編者按 一場比工業(yè)革命更為深刻的人工智能革命近在眼前，不進(jìn)則退，慢亦是退。當(dāng)前，我國石油和化工行業(yè)已進(jìn)入高質(zhì)量發(fā)展的新階段，人工智能的應(yīng)用是極其重要的抓手和著力點(diǎn)。如何做好“人工智能+石化行業(yè)”，實現(xiàn)相融互促？近日，《中國化工報》專訪全國政協(xié)委員、工業(yè)和信息化部原副部長王江平，就AI加速普及推動工業(yè)范式變革、石化化工行業(yè)面臨的機(jī)遇與挑戰(zhàn)、AI賦能石化化工工藝技術(shù)革新、如何加速推動AI在石化化工行業(yè)落地應(yīng)用等話題展開深入的對話。

一

AI加速普及推動工業(yè)范式變革

　　中國化工報：王委員您好！在2025年全國石油和化工行業(yè)科技創(chuàng)新大會上，您提到AI快速發(fā)展，正在推動工業(yè)范式變革。能否結(jié)合AI發(fā)展趨勢談?wù)勥@一判斷的依據(jù)？

　　王江平：當(dāng)前，全球人工智能產(chǎn)業(yè)顯現(xiàn)出三大趨勢。一是AI正進(jìn)入普惠時代，得益于技術(shù)快速進(jìn)步，大模型使用成本、算力成本等迅速下降，空間理解模型的發(fā)展推動具身智能使用合成數(shù)據(jù)訓(xùn)練成為可能。這些因素，正在推動人工智能從少數(shù)機(jī)構(gòu)的專屬工具逐漸轉(zhuǎn)變?yōu)槠栈菪曰A(chǔ)設(shè)施。二是開源成為最大公約數(shù)，以DeepSeek為代表的開源模式推動全球AI生態(tài)的協(xié)作與創(chuàng)新，正在重塑AI競爭格局。三是通用人工智能(AGI)與垂域模型兩條技術(shù)路線加速發(fā)展，預(yù)計5年內(nèi)有限度的通用人工智能率先發(fā)展，不斷逼近與人、環(huán)境交互協(xié)同的通用智能。受此趨勢影響，AI正在加速產(chǎn)業(yè)化落地應(yīng)用，并從三個維度深刻推動工業(yè)范式變革。

首先，在 “虛擬和現(xiàn)實” 層面，AI打破兩者邊界，引發(fā)技術(shù)創(chuàng)新范式變革。傳統(tǒng)制造業(yè)依賴物理空間試驗驗證，周期長、成本高、風(fēng)險大；而AI連通物理與數(shù)字空間，使設(shè)計、仿真、驗證等環(huán)節(jié)可在數(shù)字空間高效完成，以零邊際成本、靈活構(gòu)架等優(yōu)勢，大幅降低物理試驗成本，推動技術(shù)創(chuàng)新從經(jīng)驗試錯向數(shù)據(jù)驅(qū)動轉(zhuǎn)變，提升效率與準(zhǔn)確性。

其次，從 “時間和空間” 維度看，AI突破時空限制，推動生產(chǎn)制造范式變革。時間上，實現(xiàn)歷史數(shù)據(jù)利用、生產(chǎn)運(yùn)營優(yōu)化、預(yù)測性維護(hù)的 “無閾化”；空間上，達(dá)成多工廠聯(lián)動、區(qū)域產(chǎn)能互補(bǔ)、產(chǎn)業(yè)鏈協(xié)同、技術(shù)能力共享及遠(yuǎn)程運(yùn)維服務(wù)的 “無界化”，重塑生產(chǎn)制造模式。

最后，針對 “供給和需求”，AI打通供需隔閡，促使組織管理范式變革。不同于傳統(tǒng)供給導(dǎo)向的批量生產(chǎn)、庫存積壓、層級經(jīng)銷、被動消費(fèi)模式，在AI驅(qū)動的新型供需協(xié)同模式下，需求方可主動表達(dá)個性化需求、參與產(chǎn)品設(shè)計并反饋體驗，供給方通過智能中樞進(jìn)行數(shù)據(jù)分析、資源調(diào)配、智能決策，完成供應(yīng)鏈協(xié)同和柔性智能制造，實現(xiàn)供需精準(zhǔn)匹配與協(xié)同創(chuàng)新。

二

石化化工行業(yè)的機(jī)遇與挑戰(zhàn)

　　中國化工報：當(dāng)前石化化工行業(yè)面臨哪些機(jī)遇與挑戰(zhàn)？

　　王江平：概括起來，我認(rèn)為石化化工行業(yè)面臨“三大機(jī)遇”與“三大挑戰(zhàn)”。

從機(jī)遇看：一是新賽道創(chuàng)造化工新需求。新能源、低空產(chǎn)業(yè)、機(jī)器人、生物制造等新興領(lǐng)域?qū)⒈３指咚僭鲩L，高端聚烯烴、特種工程塑料、電子化學(xué)品、生物基材料等高端產(chǎn)品需求將更加旺盛。二是化工新工藝新產(chǎn)品密集涌現(xiàn)。AI正在推動新化學(xué)品合成，同時分子煉油、高選擇性催化氧化等先進(jìn)工藝技術(shù)以及反應(yīng)精餾一體化、先進(jìn)膜分離等過程強(qiáng)化技術(shù)逐步落地，綠電綠氫規(guī)模化耦合應(yīng)用、非糧生物質(zhì)糖化氣化、二氧化碳捕集封存和利用等技術(shù)不斷成熟，生物基材料等新產(chǎn)品將迎來重大契機(jī)。三是全球石化化工行業(yè)布局大調(diào)整。西歐、日韓等地區(qū)基礎(chǔ)型、通用型化工產(chǎn)品競爭力逐漸降低，東南亞、南亞、非洲等地區(qū)經(jīng)濟(jì)快速發(fā)展帶動這些地區(qū)的石化產(chǎn)業(yè)布局，催生石化化工產(chǎn)品需求加快增長。

從挑戰(zhàn)看：一是全球產(chǎn)能加速擴(kuò)張與加速釋放疊加。在供給側(cè)，亞太和中東地區(qū)一大批煉化新增產(chǎn)能快速釋放。在需求側(cè)，全球經(jīng)濟(jì)復(fù)蘇步伐緩慢，我國房地產(chǎn)、紡織服裝等下游需求增速逐步放緩。二是污染治理與減碳壓力疊加。《水俁公約》《斯德哥爾摩公約》《蒙特利爾議定書》等約束增強(qiáng)，行業(yè)面臨傳統(tǒng)污染物與新污染物治理雙重壓力。受限于“富煤、缺油、少氣”的資源稟賦，行業(yè)存在“達(dá)峰難”“峰值高”等問題。三是技術(shù)封鎖與供應(yīng)鏈安全疊加。關(guān)鍵核心技術(shù)國際競爭日趨激烈，原有的引進(jìn)、消化、吸收、再創(chuàng)新的模式難以為繼。國內(nèi)部分高端化工產(chǎn)品不能自給，產(chǎn)業(yè)鏈供應(yīng)鏈安全面臨挑戰(zhàn)。

　　中國化工報：您認(rèn)為石化化工行業(yè)應(yīng)當(dāng)如何把握機(jī)遇、應(yīng)對挑戰(zhàn)，從而實現(xiàn)高質(zhì)量發(fā)展？

　　王江平：總體上看，石化化工行業(yè)要把握全球產(chǎn)業(yè)發(fā)展趨勢，做好“三大轉(zhuǎn)變”。一是從通用化學(xué)品向高端化精細(xì)化差異化轉(zhuǎn)變。結(jié)構(gòu)性矛盾倒逼產(chǎn)業(yè)升級，從以通用型產(chǎn)品為主，轉(zhuǎn)向以創(chuàng)新為驅(qū)動力，加快發(fā)展服務(wù)型制造，產(chǎn)品結(jié)構(gòu)將向高端化、精細(xì)化、差異化躍升。二是從增量擴(kuò)張向存量優(yōu)化轉(zhuǎn)變。競爭加劇倒逼存量優(yōu)化，從以新項目建設(shè)為主，轉(zhuǎn)向以存量提質(zhì)升級為著力點(diǎn)，加速綠色化、安全化、數(shù)字化轉(zhuǎn)型。三是從“內(nèi)卷式”競爭向構(gòu)筑比較優(yōu)勢轉(zhuǎn)變。需求增速放緩倒逼重塑全球競爭力，從以國內(nèi)“內(nèi)卷式”競爭為主，轉(zhuǎn)向以提升比較優(yōu)勢為核心，充分利用國內(nèi)國際兩個市場、兩種資源，提升產(chǎn)業(yè)鏈國際競爭力。

三

AI賦能石化化工工藝技術(shù)革新

　　中國化工報：在推動石化化工行業(yè)高質(zhì)量發(fā)展過程中，AI能夠發(fā)揮什么作用？

　　王江平：AI能夠推動解決新工藝開發(fā)、現(xiàn)有工藝優(yōu)化等工藝技術(shù)革新問題，這恰恰是石化化工行業(yè)高質(zhì)量發(fā)展的關(guān)鍵核心所在。

　　石化化工行業(yè)是典型的流程工業(yè)，其生產(chǎn)工藝本質(zhì)遵循“三傳一反”理論，生產(chǎn)過程具有氣—液—固多相混合、高溫高壓等反應(yīng)條件苛刻、物質(zhì)連續(xù)轉(zhuǎn)化過程復(fù)雜等特點(diǎn)，內(nèi)部機(jī)理機(jī)制不透明，生產(chǎn)過程普遍呈現(xiàn)“半黑箱”或“黑箱”狀態(tài)。目前，新技術(shù)開發(fā)、現(xiàn)有工藝優(yōu)化等工藝革新大量使用穩(wěn)態(tài)假設(shè)、需要反復(fù)實驗驗證，導(dǎo)致模型難以適應(yīng)復(fù)雜工況且應(yīng)用驗證周期偏長，影響工藝革新進(jìn)程。

　　而AI大模型本質(zhì)上是基于Transformer架構(gòu)多層神經(jīng)網(wǎng)絡(luò)堆疊構(gòu)建數(shù)據(jù)驅(qū)動的非線性運(yùn)算，在參數(shù)規(guī)模(超萬倍)、多類型數(shù)據(jù)整合、關(guān)聯(lián)推理等方面具有顯著優(yōu)勢，可基于其推理能力擬合輸入(工藝參數(shù)、反應(yīng)物配比等)到輸出(產(chǎn)品收率、能效、新化合物等)的長距離和多模態(tài)數(shù)據(jù)間的映射關(guān)系，實現(xiàn)對復(fù)雜化工系統(tǒng)的可計算化，在石化化工行業(yè)工藝革新領(lǐng)域顯示出廣闊應(yīng)用前景，有望在新產(chǎn)品新技術(shù)研發(fā)、生產(chǎn)制造優(yōu)化、產(chǎn)品質(zhì)量控制監(jiān)測、設(shè)備故障預(yù)測維護(hù)、安全環(huán)保監(jiān)測等多場景實現(xiàn)應(yīng)用。與傳統(tǒng)方式相比，AI將重構(gòu)原材料工藝革新的底層邏輯生態(tài)，助力構(gòu)建安全化、綠色化、高效化的產(chǎn)業(yè)體系。

　　中國化工報：您談到AI助力新產(chǎn)品新技術(shù)研發(fā)，能否舉例說明AI如何賦能創(chuàng)新？

　　王江平：一是加速新化學(xué)品發(fā)現(xiàn)。數(shù)年前，AI開始應(yīng)用于生物和制藥領(lǐng)域，各大藥廠利用AI在原子尺度篩選目標(biāo)藥物分子。AI在材料科學(xué)中的應(yīng)用與制藥有著相同的底層邏輯，即通過AI找到原子間相互作用的求解器和模擬器。例如谷歌公司開發(fā)的用于預(yù)測無機(jī)晶體結(jié)構(gòu)的GNoME模型，在短時間內(nèi)發(fā)現(xiàn)超220萬個新結(jié)構(gòu)，其中38萬種有望通過實驗合成，超過人類過去800年的材料發(fā)現(xiàn)總量。北京科技大學(xué)開發(fā)的SteelBERT模型，可預(yù)測屈服強(qiáng)度、極限抗拉強(qiáng)度和總延伸率等力學(xué)性能，目前已成功預(yù)測18個不同鋼種和工藝條件下的力學(xué)性能，并制備出性能優(yōu)異的奧氏體不銹鋼。松山湖實驗室聯(lián)合多家單位開發(fā)的材料科學(xué)領(lǐng)域智能問答助手MatChat AI Agent模型，可根據(jù)用戶所詢問的材料，推理出相應(yīng)的制備工藝和配方。

二是推動新工藝迭代。由于化工生產(chǎn)工藝的復(fù)雜性，傳統(tǒng)的新工藝開發(fā)范式是逐級開展小試、中試、工業(yè)化試驗，導(dǎo)致新工藝研發(fā)是一個長周期、高投入、高風(fēng)險的過程，尋求突破逐級放大瓶頸的新工藝開發(fā)路徑是全世界化學(xué)工程師的夢想。而利用AI技術(shù)可實現(xiàn)知識智能檢索與流程自主進(jìn)化，大語言模型構(gòu)建的化工專業(yè)數(shù)據(jù)庫可實現(xiàn)跨專利文獻(xiàn)、實驗報告的多模態(tài)知識秒級檢索，虛擬化工流程模擬器可實現(xiàn)反應(yīng)器配置、操作條件與成本/安全指標(biāo)的全局最優(yōu)權(quán)衡，極大縮短化工工藝流程的研發(fā)周期。例如中國科學(xué)院大連化學(xué)物理研究所研發(fā)的智能化工大模型，通過解析海量文獻(xiàn)數(shù)據(jù)自動提取反應(yīng)機(jī)理，構(gòu)建反應(yīng)規(guī)則庫，快速生成反應(yīng)動力學(xué)模型，將動力學(xué)模型開發(fā)周期從年量級壓縮至月量級，已經(jīng)實際應(yīng)用于化工項目之中。

三是推動現(xiàn)有工藝優(yōu)化。石化化工企業(yè)傳統(tǒng)的過程控制方式依靠人工進(jìn)行，存在調(diào)節(jié)不及時、調(diào)節(jié)幅度不匹配、難以克服系統(tǒng)波動和外界干擾等問題，導(dǎo)致工藝指標(biāo)波動大、運(yùn)行不平穩(wěn)、轉(zhuǎn)化率低、能耗物耗高、產(chǎn)品質(zhì)量不穩(wěn)定等。利用AI技術(shù)，可依托實時數(shù)據(jù)庫與機(jī)理-數(shù)據(jù)模型，構(gòu)建“感知-認(rèn)知-決策-控制”的智能閉環(huán)，實現(xiàn)工藝參數(shù)“卡邊”操作和全過程精細(xì)化管理，推動生產(chǎn)裝置操作模式從“人工經(jīng)驗守界”向“智能算法攻界”轉(zhuǎn)變，實現(xiàn)工藝穩(wěn)定性提升、資源消耗下降、生產(chǎn)效能突破、產(chǎn)品質(zhì)量提升的協(xié)同優(yōu)化。例如中控科技的TPT大模型，在氯堿生產(chǎn)環(huán)節(jié)通過對2000多個工藝變量進(jìn)行隱性規(guī)律的深度挖掘?qū)崿F(xiàn)工藝優(yōu)化，較傳統(tǒng)自動化解決方案廢液處理效率提升80%、噸堿電耗降低4%。

　　中國化工報：在生產(chǎn)制造過程中，AI能夠發(fā)揮哪些作用？

　　王江平：一是精準(zhǔn)預(yù)防性維修。石化化工屬于典型的重資產(chǎn)行業(yè)，裝備運(yùn)維是企業(yè)安全穩(wěn)定運(yùn)行的核心。傳統(tǒng)裝備運(yùn)維以“定期檢維修+故障后修復(fù)”為主，依賴人工巡檢、單點(diǎn)閾值報警等，存在狀態(tài)感知滯后、故障診斷精度低、預(yù)測性維護(hù)能力弱、備件庫存冗余等痛點(diǎn)，導(dǎo)致故障誤報率高、維護(hù)成本高、非計劃停機(jī)頻發(fā)，嚴(yán)重影響生產(chǎn)連續(xù)性和資產(chǎn)利用效率。利用AI技術(shù)，可實現(xiàn)設(shè)備機(jī)理與數(shù)據(jù)融合建模，提前開展面向高溫高壓環(huán)境的工況適配性驗證，驅(qū)動裝備運(yùn)維從“被動搶修”向“預(yù)測性維護(hù)”轉(zhuǎn)變，實現(xiàn)故障率、維修成本與資源浪費(fèi)的同步削減。例如博華科技的設(shè)備運(yùn)維大模型，結(jié)合2萬余個實際案例建立基于故障機(jī)理研究透平機(jī)組、往復(fù)壓縮機(jī)等關(guān)鍵設(shè)備特定故障的特征值集合，實現(xiàn)動設(shè)備故障預(yù)測準(zhǔn)確率大于90%，有效降低設(shè)備非計劃停車時長30%以上。

二是優(yōu)化質(zhì)量控制與監(jiān)測。石化化工產(chǎn)品質(zhì)量是決定企業(yè)競爭力的關(guān)鍵，質(zhì)量控制水平是企業(yè)的生命線。傳統(tǒng)質(zhì)量控制和監(jiān)測以“人工采樣+實驗室分析”為主，耗時長、抽檢覆蓋率低且無法對催化劑活性衰減等漸變式異常進(jìn)行預(yù)警、追溯。利用AI技術(shù)，可對產(chǎn)品外觀進(jìn)行快速而細(xì)致的檢測，并基于投料配比、反應(yīng)時長等生產(chǎn)參數(shù)預(yù)測組分、黏度等關(guān)鍵指標(biāo)，針對生產(chǎn)過程追溯質(zhì)量問題的根源，實現(xiàn)精準(zhǔn)預(yù)測和實時監(jiān)控產(chǎn)品的安全性、合格率等關(guān)鍵指標(biāo)，幫助企業(yè)能在問題發(fā)生前采取預(yù)防措施，從而提升整體的生產(chǎn)質(zhì)量和效率。

三是促進(jìn)安全生產(chǎn)。安全風(fēng)險判別方面，石化化工生產(chǎn)過程風(fēng)險源較多，傳統(tǒng)的危險與可操作性分析(HAZOP)通過專家對工藝流程圖的多維度分析識別生產(chǎn)過程中的潛在危險和操作性問題，分析周期長、勞動強(qiáng)度大、風(fēng)險覆蓋率偏低。利用AI技術(shù)，可以將專家系統(tǒng)、知識圖譜、HAZOP分析等結(jié)合，全面提升風(fēng)險判別的系統(tǒng)性和效率。例如清華大學(xué)將人工智能引入HAZOP分析后，分析效率提升50%，風(fēng)險覆蓋率從傳統(tǒng)方法的80%提升至95%以上，漏檢率顯著降低。安全生產(chǎn)監(jiān)測方面，傳統(tǒng)的“人工巡檢+固定傳感器監(jiān)測”方式勞動強(qiáng)度大、監(jiān)測不全面且無法監(jiān)測管壁腐蝕等漸變式風(fēng)險。利用AI技術(shù)，可聚焦“人、機(jī)、料、法、環(huán)、管”等核心環(huán)節(jié)，實現(xiàn)安全生產(chǎn)關(guān)鍵參數(shù)的實時監(jiān)測、風(fēng)險評估和預(yù)測、自動化應(yīng)急響應(yīng)、故障分析、實時決策，增強(qiáng)安全生產(chǎn)的快速感知、實時監(jiān)測、超前預(yù)警、應(yīng)急處置和系統(tǒng)評估等能力，加速安全生產(chǎn)管理從靜態(tài)分析向動態(tài)感知、事后應(yīng)急向事前預(yù)防、單點(diǎn)防控向全局聯(lián)防的模式轉(zhuǎn)變。

　　中國化工報：在 “雙碳” 背景下，AI如何助力石化化工行業(yè)綠色轉(zhuǎn)型？

　　王江平：一是推動能源系統(tǒng)優(yōu)化。能源優(yōu)化可降低石化化工企業(yè)能源成本、減少污染物排放，是企業(yè)一項重要的綜合管理內(nèi)容。傳統(tǒng)的“孤立式節(jié)能技術(shù)改造+人工工藝參數(shù)調(diào)控”方式無法應(yīng)對多變量耦合場景、缺乏全局熱量匹配優(yōu)化。利用AI技術(shù)，可基于用能設(shè)備歷史運(yùn)行參數(shù)預(yù)測未來12小時能源需求，開展自適應(yīng)節(jié)能控制，降低蒸汽管網(wǎng)壓力，提升全鏈條能效躍升。

二是推動碳排放監(jiān)測與預(yù)測。碳排放監(jiān)測與預(yù)測是石化化工企業(yè)落實“雙碳”戰(zhàn)略的核心杠桿，更是安全效益與經(jīng)濟(jì)效益的雙重防線。傳統(tǒng)的“離散點(diǎn)位采樣+臺賬式統(tǒng)計”方式核算數(shù)據(jù)滯后且無法追蹤工藝異常波動。利用AI技術(shù)，可基于碳排放監(jiān)測點(diǎn)數(shù)據(jù)開展裝置級、設(shè)備級精準(zhǔn)溯源與在線核算，預(yù)測指導(dǎo)碳資產(chǎn)配額申購，自動生成符合MRV(碳排放監(jiān)測報告核查)標(biāo)準(zhǔn)的報告，提高核查合規(guī)性，減少人工核查時間。

四

加速推動AI在石化化工行業(yè)落地應(yīng)用

中國化工報：您對于加速推動AI在石化化工行業(yè)落地應(yīng)用，有哪些意見建議？

王江平：推動AI在石化化工行業(yè)落地應(yīng)用是一項系統(tǒng)工程，應(yīng)當(dāng)落實《關(guān)于推動人工智能賦能新型工業(yè)化的實施意見》《原材料工業(yè)數(shù)字化轉(zhuǎn)型工作方案》及石化化工行業(yè)數(shù)字化轉(zhuǎn)型實施指南，充分發(fā)揮石化化工行業(yè)數(shù)據(jù)基礎(chǔ)好、場景豐富優(yōu)勢，統(tǒng)籌布局，體系化推動。

一是以DCMM貫標(biāo)為基礎(chǔ)，全面推行行業(yè)數(shù)據(jù)治理。石化化工行業(yè)自上世紀(jì)80年代便開始了DCS系統(tǒng)的應(yīng)用，生產(chǎn)運(yùn)行數(shù)據(jù)積累豐富，但由于行業(yè)生產(chǎn)流程長、數(shù)據(jù)管理標(biāo)準(zhǔn)缺失，導(dǎo)致行業(yè)數(shù)據(jù)管理不規(guī)范、治理難度大。相關(guān)研究顯示，化工行業(yè)中73%的企業(yè)內(nèi)部數(shù)據(jù)孤島林立，數(shù)據(jù)管理不規(guī)范。我國2018年發(fā)布國家標(biāo)準(zhǔn)《數(shù)據(jù)管理能力成熟度評估模型》(GB/T-36073-2018)，工業(yè)和信息化部正在組織有關(guān)標(biāo)委會編制《石化化工行業(yè)生產(chǎn)運(yùn)行數(shù)據(jù)管理要求》行業(yè)標(biāo)準(zhǔn)，以提升企業(yè)數(shù)據(jù)管理能力，優(yōu)化數(shù)據(jù)資源利用，加快企業(yè)數(shù)字化轉(zhuǎn)型。建議企業(yè)以DCMM貫標(biāo)為基礎(chǔ)，提升現(xiàn)有數(shù)據(jù)的規(guī)范化管理水平。

二是高標(biāo)準(zhǔn)建設(shè)石化化工細(xì)分行業(yè)數(shù)據(jù)集。數(shù)據(jù)、算法、算力是人工智能發(fā)展的三大核心要素，大規(guī)模、高質(zhì)量、多樣化的數(shù)據(jù)集是大模型性能突破、落地應(yīng)用的關(guān)鍵。近年來，國家圍繞高質(zhì)量數(shù)據(jù)集建設(shè)開展了一系列工作部署，國家數(shù)據(jù)局等17部門聯(lián)合印發(fā)《“數(shù)據(jù)要素x”三年行動計劃(2024-2026年)》，強(qiáng)化場景需求牽引，帶動數(shù)據(jù)要素高質(zhì)量供給、合規(guī)高效流通。建議建設(shè)包含行業(yè)公共數(shù)據(jù)、私有數(shù)據(jù)、通識數(shù)據(jù)、專門數(shù)據(jù)、結(jié)構(gòu)性數(shù)據(jù)、非結(jié)構(gòu)性數(shù)據(jù)等的石化化工細(xì)分行業(yè)數(shù)據(jù)集，培育行業(yè)數(shù)據(jù)標(biāo)準(zhǔn)產(chǎn)業(yè)，對行業(yè)數(shù)據(jù)進(jìn)行嚴(yán)格篩選、標(biāo)注和管理，能夠為行業(yè)提供豐富且專業(yè)的數(shù)據(jù)支撐，保證訓(xùn)練數(shù)據(jù)的質(zhì)量和正確的價值取向，充分釋放人工智能在各垂直行業(yè)的應(yīng)用潛力，形成“數(shù)據(jù)-模型-數(shù)據(jù)”的良性循環(huán)，推動產(chǎn)業(yè)升級和創(chuàng)新發(fā)展。

三是建設(shè)行業(yè)可信數(shù)據(jù)空間。行業(yè)高質(zhì)量數(shù)據(jù)集必須把隱私保護(hù)放在突出位置，可信數(shù)據(jù)空間是基于共識規(guī)則，通過高性能智能合約、多鏈組網(wǎng)架構(gòu)、異構(gòu)跨鏈交互、鏈上鏈下交互等關(guān)鍵技術(shù)，聯(lián)接多方主體，實現(xiàn)數(shù)據(jù)資源價值共創(chuàng)、資源交互、可信管控的一種數(shù)據(jù)流通利用基礎(chǔ)設(shè)施。建議龍頭企業(yè)和行業(yè)組織牽頭建設(shè)更多細(xì)分行業(yè)可信數(shù)據(jù)空間，尤其是在化工物性庫領(lǐng)域建設(shè)可信數(shù)據(jù)空間，為人工智能預(yù)測優(yōu)化提供大量化學(xué)物質(zhì)的物理、化學(xué)性質(zhì)數(shù)據(jù)(如密度、黏度、熱導(dǎo)率等)，提高人工智能大模型預(yù)測優(yōu)化的準(zhǔn)確性。

四是建設(shè)行業(yè)模型/模塊化場景模型。化工行業(yè)生產(chǎn)過程是化工單元操作的集合，各個企業(yè)的差異在于配比、工況、物性等。建議既要立足當(dāng)前急需，基于通用大模型建設(shè)蒸餾、萃取、傳質(zhì)、分離等行業(yè)共性化工單元操作的模塊化場景模型，形成“點(diǎn)上”賦能示范效應(yīng)，通過標(biāo)準(zhǔn)化、可復(fù)用的知識內(nèi)核，用預(yù)制化工單元操作場景模型搭建自身實際工藝鏈，實現(xiàn)“搭積木”式的模型調(diào)用，打造“一次開發(fā)、萬企復(fù)用”的生態(tài)模式，打破行業(yè)“重復(fù)造輪子”困境，推動行業(yè)全要素生產(chǎn)率數(shù)量級提升；又要著眼長遠(yuǎn)發(fā)展，以高質(zhì)量行業(yè)語料庫訓(xùn)練建設(shè)支撐全行業(yè)共性需求的石化化工行業(yè)大模型，夯實“面上”垂直領(lǐng)域應(yīng)用基礎(chǔ)。

五是建設(shè)原材料工業(yè)AI模型檢測評估生態(tài)體系。目前，相比于資金支持，行業(yè)大模型建設(shè)更需要的是認(rèn)可和推廣，專業(yè)、權(quán)威且具有公信力的評估評測對于增強(qiáng)企業(yè)使用信心至關(guān)重要。建議在行業(yè)大模型達(dá)到一定數(shù)量時，啟動行業(yè)大模型檢測評估工作，明確評估標(biāo)準(zhǔn)，開發(fā)自動化評測工具鏈，構(gòu)建可實踐、可度量、可擴(kuò)展的評測方法，定期發(fā)布行業(yè)/企業(yè)大模型質(zhì)量排行榜。

六是開展行業(yè)AI素養(yǎng)培訓(xùn)。人才是所有工作的核心，人工智能也不例外，目前清華化工已經(jīng)設(shè)置了智慧化工專業(yè)。建議高校增設(shè)“人工智能+原材料”交叉學(xué)科，支持企業(yè)與高校聯(lián)合培養(yǎng)人工智能工程碩/博士。行業(yè)數(shù)字化轉(zhuǎn)型推進(jìn)中心開展人工智能分層級、精準(zhǔn)化培訓(xùn)，針對大型企業(yè)組織協(xié)同成本高、數(shù)據(jù)孤島嚴(yán)重等困擾，向其開展先進(jìn)案例分享、技術(shù)變革趨勢研判、全流程工程化實訓(xùn)培訓(xùn)；針對中小企業(yè)落地效果存疑等困擾，對其開展知識普及、基本應(yīng)用技能、熱門模型使用等教學(xué)。

　　從實驗室分子模擬到工廠智能控制，從碳排放精準(zhǔn)核算到產(chǎn)業(yè)鏈協(xié)同優(yōu)化，AI與石化化工行業(yè)深度融合將不斷推動產(chǎn)業(yè)形態(tài)革新、生產(chǎn)效率變革。AI賦能石化化工行業(yè)高質(zhì)量發(fā)展前景廣闊，未來可期。

圖：張育/攝

來源：中國化工報