文章核心观点 - 国资委对国资央企科技创新工作作出新一轮部署，核心是促进科技创新与产业创新深度融合，以科技创新重塑产业链、以产业发展牵引创新链，加快向现实生产力转化 [1] - 在“十五五”规划开局的关键节点，科技创新与产业创新深度融合被确立为贯穿全年及更长时期的核心任务，推动央企创新从规模投入转向质效双升 [6] 央企科技创新战略部署 - 国资委召开专题党委会议，强调发挥国资央企优势，促进科技创新与产业创新深度融合，加快向现实生产力转化 [1] - 国资委明确正在研究起草推动央企培育新兴支柱产业的工作文件，引导企业从项目投资、企业培育、技术突破到布局优化实现系统性跃升 [4] - 国资委进一步明晰路径，将在着力增加高质量的科技供给、推进高效率的成果转化、构建高水平创新生态三个方面发力 [6] 央企具体行动与重点领域 - 多家央企在年度工作会议上将“科技创新”列为高频词与硬任务 [2] - 中国五矿集团强调“十五五”高质量发展的成败关键在于科技创新 [2] - 国家能源集团强调强化创新驱动发展，推进科技创新与产业创新深度融合 [2] - 中国石油集团着力高水平科技自立自强，深地塔科1井顺利完钻，川科1井突破万米，发布并迭代“昆仑大模型”，初步建成“数智中国石油” [2] - 央企聚焦国家急需、产业瓶颈，在航天、航空、能源、装备、通信、算力等领域承担国家重大科技专项，加快全国重点实验室、原创技术策源地建设 [4] - 能源央企围绕新型电力系统、绿氢制备、碳捕集利用与封存等技术持续攻关 [4] - 制造央企聚焦高端装备、核心零部件、工业母机加快补短板，着力解决“卡脖子”问题 [4] - 央企在新兴产业与未来产业上抢占赛道，将新能源、新材料、低空经济、量子科技、生物制造、人工智能等纳入重点布局 [4] - “AI+”行动全面深化，央企探索组建产业共同体，在智慧能源、智能制造、交通物流等领域打造高价值应用场景 [4] 创新投入、成果转化与激励机制 - “十四五”时期，中央企业研发经费累计突破5万亿元，新兴产业投资年均增速超20%，科技人才总量增长近50% [6] - 央企在航空航天、能源装备、量子信息、工业软件、核聚变等领域取得一批标志性成果 [6] - 央企依托134个中试验证平台，开放数百项专业化服务，推动首台（套）装备、首批次材料、首版次软件示范应用，加快打通成果转化“最后一公里” [5] - 不少央企建立成果产业化智慧服务平台，促进高校、科研院所与产业需求精准对接，大幅缩短转化周期、提升转化效益 [5] - 国资委发布《中央企业科技创新成果推荐目录成果手册（2024年版）》，收录67家中央企业的208项成果，涵盖7个领域，以促进优秀创新成果推广应用和迭代升级 [5] - 2026年国企改革将持续深化“三项制度”改革，健全多元有效激励机制，完善创新体系、优化创新环境、创新发展模式 [1] - 将针对科技型企业特点优化激励政策，让科研骨干共享发展成果，持续释放创新创造活力 [1] - 需建立容错机制，完善科技创新和战略性新兴产业投资评价方式，强化正向激励，对科技型企业实施中长期激励 [7]

文章核心观点 - “十四五”以来，中国智能制造与人工智能融合应用持续深化，为石油化工等实体经济注入强劲动能，稳步构筑未来产业竞争优势 [1] 智能工厂梯度培育 - 自2025年起，工信部等多部门协同推进领航工厂培育，旨在打造代表全球智能制造最高水平的“中国样板” [2] - 在制造模式上，领航工厂成为行业转型风向标，例如镇海炼化催化裂化装置依托数字孪生实现自控率99%以上，带动生产效率平均提升29%，产品不良率降低47% [2] - 在制造技术上，人工智能已渗透领航工厂70%以上的业务场景，沉淀了超6000个垂直领域模型，带动1700多项关键智能制造装备与工业软件规模化应用 [2] - 在产业价值上，领航工厂从“产品制造商”转型为“产品+服务+解决方案”综合提供商，带动上下游1300多家企业协同升级 [2] - 未来将持续深化智能工厂梯度培育，进一步拓展规模、凝练标准、开放协作 [3] “AI+制造”转型 - 近期出台了《“人工智能+制造”专项行动实施意见》，并配套制定了行业转型指引和企业应用指南 [4] - 下一步将聚焦技术创新、融合应用、企业培育、生态建设、安全治理等方面，加快推动人工智能产业高质量发展 [4] - 将坚持应用牵引，在推动组织模式、工作方式、生产范式重构的同时，提升劳动者人工智能素养，培养复合型人才 [4] - 石化化工领域需提升在合成生物学、AI辅助材料设计、量子化学等交叉学科领域的人才储备 [4] 数字产业发展 - “十四五”以来，中国数字产业在规模体量、创新能力、赋能应用三方面取得显著进展 [5] - 例如，云天化集团有限责任公司等多家化工企业的数字化成果入选省级工业互联网平台，形成了一批可推广的行业解决方案 [5] - 下一步将持续准确把握数字产业发展趋势，加快技术创新和赋能应用，强化标准引领和生态建设，加大政策协同和要素保障 [5]

文章核心观点 - 油气行业需从以假设驱动为主的研究范式，尽快迈向以数据驱动为主的新范式，以适应人工智能时代，实现行业重塑与效率革命 [1][3][10] 方法论对比：假设驱动与数据驱动 - **假设驱动**：基于现有知识、理论和经验提出假设，再通过观察和实验进行验证，是一种“试错法”逼近真相的过程，优点在于方向明确、快速聚焦，缺点是初始假设可能不准确导致偏差 [2] - **数据驱动**：强调通过收集大量数据，利用统计分析等方法挖掘模式与关联，是一种基于数据的“设计法”寻求最优解的过程，优点在于更客观地揭示新洞见，缺点是对数据质量与处理能力要求高 [2][3] - 两者并非对立，而是相辅相成、不可割裂的思维方式，如同人类与AI的关系是相互学习、共同提升 [3] 油气行业发展历程与范式演变 - **早期发现（假设驱动）**：主要依赖直觉、经验及地表油气苗指引，例如1859年德雷克井的钻成，以及中国围绕“黑油山”、“石油沟”等发现的油田 [5] - **理论发展（假设驱动）**：地质理论如背斜找油、海相生油理论推动了全球大规模油气发现，中国地质学家提出的陆相生油理论则推动了大庆、胜利油田的发现，近期煤岩气地质理论的成功验证亦是假设驱动的例证 [6] - **当前与未来（数据驱动崛起）**：当前油气发现仍主要依赖人脑智慧与假设驱动，但面对非常规油气等复杂资源，传统经验已难以支撑，数据资产与技术变革性日益凸显 [7][8] 人工智能在油气行业的应用与进展 - **技术突破**：2024年6月，之江实验室开发的GeoGPT地学大语言模型通过备案，具备文献阅读、地质图解译与生成等功能 [7] - **行业应用**：2024年11月，中国石油发布700亿参数昆仑大模型，带来43个石油行业专业及通用应用创新场景，在勘探领域首次构建了涵盖地震处理、解释及测井处理解释的3个专业模型，相比传统方法在泛化性、精度上大幅提升 [7] - **未来潜力**：AI在记忆、高维复杂问题处理、推理深度方面具有独特优势，可快速迭代修正经验模型，若未来AI大模型能拥有全球历史与实时数据并实现从推断到推理的跃升，将具备科学假想潜力，实现行业颠覆 [8] 数据驱动引领的行业变革与战略 - **工程方法论**：基于系统科学提出的非常规油气“一全六化”工程方法论中，最关键一环是以数据驱动为引领的数智化管理，旨在打造全面感知、自动生产、实时优化等生产运营新模式，可成倍甚至成数量级提高作业效率 [9] - **创新探索**：组织科研力量探索新资源类型与技术瓶颈，例如用“AI+生物学”发明终极采油法提高采收率，用“AI+化学反应动力学”探索地下能源存储及反应工厂 [9] - **公司战略**：2024年，中国石油已将“数智石油”列为第五大战略举措，明确AI将重塑行业，推动以数据驱动为主、假设驱动为辅的新模式，使行业朝更高效、智能、可持续的方向前进 [10]

行业投资评级 - 增持（维持）[1] 报告核心观点 - 国家政策强力推动“人工智能+”行动，化工行业智能化转型从“选修课”变为“必修课”，行业将逐步从“数字化”迈向“智能化”[3] - 化工企业正通过自研大模型、引入第三方大模型、投资AI初创企业三条路径推动“人工智能+制造”落地[9][11][12] - 投资建议关注两条主线：一是拥有海量数据、能通过AI实现全链条降本增效的龙头白马；二是AI能大幅压缩研发周期、助力抢占市场先机的新材料及精细化工品企业[13][14] 政策指引与目标 - 2025年8月，国务院发布《国务院关于深入实施“人工智能+”行动的意见》，提出阶段性目标：到2027年，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%；到2030年，应用普及率超90%；到2035年，全面步入智能经济和智能社会发展新阶段[3] - 2025年12月，工信部等八部门发布《“人工智能+制造”专项行动实施意见》，针对2027年提出细化目标：推动3-5个通用大模型在制造业深度应用，形成行业大模型，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，选树1000家标杆企业[4] - 针对石化化工行业，人工智能赋能重点在于“提质增效”，提出打造行业大模型，实现安全生产监测预警、设备预测性维护、工艺流程优化等[5] - 针对新材料行业，人工智能赋能重点在于“研发深度融合”，提出建设新材料大数据中心，构建行业数据集和跨尺度计算框架，提升材料反向设计能力[5] 企业智能化落地路径：自研大模型 - 中国石油于2025年5月28日发布3000亿参数昆仑大模型，为我国能源化工行业首个通过备案的大模型，研究团队达500余人，覆盖油气全产业链多条业务线[9] - 中国海油于2024年10月14日发布“海能”人工智能模型，围绕8大类100多个业务场景，实现生产和经营管理全覆盖[9] - 中国石化于2025年9月上线人工智能中台，已沉淀60余个高质量样本集，集成400余个可调用模型，覆盖勘探开发、炼油化工等多个业务领域[10] 企业智能化落地路径：引入第三方大模型 - 万华化学基于华为云Stack打造数智基础设施，并与华为云合作，在设备预测性维护场景引入盘古预测大模型，降低了人工巡检时间，节约了大量人力成本[11] - 万华化学还基于昇腾算力平台和华为云ModelArts平台，深入推进催化剂合成、材料结构设计等科学研究[11] 企业智能化落地路径：投资AI初创企业 - 2025年，七彩化学战略入股幻量科技（上海）有限公司，该公司以材料信息学为背景，结合AI等技术加速新材料研发[12] - 合作聚焦有机颜料、新材料等赛道，通过AI实现降本、提速、提质：优化反应路径与原材料配比，降低研发与生产成本；使试错次数减少60%，大幅压缩研发周期；通过算法优化实现产品性能突破性提升[13] 投资建议主线 - 主线一：关注龙头白马“数据制胜”，利用海量数据通过AI实现全链条降本增效，构建效益护城河，建议关注中国石油、中国石化、中国海油、万华化学、华鲁恒升、扬农化工等[13] - 主线二：关注AI赋能研发革新，AI能大幅压缩新产品开发周期，帮助企业在新材料及精细化工品领域抢占市场先机，建议关注已有AI领域投资的七彩化学，以及半导体材料、OLED材料、农药、颜料等细分领域头部企业[14]

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]

政策支持与顶层设计 - 国家发改委与国家能源局于2025年9月联合印发《关于推进“人工智能+”能源高质量发展的实施意见》，为能源与人工智能深度融合划定“时间表”与“路线图” [2] - 国家能源局于2025年11月25日发布《关于组织开展“人工智能+”能源试点工作的通知》，旨在探索可复制、可推广的综合解决方案与商业模式 [2] - 以上政策与“十五五”规划建议中“深入推进数字中国建设”、“着力构建新型电力系统，建设能源强国”等要求形成协同，构建起“顶层设计—试点突破—全面推广”的完整链条 [2] 行业需求与市场前景 - 2025年，中国全社会用电量预计首次超过10万亿千瓦时，风光新增发电装机预计约3.7亿千瓦 [2] - 风、光电力的间歇性与电网承载能力之间的矛盾日益凸显，为AI应用创造需求 [2] - 2024年，中国人工智能产业规模突破7000亿元 [4] - 国际能源署预测，到2030年AI将使全球油气勘探成本降低25%，碳排放强度下降18% [3] 技术应用与实践成效 - 在煤炭开发领域，采用矿山AI巡检系统使安全隐患识别效率大幅提高，井下作业人员减少1/4 [3] - 在火力发电领域，火电智能调度系统可助力煤电机组每千瓦时降低煤耗0.8克，单台百万千瓦机组一年可实现减排二氧化碳上万吨 [3] - 在内蒙古赤峰零碳氢能产业园，通过“远景天机”“天枢”双模型实现风光资源分钟级精准预测，大幅提升新能源利用率 [3] - 深圳数字孪生电网通过虚拟映射与智能预警，将故障修复时间压缩至最低 [3] - 江苏太湖超充站凭借AI运维系统，实现30秒识别11类风险，构建“10分钟处置”闭环 [3] - 能源央企率先发力，中石油昆仑大模型、中海油“海能”模型等已覆盖油气全产业链 [3] 竞争优势与产业协同 - 中国拥有超大规模能源市场与丰富应用场景，为“人工智能+能源”融合发展提供有利条件 [4] - “东数西算”工程推动算力向清洁能源富集区迁移 [4] - 内蒙古“风光储算”一体化基地实现绿电与算力高效协同 [4] - 当前超过80%的国际主流油气公司已布局能源数字化，美国、欧盟国家也先后出台相关战略 [4] 当前面临的挑战 - 技术层面，大模型的“黑箱”特性导致可解释性缺陷，使其在电网调度、核电安全等高可靠性要求领域应用受限 [5] - 数据层面，能源各环节标准不一，“数据孤岛”现象突出，油气行业因业务保密与管理差异，数据共享难度尤为明显 [5] - 算力层面，存在“西部能源富集但算力薄弱、东部算力集中却能源紧张”的逆向分布问题，制约资源配置效率 [5] - 人才层面，既懂能源系统又通AI算法的复合型人才供给不足，成为产业升级的短板 [5] 融合发展的战略意义 - “人工智能+能源”融合是保障能源安全、推动绿色转型、培育新质生产力的战略抓手 [1] - 该融合推动AI从能源行业的“辅助者”升级为“引领者”，将重塑全球能源竞争格局 [4] - 其价值超越单纯技术应用，成为衡量能源产业核心竞争力的重要指标，推动能源行业重构发展逻辑 [6]

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]