人工智能（AI）的影响力日益增强，正在重塑过程系统工程以及工业建模与优化领域。虽然数据驱动方法在预测性维护、异常检测和模式识别方面表现优异，但在那些对安全性要求极高、数据稀缺且容易出现外推误差的环境中，它们仍面临诸多挑战。本文认为，基于基本物理、化学和工程原理的第一性原理模型，对于工业自动化中的关键任务和业务流程而言依然至关重要，无论是在工艺设计还是实际操作层面都是如此。我们强调了第一性原理的持久优势，并探讨了将机械原理与数据驱动的机器学习及大型语言模型相结合的混合模式，以此提升系统的适应性和效率。通过工艺设计、先进过程控制、实时优化、生产计划、生产调度以及供应链管理等方面的案例研究，我们证明了将第一性原理作为建模和优化基础的必要性。最终我们认为，未来的发展方向是构建以第一性原理和数学优化为基础、并由人工智能赋能的系统，通过融合机械原理与数据驱动的洞察力，实现更智能的设计、更安全的生产以及更可持续的工艺流程。
