑战，中控提出“1+2+N”智能工厂新架构，以及全球首款通用控制系统UCS和流程工业时序大模型TPT（Time-series Pre-trained Transformer），为实现企业的智能化转型提供路线图。近期，中控创始人褚健与《财经智库》进行了独家对话，解读中控的历史过程、创新成果及愿景。![]()
《财经智库》：您被人们称为“中国自动化产业第一人”，上世纪80年代末，您就参与了中国早期工业控制系统DCS（Distributed Control System）的研发，而当时国内技术环境和资源相对有限。作为开拓者，是什么促使您坚持走上工业自动化的道路？是否与您的日本留学经历有关？
褚健：我不是什么第一人，不妥。相对而言，可能有点故事而已。事实上，在自动化领域方面，起步的时候我并未有意要推动产业化进程，而是在各种因素的影响下促成了产业化这件事。首先，在20世纪80年代末90年代初，中国正处于社会转型的关键时期，国家高度重视并大力推动大学科研成果的转化应用。在此背景下，原国家计划委员会（后更名为国家发展和改革委员会）在浙江大学设立了工业自动化国家工程研究中心，鼓励构建一条从研究到产业的通道。在这一政策感召下，我坚定地做了这件事，尽管当时对很多事情不甚了解，但我内心觉得这个方向非常正确。日本留学的经历对我影响很大。在1986年至1989年期间，我在日本深入参观、走访了日本的多家企业和研究机构，包括新日铁、川崎重工、松下电器等，这些企业的自动化程度非常高，在偌大的车间里几乎看不到人。其中在参观松下电器位于大阪的中央研究院的过程中，我更是目睹了机械手精准地夹取并煎制鸡蛋的精湛技艺。当时我深感震撼，因为机械手抓取鸡蛋的过程中，稍一用力鸡蛋会破，而力量不足鸡蛋就会掉，这对于机械手的控制要求非常高。虽然今天看来或许并不稀奇，但在当时却代表了极高的技术水平。这些景象强化了我的认知，我认为所有的工业企业，离开了自动化就无法实现现代化。所以，回国之后，我便承担起了推动科研成果转化的重任。但当时的我对于技术、产品以及市场都知之甚少，这无疑为产业化之路增添了许多挑战与困难。但正是这些挑战与困难，也让我更加坚定了在自动化领域深耕细作的决心。褚健：我所面临的难题并非单纯的对技术不了解，而是对系统性技术的陌生。在学校期间，研究的重心多聚焦于某一技术点上的突破，这些研究或许已达到前沿水平，但要将之转化为产品级的技术创新，却需要实现从点到面的系统性跨越，这与撰写学术论文的差别很大。初涉此领域，有很多事情我并不熟悉，但我却明白，要将一项技术理念转化为市场所需的产品远非易事。市场所渴求的并非单纯的样机、科研成果或学术论文，而是能够切实解决问题的方案或手段。彼时，中国刚刚改革开放，国外的产品大量涌入，但若我们的产品明显比国外的差，用户一定不愿意用国产的产品。譬如我们一开始就研发了当时最复杂也是最重要的工业控制系统DCS，对于石油化工这样的流程工业企业，一旦控制系统出问题，则导致停工停产，甚至出现重大事故，所以没有一家企业愿意接受相信并采用我们的DCS。DCS不同于其他普通产品——进口的电饭锅和国产的电饭锅，两者都能使用，不会出现大问题，而DCS一旦出问题，就会影响生产。既然下决心要创办一个企业，又想做点有意义、有价值的事，肯定要学习，学习如何开发一款好产品，学习如何管理一家企业，如何鼓励一个团队，如何去营销，如何去说服客户⋯⋯有了目标，就有希望。我们的服务对象涉及炼油、化工、电力、造纸以及制药等行业的生产过程，全都用到自动化。这些行业企业一年365天、每天24小时不间断地运行，就像电不能停一样。如此严苛的运行环境，对控制系统的可靠性提出了极高的要求。打个比方，如果说人的大脑是一个控制器，那么大脑必须有逻辑判断，而对于一家企业来说，其控制系统就犹如大脑。《财经智库》：这也就是为什么您经常将工业控制系统称之为“工业大脑”。褚健：在没有控制系统之前，由于生产规模较小，各项操作依靠人工完成；然而，随着生产复杂性的提升，机器控制成为不可或缺的替代方案，这就是我们现在用的计算机、芯片、软件以及众多通信技术（ICT）。之所以把DCS比喻成工业大脑，是因为它已经具备了“大脑”的基本属性，并需要大量的知识储备。这些知识就是AI技术。AI技术在工业大脑里已经开始发挥作用，能够实现对整个工厂更准确的控制。这一变革性进展极大地削弱了工程师在传统生产流程中的重要性，以往需要众多不同专业背景的工程师协同工作的任务，如今仅凭一个集成AI的系统即可高效完成，甚至能胜任许多工程师难以单独解决的复杂任务。我和我的团队正积极地推动这一领域的发展。《财经智库》：让中控成为流程工业的“工业大脑”是您的追求。去年，正好是中控30年，您将此分成三个阶段：第一个十年要解决生存问题；第二个十年参与竞争，也就是跟国际一流企业竞争高端的国内市场；第三个十年，解决市场占有率问题。您还说，最重要的贡献就是完成了一个工业控制体系的国产化。1975年美国Honeywell研制成功TDC2000，世界意义上的现代工业控制系统（DCS）诞生；同年，日本横河电机也推出了自己的第一款DCS产品；1981年，一批外资企业开始进入中国。您能否介绍一下中控这30年经历的关键节点？褚健：确实，流程工业的控制系统从上世纪80年代开始就被大型跨国公司所垄断。中控首先要解决生存问题。在此基础上，与一流的跨国公司进行竞争，然后在竞争中学习并超越。目前中控有超过3.2万家客户，具有大量的数据积淀和实践案例，未来我希望中控的客户数量可以很快达到5万这个数字。今年是中控第四个十年的起始年，我们希望在未来的十年里，中控能够依托于对工业Know-how的理解以及在流程行业的独特优势，在全球竞争的基础上加强工业AI能力，并在工业AI方面成为全球领先的企业，这是我们的目标。30余年来，我们开始是个小舢舨，先在游泳池学游泳，然后在钱塘江游泳，尽管游不到江口，但毕竟可以靠岸；后来成为一条大船，游到了杭州湾出海口，未来，我们希望中控成为一个舰队，游向更广阔的大海。2007年对中控而言是一个标志性的年份。那一年，中控获得了中国石化武汉分公司500万吨“油品质量升级炼油改造工程”的项目合同（如今已是2000万吨炼油规模），包括四套主装置：500万吨/年常减压，190万吨/年煤、汽柴油加氢精制，120万吨/年延迟焦化和6万吨/年硫磺回收。这个项目非常成功，标志着国产DCS首次进入500万吨级炼油核心主装置，也标志着高端市场核心主装置DCS被跨国公司垄断的时代结束了。中控从原来只做小项目到承接大型项目主装置，从500万吨炼油到千万吨炼油、百万吨乙烯及整个炼化一体化，这意味着中控从原来很小的市场占有率，到逐步有能力竞争再到领先。只有拥有这样重大项目的业绩，中控才能保证在未来市场竞争中不被跨国公司压垮。《财经智库》：从之前的小项目到500万吨炼油、千万吨炼油的大项目，中控2023年DCS国内市场占有率已达37.8%，其中化工领域占有率是56.3%。目前，中控的DCS在国内的占比已经很高了，是否已到天花板？褚健：比如DCS在中国的市场规模是120亿元左右，如果纯粹从DCS市场规模角度来讲，肯定是有天花板的；但从自动化、数字化、智能化的角度来讲，还看不到天花板。现在用户最关注的，比如节能、安全、降本等痛点，未来中控有可能面临的天花板很高很高，不是几百亿元，而是几千亿元。理论上讲，目前在中控的战略转型阶段，面向的市场大概是500亿元到1000亿元的环境，预期的市场前景将会更大。我们要做的，最终是全方位地帮助用户解决困难和问题，而不仅仅是推销一款产品。《财经智库》：把格局打开，目标锁定安全、质量、成本、绿色，似乎就不存在天花板了。中控一直根植于制造业，传统制造业从自动化、数字化到智能化这个过程中，怎样才能更好地实现这个途径？褚健：第一，必须把产品体系和服务模式做好；第二，这个服务模式有尽可能大的覆盖面；第三，要有很多典型的成功案例；第四，广而告之。目前，中控在全国647个化工园区及沙特、泰国、哈萨克斯坦等国家设立了近200家5S店，覆盖全球3.2万多家用户，并通过5S店把先进的创新成果、产品技术、解决方案及应用效果传递给企业，让企业愿意尝试，并为企业带来实实在在的效果，这才能赢得企业信任。未来中国的经济，特别是在原材料工业领域，竞争还会非常激烈，企业要在竞争中活下来，主要途径就是全面消除安全事故、提高产品质量、降低各项成本，并朝着智能化、绿色化发展方向发展，这就是中控要干的事。《财经智库》：您始终强调工业软件的重要性，并认为智能制造是软件驱动的工业革命，为什么？褚健：控制系统就是人的大脑，仅有智商不够，还需要知识，而工业领域所指的“知识”是构建软件的基础。软件不仅是各种机器设备实现智能化的关键，更是产品设计、生产控制、能源管理、安全管理、质量管理等的主要工具。从工业3.0到工业4.0，包括正在来临的工业5.0，是从工业自动化到工业智能化，再到工业可持续发展的进化过程，也是传统制造向新型工业化、新质制造的进化过程，其中数字化转型是基础，也就是软件与材料设备、工艺流程、数实融合的过程。在工业领域，尤其是在流程行业的转型过程中，包括数字化转型、AI应用、供应链韧性、可持续发展等都与软件密切相关。在过去30年，中控始终围绕行业需求，加快发展工业软件，已建立了丰富的产品线并自主研发出一批核心工业软件，形成了较为完善的工业软件产品谱系。我始终认为，推进智能制造，关键在于工业软件，智能制造是软件驱动的工业革命。褚健：最初，中控肯定什么优势都没有，但优势是逐步建立起来的。我所指的优势不是指市场占有率，而是中控如何能够把现在保有的3.2万多家用户和未来可能达到的5万家用户服务好，让用户能够在安全、质量、成本、绿色的核心需求上得到大幅度提升；如何把我们的技术经验和积累的案例知识与用户的需求结合在一起，通过AI的运用，帮助用户创造价值。可以说，中控不是一个DCS公司，也不是一个自动化公司，而是一个工业AI公司。《财经智库》：您提出了“1+2+N”智能工厂新架构，即构建“智能工厂”的概念，但您同时强调这不是一个简单的概念，而是一种可行的模式，先进的技术和产品，以及一种可能解决的方案。褚健：“1+2+N”，就是一个工厂操作系统+两个自动化（生产过程自动化PA和企业运营自动化BA）+N个工业APPs。我们听取了很多企业领导的意见，包括央企、跨国企业还有中小企业，他们都认可中控的框架。“1+2+N”不是一个概念，而是融合了很多技术、产品和解决方案的体系，能够全面覆盖从生产线到管理线的自动化需求。它不仅是中控产品技术和关键能力的高度凝练，更是中控为广大行业客户数字化转型、智能化发展所描绘的蓝图。需要强调的是，这并不意味着中控仅靠一己之力就能包打天下，我们需要打造一个开放合作的生态系统。诚然，在某些领域，企业间的竞争或许难以避免，但更为普遍且重要的是合作的可能性。过往十数年间，移动互联网生态的蓬勃发展已充分验证了这一点。未来在工业领域里，完全有可能复制类似的生态合作模式，对此，我充满信心，并已经看到了希望。《财经智库》：中控构建工业操作系统实现智能工厂和智能制造的跨越（打通5T，形成生态），其愿景非常宏大，是不是也意味着跟外部科技合作的可能性？毕竟，完全依靠自身力量完成一切是不现实的，在这些方面，优势和短板又有哪些？褚健：这基于一系列基本的前提和基础。首先，是否认同工业3.0到工业4.0的转变？是否认同自动化到数字化、智能化的转型？是否认同没有哪家企业能够包打天下？这就是合作的共识和基础。同时，工业企业最需要什么？现在市场上遇到很多困惑和迥异的观念，不同的解决方案可能造成混淆甚至混乱。比如什么叫智能工厂？什么叫智能制造？什么是工业互联网，概念很多。不能为数字化而数字化，关键是要有能力为企业降低成本、提高效率。因此，强化自身能力、找到解决方案，就要有核心的技术和产品，并得到用户和合作伙伴的认可。至于短板，对于中控来说，目前一些技术方面确实有所缺失，比如工艺技术。化工领域的专家往往不具备计算机背景，而自动化领域的专家虽对反应器有所了解，却可能缺乏化工与计算机知识。以PDH（丙烷脱氢）为例，如何能够了解它的工艺，使其产量更大、质量更好、能耗更低？我们需要实现5T（自动化技术、信息技术、工艺技术、运营技术、设备技术）的深度融合。当然，自动化的发展已今非昔比。过去所学的现代控制理论的状态方程、线性控制、非线性控制等，如今是否依然成立？通过“AI+5T”，或许会产生完全不同的新技术。传统的控制理论和AI之间到底是竞争关系还是合作关系？这需要我们深入研究、积极探索。如果能够成为一个5T综合领域的专家，通过专业知识、数据与AI技术，或许能够帮助人类解决更现实的问题。《财经智库》：前不久，您提出通过工业AI解决智能工厂行业痛点。8月12日《财经智库》来中控调研，你们正在做大模型的突破，为什么中控坚定选择了投入AI技术？从研发到实际应用，中控如何确保AI的投入不会成为一场高风险的冒险，而是成为推动持续创新的动力？褚健：ChatGPT的横空出世令我深感震撼，这让生成式AI和未来的通用AI变成了可能。对于工业领域而言，它就像把很多前辈的智慧与广泛的知识体系浓缩于一体。正如爱因斯坦之前的时代，牛顿力学被视为颠扑不破的真理，直至微观粒子层面的探索才催生了量子力学的诞生。在此之前，我们所学皆源自书本，经由科学验证与实验证实，这与ChatGPT所展现的学习与生成过程颇为相似。这种技术发展，在工业领域虽然不能精确地解决所有问题，但它无疑揭示了技术发展的新趋势。我认为，随着AIGC（人工智能生成内容）技术的兴起，AI已迈入了一个全新的发展阶段。去年，我曾向公司全员提出，所有中控人都要学会用AI工具，所有中控的产品都应该有AI能力，当然最重要的是有能力开发完全基于AI的产品，我们的流程工业时序大模型TPT就是这个方向。在这方面，中控会加大力度，也许是“All in”。《财经智库》：人工智能在制造业中正在发生作用，但在流程工业中，AI的应用似乎进展较为缓慢，是因为流程工业更带有它的复杂性，难度更大？褚健：您指的是离散制造业，这方面应用可能更多的是质检，而质检主要是基于图像处理的，与AIGC并无直接关联。比较而言，我觉得流程工业比离散制造业在AI应用方面具有更为显著的优势与潜力。为什么？因为流程工业拥有海量的数据资源，而离散工业的数据相对不完整，也就是说离散行业经过清洗、处理后的有效数据可能远远不如流程行业。这使得流程行业在数据资源上占据了显著优势。化工过程最大的特点是“三传一反”。“三传”是传热、传质、传力，即热量、质量、动力的传递；“一反”是指化学反应。这是工程学科中的经典理论。而化工装置无外乎反应器、分离塔，这些装置在运行过程中产生的大量数据，能够真实反映其特性。值得注意的是，化工过程并非Pure chemistry（纯化学反应），因为自然界没有纯的东西。反应物料中往往含有杂质，因此，当不同的原料进入化工装置，经过“三传一反”，结合数据，出来的东西应该是什么、应该怎么变，其实是有机理存在的。正因为不是纯物质，反而有文章可做。《财经智库》：您的意思是说，在AI的应用方面，流程工业比离散工业更有空间。您刚才提到中控有超过3.2万家用户，您也说过Data is food of AI（数据是人工智能的食粮）。在未来的发展过程中，除了数量上的增长，您怎么看数据质量和深度对工业AI发展的影响？中控从化工领域入手，对于不同行业、不同工艺流程用户数据的差异性，如何实现数据驱动的个性化解决方案？褚健：在流程工业中，数据不仅丰富，且其归类相对容易。上一个问题讲到“三传一反”，涉及诸多装置。具体而言，化工行业是流程工业的典型代表，而除此之外，如钢铁、有色、建材等行业，虽然不是传统意义上的石油化工或有机化工，其机理与“三传一反”完全不同，但同样产生化学反应。传统的无机化工也与有机化工不同，但它们都具有大量数据和机理的相似之处，因为它们都是化学反应过程，这都是工业AI应用的重要基础。所以，数据的庞大不代表数据的有效性。但如我刚才所强调的，流程工业具有大量的数据，结合机理过程以及装置，有效性显然高于离散行业。目前中控诸多案例和成果，已经证明这条路是行得通的，尽管还有“坎”，但我们会力争突破。以无机化工中的氯碱行业为例，中国绝大部分的氯碱厂用的是中控的控制系统，中控与这些客户关系密切。它们现在提出了很多需求，比如扩产时能否不再招“操作工”？能否降低能耗？能否延长离子膜的寿命？能否提高产能？哪些潜在故障在早期能预警预报？解决这些问题，主要依靠的就是“工程师”。但若能够把所有的知识联通，把不同的用户数据与经验汇聚，就能发现问题所在，数据就变得有效。尽管氯碱厂规模、原料可能所有不同，但其工艺原理相近，这不就是我们要学习的吗？以前人力难以完成，但现在AI可以做到。《财经智库》：您将下一代工业控制系统称之为UCS（Universal Control System），以软件定义、全数字化、云原生，来试图颠覆应用近50年的传统DCS技术架构，工业市场是否已经准备好接受这种转型？您预期在技术和市场的成熟度上，未来会发生什么变化？褚健：DCS最早是由Honeywell在1975年提出来的，经过近50年的发展，架构大同小异，但技术完全不同。这套体系主要存在的问题，一是成本下降有限，当然随着整个IT技术的下降，它也会下降；二是传统的DCS多基于ARM芯片构建，算力有限。当AI应用于DCS中时，ARM无法实现。基于当前先进的服务器技术，特别是高性能的CPU和GPU，让实现数据的实时处理及AI的实时在线应用成为可能。因此，通过UCS颠覆DCS的传统架构是非常有希望的。中控的年轻团队创新性地提出了UCS的框架，将原来成百上千面机柜清零，变成了一面机柜；将原本需要数亿元投资的电缆铜缆，用一对光纤来解决；控制系统通过云化技术实现统一控制，将无数个“小脑袋”变成一个“大脑袋”，所有数据都在这个“大脑袋”上，AI就可以充分发挥作用，把项目生命周期大幅度提升，真正实现了软件定义优化。我们原以为可能需要两三年的时间才能够被中国客户接受，如同上世纪80年代初国外DCS引入中国时，尽管上海炼油厂率先使用，但大量企业仍在怀疑并质疑。然而，在UCS发布后，众多企业，包括跨国公司，均表现出强烈的试用意愿，这一速度大大超出了我们的预期。究其原因，一是UCS能够显著降低系统成本；二是AI技术的充分应用成为可能。《财经智库》：看来持续迭代是你们的内驱力，还有一批年轻人基于数据研究，开发了实时数据的流程工业时序大模型TPT？褚健：这个模型不足以称“大”，但非常管用，都是基于时间序列的。以前很多软件都是通过不同专家，有些企业可能都没有专家，即通过高级工程师或有专业才能的技术人员去管控不同的部门，且流程很长。但今天通过TPT不仅能解决操作问题，还能解决设备运维问题。如果要提高产品质量或者产能的同时降低能耗，都可以采用类似与ChatGPT沟通方式，把数据输入大模型，利用以前学到的数据构建模型，通过一个TPT来管控一个工厂。《财经智库》：您多次提到中控的年轻人，好像一些突破性的项目都由年轻人完成。据了解，中控每年的研发占比在10%以上，对年轻人你们有哪些机制来确保这种创新能力的实现？褚健：肯定有。但如果通过某种机制，可能新的东西就出不来了。《财经智库》：刚才提到中控的控制系统等产品在国内的占比很高，那你们在未来的国际化方面有无整体设想？核心目标与方法各是什么？褚健：目前中控在中国的市场占有率很高，但在全球市场影响力还小，知名度还不够。从全球角度，中控将面临更大的竞争和压力。尽管中控已在全球布局，包括在中东、东南亚、欧洲、北美和南美等地，增速也较快，但目前占比还不高，我们希望今后海外营收占比能够实现大幅的、快速的提升，一系列的战略制定及保障机制也在逐步明确和优化。《财经智库》：不可否认，中控在全球的控制系统市场上也面临着激烈的竞争，国际企业在AI领域的布局如何？褚健：我相信这些大的跨国公司在AI应用方面均有所布局。中控在全球率先发布UCS和TPT，这些企业也会与我们交流，它们对中控所做的事情表示认可。但事实上，这些企业也都在积极布局AI领域。或许，许多成果要等到实际推出后才会为世人所知。技术的发展趋势是显而易见的，无非看谁的速度更快。回顾中控刚开始做DCS的时候，我们也是以跨国公司的DCS作为标杆，向它们学习。今天我依然认为跨国公司有许多地方值得学习和尊敬。它们拥有丰富的技术积累和人才储备，且产品系列也很丰富，它们是中控的标杆和榜样。但在中控的第四个十年里，我们有机会在全球，尤其是在流程行业，成为工业AI领域的领导者之一，至少我们希望能在这一领域占据重要的一席。《财经智库》：都说中国应用场景丰富，与国外比较如何？褚健：我对国外的场景不太熟悉。当然，中国大的石化行业企业在全球也是领先的，其拥有2000万吨炼油规模、几百万吨烯烃或PTA的规模，国外并不多见。在传统化工、精细化工领域，无论是产业链的深度与广度，还是产品的种类与规模，中国在全球均占据举足轻重的地位，所以场景比国外更丰富。在深耕中国市场的同时，我们应加大与海外企业的合作力度，共同探索新的应用场景和技术创新。中控与这些跨国公司之间既存在合作的可能性，也可能面临竞争，但无论何种关系，我们都将始终坚持以客户价值创造为核心，致力于为客户提供更加优质、高效的产品和服务。2024年6月，中控技术在新加坡召开全球新品发布会。《财经智库》：关于国际标准问题。在工业领域，欧美企业常常主导国际技术标准，中国企业的技术创新能否在未来引领某些技术标准的制定？具体在哪些领域中控有机会实现这种突破？褚健：中控的EPA在2008年成为IEC（国际电工委员会）的国际标准，其中有一部分也成为德国的国家标准。当时，时任科技部部长万钢批示说，以前德国的很多国家标准都进入了国际标准，而中国的标准又都来自国际标准，所以中国总是把德国的国家标准作为自己的标准；而如今中控的EPA成为国际标准，被德国纳入其国家标准，这非常了不起。我认为有两类标准必须做。第一类，已经获得广泛共识、具有普适性的标准，即共同的标准，对于这类已经确立的标准，我们应积极遵循并采纳。另一类则是如何创造并制定新的标准。这个更为重要，特别是在工业领域，当达到一定规模时，它就是一个事实上的工业标准。中控希望能够积极参与并推动这类标准的制定，牵头与否并不重要，重要的是能够在工业领域被接纳，标准本来是无价的。在其他方面，中控也会积极参与。比如Ethernet-APL（以太网高级物理层）就是国际上提出来的标准，目前并未形成共识，但我们认为这个技术代表了未来方向，所以积极参与到标准的制定、完善及应用中。也有一些可能现在大家还不知道，或者还没发现，或者还不认可，如果我们认为正确，就会去推进。
![]()
架起科研和产业的桥梁《财经智库》：从最初自动化之路的设想到现在的“工业大脑”，当时你们几个初次创业的年轻人决定在代理商和开发商之间选择了较为艰难的自主创新，您开始的初衷就是想打通科研和产业的通道吗？褚健：是的。开始没想那么多，只觉得要构建一个从科研到产业的通道。这个通道怎么建？当时已经证明在学校不可能实现产业化，所以建在学校肯定不行。换句话说，学校也不应该做产业化的事。30多年前，社会上很多企业研发能力相对较弱，不像今天，企业的研发能力超过了学校和研究机构。如何把这两者结合起来构建一个通道，就是我们的初衷。虽然我们手上没有产品、没有钱，几乎不懂市场、经营、管理、制造、服务等，但我们知道要做这件事就应该建一个企业，需要面向市场、转变观念。也就是说，我不再是教授，而是要走技术之路、产业之路。《财经智库》：高校的科研和研发与企业的研发不是一回事。您曾将科研界和产业界比作长江和黄河，不可交汇。褚健：对，科研和产业像是长江与黄河，不相交。学校应该做前沿的技术突破、原始创新，甚至是科学发现、基础研究，而非成果转化。在当今时代，成果转化领域已汇聚了大量专业人才，这与30年前的情况截然不同，他们已具备相应的转化能力。科技型企业在于面向市场、贴近用户需求，致力于解决用户的痛点问题，这一理念自企业初创之时便已明确。科研有科研的规律，商业有商业的逻辑，两者之间，有一个巨大的鸿沟，而我的任务是成为商业与科研的桥梁，在于将科研成果的价值更好地发挥，同时解决商业企业在创新技术源头上所面临的问题。《财经智库》：您已经把高校、研究机构以及企业在成果转化的角色定位说得很清楚了，您是比较典型的产学研结合之人。在科研成果的转化过程中，您认为哪些是特别重要的关键点？褚健：可能要把这几个概念分开。科学和技术要分开；研究和研发（或开发）要分开。含义不同，不能混为一谈。30年前，高校的知识或者技术能力相对产业的技术水平是较高的，那时“三来一补”（即来料加工、来样加工、来件装配和补偿贸易）的模式就可以应用了，但订单、市场、设备都是别人的；然而，时至今日，情况已发生根本性变化。从某种意义上讲，产业界的技术水平，虽未必比跨国公司更高，但相较中国高校已经不低了。比如说人工智能、无人驾驶等领域，高校在与大型科技企业的对比中显得相对弱势。这些大企业不仅拥有雄厚的人才储备和强大的计算能力，而且其研发团队规模庞大、组织严密，能够高效协同工作。相比之下，高校都是相对不稳定的研究生，差距就会拉大。在我们这个领域，高校的科研或研发与企业也不同。创业办公司是市场导向，而非论文导向、成果导向，企业的研发必须有用。当然，我也跟团队说，能不能做五年后的研发，或者是做一些可能失败的东西，但所有这些努力都必须面向未来，具有前瞻性。《财经智库》：目前强调创新，强调科技产业化或科研成果转化，从您的角度，在创新主体上，像南科大的刘科教授说，创新就应该以企业为主体；中芯国际原董事长周子学也持此观点，您怎么看？褚健：所谓的“卡脖子”，不是卡技术，而是卡产品。我们今天被卡的芯片、光刻机、工业软件，各种材料、零部件等等都是产品。当然，产品里存在许多技术，但它首先是产品。现阶段的问题需要产业界来解决，高校和科研院所应该想办法解决十年后不再被“卡脖子”的问题。国外不会停下来，还会往前走；中国的企业能不能十年后不再被“卡脖子”，这才是关键。中国过去40多年工业化的经验积累已经奠定了非常雄厚的基础。我们对未来的判断，或者说基础储备，按趋势走就应该没问题；尽管颠覆性的创新可能会困难些，但大体不会走错方向。真正的竞争需要经受市场检验，比如中控创新推出的UCS，其质量、可靠性、稳定性，都需要得到市场的认可。既然是产品，就一定要市场化，锁在实验室无济于事，所以我们要求研发团队不仅要研发产品，还要跟上市场，深入市场一线。不要等十年后再攻关，那样或许就永远跟不上了。所以，看清趋势，关注十年、二十年后我们如何不再被别人卡。当然，我们也希望加强各种国际合作，在开放中竞争并得到提升。
