文章核心观点 大数据与人工智能技术正深刻重构中国乃至全球能源行业，推动其从“资源主导”、“人力运维”向“数据驱动”、“智能调控”的根本性转变 中国凭借庞大的基础设施、丰富的应用场景和持续创新，在能源大数据与AI融合应用领域走出一条特色发展道路，不仅为自身能源高质量发展注入动力，也为全球能源转型提供了新思路与借鉴 [1] 时代必然：能源转型与智能技术的双向奔赴 - 全球能源转型面临双重挑战：传统化石能源导致环境问题，新能源的间歇性、波动性与电网稳定需求存在矛盾 [2] - 能源行业是天然“数据富矿”，仅中国电网系统每年产生的数据量就超过千亿GB [2] - AI算法具备强大的非线性拟合和自主学习能力，能挖掘数据价值，实现精准预测和优化决策，推动能源系统从“被动响应”向“主动预判”转型 [3] - 中国能源资源与需求逆向分布（风光大基地90%在西部，消费与算力集中在东部），且新能源装机规模全球领先（截至2024年底，光伏产能占全球62%，风电装机占全球51%），大数据与AI是破解高效配置与消纳难题的“金钥匙” [3] 实践深耕：中国能源智能变革的多元探索 智能电网：构建能源配置的“超级大脑” - 在极端天气应对中，AI技术优势显著：2025年台风“竹节草”期间，国网浙江电力的AI光伏预测系统“睿测”预测准确率达96.5%，较传统方法提升2个百分点以上，相当于节省至少4台百万千瓦机组的调节能力 [5] - 国网嘉兴供电公司的人工智能虚拟总指揮长“启航”，使配网调度指挥信息获取时间缩短30%，关键业务处置效率提升40%以上 [5] - 在新能源消纳方面，智能算法优化能源配置：山东滨州的智慧储能电站AI交易智能体，峰谷价差预测准确率达95% [6] - 在电网巡检领域，AI应用提升效率：国网安徽南陵县供电公司的AI分析平台缺陷识别准确率超95%，效率较人工巡检提升数十倍 [7] 新能源发电：实现全生命周期智能管理 - 特变电工新疆新能源公司的电站全生命周期管理平台，整合多源数据，利用机器学习开发智能模型 [8] - 该平台通过线上远程管理，降低电站运营成本15.26%，每年节约成本1200万元；通过实时监测，提升发电量5.39%，年均收益提升1.4% [8] - 在风电领域，AI风速预测模型可提前1-3天精准预测，部分风电场通过AI优化控制将风机发电效率提升3%-5% [9] 传统能源：数字化转型焕发新活力 - 在油气勘探领域，AI大幅提升效率：中国石油的昆仑大模型（参数3000亿）将地震波波动方程求解效率提升10倍以上；壳牌公司的AI工具将勘探时间从9个月缩短至9天，使生产成本下降20%、采收率提高5% [11] - 在煤炭行业，智能化开采降低风险与成本：北露天煤矿实现无人驾驶作业；火力发电厂的AI智能巡检实现毫秒级响应，部分电厂通过AI优化锅炉燃烧，每年节约燃煤近万吨 [12] 数字员工：能源行业的新型生产力 - “数字员工”融合大语言模型、RPA等技术，替代重复性工作，提升效率 [13] - 浙江实在智能的“实在Agent”数字员工已服务于国家电网、中核集团等，在人力资源管理、生产数据采集等场景应用 [13] 挑战并存：智能能源发展的瓶颈与桎梏 - **算力与能源的逆向分布困境**：国际能源署预测，到2030年全球数据中心耗电量将达945太瓦时（相当于日本全年用电量），碳排放量将从1.8亿吨增至3亿吨 中国78%的AI算力集中在东部，而90%的绿色能源在西部，“东数西算”与“西电东送”协同机制未完全打通，部分算力中心仍依赖化石能源 [14] - **数据孤岛制约模型效能**：能源系统数据碎片化，截至2024年全国能源系统数据共享率不到30%，形成至少117个数据孤岛，制约AI模型精度与泛化能力 [15] - **核心技术自主可控不足**：训练侧，英伟达A/H系列GPU占据国内智算中心90%以上份额；推理侧，嵌入式AI芯片国产替代率不足30%，且多集中在28纳米及以上工艺 软件核心插件、编译器、加速库仍由美西方主导 [15] - **技术可靠性与人才短缺问题**：AI大模型“黑箱”特性导致可解释性不足，在核电站安全决策、电网实时调度等核心领域难以满足可靠性要求 同时，既懂能源又懂AI的复合型人才短缺 [16] 破局之路：构建协同共生的智能能源生态 - **打造“数能一体”的发展底座**：推动算力布局与绿电资源协同规划，完善“东数西算”与“西电东送”协同机制，引导算力中心西移 创新市场机制，探索算力与绿电价格联动 建立健全数据中心能效评估与碳排放监测机制 [19] - **构建安全可信的数据共享生态**：加快制定统一能源数据标准，建设行业级数据平台 引入隐私计算、区块链等技术，实现数据“可用不可见” 建立数据安全保障体系 [19] - **强化核心技术攻关与国产化替代**：通过政策与资金支持国产AI芯片、工业操作系统及软件框架研发 设立专项基金，构建产学研联合实验室攻关“卡脖子”环节 鼓励能源与科技企业合作，推动国产技术试点应用 [20] - **完善创新体系与人才培养机制**：鼓励建设高水平研发创新平台和联盟，促进产学研用深度融合 探索建设行业级AI应用测试平台，避免资源浪费 推动高校设立能源与AI交叉学科，加强企业内部培训与行业交流 [21] 全球视野：中国探索的世界意义 - 中国在能源大数据与AI融合的实践，为全球能源转型贡献了中国智慧与方案 [22] - 在技术创新方面，如国网浙江电力的AI光伏预测系统、特变电工的新能源管理平台等技术成果，为全球提供了可借鉴的路径 [22] - 在产业生态方面，中国“政策引导+市场驱动+产学研协同”的模式为全球提供了可复制的经验 [22] - 中国通过共建“一带一路”能源合作伙伴关系，将智能电网、新能源电站等技术装备推向全球，并积极参与能源数字化、智能化国际标准的制定 [22]

文章核心观点 - 中国石化化工行业正通过建设智能工厂、应用人工智能与数字孪生等关键技术，推动全链条的数字化转型与价值重构，旨在实现生产全局优化、管理现代化和产业效能全面提升 [1][2][5] 智能工厂建设与全局优化 - 工业和信息化部等六部门公布了首批15家领航级智能工厂名单，石化化工领域有先行企业入选 [1] - 中国石化镇海炼化分公司是首批名单中唯一的炼化企业，其以建设“协同式”数字工程为目标，实现了物理工厂与数字工厂同步交付 [2] - 镇海炼化打造的数字孪生应用体系已在模型审查、设计界区审查、管道施工管控、工程量结算等作业中得到高效利用 [2] - 行业痛点在于如何在智能工厂运行中实现从原料、工艺到产品全链条的全局优化，以最少消耗实现效益最大化 [2] - 全局优化是贯穿分子、原料、设备、工艺、工厂的智能化底层技术，能助力打造石化新质生产力，实现炼化整体效益最大化 [3] - 新一代智能全局优化求解器已成功用于湿法磷酸工艺全局优化求解，实现多尺度精准模拟与全过程优化 [3] 现代化企业管理体系构建 - 构建现代化智慧化的企业管理体系对智能工厂建设运行至关重要 [3] - 中国石油独山子石化公司于今年7月获得“智能制造标杆企业”称号，其在企业智能制造过程中积累了丰富经验 [3] - 独山子石化公司按照“数据+平台+模块”的整合模式，对属地单位进行精确画像，并通过“1个大屏+7个模型+3个数据模块+7个管理流程”的规划，实现了体系要素梳理和量化标准执行 [4] - 该公司的管理转型推动了设备管理从传统经验管理向基于“可靠性+经济性”的信息化完整性体系转化 [4] 人工智能与行业深度融合 - 人工智能具备典型通用技术特征，正与石化化工行业深度融合 [5] - 中石油的昆仑大模型是我国能源化工领域首个通过国家备案的行业大模型，其确定了行业大模型、应用场景、数据集、AI中台、算力中心等五大目标任务 [5] - 昆仑大模型设计了470个智能化场景，优化形成“十域百景千应用”的全景视图 [5] - 中石油已训练形成62个大模型，覆盖勘探开发、油气生产、炼油化工、油气销售、装备制造等业务线，全面提高了业务效率效能 [5] - 昆仑·AI中台已全面推广应用，实现了多家商业大模型训练推理工具链的统一纳管 [5] - AI Agent通过对油气行业全价值链的数智化融合，催生出低碳化运营与创新服务模式，释放了产业降本增效与价值重构的新潜能 [5] - 中化学数智公司已打造AI套料排版、AI+CAD辅助设计、AI+材料改性等引领行业创新的成熟产品，并通过AI+战略持续探索工程建设领域的行业场景应用 [6] - 针对现有控制技术难以满足全工况自主优化运行需求的问题，行业提出了“AI+工业互联网的新一代智能工厂解决方案”，可用于零手动操作、生产过程模拟与优化、生产计划与调度优化等多类场景 [6]

华为AI技术赋能油气矿山行业的战略与实践 - 公司提出“以用促建”的核心策略，让技术从具体业务痛点中生长，使人工智能从辅助系统进入核心生产流程 [1] AI在具体业务场景的落地应用 - 针对行业在安全管控、效率提升、绿色转型方面的挑战，AI应用需围绕真实业务难题，从具体场景出发实现落地 [2] - 与云天化合作打造全球首个煤气化实时在线优化技术大模型项目，精确模拟预测气化炉炉温等关键参数，预计每年实现节煤9000多吨、减少二氧化碳排放2万多吨、带来超千万元直接经济效益 [2] - 与万华化学合作，利用盘古AI大模型实现设备预测性维护，提前识别设备老化趋势，解决传统人工巡检效率低下问题 [2] 从单点智能到体系化智能的跨越 - 为解决场景应用深入后导致的模型复杂、数据庞大及项目碎片化问题，公司提出“双轮驱动”解法，即通过“根技术+生态协同”实现全产业链协同智能 [3] - 强调需确保单点AI应用在统一架构中成长，利用大平台实现统一赋能，最终汇聚成覆盖整个企业的智能体，使AI管理的无人系统从“盆景”变成“风景” [3] - 工业大模型具备横向复制和泛化能力，需通过“组合拳”将各类系统集成到统一的大模型底座中进行行业赋能，例如与中国石油合作的昆仑大模型推动了119个业务领域分散场景的整合 [4] - 公司通过“领先架构引领+平台支撑+生态协同”方案，推动行业数字化标准落地与知识沉淀，以实现单点创新的批量复制推广，构建可进化、可集成的智能体体系 [4] 行业智能化发展的核心驱动力与实施路径 - 行业智能化发展的核心驱动力正从流程数字化转变为数据驱动与AI的深度融合 [5] - 公司提出云边协同架构和分层模型建设路径，帮助企业基于通用大模型快速开发场景应用，降低AI使用门槛，实现从试点示范到规模化应用的转变 [5] - 强调基础设施能力需随AI场景价值兑现同步生长，场景应用产生的海量数据及优化需求将反哺企业基建投入，深入生产系统共同发展 [6] - 公司与各行业头部企业合作，基于创新产品构建开放生态，帮助企业打造有竞争力的行业解决方案 [6] - 未来高危岗位从业者将逐步转型为数字化操作员和智能化工程师，这是AI进入产业链核心操作系统的必然趋势，目标是实现强强融合，共同推动行业进步 [6]

行业核心观点 - 人工智能技术正加速融入石油石化行业核心业务，推动从勘探开发到生产管理的全链条变革 [1] - 尽管面临工业场景复杂度高、安全性要求严苛等挑战，但通过“人机协同”路径和产学研用协同创新，AI正成为推动行业提质增效和转型升级的重要支撑 [1] AI技术应用现状与挑战 - 工业场景容错率低、安全要求高，导致AI在制造业的落地滞后于消费互联网 [2] - 产业面临严重供需错配问题，懂AI的企业不熟悉工业流程，而制造企业缺乏AI技术能力，制约了智能化深入实施 [2] - AI技术已跨越50%扩散临界点，进入从成长期向成熟期过渡的关键阶段，但大模型本质仍是概率工具，其强于相关性而弱于因果推理 [3] - AI在能源领域落地需遵循“先管理后作业”的实施逻辑，并遵循“四看”原则：看时代、看趋势、看场景、看产品 [3] AI技术应用成效 - 智能化可使可采储量提升5%、开发成本降低10%~30% [4] - 渤海SZ36-1等油田应用中，拟合符合率超过92%，运算速度提升1~2个数量级 [4] - 自主研发的“广义连接单元法”计算效率较传统方法提升20倍以上 [4] - 中国石化通过AI技术助力地震资料处理效率提升10倍，聚酰亚胺气体分离膜研发周期缩短80%，润滑油脂产品开发效率提升30%~50% [7] - 中国石化已有25个场景上线，313个业务系统接入AI能力 [7] 企业具体实践与成果 - 中国海油“深海一号”大气田实现智能化远程遥控生产，年产能提升至45亿立方米，成为世界首个具备台风期连续生产能力的超深水平台 [6] - 中国海油通过“5G+工业互联网”建成国内首个智能炼厂，实现质量合格率100%、重大安全事故零发生、年降碳超20万吨 [7] - 中国海油构建中下游销售一体化数智平台，累计交易额突破2万亿元，服务客户超1100万个 [7] - 中国石化构建“基础—行业—专业”三级模型体系，自主研发的“长城大模型”形成7000亿参数与700亿参数的双版本 [7] - 中国石化建成覆盖文本、图像、视频的多模态高质量数据集，规模超650TB，形成“租建结合、云边协同”的781Pflops算力体系，国产化率超80% [7] - 中国石油开发的昆仑大模型采用“1+4+N”四层架构，训练形成60个大模型，语言大模型参数从700亿升级到3000亿 [8] - 国家管网构建覆盖调度指挥、设备管理、安全监控和经营决策的智能化体系，实现对长输油气管网运行的精准感知和智能调控 [8] - 国家能源基于工业互联网构建“一网一库三平台”架构，实现数据贯通、模型驱动与三级协同 [8] 技术突破与创新 - 团队构建了融合物理信息的图结构代理模型PINN-GCEM，实现了秒级快速模拟与参数反演 [4] - 团队研发了注采参数优化、井网布局、压裂缝网控制等系列智能决策方法，推动油气开发从“经验驱动”向“数据与机理双驱动”转型 [4] - 陈掌星院士团队研发的“盖亚大模型”可在测井解释、三维建模、参数优化等业务场景中实现高效求解与泛化应用，推动形成从智能解释到生产管理的一体化工作流 [5] - 为破解供需困境，中国工业互联网研究院牵头构建“人工智能赋能新型工业化供需对接服务平台”，目前已促成线下对接超300次，在汽车设计、药物研发、石油化工等领域培育成功案例 [2]

核心观点 - 中国移动与中国石油的股权划转是国资改革深化背景下具有标志性意义的资本运作，旨在通过资本纽带将制度优势转化为发展动能，实现产业升级 [1][10] 战略合作与生态融合 - 股份互转将企业关系从外部“甲乙方”升级为内在绑定的“命运共同体”，实现利益共享、风险共担 [2] - 资本纽带为解决部门壁垒与短期利益博弈提供制度性保障，推动合作理念从“我能得到什么”转变为“如何共同做大蛋糕” [2] - 中国移动的5G网络、算力基础与昆仑大模型技术需要在中国石油的油田、炼厂等实体场景落地，产生协同效应 [3] - 具体业务协同包括：通过5G网络实现地质数据实时传输提升勘探效率，基于工业互联网的智能化改造优化炼化流程，智慧加油站提升用户体验并开辟数据价值空间 [3] - 中国石油的产业数字化升级依赖中国移动的信息技术支撑，其物理资产完成数字化改造后成为数字经济发展的重要载体 [3] 价值重塑与资本稳定 - 股份互持是在“中特估”概念下的一次重要市值管理实践，两大龙头央企相互成为战略股东是对彼此资产质量与发展前景的强力背书 [4] - 股份划转在账面上增厚了双方的长期股权投资，优化资产负债表结构，并开辟通过战略协同带来整体价值提升的新盈利路径 [4] - 国企之间股权的长期稳定持有形成“良性锁仓”效应，在A股市场起到稳定器作用，平滑股价波动并传递坚定信心 [5] - 稳定的股价表现和优质的资产结构有助于提升企业融资能力，显著降低债权或股权融资成本 [5] - 价值重估通过战略协同和业务整合提升企业内在价值，与“中特估”理念高度契合 [5] 治理结构与资本激活 - 引入跨行业战略股东将在董事会层面融入不同产业视角与管理经验，有助于打破思维定式，提升公司治理现代化水平 [6] - 治理优化具体表现在战略决策更全面、风险管理更完善、创新活力更强劲 [6] - 国有股权的定向划转将原本静态沉淀的国有资本重新配置到协同效应更强的领域，实现“沉睡资产”向“流动活水”的转化 [6][7] - 在宏观经济背景下，通过存量资本优化配置提升全要素生产率是推动高质量发展的重要路径，即使不新增投入也能释放巨大价值空间 [7] - 该操作将资本引导至国家战略鼓励的数字经济与实体经济深度融合环节，为其他行业转型升级提供借鉴 [7] 实施挑战与未来展望 - 最终成效取决于后续执行深度，需避免“为持股而持股”，将股权关系转化为实实在在的业务协同与创新成果 [8] - 关键突破领域包括：建立专门的协同工作机制、将协同成效纳入管理层绩效考核、推进不同行业间的文化融合 [8] - 具体业务合作模式可探索联合创新实验室、设立合资公司运营智慧能源等新兴业务、建立数据共享机制等 [8][9] - 交叉持股可能带来关联交易增多、治理复杂性上升等新挑战，需建立更严格的关联交易管理制度和披露机制 [9] - 长期股权锁定需关注对股票流动性的潜在影响，理想状况是在保持股权结构稳定前提下维持必要的市场流动性 [9]

政策背景与行业实践 - 国务院办公厅发布《关于加快场景培育和开放推动新场景大规模应用的实施意见》，首次在国家层面系统部署场景培育开放 [1] - 政策明确要求国有企业特别是中央企业主动开放主业领域场景，吸引民营企业、中小企业和科研院所参与 [2] - 中国石油与中国移动进行A股股份无偿划转，以及科大讯飞行业大模型交流会等实践，勾勒出“资本互嵌+技术协同+场景落地”的生态闭环 [1][2] 央企的角色与场景供给 - 央企是新场景培育的核心载体与“富矿”，掌握大量关键基础设施与行业核心数据 [2] - 央企深化“AI+场景”建设，累计布局了800多个应用场景 [2] - 昆仑大模型发布时同步推出100个能源化工行业代表性场景应用，是开放协同模式的示范标杆 [2] 民企的技术支撑与市场表现 - 以科大讯飞为代表的民企为场景落地提供关键的算力与算法支撑 [3] - 科大讯飞星火大模型是目前唯一基于国产算力训练的通用大模型，能以更低算力消耗、更高效率构建行业大模型 [3] - 公司前三季度在央国企大模型公开招标市场蝉联第一，已深度服务中石油、中海油等20余家中央企业 [3] - 昆仑大模型由三方协同打造：语言大模型依托讯飞，视觉大模型借力华为，总集成由中国移动牵头 [1] 协同合作的战略价值 - 助力技术创新与自主可控，推动从算力底座到模型生态的全链条自主可控 [4] - 加速企业数字化转型与产业升级，通过场景开放与技术赋能提升国企数智化水平 [4] - 优化资源配置与协同发展，打破发展壁垒，实现跨产业、跨要素、跨领域的深度联动 [4]

展会概况与核心主题 - 第四十一届阿布扎比国际石油展以“能源·智能·影响力”为主题，聚焦能源转型、智能技术应用与行业影响力提升 [1] - 展会设置人工智能与数字化转型、脱碳、海运与物流、化工与低碳解决方案四大特色展区 [1] - 吸引全球超过2250家企业参展，观众规模突破20万人次 [1] - 阿联酋致力于通过先进技术、清洁能源与创新投入，探索经济增长与环境保护协同发展路径 [1] 人工智能在能源领域的应用 - 人工智能成为展会亮点，相关展区规模扩大，展示产品与解决方案在优化能源系统、提升效率、构建智能基础设施及推动绿色低碳发展方面的成效 [1] - 阿布扎比国家石油公司通过人工智能技术将产量预测准确率提升至90%，并计划打造全球人工智能应用最广泛的能源企业 [1] - 阿联酋穆罕默德·本·扎耶德人工智能大学展示自主巡检机器人、智能冷却系统等能源场景落地应用，其产品具备高效推理、逻辑拆解、多步决策优势 [2] - 人工智能被视为推动行业进步的新型基础设施，推动前沿技术向更安全、智能、可持续的能源运营方案转化 [2] 中国企业的技术展示 - 中国石油展示全球能源领域规模最大的昆仑大模型，实现油气勘探、地质识别、材料研发、设备运维全链条智能化升级 [2] - 中国海油动态展示“海经”系列勘探装备、秦皇岛32—6智能油田、海洋工程智能化制造基地等项目，显示在超深水领域自主开发与数智化转型的领先实力 [2] - 中国石化多维度呈现企业在数字智能、工程技术、低碳转型等领域的最新实践 [2] 行业趋势与全球共识 - 国际能源署指出人工智能与能源产业深度融合是不可逆转的趋势，其在优化能源配置、降低减排成本、提升系统韧性方面的作用将持续放大 [3] - 展会搭建全球能源技术交流桥梁，凸显国际社会通过技术创新与合作共赢应对能源挑战的共同愿景 [3]

展会概况与核心主题 - 第四十一届阿布扎比国际石油展以“能源·智能·影响力”为主题 聚焦能源转型 智能技术应用与行业影响力提升[1] - 展会设置人工智能与数字化转型 脱碳 海运与物流 以及化工与低碳解决方案四大特色展区[1] - 吸引全球超2250家企业参展 观众规模突破20万人次[1] 人工智能技术应用 - 人工智能在能源领域的深度应用成为展会亮点 相关展区规模扩大[1] - 阿布扎比国家石油公司通过人工智能技术将产量预测准确率提升至90% 并致力于成为全球人工智能应用最广泛的能源企业[1] - 阿联酋穆罕默德·本·扎耶德人工智能大学展示自主巡检机器人 智能冷却系统等应用 人工智能被视为推动行业进步的新型基础设施[2] 中国企业的技术展示 - 中国石油展示全球能源领域规模最大的昆仑大模型 实现油气勘探 地质识别 材料研发 设备运维全链条智能化升级[2] - 中国海油动态展示“海经”系列勘探装备 秦皇岛32—6智能油田等项目 显示在超深水领域自主开发与数智化转型的领先实力[2] - 中国石化多维度呈现企业在数字智能 工程技术 低碳转型等领域的最新实践[2] 行业趋势与共识 - 国际能源署认为人工智能与能源产业的深度融合是不可逆转的趋势 其在优化能源配置 降低减排成本 提升系统韧性方面的作用将持续放大[3] - 阿联酋致力于通过先进技术 清洁能源与创新领域的投入 探索经济增长与环境保护协同推进的发展路径[1] - 展会搭建全球能源技术交流桥梁 凸显国际社会通过技术创新与合作共赢应对能源挑战的共同愿景[3]

展会概况与核心主题 - 第四十一届阿布扎比国际石油展以“能源·智能·影响力”为主题，聚焦能源转型、智能技术应用与行业影响力提升 [1] - 展会设置人工智能与数字化转型、脱碳、海运与物流、化工与低碳解决方案四大特色展区 [1] - 吸引全球超过2250家企业参展，观众规模突破20万人次 [1] 人工智能在能源领域的应用 - 人工智能在优化能源系统、提升能源利用效率、构建智能基础设施及推动绿色低碳发展等方面展示实践成效 [1] - 阿布扎比国家石油公司通过人工智能技术将产量预测准确率提升至90%，并致力于成为全球人工智能应用最广泛的能源企业 [1] - 阿联酋穆罕默德·本·扎耶德人工智能大学展示自主巡检机器人、智能冷却系统等应用，其产品具备高效推理、逻辑拆解、多步决策优势 [2] - 人工智能被视为推动行业进步的新型基础设施，相关研究成果正推动技术向更安全、更智能、更可持续的能源运营方案转化 [2] 中国企业的技术展示 - 中国石油展示全球能源领域规模最大的昆仑大模型，实现油气勘探、地质识别、材料研发、设备运维全链条智能化升级 [2] - 中国海油动态展示“海经”系列勘探装备、秦皇岛32—6智能油田、海洋工程智能化制造基地等项目，显示在超深水领域自主开发与数智化转型的领先实力 [2] - 中国石化多维度呈现企业在数字智能、工程技术、低碳转型等领域的最新实践 [2] 行业趋势与全球共识 - 阿联酋致力于通过先进技术、清洁能源与创新领域的投入，探索经济增长与环境保护协同发展 [1] - 国际能源署认为人工智能与能源产业的深度融合是不可逆转的趋势，其在优化能源配置、降低减排成本、提升系统韧性方面的作用将持续放大 [3] - 展会搭建全球能源技术交流桥梁，凸显国际社会通过技术创新与合作共赢应对能源挑战的共同愿景 [3]

公司活动与战略 - 科大讯飞在安徽合肥举办全球1024开发者节行业大模型交流会 聚焦“更懂企业的AI”并探讨行业大模型发展方向 [1] - 科大讯飞分别与中国冶金地质总局 华泰期货有限公司签署战略合作协议 并与华为昇腾共同发布大模型行业解决方案 [6] - 公司总裁吴晓如表示期待与各行业专家深化合作 共同打造行业专属模型 推动人工智能在更多领域的深度应用 [1] 行业大模型技术进展 - 行业大模型成为弥合通用大模型与行业需求差距的关键桥梁 公司依托全套工具链实现高质量数据集生产 行业模型高效训练及应用场景快速开发 [2] - 技术核心围绕知识工程 模型工程与Agent工程三大支柱展开 总结出“建算力 理数据 训模型 落场景 保安全 精运营”系统性解决方案 [2] - 公司已支持中石油 中海油 绿发 国能等超过20家央国企 用更少的算力和更高的效率打造安全可控的行业大模型 [2] 新产品发布与升级 - 科大讯飞升级发布了行业分析师 知识库 代码助手等重磅产品 [2] - 星火行业分析师是国内首个参加并通过工信部教考中心技术水平考试的行业分析AI应用 基于专家思维链 波动影响因素 权威产业链知识图谱 [3] - 新版星火研发助手依托星火代码大模型 能力覆盖从需求设计到运维各阶段 实现从“人主导输出”到“Agent主导输出”的根本性转变 [4] 客户实践与赋能效果 - 基于与国家能源集团 东方航空等客户的深度实践 星火研发助手已能够助力企业研发智能化端到端提效达20% [4] - 国家能源集团已打造出全球首个千亿级参数“擎源”发电行业大模型 规划15个业务域 75个应用场景 100余个智能体 [4] - 中石油联合科大讯飞等合作伙伴发布了3000亿参数昆仑大模型 并发布了能源化工行业代表性场景应用100个 [5] 行业解决方案与应用场景 - AI解决方案赋能企业生产 招标采购 营销推广 办公管理等领域 驱动央国企数智能化转型 [2] - 星火知识库通过“可信知识+场景知识”双轮驱动 集成智能主体检测 冲突检测 安全检测与溯源核验四大核心能力 [3] - 华泰期货推出了大宗商品价格预测系统 可通过SaaS化和定制模式为客户提供服务 增强客户模型化预测和智能化决策能力 [5][6]