看了几份行业报告，国产 PLC 这一年的变化比想象中大，尤其在架构层面。
变化一：控制器开始带 NPU 主流国产 PLC 开始标配 NPU 单元，算力在 2-4 TOPS 量级，支持在线训练轻量级的 LSTM/TCN 模型。 有个具体例子：汇川的 AutoCore 内核支持用 ST 语言调用 TensorRT 推理引擎，能在注塑机的 PLC 上实时跑能耗预测的 LSTM 模型，算力占用低于 15%。 这意味着什么：以前需要把数据传到上位机或云端做的推理，现在可以在控制层直接做。对实时性要求高的场景（比如根据能耗预测动态调整工艺参数），这个能力是质变。
变化二：TSN 从可选变成准入 时间敏感网络（TSN）在工业控制里已经不是加分项了。中控的 Supcon ECS-700 V5.0 通过了 OPC UA over TSN 的互操作认证，虚拟工厂仿真刷新率达到 10Hz，而传统 DCS 只有 0.1-1Hz。 这个数量级的差异让数字孪生从「看板」变成「能推演」——10Hz 的刷新率意味着虚拟工厂和物理产线的状态偏差可以控制在 0.5% 以内，支持动态推演而不只是事后回放。
变化三：工艺知识被封装成可复用资产 和利时为万华化学定制的 MDI 反应优化模块，被封装成标准化的「化工反应收率提升套件」，复用到恒力石化等 5 家客户。 这个变化的意义在于：控制厂商的收入结构从卖硬件转向卖算法。行业报告预测 DCS 厂商的收入中「仿真优化订阅费」占比可能达到 35%。
变化四：标准在收紧 《工业控制系统实时性分级标准》（T/CAS 721—2025）从 2025 年三季度起实施，把响应能力划分成 L1-L4 四级。 这个标准的影响是会倒逼中小厂商退出低端市场，行业集中度（CR5）可能升到 72% 以上。
对工程师意味着什么
- ST 语言的分量在上升。要调用推理引擎、要做复杂算法，梯形图的表达能力不够。
- 需要懂一点数据。模型训练用什么数据、特征怎么取、推理结果怎么跟控制逻辑结合，这些是新的知识缺口。
- 网络知识变重要。TSN、OPC UA、MQTT、EtherCAT 这些以前由专门的通信工程师负责的东西，现在控制工程师也得了解。
我的判断：PLC 不会消失，但「PLC 程序员」这个岗位的技能树会变。现在的趋势描述里有一句话很到位——用 Python 重写 PID，用 TSN 重构控制边界。听起来夸张，但方向是对的。
本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。