“AI+”新纪元，“化”出好风景

　　下棋、作诗、绘画……十八般武艺样样精通，人工智能(AI)开始融入并重塑人类生活的方方面面。除了民用领域，包括石油和化工在内的工业界对AI应用的探索也已渐入佳境——提高收率、诊断故障、预警风险……AI工业应用之路上，还将有哪些创新风景?会有怎样的发展沟壑?又该如何面对产业阴晴?

　　8月26日发布的《国务院关于深入实施“人工智能+”行动的意见》(以下简称《意见》)，提出了一个雄心勃勃的愿景：推动人工智能与经济社会各行业各领域广泛深度融合，重塑人类生产生活范式，促进生产力革命性跃迁和生产关系深层次变革，加快形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态。

　　“AI+”新纪元，一起“化”出好风景。

　　牢抓红利 推动AI应用走深向实

　　《意见》指出，到2027年，率先实现人工智能与6大重点领域广泛深度融合。“人工智能+”产业发展就是其中之一，其中多方面与石油和化工行业息息相关。

　　中国石油和化学工业联合会智能制造工作委员会常务副秘书长李海洋表示，《意见》的出台，为石油和化工行业的“三化”转型提供了系统性的“组合拳”，不仅将推动技术应用深化，更将重塑发展模式。

　　“现在从上到下，大家都在思考怎样通过AI赋能，将中国的制造业推向更高的高度。”万华化学(宁波)有限公司总工程师徐宝学对即将发生的变化充满期待， “《意见》的出台是从政府层面为AI落地作出了规划，期望能产生‘1+1>2’的效果。”

　　中国石化镇海炼化公司信息和数字化中心经理干建甫也表示：“《意见》对石油和化工行业的推动作用非常强，是国家层面上的引导。实际上，现在很多企业已经在应用AI模型了，这是一个顺势而为的行动，未来应该大规模推广AI应用于工业领域。”

　　近年来，AI相关的政策文件发布了不少，为何《意见》在石油和化工行业内引发热议?华东理工大学特聘教授、国家流程制造智能调控技术创新中心副主任冯恩波指出：“这次的《意见》中有两个词让我特别留意，一个是‘深入’，另一个是‘行动’。”

　　冯恩波解释说，强调“深入”，说明当前石化行业内现有的AI和大模型应用仍处在“浅滩”，还达不到全产业深入应用的“深水区”，例如借助通用AI的文字对话能力开展知识问答。而谈及“行动”，他指出，现在最要紧的是将先进的AI技术赶快应用到工业场景中，特别是借助AI赋能工业互联网实现通信集成、可视化，让AI真正改变工业领域的工作方式。

　　华为算力平台先遣队成员、化工行业发展专家付业茂也认为，《意见》的出台将推动AI在研发、生产、中试等关键环节发挥作用。“我们一直在提新质生产力，如果仅仅拿AI去做知识问答，停留在‘聊天’层面，很难真正提升行业的生产力。”他告诉记者，“近几年，我国AI基础设施建设取得长足进步，训练场、语料库等都已初步具备，在这一背景下《意见》提出‘深入实施’，我的理解是——下一步应重点发展AI与行业知识结合，让AI在应用端走深向实。”

　　不只“Chat” AI仍需跨越专业鸿沟

　　多位受访者都表示，尽管石油和化工行业已经有AI大模型应用，但距离《意见》标题中所提到的“深入”二字，还有不小的距离。

　　“应该说，我们对AI本身的认识还存在偏差。”冯恩波一针见血地指出，“AI不只是我们熟悉的ChatGPT等自然语言大模型，还包括强化学习模型，视觉、语音、文字系统等小模型。特别是对于我们流程工业来说，有很多非自然语言大模型可以做。”

　　中国化学东华公司信息中心主任任申龙也坦言，对标《意见》提出的“到2027年，实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%”的目标，石油和化工行业还有很长的路要走。“相当于自设计研发环节始，我们就要实行智能化方面的优化。”他解释说，“在后续的工厂运营，也要配上智能化仪表、部署智能摄像头、图频识别等设备，实现真正的数字孪生。”

　　为何AI在石油和化工领域的落地不像写诗作画那样容易?在上述两位专家看来，一方面是认知不足，另一方面是应用不足。还有不容忽视的一点是，石油和化工行业本身工艺流程长、可靠性要求高、知识产权保护难等特殊属性，使其对AI技术本身有着更高的要求。

　　付业茂解释道：“石化行业的专业门槛很高，工艺、装置都很复杂，AI若想在这样的领域实现深度应用，实际上有很深的鸿沟需要跨越。AI怎么才能攻克‘幻觉’，实现安全可靠，在创新思考的同时而不超越边界?这正是华为在探索的事情。”

　　“发展工业互联网时我们总是提‘最后一公里’难以打通，今天讨论AI，会不会到最后也是‘差一口气’?我认为这两个问题的核心是一样的，都在于有没有‘效益’。”冯恩波告诉记者，“如果没有效益，转型和发展就成了‘两张皮’。为了往前走，我们必须从场景出发，让AI嵌入场景、产生效益。”

　　聚焦需求 加速具体场景AI落地

　　石油和化工哪些环节最需要AI?

　　记者了解到，最需要AI取代人力的，其实并非行业最先进的领域，反而是那些自动化难以切入的场景，并且需要在工厂建设的初期尽早部署。

　　“过去存在一种观点，认为自动化水平较低，或者人力参与较多的环节不适合推行自动化或智能化。但如今我们反而应当思考：为什么这些场景需要大量人工干预?”冯恩波指出，“因为这些环节高度依赖人的智能，而传统的自动化和信息化手段难以解决这类问题。这类场景正是AI能够发挥巨大作用的领域。”

　　“特别是产品研发领域，无论是石油炼化还是高端材料，整个研发范式都是经验驱动。”博控股集团董事兼集团CIO唐亮表示，随着AI技术的发展，企业在实验路径设计、自动化执行等方面都做了数据和模型驱动型研发范式的尝试。

　　如今，AI技术在视觉、听觉、触觉等多模态感知方面取得显著进展，能够高度模拟人类专家的感官判断与决策过程。冯恩波告诉记者，感知升级后的AI已在石化领域进行了应用实践。例如原料油调和，过去获取配方依赖昂贵的优化求解器，现在直接将数据输入AI大模型即可完成调和。这种方式不仅可以大幅减少成本，也降低了技术门槛。

　　而在任申龙看来，化工企业对AI的需求呈现明显的“场景优先级”差异。他认为，生产运营和工程建设环节的需求最迫切，设计与研发环节的需求则随智能化进程逐步释放。

　　“我认为在工厂建设初期就要重点利用AI提质、降本、增效。”任申龙解释说，“例如在配煤环节，通过向AI模型输入煤质分析、锅炉负荷、燃烧工况等多维数据，可精准优化配煤比例，提升燃烧效率;在工艺开发中，AI驱动的仿真模拟能替代部分物理试验，缩短工艺调试周期。随着工厂智能化实践的深入，对AI的需求将逐步向上游延伸，推动各设计院开展智能化设计，以满足新的需求。”

　　干建甫也表示：“通过AI应用，我们今后将不再依赖‘老师傅’就可以对齐新老员工的技能，及时应对生产过程中的突发问题；还可以实现质量预测、故障预测，消除风险，节约消耗，指导操作，对高危险高能耗的企业而言意义重大。”

　　“我们发展AI的初心是什么?是为了让人的工作更轻松、更高效。”冯恩波强调，“先把‘人工’两个字拿掉，看看‘智能’在当前场景下能发挥什么作用、怎么发挥作用，搞清楚这件事后，再加回‘人工’，通过硬件、软件、大模型、小模型等工具，尝试去替代人工、帮助人工。”

　　提升认知 助力AI适应性进化

　　“就像造汽车，你没必要重复去造‘轮子’(大模型)，只要选好你需要的型号，根据自己的业务和流程组装好汽车就行了。”谈及今天工业大模型的应用现状，付业茂生动地比喻道。随着技术不断更新迭代，AI产品层出不穷，现在AI已不再像刚刚问世时那样遥不可及，正变得更亲民。

　　冯恩波告诉记者，今天，仅需一个成本约四五万元的摄像头即可替代部分昂贵仪表，大幅降低了硬件门槛。但他始终强调——提升认知至关重要。

　　“当前，AI对于数据的要求实际上已趋于宽松，而非更加严格。然而，这并不意味着我们可以忽视数据治理。”冯恩波表示，“企业里必须有人能够正确认识AI应用的趋势，理解其原理，并推动实施。否则一旦出现问题，企业就可能放弃项目，导致智能化进程受阻。”

　　大模型本身能力强大，但要使其在实际业务中创造价值。付业茂强调，不应任由AI天马行空地创造，而是必须施加约束、设定边界。他说：“我们正在探索一条技术路径，将大模型和行业特有的Know-how结合起来，为模型设定明确的边界，通过‘卡边’实现安全可靠。”

　　记者了解到，日前中控技术也发布了该公司最新的工业AI大模型。据工作人员介绍，该产品是以流程工业的时间序列数据为驱动，基于持续混合专家MoE打造的平台。尽管路径不同，但厂商们不约而同都将“可信性”作为工业AI的核心竞争力。

　　李海洋建议，对于石油和化工企业而言，深入实施“人工智能+”行动，应以战略引领、场景切入、数据筑基、人才支撑、迭代推进为核心策略，将AI深度融入企业的“血液”和“神经”，最终实现从“传统制造”向“智能创造”的跃迁。

　　因地制宜 走向“人机共生”新未来

　　石油和化工行业包罗万象，涵盖石油化工、精细化工、化肥、塑料、橡胶等多个子行业，更涉及设计、施工、装备等配套行业。多位受访专家提到，《意见》给出了实施AI的行动纲领，但其在不同领域的落地还需要“因地制宜”。

　　任申龙从行业工程设计领域出发，将AI应用分为三个阶段：第一阶段是通过“知识库+大模型”构建对话机器人，解决“知识复用效率低、标准执行不统一”的问题；第二阶段侧重于作业现场AI应用，例如智慧工地，通过AI对摄像头、传感器采集的实时数据进行分析，自动识别风险，及时向管理人员推送报警与预警信息；第三阶段旨在实现AI与具体设计场景的深度融合，例如基于智能的PID图纸绘制，用AI自动完成管道在空间中的定位与布置等设计，这也是目前最具挑战的部分。

　　“目前设计行业仍然采用终身负责制，需要设计师在校核上签名，因此我认为AI还不能取代人。”任申龙说，“但AI显然影响人的效率，同样一张设计图，用AI辅助半小时完成，与纯人工画一天完成，谁将被淘汰不言而喻。”

　　唐亮则从生产企业的角度指出，目前流程制造的自动化和数字化程度已经较高，AI大模型技术在生产控制方面不会带来本质上的变化。“但是，从另一方面来说，应用AI对工艺操作人员可能有更多维度的要求，比如未来碳指标排放、安全调度等这些高专业性的工作，岗位会更加集中。”唐亮说。

　　正如《意见》所示，深入AI在工业领域的应用已是势在必行。但与此同时，对AI竞争上岗的忧虑不可避免地困扰着基层员工。如何解决AI伦理问题，真正走向“人机共生”的新未来?专家们给出了自己的答案。

　　“AI可能会淘汰一部分不大动脑筋的工作，成为考验区分员工能力的‘试金石’，革新我们的生产管理方式。但愿意学习和尽快接纳AI浪潮的企业，在未来将会走到前列。” 冯恩波表示， 业内在AI相关的技术方向上存在观点分歧，但《意见》的发布起到了统一思想、凝聚共识的引领性作用。下一步，需依靠行业协会、大型国有企业及各类企业共同协作，构建自上而下的生态体系。

　　“还是要开展有针对性的落地实践，对具体场景‘开刀’，才能避免陷入空泛的讨论。”冯恩波说，“若继续停留在‘AI危机’等理论争议层面，一两年时间里工业AI落地进程还是会停滞不前——这是我们必须避免的局面。”

　　○链接

　　国际人工智能相关文件及法案

　　联合国

　　《人工智能治理白皮书》(2024年8月)

　　设立“人工智能治理全球对话”机制(2025年8月通过决议)

　　欧盟

　　《人工智能法案》(全球首部综合性AI法规，2023年通过，部分条款已于2025年2月生效)

　　美国

　　《国家人工智能研发战略计划》(2023年5月)

　　《人工智能政策路线图》(2024年5月)

　　《2025年AI行动计划》(2025年7月)

　　德国

　　《人工智能行动计划》(2023年11月)

　　日本

　　《人工智能相关技术研究开发及应用推进法》(2025年5月)

　　韩国

　　《国家AI战略政策方向》(2024年9月)

　　国内人工智能政策一览

　　规章条例

　　《生成式人工智能服务管理暂行办法》(2023年8月15日起施行)

　　《人工智能生成合成内容标识办法》(2025年9月1日起施行)

　　强制性国家标准

　　《网络安全技术 人工智能生成合成内容标识方法》(2025年9月1日起实施)

　　政策文件

　　《新一代人工智能发展规划》(2017年7月)

　　《国家新一代人工智能创新发展试验区建设工作指引》(2019年8月)

　　《国家新一代人工智能标准体系建设指南》(2020年7月)

　　《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》(2022年7月)

　　《科技部关于支持建设新一代人工智能示范应用场景的通知》(2022年8月)

　　《国家人工智能产业综合标准化体系建设指南(2024版)》(2024年6月)

　　《国务院关于深入实施“人工智能+”行动的意见》(2025年8月)

　　(靳雅洁 整理)