国内厂商将在 2026 上海工博会（10 月 12 日至 16 日，国家会展中心）展出内置 60 TOPS 算力的 AI PLC 产品，主题是「自主可靠，算控一体」。这代表国产 PLC 的一个明确方向。
传统架构的瓶颈在哪里
过去在工业场景跑 AI，路径是数据上云、云端推理、结果下发。这条路的传输延迟让许多毫秒级智能控制场景无法在产线落地。
把 AI 算力直接装入 PLC 本体，意味着感知、推理、控制可以在控制器内部闭环完成。
从披露的参数看设计取向
四个千兆网口、三个 PCIe 扩展插槽、百兆背板总线、全金属散热底板、自带 DP 显示接口，搭载国产自研的工业控制系统软件。
三个 PCIe 插槽这个设计值得注意：它意味着算力与功能可以随产线需求持续扩展，而不需要推倒重来。对设备制造商来说，这降低了产品迭代的成本。
面向的领域包括风电、船舶海工、汽车制造、半导体、光伏、锂电、储能等高端制造，以及石化、冶金、造纸、采矿、水处理等流程工业。
「控制即智能」这个说法该怎么理解
传统的控制逻辑是规则驱动的：如果满足条件 A，执行动作 B。规则清晰、可验证、可追溯，这是工业控制的基本要求。
加入 AI 之后，判断的依据从明确规则变成了模型输出。这带来一个根本问题：模型输出的不确定性怎么纳入工业控制的安全框架？
目前业界的共识是分层：AI 负责感知和识别，输出的是「这是什么」或「是否异常」这类判断；控制逻辑仍然由确定性的代码实现，负责「该做什么」。AI 不直接驱动执行机构。
评估这类产品要看什么
第一，算力的实际可用度。60 TOPS 是峰值算力，实际推理吞吐取决于模型、精度、内存带宽。要看真实模型的帧率数据。
第二，实时性保障。AI 推理跑在哪个核、跟控制任务怎么隔离、最坏执行时间是多少。这些问题不回答，就不能用于控制回路。
第三，开发体验。模型怎么部署进去、怎么更新、怎么版本管理。这一环做不好，现场工程师用不起来。
第四，环境适应性。工业现场的温度、粉尘、振动、电磁干扰都远超机房环境。
一个提醒
算力指标容易成为营销噱头。真正决定能不能用的是软件栈、开发工具和工程配套，这些往往比峰值 TOPS 更能预测落地效果。
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。