人工智能技术在能源化工行业的应用现状及未来趋势

【摘要】当今世界正经历百年未有之大变局，新一轮科技革命和产业变革加速推进，数字化、智能化、绿色化深度融合。人工智能技术的迅猛发展将带来科学研究和技术开发范式的革命性变化，并在推动能源化工等传统行业的转型升级中展现出巨大的潜力。目前，我国能源化工行业正由规模扩张向智能化、高端化结构调整、转型升级，正在实现生产流程的全面数字化，探索人工智能技术赋能实验设计、技术研发、工艺放大、产品生产和管理等诸多环节，以缩短研发周期，降低研发成本，提高生产效率，但仍面临有效数据不足及数据整合难度大、关键软件受制于人、行业智能化模型构建进展较为缓慢和相关标准体系尚不完善等挑战。未来，我国应加强顶层设计与政策支持、统筹完善数据共享与算法优化机制、推动软件自主化和大模型开发，以及加快虚拟工厂与智能设计的示范应用等，为能源化工行业的高质量发展及“双碳”目标的实现提供有效支撑。

【关键词】能源化工" 人工智能" 智能化" 转型升级

【中图分类号】TQ02" " " " " " " " " " " " " " " 【文献标识码】A

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

引言

当前，世界百年未有之大变局加速演进，新一轮科技革命和产业变革快速发展，学科交叉融合日益紧密，数字化、智能化、绿色化深度融合，科学研究和技术开发范式正在发生革命性变化。人工智能（AI）作为一项前沿的新兴技术，正以其惊人的速度、广泛的覆盖范围和深远的影响力重塑经济社会的发展模式。人工智能技术的飞速发展，不仅推动了信息技术的革新，在能源化工等传统工业领域也展现了巨大的潜力，将为推动“双碳”目标实现、全球绿色发展贡献重要力量。本文试图总结智能化、数字化的人工智能技术在能源化工行业的应用现状，探讨面临的挑战及发展策略。

人工智能已成为大国转型和技术升级的竞争焦点

全球竞争态势与主要国家战略布局。在当今全球格局下，科技革命与工业革命交织演进，深刻影响并重塑世界经济版图。以人工智能为代表的新兴技术正引领第四次工业革命浪潮，对国家竞争力的提升具有决定性意义。回顾历史，每一次工业革命都为大国崛起与更替提供了关键契机：第一次工业革命中，英国凭借蒸汽动力和机器制造技术确立了全球霸主地位；第二次工业革命中，美国和德国通过电气与内燃机等技术的突破迅速崛起，挑战了英国的地位并赢得了主导权；第三次工业革命中，信息技术的飞跃使美国在全球科技与经济领域持续领跑。当前，人工智能作为新一轮科技革命的核心驱动力，不仅推动技术与产业变革，也成为全球大国竞争与博弈的关键战场。

全球主要国家在人工智能领域的战略布局呈现出鲜明特色。[1]美国致力于巩固其技术领先地位，重点支持通用人工智能基础技术研发，平衡伦理与监管，避免过度干预阻碍技术创新；将人工智能视为增强国防实力的核心，推动其在军事情报和作战系统中的应用，并强化伦理指导；积极开展人才培养，构建从基础教育到高等教育的全方位体系，促进跨领域协作；通过全球人工智能伙伴关系与双边协议巩固技术优势，同时以“维护国家安全”为由限制技术输出和交流。欧盟以“可信赖的人工智能”为核心，强调伦理道德与法律规范。欧盟通过《通用数据保护条例》（GDPR）和《人工智能法案》等立法，试图建立全球标准，对高风险人工智能实施分级监管，并制定《可信人工智能伦理准则》等政策，确保算法透明、公正与安全；同时，发布《人工智能协调计划》，加强成员国间协作，通过多维措施推动人工智能技术的安全、可信发展，促进在全球治理中发挥引领作用。日本专注于人工智能驱动的经济转型。自2015年将人工智能纳入关键扶持产业以来，日本不断完善战略规划，2022年将战略聚焦于构建国际化研究教育网络和研究基地，同时推动跨行业协作；积极与七国集团合作，通过财政支持和引资加速人工智能发展。中国将人工智能视为科技创新的核心领域，通过《新一代人工智能发展规划》和《“十四五”国家信息化规划》等计划，明确“三步走”目标，形成中央与地方协作的支持体系；启动“人工智能驱动的科学研究”专项部署，紧密结合基础学科关键问题，围绕重点领域科研需求，系统布局AI for Science前沿科技研发体系，支持算力平台建设，培养汇聚跨学科研究队伍；注重人工智能与实体经济的深度融合，推动技术在医疗、制造、农业和交通等领域的应用场景创新；提出《全球人工智能治理倡议》，发布《人工智能全球治理上海宣言》，深度参与国际标准和伦理讨论，推动全球治理体系构建。

人工智能驱动全球创新链全面升级。人工智能技术凭借其强大的数据分析、模式识别和自主决策能力，正在重塑科技创新的模式，提升科技进步与迭代的速度，并为许多过去复杂棘手甚至无法解决的问题提出了解决方案。例如，以往文献检索与资料收集可能耗费数月之久，且最终仍需依赖个人的深度研读与理解，而人工智能以其惊人的速度分析海量文献，仅需几分钟即可生成一篇详尽的文献综述报告，充分总结相关经验与教训，并提出潜在发展方向。在依靠实践经验的科学发现中，如新材料的研发，传统方法往往依赖于漫长的试错历程，而人工智能深度融合大数据分析与科学理论，显著加快开发研制进程。美国微软公司推出利用人工智能和量子计算加速科学发现的Azure Quantum Elements平台，与西北太平洋国家实验室合作评估了3269万种材料作为电池固体电解质的潜力，不到一周就确定了18种最佳材料，如果使用传统方法需要花费20年。[2]人工智能在辅助工艺流程优化方面也展现出巨大优势，凭借强大的计算能力，迅速遍历复杂系统优化设计中的海量参数组合，精准锁定最优方案，大幅缩减研发周期与试验成本。德国弗劳恩霍夫研究所启动“机器学习赋能生产过程”（ML4P）项目，使用人工智能和机器学习来优化现有生产流程，在电动交通工具、轻量化技术和工业4.0等领域进行智能生产的研究和开发。[3]对于供应链管理和生产调度，人工智能强大的实时信息整合能力，可以实现覆盖全链条关键环节的数字化管理，实现实时监控和决策。日本在现代能源系统管理中，通过人工智能技术大幅提升了能源调度和管理效率。[4]

人工智能驱动我国能源化工转型发展的现状及挑战

我国能源化工行业数字化、智能化发展现状。能源化工行业作为我国国民经济的重要支柱产业，是推动制造业转型升级与高质量发展的关键领域。近年来，我国炼油能力与煤化工产业规模已位居世界前列。在绿色低碳高质量发展的要求下，我国能源化工行业正由规模扩张向智能化、高端化结构调整、转型升级。

在国家相关政策的积极引导下，我国能源化工行业较早启动了数字化转型进程，目前已基本完成生产流程的全面数字化，具体涵盖了过程控制的自动化、生产装备的智能化升级、生产数据的自动采集与分析、过程可视化技术的应用以及能源管理系统的优化等多个方面。在数字化、智能化技术应用于能源化工行业的科学发现、工程放大等研发方面也取得了一定的进展，并持续保持着快速发展的强劲势头。

为推动人工智能在科研领域的应用，科技部启动了“人工智能驱动的科学研究”专项部署工作，紧密结合数学、物理、化学等基础学科关键问题及重点领域需求，布局前沿科技研发体系，发展一批专用平台，推动公共算力开放创新平台建设。中国科学技术大学研发的机器化学家系统“小来”，可完成从文献读取到合成、表征、性能测试、机器学习模型建立与优化的全流程任务。在短短两个月内，该系统完成了需要人类科学家验证2000年的复杂优化工作，并利用火星陨石成功制备了实用的产氧电催化剂。[5]

人工智能技术为化工工艺流程设计、装备建模仿真及数字孪生虚拟工厂的应用提供了强有力的支撑。中国科学院大连化学物理研究所联合大连理工大学软件学院、榆林中科洁净能源创新研究院等机构，开发了智能化工大模型1.0版本，[6]并在此基础上联合科大讯飞股份有限公司、中国科学院文献情报中心等相关单位，以讯飞星火认知大模型为基座，进一步推出了具备化工知识检索与工艺自主设计优化功能的2.0版本。该团队联合华为技术有限公司等企业，打造了催化反应、工艺开发、中试放大和工厂优化四大智能平台，全面覆盖了催化剂评价表征、工艺开发、中试放大、工厂运行等化工技术开发及应用的核心环节，有望显著缩短化工工艺的研发周期，为实验室成果快速转化为工业生产提供了可能。[7]浙大中控通过工业互联网产品SupOS平台，与镇海炼化、宁波万华等石化企业协作，开发了基于时序数据的石化化工大模型，构建了“4大数据基座＋1个智能引擎”的核心产品体系，在炼化原料优化、废液处理等生产单元得到初步验证和应用，未来将进一步助力能源化工企业探索智能化发展之路。[8]

人工智能也应用于能源化工行业企业的操作优化、产销策略制定、降低生产成本、提高企业竞争力等方面。截至2023年上半年，石化行业累计39家企业入选智能制造试点示范企业，相关项目生产效率提高33%、资源利用率提升16%。[9]其中，中国石油化工集团有限公司作为国内最大的石油化工企业，通过引入人工智能、大数据等先进技术，实现了生产过程的数字化、智能化管理，其下属的九江分公司是国内首家数字化炼厂，率先上线运行炼油全流程一体化优化平台，并成功应用大数据分析技术对催化装置运行进行优化，对设备的运行状态进行实时监测和预警，在提升产品收率和质量的同时保障安全生产；其下属的中科（广东）炼化有限公司建成了石化领域首个数字孪生智能乙烯工厂，为乙烯装置智能化关键技术研发及工业应用树立了标杆，有效推动资源高效利用、生产控制优化、设备可靠运行，实现了乙烯生产提质增效。中国石油天然气集团公司则在能源化工上游开发了多个智能应用平台，包括昆仑数智有限责任公司的“梦想云油气智能协同工作平台”、长庆油田分公司的“智能柱塞气举技术”、大港油田分公司的“基于人工智能与边云协同的油井智能调控技术”及中国石油勘探开发研究院的“认知计算平台”等，致力于推动油气开发行业智能化转型，支撑智慧油气田加速建设。

我国能源化工行业智能化发展面临的挑战。数据与标准、人工智能新算法、软件、行业实践等是工业行业智能化发展的核心支撑要素，[10]能源化工产业在智能化转型推进过程中，也必须系统性地应对和解决这些关键要素带来的诸多挑战。

数据价值及数据安全问题亟待解决。数据是人工智能发展的关键要素，能源化工模型的构建和训练需要海量数据支持，包括但不限于小试、中试及工业反应相关数据、催化剂数据、化工基本原理、物性参数、工艺参数、市场数据等。首先，数据种类繁多，格式多样，来源渠道、口径、维度差异很大，存在数据不一致、不完整、有噪音等情况，且不同企业、不同设备、不同系统的数据格式和标准不统一，导致数据难以整合和利用，需进行收集、整理、验证、清洗等一系列工作；其次，不同部门、不同系统之间的数据往往相互独立，缺乏有效的整合和共享机制，导致数据孤岛现象严重；此外，AI模型训练需要大量的标注数据，而能源化工行业由于专业知识要求，数据标注成本较高。当前，各国数据管理的体制机制均处在完善的过程中，数据确权、定价、交易等规则尚不完善。在促进数据使用的同时，还需保护数据安全、防止数据泄露或非法利用等。如何规范数据应用与管理仍面临巨大挑战。

关键模拟计算软件受制于人。我国能源化工行业关键模拟软件的自主化程度较低。在石油化工领域的20多个子专业涉及的100多种软件中，国内产品仅占10%。特别是工艺流程设计、电气仪表设计、三维工厂设计、通用有限元分析、计算流体动力学分析、安全分析、热交换设计与分析以及工程数据集成管理平台等高端领域，几乎完全被国外垄断。[11]近年来，尽管部分国内软件取得了一定突破，但多起步于高校和科研院所，研发力量分散，技术积累不足，软件本身多集中于外围应用开发，而内核技术及基础数据库等核心技术仍依赖进口，尚未实现真正的自主可控。此外，国外供应商通过控制关键软件，在通信协议兼容性和软件互通性方面抢占了话语权，进一步提高了国产软件逐项攻克、打破垄断的门槛，导致市场推广与应用难度显著增加。

能源化工行业的垂域模型构建尚不深入。作为典型的流程工业，能源化工行业涉及因素繁多，相互之间的影响关系多基于经验总结。同时，受制于现有技术水平、生产成本控制及在役装置寿命等因素，原料组成、设备状态、工艺参数及产品质量等数据难以实现实时或全面检测。目前我国人工智能大模型以基础大模型为主，面向行业和工业应用场景的模型训练不足，而能源化工领域的优化决策涉及互相冲突的多目标、多约束和多尺度动态优化等科学难题，缺乏智能化模型的深度支撑，模型构建与优化的难度极大。[12]同时，专业的科学研究和工业生产对模型的准确度要求均较高，但当前人工智能模型算法的可解释性、模型的透明度、结果可靠性等仍然存在问题。

相关标准体系尚待完善。在能源化工行业智能化建设中，数据采集与使用、行业软件开发、智能化模型建设、智能工厂建设与运行等方面的标准相对较少，有待建设或完善。依据《国家智能制造标准体系建设指南（2021版）》，工业和信息化部发布了《化工行业智能制造标准体系建设指南（2024版）》，构建了涵盖“基础共性”“赋能支撑”“行业场景”“智慧化工园区”及“细分行业应用”五大板块的标准体系框架。然而，能源化工行业目前仍面临多项标准待制定或完善的问题，如在基础共性标准中，“人员能力要求”和“人员能力评价”尚待完善；在赋能支撑标准中，涉及化工行业设计、生产应用的工业软件产品与系统、软件接口、资产数据与模型、物料数据与模型、工业互联网关键技术应用等20余项标准尚未出台；在行业场景标准中，化工智能生产控制技术、操作导航、协同管控等10余项标准仍处于空白状态。此外，智慧化工园区和细分行业应用的相关标准也尚未建立。这些标准缺失严重制约了能源化工行业智能化建设的整体推进速度。

我国能源化工行业智能化发展的未来展望

人工智能作为引领新一轮科技革命和产业变革的战略性技术，具有很强的溢出带动性，将对经济发展产生全方位的深刻影响，是引领我国高质量发展的新动能。能源化工行业作为经济社会发展的基础工业和重要支柱之一，加快与人工智能技术融合，将深刻改变能源生产方式和能源产业形态，推动生产力实现质的跃迁，为能源化工行业形成自主创新能力强、结构布局合理、绿色安全高效的高质量发展格局奠定坚实的基础。为抢抓发展机遇，建议能源化工行业在智能化发展方面重点做好以下工作。

加强顶层设计，制定能源化工行业智能化发展战略规划。结合我国人工智能发展、加快场景创新，以及人工智能高水平应用促进经济高质量发展等总体规划，聚焦能源化工行业的特点和发展规律，制定专项的战略规划，组织专家跨领域研讨能源化工产业智能化的实施路径，进一步明确发展目标、技术路线和重点任务，为我国能源化工行业智能化转型绘制技术路线图。完善相关政策支持体系，强化监督管理，避免低水平重复和无序竞争，从税收优惠、资金补贴到产品销售激励，构建全方位扶持机制，引导人工智能应用，逐步扩大智能化应用范围，推动行业健康有序发展。

统筹数据与算法，建设能源化工行业大模型。统筹数据中心建设和算法开发，协同设计能源化工大数据中心体系总体架构和能源化工模型发展路径，以模型开发需求为牵引，构建行业数据体系，完善各级数据标准，打破数据孤岛和数据壁垒，形成高质量数据集，为算法发展奠定良好的基础。依托实际应用场景，加快开发一批实时优化软件、通用流程模拟软件、专用反应器模型软件等具有竞争力的自主工业软件，鼓励企业优先选用推荐目录中的自主工业软件，服务于生产设备智能化升级，提升数据获取兼容性。部署重大专项、大模型应用创新（工程）中心等，促进人工智能与能源化工的学科交叉融合，组织企业、高校、科研院所的优势力量，围绕能源化工场景，探索以集成专业知识为特征的能源化工行业大模型研发与建设。人工智能技术为工业软件行业带来了革命性的发展契机，行业亟须抢占AI技术新赛道，突破国外技术封锁，实现换道超车。

建设数字化虚拟工厂，推动智能设计与应用示范。面向能源化工行业的智能化转型，加速智能设计和虚拟工厂的推广应用。以过程开发-工艺包编制-工程设计等过程融合的多智能体协作为基础，推进从工艺开发到工程设计的全过程智能化，构建能以现实工况为参数虚拟运行，并能与物理工厂交互协同的虚拟工厂。通过化工智能体引擎与特色数据资源的结合，建立行业智能生态体系，为工厂的控制优化、生产过程管理和决策分析提供全方位支持。聚焦1～2个成熟工艺，打造智能设计与虚拟工厂的示范案例，建立化工大模型线上开源社区，推动大模型的技术推广和交流，构建我国能源行业自主大模型生态体系。

注释

[1]齐硕、李世欣、杨逸萌：《全球视野下人工智能战略布局与未来展望》，《世界科技研究与发展》，2024年第4期；丁立江：《人工智能时代下的战略布局图景——基于各国（区域）战略布局的比较分析》，《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]《大连化物所发布智能化工大模型》，2024年3月24日，http：//www.syb.cas.cn/ydhz/kjdt/202403/t20240326_7054067.html。

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

[8]《［甬派］AI赋能，国内首个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]焦艳红、江圣龙、李红曼等：《石化化工行业数字化转型路径研究》，《科技与金融》，2024年第7期；《中国石化建成石化领域首个数字孪生智能乙烯工厂》，2024年12月12日，http：//www.sinopecgroup.com.cn/group/000/000/065/65262.shtml。

[10]赵路军、荣冈：《流程工业智能工厂建设的再思考》，《化工进展》，2018年第6期。

[11]高立兵、索寒生：《工业软件的发展推进石化工程设计数字化转型探析》，《石油化工设计》，2021年第2期。

[12]柴天佑、丁进良：《流程工业智能优化制造》，《中国工程科学》，2018年第4期。

责 编∕李思琪" "美 编∕梁丽琛