人工智能技術在能源化工行業的應用現狀及未來趨勢

【摘要】當今世界正經歷百年未有之大變局，新一輪科技革命和產業變革加速推進，數字化、智能化、綠色化深度融合。人工智能技術的迅猛發展將帶來科學研究和技術開發范式的革命性變化，并在推動能源化工等傳統行業的轉型升級中展現出巨大的潛力。目前，我國能源化工行業正由規模擴張向智能化、高端化結構調整、轉型升級，正在實現生產流程的全面數字化，探索人工智能技術賦能實驗設計、技術研發、工藝放大、產品生產和管理等諸多環節，以縮短研發周期，降低研發成本，提高生產效率，但仍面臨有效數據不足及數據整合難度大、關鍵軟件受制于人、行業智能化模型構建進展較為緩慢和相關標準體系尚不完善等挑戰。未來，我國應加強頂層設計與政策支持、統籌完善數據共享與算法優化機制、推動軟件自主化和大模型開發，以及加快虛擬工廠與智能設計的示范應用等，為能源化工行業的高質量發展及“雙碳”目標的實現提供有效支撐。

【關鍵詞】能源化工" 人工智能" 智能化" 轉型升級

【中圖分類號】TQ02" " " " " " " " " " " " " " " 【文獻標識碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2025.02.003

引言

當前，世界百年未有之大變局加速演進，新一輪科技革命和產業變革快速發展，學科交叉融合日益緊密，數字化、智能化、綠色化深度融合，科學研究和技術開發范式正在發生革命性變化。人工智能（AI）作為一項前沿的新興技術，正以其驚人的速度、廣泛的覆蓋范圍和深遠的影響力重塑經濟社會的發展模式。人工智能技術的飛速發展，不僅推動了信息技術的革新，在能源化工等傳統工業領域也展現了巨大的潛力，將為推動“雙碳”目標實現、全球綠色發展貢獻重要力量。本文試圖總結智能化、數字化的人工智能技術在能源化工行業的應用現狀，探討面臨的挑戰及發展策略。

人工智能已成為大國轉型和技術升級的競爭焦點

全球競爭態勢與主要國家戰略布局。在當今全球格局下，科技革命與工業革命交織演進，深刻影響并重塑世界經濟版圖。以人工智能為代表的新興技術正引領第四次工業革命浪潮，對國家競爭力的提升具有決定性意義。回顧歷史，每一次工業革命都為大國崛起與更替提供了關鍵契機：第一次工業革命中，英國憑借蒸汽動力和機器制造技術確立了全球霸主地位；第二次工業革命中，美國和德國通過電氣與內燃機等技術的突破迅速崛起，挑戰了英國的地位并贏得了主導權；第三次工業革命中，信息技術的飛躍使美國在全球科技與經濟領域持續領跑。當前，人工智能作為新一輪科技革命的核心驅動力，不僅推動技術與產業變革，也成為全球大國競爭與博弈的關鍵戰場。

全球主要國家在人工智能領域的戰略布局呈現出鮮明特色。[1]美國致力于鞏固其技術領先地位，重點支持通用人工智能基礎技術研發，平衡倫理與監管，避免過度干預阻礙技術創新；將人工智能視為增強國防實力的核心，推動其在軍事情報和作戰系統中的應用，并強化倫理指導；積極開展人才培養，構建從基礎教育到高等教育的全方位體系，促進跨領域協作；通過全球人工智能伙伴關系與雙邊協議鞏固技術優勢，同時以“維護國家安全”為由限制技術輸出和交流。歐盟以“可信賴的人工智能”為核心，強調倫理道德與法律規范。歐盟通過《通用數據保護條例》（GDPR）和《人工智能法案》等立法，試圖建立全球標準，對高風險人工智能實施分級監管，并制定《可信人工智能倫理準則》等政策，確保算法透明、公正與安全；同時，發布《人工智能協調計劃》，加強成員國間協作，通過多維措施推動人工智能技術的安全、可信發展，促進在全球治理中發揮引領作用。日本專注于人工智能驅動的經濟轉型。自2015年將人工智能納入關鍵扶持產業以來，日本不斷完善戰略規劃，2022年將戰略聚焦于構建國際化研究教育網絡和研究基地，同時推動跨行業協作；積極與七國集團合作，通過財政支持和引資加速人工智能發展。中國將人工智能視為科技創新的核心領域，通過《新一代人工智能發展規劃》和《“十四五”國家信息化規劃》等計劃，明確“三步走”目標，形成中央與地方協作的支持體系；啟動“人工智能驅動的科學研究”專項部署，緊密結合基礎學科關鍵問題，圍繞重點領域科研需求，系統布局AI for Science前沿科技研發體系，支持算力平臺建設，培養匯聚跨學科研究隊伍；注重人工智能與實體經濟的深度融合，推動技術在醫療、制造、農業和交通等領域的應用場景創新；提出《全球人工智能治理倡議》，發布《人工智能全球治理上海宣言》，深度參與國際標準和倫理討論，推動全球治理體系構建。

人工智能驅動全球創新鏈全面升級。人工智能技術憑借其強大的數據分析、模式識別和自主決策能力，正在重塑科技創新的模式，提升科技進步與迭代的速度，并為許多過去復雜棘手甚至無法解決的問題提出了解決方案。例如，以往文獻檢索與資料收集可能耗費數月之久，且最終仍需依賴個人的深度研讀與理解，而人工智能以其驚人的速度分析海量文獻，僅需幾分鐘即可生成一篇詳盡的文獻綜述報告，充分總結相關經驗與教訓，并提出潛在發展方向。在依靠實踐經驗的科學發現中，如新材料的研發，傳統方法往往依賴于漫長的試錯歷程，而人工智能深度融合大數據分析與科學理論，顯著加快開發研制進程。美國微軟公司推出利用人工智能和量子計算加速科學發現的Azure Quantum Elements平臺，與西北太平洋國家實驗室合作評估了3269萬種材料作為電池固體電解質的潛力，不到一周就確定了18種最佳材料，如果使用傳統方法需要花費20年。[2]人工智能在輔助工藝流程優化方面也展現出巨大優勢，憑借強大的計算能力，迅速遍歷復雜系統優化設計中的海量參數組合，精準鎖定最優方案，大幅縮減研發周期與試驗成本。德國弗勞恩霍夫研究所啟動“機器學習賦能生產過程”（ML4P）項目，使用人工智能和機器學習來優化現有生產流程，在電動交通工具、輕量化技術和工業4.0等領域進行智能生產的研究和開發。[3]對于供應鏈管理和生產調度，人工智能強大的實時信息整合能力，可以實現覆蓋全鏈條關鍵環節的數字化管理，實現實時監控和決策。日本在現代能源系統管理中，通過人工智能技術大幅提升了能源調度和管理效率。[4]

人工智能驅動我國能源化工轉型發展的現狀及挑戰

我國能源化工行業數字化、智能化發展現狀。能源化工行業作為我國國民經濟的重要支柱產業，是推動制造業轉型升級與高質量發展的關鍵領域。近年來，我國煉油能力與煤化工產業規模已位居世界前列。在綠色低碳高質量發展的要求下，我國能源化工行業正由規模擴張向智能化、高端化結構調整、轉型升級。

在國家相關政策的積極引導下，我國能源化工行業較早啟動了數字化轉型進程，目前已基本完成生產流程的全面數字化，具體涵蓋了過程控制的自動化、生產裝備的智能化升級、生產數據的自動采集與分析、過程可視化技術的應用以及能源管理系統的優化等多個方面。在數字化、智能化技術應用于能源化工行業的科學發現、工程放大等研發方面也取得了一定的進展，并持續保持著快速發展的強勁勢頭。

為推動人工智能在科研領域的應用，科技部啟動了“人工智能驅動的科學研究”專項部署工作，緊密結合數學、物理、化學等基礎學科關鍵問題及重點領域需求，布局前沿科技研發體系，發展一批專用平臺，推動公共算力開放創新平臺建設。中國科學技術大學研發的機器化學家系統“小來”，可完成從文獻讀取到合成、表征、性能測試、機器學習模型建立與優化的全流程任務。在短短兩個月內，該系統完成了需要人類科學家驗證2000年的復雜優化工作，并利用火星隕石成功制備了實用的產氧電催化劑。[5]

人工智能技術為化工工藝流程設計、裝備建模仿真及數字孿生虛擬工廠的應用提供了強有力的支撐。中國科學院大連化學物理研究所聯合大連理工大學軟件學院、榆林中科潔凈能源創新研究院等機構，開發了智能化工大模型1.0版本，[6]并在此基礎上聯合科大訊飛股份有限公司、中國科學院文獻情報中心等相關單位，以訊飛星火認知大模型為基座，進一步推出了具備化工知識檢索與工藝自主設計優化功能的2.0版本。該團隊聯合華為技術有限公司等企業，打造了催化反應、工藝開發、中試放大和工廠優化四大智能平臺，全面覆蓋了催化劑評價表征、工藝開發、中試放大、工廠運行等化工技術開發及應用的核心環節，有望顯著縮短化工工藝的研發周期，為實驗室成果快速轉化為工業生產提供了可能。[7]浙大中控通過工業互聯網產品SupOS平臺，與鎮海煉化、寧波萬華等石化企業協作，開發了基于時序數據的石化化工大模型，構建了“4大數據基座＋1個智能引擎”的核心產品體系，在煉化原料優化、廢液處理等生產單元得到初步驗證和應用，未來將進一步助力能源化工企業探索智能化發展之路。[8]

人工智能也應用于能源化工行業企業的操作優化、產銷策略制定、降低生產成本、提高企業競爭力等方面。截至2023年上半年，石化行業累計39家企業入選智能制造試點示范企業，相關項目生產效率提高33%、資源利用率提升16%。[9]其中，中國石油化工集團有限公司作為國內最大的石油化工企業，通過引入人工智能、大數據等先進技術，實現了生產過程的數字化、智能化管理，其下屬的九江分公司是國內首家數字化煉廠，率先上線運行煉油全流程一體化優化平臺，并成功應用大數據分析技術對催化裝置運行進行優化，對設備的運行狀態進行實時監測和預警，在提升產品收率和質量的同時保障安全生產；其下屬的中科（廣東）煉化有限公司建成了石化領域首個數字孿生智能乙烯工廠，為乙烯裝置智能化關鍵技術研發及工業應用樹立了標桿，有效推動資源高效利用、生產控制優化、設備可靠運行，實現了乙烯生產提質增效。中國石油天然氣集團公司則在能源化工上游開發了多個智能應用平臺，包括昆侖數智有限責任公司的“夢想云油氣智能協同工作平臺”、長慶油田分公司的“智能柱塞氣舉技術”、大港油田分公司的“基于人工智能與邊云協同的油井智能調控技術”及中國石油勘探開發研究院的“認知計算平臺”等，致力于推動油氣開發行業智能化轉型，支撐智慧油氣田加速建設。

我國能源化工行業智能化發展面臨的挑戰。數據與標準、人工智能新算法、軟件、行業實踐等是工業行業智能化發展的核心支撐要素，[10]能源化工產業在智能化轉型推進過程中，也必須系統性地應對和解決這些關鍵要素帶來的諸多挑戰。

數據價值及數據安全問題亟待解決。數據是人工智能發展的關鍵要素，能源化工模型的構建和訓練需要海量數據支持，包括但不限于小試、中試及工業反應相關數據、催化劑數據、化工基本原理、物性參數、工藝參數、市場數據等。首先，數據種類繁多，格式多樣，來源渠道、口徑、維度差異很大，存在數據不一致、不完整、有噪音等情況，且不同企業、不同設備、不同系統的數據格式和標準不統一，導致數據難以整合和利用，需進行收集、整理、驗證、清洗等一系列工作；其次，不同部門、不同系統之間的數據往往相互獨立，缺乏有效的整合和共享機制，導致數據孤島現象嚴重；此外，AI模型訓練需要大量的標注數據，而能源化工行業由于專業知識要求，數據標注成本較高。當前，各國數據管理的體制機制均處在完善的過程中，數據確權、定價、交易等規則尚不完善。在促進數據使用的同時，還需保護數據安全、防止數據泄露或非法利用等。如何規范數據應用與管理仍面臨巨大挑戰。

關鍵模擬計算軟件受制于人。我國能源化工行業關鍵模擬軟件的自主化程度較低。在石油化工領域的20多個子專業涉及的100多種軟件中，國內產品僅占10%。特別是工藝流程設計、電氣儀表設計、三維工廠設計、通用有限元分析、計算流體動力學分析、安全分析、熱交換設計與分析以及工程數據集成管理平臺等高端領域，幾乎完全被國外壟斷。[11]近年來，盡管部分國內軟件取得了一定突破，但多起步于高校和科研院所，研發力量分散，技術積累不足，軟件本身多集中于外圍應用開發，而內核技術及基礎數據庫等核心技術仍依賴進口，尚未實現真正的自主可控。此外，國外供應商通過控制關鍵軟件，在通信協議兼容性和軟件互通性方面搶占了話語權，進一步提高了國產軟件逐項攻克、打破壟斷的門檻，導致市場推廣與應用難度顯著增加。

能源化工行業的垂域模型構建尚不深入。作為典型的流程工業，能源化工行業涉及因素繁多，相互之間的影響關系多基于經驗總結。同時，受制于現有技術水平、生產成本控制及在役裝置壽命等因素，原料組成、設備狀態、工藝參數及產品質量等數據難以實現實時或全面檢測。目前我國人工智能大模型以基礎大模型為主，面向行業和工業應用場景的模型訓練不足，而能源化工領域的優化決策涉及互相沖突的多目標、多約束和多尺度動態優化等科學難題，缺乏智能化模型的深度支撐，模型構建與優化的難度極大。[12]同時，專業的科學研究和工業生產對模型的準確度要求均較高，但當前人工智能模型算法的可解釋性、模型的透明度、結果可靠性等仍然存在問題。

相關標準體系尚待完善。在能源化工行業智能化建設中，數據采集與使用、行業軟件開發、智能化模型建設、智能工廠建設與運行等方面的標準相對較少，有待建設或完善。依據《國家智能制造標準體系建設指南（2021版）》，工業和信息化部發布了《化工行業智能制造標準體系建設指南（2024版）》，構建了涵蓋“基礎共性”“賦能支撐”“行業場景”“智慧化工園區”及“細分行業應用”五大板塊的標準體系框架。然而，能源化工行業目前仍面臨多項標準待制定或完善的問題，如在基礎共性標準中，“人員能力要求”和“人員能力評價”尚待完善；在賦能支撐標準中，涉及化工行業設計、生產應用的工業軟件產品與系統、軟件接口、資產數據與模型、物料數據與模型、工業互聯網關鍵技術應用等20余項標準尚未出臺；在行業場景標準中，化工智能生產控制技術、操作導航、協同管控等10余項標準仍處于空白狀態。此外，智慧化工園區和細分行業應用的相關標準也尚未建立。這些標準缺失嚴重制約了能源化工行業智能化建設的整體推進速度。

我國能源化工行業智能化發展的未來展望

人工智能作為引領新一輪科技革命和產業變革的戰略性技術，具有很強的溢出帶動性，將對經濟發展產生全方位的深刻影響，是引領我國高質量發展的新動能。能源化工行業作為經濟社會發展的基礎工業和重要支柱之一，加快與人工智能技術融合，將深刻改變能源生產方式和能源產業形態，推動生產力實現質的躍遷，為能源化工行業形成自主創新能力強、結構布局合理、綠色安全高效的高質量發展格局奠定堅實的基礎。為搶抓發展機遇，建議能源化工行業在智能化發展方面重點做好以下工作。

加強頂層設計，制定能源化工行業智能化發展戰略規劃。結合我國人工智能發展、加快場景創新，以及人工智能高水平應用促進經濟高質量發展等總體規劃，聚焦能源化工行業的特點和發展規律，制定專項的戰略規劃，組織專家跨領域研討能源化工產業智能化的實施路徑，進一步明確發展目標、技術路線和重點任務，為我國能源化工行業智能化轉型繪制技術路線圖。完善相關政策支持體系，強化監督管理，避免低水平重復和無序競爭，從稅收優惠、資金補貼到產品銷售激勵，構建全方位扶持機制，引導人工智能應用，逐步擴大智能化應用范圍，推動行業健康有序發展。

統籌數據與算法，建設能源化工行業大模型。統籌數據中心建設和算法開發，協同設計能源化工大數據中心體系總體架構和能源化工模型發展路徑，以模型開發需求為牽引，構建行業數據體系，完善各級數據標準，打破數據孤島和數據壁壘，形成高質量數據集，為算法發展奠定良好的基礎。依托實際應用場景，加快開發一批實時優化軟件、通用流程模擬軟件、專用反應器模型軟件等具有競爭力的自主工業軟件，鼓勵企業優先選用推薦目錄中的自主工業軟件，服務于生產設備智能化升級，提升數據獲取兼容性。部署重大專項、大模型應用創新（工程）中心等，促進人工智能與能源化工的學科交叉融合，組織企業、高校、科研院所的優勢力量，圍繞能源化工場景，探索以集成專業知識為特征的能源化工行業大模型研發與建設。人工智能技術為工業軟件行業帶來了革命性的發展契機，行業亟須搶占AI技術新賽道，突破國外技術封鎖，實現換道超車。

建設數字化虛擬工廠，推動智能設計與應用示范。面向能源化工行業的智能化轉型，加速智能設計和虛擬工廠的推廣應用。以過程開發-工藝包編制-工程設計等過程融合的多智能體協作為基礎，推進從工藝開發到工程設計的全過程智能化，構建能以現實工況為參數虛擬運行，并能與物理工廠交互協同的虛擬工廠。通過化工智能體引擎與特色數據資源的結合，建立行業智能生態體系，為工廠的控制優化、生產過程管理和決策分析提供全方位支持。聚焦1～2個成熟工藝，打造智能設計與虛擬工廠的示范案例，建立化工大模型線上開源社區，推動大模型的技術推廣和交流，構建我國能源行業自主大模型生態體系。

注釋

[1]齊碩、李世欣、楊逸萌：《全球視野下人工智能戰略布局與未來展望》，《世界科技研究與發展》，2024年第4期；丁立江：《人工智能時代下的戰略布局圖景——基于各國（區域）戰略布局的比較分析》，《科技智囊》，2022年第2期。

[2]\"Accelerating the Discovery of Battery Materials with AI，\" 16 February 2024， https：//www.science.org/content/article/ai-driven-collaboration-rapidly-identifies-new-battery-material.

[3]\"Artificial Intelligence and Machine Learning for Industrial Production，\" https：//www.iosb.fraunhofer.de/en/business-units/automation-digitalization/fields-of-application/ai-ml-data-analysis/ai-machine-learning-industrial-production.html.

[4]\"AI In Energy Market Size， Share amp; Trends Analysis Report by Type （Solutions， Services）， By Application （Renewable Energy Management， Demand Forecasting， Safety Security amp; Infrastructure）， By Region， And Segment Forecasts， 2024 – 2030，\" https：//www.grandviewresearch.com/industry-analysis/ai-energy-market-report.

[5]Zhu Qing et al.， “Automated Synthesis of Oxygen-Producing Catalysts from Martian Meteorites by a Robotic AI Chemist，\" Nature Synthesis， 2024（3）.

[6]《大連化物所發布智能化工大模型》，2024年3月24日，http：//www.syb.cas.cn/ydhz/kjdt/202403/t20240326_7054067.html。

[7]《大連化物所發布智能化工大模型2.0》，2024年12月2日，https：//www.cas.cn/cg/zh/202412/t20241205_5041340.shtml。

[8]《［甬派］AI賦能，國內首個石化大模型在甬落地》，2024年11月15日，http：//jxj.ningbo.gov.cn/art/2024/11/15/art_1229561617_58940951.html。

[9]焦艷紅、江圣龍、李紅曼等：《石化化工行業數字化轉型路徑研究》，《科技與金融》，2024年第7期；《中國石化建成石化領域首個數字孿生智能乙烯工廠》，2024年12月12日，http：//www.sinopecgroup.com.cn/group/000/000/065/65262.shtml。

[10]趙路軍、榮岡：《流程工業智能工廠建設的再思考》，《化工進展》，2018年第6期。

[11]高立兵、索寒生：《工業軟件的發展推進石化工程設計數字化轉型探析》，《石油化工設計》，2021年第2期。

[12]柴天佑、丁進良：《流程工業智能優化制造》，《中國工程科學》，2018年第4期。

責 編∕李思琪" "美 編∕梁麗琛