政策文件与目标 - 工信部等八部门联合印发《“人工智能+制造”专项行动实施意见》及《人工智能赋能制造业重点行业转型指引》《制造业企业人工智能应用指南》两个附件 为化工等原材料行业智能化升级提供实施路径和方法指引 [2] - 《意见》明确到2027年的发展目标 包括人工智能关键核心技术实现安全可靠供给 产业规模和赋能水平稳居世界前列 [2] - 具体量化目标包括 推动3～5个通用大模型在制造业深度应用 推出1000个高水平工业智能体 打造100个工业领域高质量数据集 推广500个典型应用场景 [2] - 培育2～3家具有全球影响力的生态主导型企业和一批专精特新中小企业 打造一批赋能应用服务商 选树1000家标杆企业 [2] - 《意见》围绕创新筑基、赋智升级、产品突破、主体培育、生态壮大、安全护航、国际合作等七大重点任务 促进人工智能技术与制造业应用“双向赋能” [2] 行业具体应用与指引 - 《指引》提出要推动石化化工行业提质增效 综合利用大模型、数字孪生技术突破油气勘探开发、化工新材料研发范式 [3] - 深度融合油气生产作业、管网储运、化工工艺等工艺机理、专家经验、生产运行数据等 打造石化化工行业大模型 推动大小模型融合应用 [3] - 目标应用场景包括 油田作业区及化工安全生产监测预警、设备预测性维护、工艺流程自适应优化、产品质量预测等 [3] - 构建行业高质量数据集、数据资源节点等数据基础设施 支撑行业大模型、智能体训练与开发 提升复杂场景人工智能应用水平 [3] - 《指南》为企业智能化转型升级提供实施路径和方法指引 [3] 行业现状与挑战 - 2023年以来 行业重点企业积极探索人工智能应用 涌现出智能化工大模型、TPT时序大模型、昆仑大模型等系列专用大模型 [3] - 当前仍存在高质量数据集建设进展缓慢、可靠性不足、基础支撑薄弱等问题 [3] - 建议企业进一步夯实自身数据基础 挖掘人工智能高价值应用场景 实现企业智能化升级 [3] 技术特性与应用前景 - 石化化工行业作为典型流程工业 生产工艺具有跨尺度、非线性、强耦合的复杂特性 [4] - 传统“数学建模+实验验证”的方式 因降维建模导致机理模型与现实系统存在鸿沟 [4] - 人工智能可通过拟合长距离数据和多模态数据间的映射关系 实现对复杂化工系统的可计算化 在石化化工行业显示出广阔应用前景 [4] - 行业凭借其坚实的自动化基础和庞大的数据体量 为人工智能应用提供了广阔的发展空间 [4]