互联网场景问的是”这个业务值不值得用 AI 重做一遍”；流程工业必须先问另一个问题：
“这个场景是不是已经被确定性层覆盖了？”
因为流程工业是极少数已经拥有成熟确定性自动化栈的行业：SIS 管安全联锁、DCS/PLC 管回路、APC/MPC 管多变量优化、MES/ERP 管执行与计划。这套栈是几十年工程积累、可认证、可追责的。Agent 引入的却是概率性——而来自过程系统工程研究的结论很冷酷：目前不存在将 LLM 认证为 SIL 1 及以上安全功能组成部分的路径。
所以，Agent 在流程工业的战场不是主战场，而是确定性层覆盖不到的残差区。必要性判断的全部功夫，就在于准确圈出这个残差。
一、先建立工业特有的切分维度：时间尺度
这是流程工业区别于互联网的第一判据，也是最容易被忽略的。ARC Advisory Group 的区分非常清楚：APC 在毫秒到秒级、基于严格机理 / 多变量模型运行；Agent 在多系统事务与优化层运行，时间尺度是分钟到班次，做的是能源、产量、资产健康之间的跨功能权衡。
| 层级 | 时间尺度 | 既有技术 | Agent 该不该进 |
|---|---|---|---|
| 安全联锁 | <10ms ~ 秒 | SIS / 硬继电器 | ❌ 永不进入 |
| 回路控制 | 毫秒 ~ 秒 | PID / DCS | ❌ 不进 |
| 多变量优化 | 秒 ~ 分钟 | APC / MPC / RTO | ❌ 机理清晰时不进 |
| 跨系统协调优化 | 分钟 ~ 班次 | 空白 | ✅ Agent 主战场 |
| 计划 / 排产 | 班 ~ 周 | OR 求解器 + Agent | ⚠️ 混合 |
| 知识 / 经验 / 处置 | 异步 | RAG / Agent | ✅ 高价值 |
工业 agentic 系统的共识定位是：运行在实时控制层之上，不嵌入安全回路。安全联锁（<10ms 响应）、确定性无变异流程、法规强制不可偏离的控制序列——这三类永远保留规则。
一个场景如果被定位到秒级以下层，必要性直接归零，不必再往下评估。
二、五层否决漏斗
每层都是一票否决，过不了就停在该层，不要带着”先进性”往下冲。
第 0 层｜是不是 AI 问题？（排除伪需求）
工业现场大量”AI 需求”其实是别的问题：
- 数据拿不到、协议不通 → 数据治理 / 集成
- 流程本身没标准化 → 管理问题，上 AI 只会把混乱固化
- 缺报表缺看板 → BI
- 设备本身老化故障 → 检维修
这一步通常能筛掉一半提案。判断标准很朴素：
如果数据是完整的、规则是清楚的，只是没人执行——那不是 AI 问题。
第 1 层｜是不是 Agent 问题？（排除非 Agent 解法）
这是最关键的一层。多数被包装成”智能体”的需求，其实有更便宜、更可靠的成熟解法：
| 真实需求 | 更优解 | 为什么不用 Agent |
|---|---|---|
| 固定 if-then 逻辑 | 规则引擎 / DCS 组态 | Agent 引入延迟与成本，却牺牲确定性审计链 |
| 机理清晰的定量优化 | APC / MPC | 流程工业 APC 已极成熟，Agent 打不过 |
| 约束可枚举的排产 | MIP / CP 求解器 | 求解器给的是最优解，Agent 给的是”看起来合理” |
| 文档 / 规程问答 | RAG + 知识库 | 检索够用就不必编排 |
| 固定跨系统搬运 | RPA / ESB | 每单成本差一个数量级 |
| 只预测、无后续动作 | 传统 ML | 没有闭环就不是 Agent |
反面教材很普遍：有企业花 6 万美元建 Agent，处理一个 2000 美元的自动化集成就能搞定、且完全确定性的流程——技术上成功了，但建设和运营成本是简单方案的数倍。
第 2 层｜残差是否真的成立？（Agent 的四个不可替代特征）
剩下的才是真候选。必须同时满足：
- 开放集 — 工况 / 异常组合无法穷举，写成 if-then 会爆炸，也枚举不进求解器（如新型异常、多因素耦合的偏差）
- 跨系统 — 单次决策需要同时从 DCS、LIMS、MES、ERP、设备台账、化验单取数并对齐。这是流程工业最痛的 IT/OT 语义缝，也恰是 Agent 的核心价值——跨不共享数据模型的系统做协调
- 非结构化 → 结构化行动 — 要把操作规程、事故案例、交接班记录、老师傅经验转化为具体动作，而不只是检索出来给人看
- 多步且路径不可预设 — 步骤顺序依赖中间结果，无法提前定义
第 3 层｜工业硬闸门（必要 ≠ 可行）
即使必要性成立，四道闸门过不了，就只能停在”建议层”。
闸门一：安全笼（Safety Cage）
Agent 必须被物理隔离在 SIS 之外。可行架构是：Agent 通过协议只读 DCS 数据、输出建议，但当压力 / 温度 / 液位触及安全阈值 90%，其优化指令被物理隔离、SIS 立即接管——安全功能独立于过程控制、具备不可被软件覆写的硬件优先级。
这个闸门不是理论洁癖。有真实事故：SIS 联锁报警时，Agent 处于”能耗优化计算中”的中间状态，既未提交紧急停车指令、也未维持上一个安全参数——这种”悬而未决”是工业控制中最危险的状态，直接损失数百万元，且保险公司以”AI 算法黑盒不可审计”为由拒赔。
闸门二：渐进自主度
真正的决策变量不是”要不要上”，而是上到哪一级：
影子模式（只记录不干预，6–12 个月积累 ≥10⁴ 次决策对比）→ 建议者模式（人工确认执行，附置信度与推理轨迹）→ 监督模式（低危自主、高危自动降级）→ 条件自动化（安全沙盒内有限执行权）→ 主控模式
IEC 61511-2026 草案虽首次提及 AI，但要求参与安全功能的 AI 组件必须通过形式化验证或统计测试验证——对大模型而言意味着每次更新都要重新认证，商业上几乎不可行。
闸门三：可解释与权责
流程工业特有的死结：智能体做出反直觉决策时，一线工人不敢执行、管理层不敢担责；出事故后无法界定是算法错、数据错还是人的错。决策必须全链路留痕、绑定知识图谱、可溯源。
闸门四：可靠性预算
这是最容易被跳过的一步。单步成功率 $p$、$n$ 步串联任务成功率是 $p^n$：
- 每步 90%，五步流程整体成功率 59%，失败率 41%
- 而工业环境中，这个五步流程可能就是”多系统查询 → 根因分析 → 修复建议 → 工单更新 → 通知发送”
先算 $p^n$，再谈必要性。
如果目标场景无法接受这个失败率，且缺乏错误恢复机制，必要性不成立。
第 4 层｜经济账
流程工业利润微薄，成本敏感性极高。判据是单位决策的推理成本 vs 单位决策的价值：
- 高频低价值场景 → 天然被否决（有极端案例：识别一颗螺丝钉缺陷的云端算力成本超过螺丝钉本身利润）
- 只处理 10 件 / 天的 Agent 很难算得过账；500 件 / 天以上才可能覆盖人力成本
三、三个可以立刻执行的诊断动作
“准确判断”不能停留在定性，要有可测量的动作。
① 规则审计测试（最有效的一个）
把目标流程的每一步写下来，逐条问：
“这一步能不能用一条精确、无歧义的规则完成？”
- 每个”能” → 永远不该碰模型
- 剩下的、你写下”看情况”的那些 → 才是你真实的 Agent 表面
② 异常率实测（而非估计）
先实测两周，统计”因不遵循标准路径而需人工介入”的比例。经验阈值：
- 异常率 >10% 时，规则系统的维护成本开始急剧上升
- >20% 且周处理量 >100 件时，Agent 才具备经济合理性
注意：流程设计者常低估真实可变性——文档里把”例外”标为低频，实际偏离标准的可能占 15–25%。别靠印象，靠数据。
③ 时间尺度定位
把场景放进 ISA-95 分层表：
- 落在秒级以下 → 直接否决
- 落在分钟到班次、且跨系统 → 进入候选
四、流程工业的价值区与禁区
| 高价值区（必要性成立） | 禁区（不要碰） | |
|---|---|---|
| 特征 | 低频、高危、高单次价值、长尾异常 | 高频、封闭集、安全关键、低单次价值 |
| 典型 | 非计划停机预警与处置、异常工况根因追溯、质量偏差跨系统归因、开停机 / 切换过程辅助、老师傅经验固化 | SIS 联锁、燃烧 / 反应安全控制、毫秒级回路控制、机理清晰的 APC 已覆盖的优化 |
| 价值来源 | 一次损失巨大（如单条氯碱产线非计划停机 1 小时损失 >3 万元，每次至少 8 小时恢复） | 已有更可靠的确定性方案 |
一个关键洞察：
流程工业 Agent 的价值密度在”低频高危”，不在”高频降本”——这与互联网的 Agent 逻辑正好相反。
因为高频场景 APC 早已做得更好、更便宜；真正的钱在”一年发生几次、但一次损失几百万”的异常处置，以及老师傅退休带走的经验。
落地数据也支持这一点：云天化煤气化装置融合 16 个 AI 子模型与 APC，人工操作频次下降 95.58%、年节约原料煤 9100 吨、静态投资回收期不足一年——注意，是深度融合 APC，不是替代。
五、什么时候选择会改变
| 条件 | 判断 |
|---|---|
| 基础自动化（DCS/APC）都没做扎实 | 先补课，别上 Agent。Agent 的价值建立在确定性层之上 |
| 场景属安全联锁级（SIL） | 永远不上，硬逻辑 |
| 高频 + 封闭集 + 高可靠要求 | 传统自动化 / APC |
| 老师傅经验流失 + 非结构化诊断 | Agent 高价值区，优先级最高 |
| 利润极薄 + 量极大 | 成本否决，先做边缘轻量化 |
| 愿意接受 6–12 个月影子期、只做建议层 | 可行 |
| 要求”直接接管控制、立刻见效” | 不可行，且危险 |
最后一句必须说的实话
这个行业当前的成熟度远低于舆论热度。一组数据值得放在判断框架的最前面：
- 62% 的组织在实验 Agent，仅 23% 在至少一个功能中实现规模化（麦肯锡 2025 全球调研）
- Forrester 预测到 2026 年底少于 15% 的企业会真正激活智能自动化套件中的 Agent 功能，主要障碍不是技术，而是治理框架与 ROI 验证
- 过程系统工程领域约 70 篇相关工作中，超过 80% 依赖公共基准或仿真环境，不到 10% 在专有工业数据上验证，没有任何一篇报告了生产过程控制系统中的持续部署
所以，流程企业判断 Agent 必要性的最后一问是：
“这个场景，非 Agent 解法是否真的穷尽了？以及——我是否愿意为这个残差，承担成为验证者（而非受益者）的成本？”
绝大多数场景下，诚实的答案是：
活在确定性层之上的长尾里，从影子模式开始，只做建议，把否决权永远留给 SIS。
这不是保守。在化工、炼油这类行业里，“能不能稳”永远优先于”能不能做”——而当前真正跑通的案例，几乎无一例外都是”建议层 + 机理校验 + 人工确认”的形态。
