今年以来，垂直行业的模型应用发展迅猛，业界普遍认为“今年或是人工智能垂直领域应用元年”

　　人工智能大模型凭借对复杂化工系统的精准计算能力，正成为驱动石化化工行业工艺革新的核心力量，在新产品研发、生产优化等多元场景中展现出巨大应用潜力

　　人工智能（AI）加速发展演进，正在成为驱动商业价值、重塑科研范式乃至影响人类未来的核心力量。2024年是人工智能发展史上具有里程碑意义的一年。今年以来，人工智能继续影响并重塑技术、商业与社会多个领域。近期召开的能源化工行业论坛中，人工智能成为业内人士关注和热议的话题，普遍认为人工智能在能源化工等垂直领域的应用开始渐成趋势。

　　今年或是人工智能垂直领域应用元年

　　今年4月，美国斯坦福大学“以人为本人工智能研究院”（HAI，Stanford Institute forHuman-Centered AI）发布备受瞩目的第八版《人工智能指数报告》（AI Index Report2025），深度剖析全球AI领域的最新趋势，认为人工智能将成为21世纪最具变革性的技术。其中有两个信息值得关注：一是中美顶级模型性能差距缩小至0.3%；二是以DeepSeek为代表的开源模型，性能接近顶尖闭源模型。

　　5月22日，在辽宁大连召开的2025全国石油和化工行业科技创新大会上，第十四届全国政协委员、工业和信息化部原副部长王江平在主旨发言环节，作了题为《人工智能赋能化学工业技术革新》的报告，认为目前人工智能发展呈现三大趋势：一是人工智能正在进入普惠时代；二是开源成为最大公约数；三是AGI（通用人工智能）与垂域模型加速发展。

　　王江平表示，化工行业的模型应用就是典型的垂域模型，目前通用人工智能和垂域模型都在加速发展，在两类路线叠加驱动下，预计人工智能5年内将形成规模化应用，并不断逼近与人、环境交互协同的通用智能。今年以来，垂直行业的模型应用发展迅猛，业界普遍认为“今年或是人工智能垂直领域应用元年”。

　　业内多家企业积极开发人工智能大模型

　　7月14日，在第12届世界化学工程大会暨第21届亚太化工联盟大会配套的2025国际化工创新展览会上，中国石油的“昆仑大模型”、华为的“化工大模型”引人注目，这表明在能源化工垂直领域，行业企业已开始积极研究如何让人工智能在垂域场景落地应用与赋能。

　　据了解，中国石油于去年8月发布的“昆仑大模型”是国内能源化工行业首个通过备案的大模型，其大模型架构体系为“1+4+N”，即“1套行业大模型+4类专业大模型+N个场景大模型”，涵盖油气勘探开发、炼油化工、销售、装备制造等领域。在展会现场，昆仑大模型主要展出的是在化工场景的应用，例如乙烷制乙烯工艺运行优化，实现裂解炉操作效率提升10%以上，乙烯收率提高0.2%；聚烯烃关键指标预测；丁腈橡胶智能质量检验；昆仑橡胶大模型等。据现场工作人员介绍，昆仑大模型的应用目前主要还集中在中国石油系统内企业。

　　华为的“化工大模型”是与中国科学院大连化学物理研究所等合作开发的，基于华为昇腾人工智能基础软硬件平台。据展会现场工作人员介绍，华为的“化工大模型”已服务应用于业内多家企业。7月15日，在第12届世界化学工程大会暨第21届亚太化工联盟大会期间，华为与中国化工学会共同主办“论道智能世界——华为智慧化工高峰论坛”，华为介绍了其在化工行业安全生产、设备运维等领域开展的大模型应用探索和建设成果，并与多家企业共同发布了“基于AI大模型的智慧化工解决方案”。

　　人工智能大模型为石油化工行业工艺革新注入强劲动能

　　王江平指出，人工智能大模型凭借对复杂化工系统的精准计算能力，正成为驱动石油化工行业工艺革新的核心力量，在新产品研发、生产优化等多元场景中展现出巨大应用潜力。

　　在新化学品发现领域，人工智能通过构建原子间相互作用的求解与模拟模型，加速物质探索进程。例如谷歌GNoME模型短期内便挖掘出超220万个新物质结构。

　　在新工艺迭代方面，人工智能彻底改变了传统模式下长周期、高投入、高风险困境。依托化工专业数据库的多模态知识秒级检索能力，结合虚拟化工流程模拟器的全局最优权衡功能，实现知识智能检索与流程自主进化。以大连化物所的智能化工大模型为例，将动力学模型开发周期从“年”级压缩至“月”级，显著提升研发效率。

　　在现有工艺优化上，人工智能突破了人工控制的局限，通过构建智能闭环系统实现工艺参数的“卡边”操作与精细化管理。中控科技的TPT大模型在氯碱生产中已取得显著成效：废液处理效率提升80%，吨碱电耗降低4%，为降本增效提供有力支撑。

　　在设备运维领域，人工智能推动行业从“定期检维修+故障后修复”传统模式向“预测性维护”转型。借助设备机理与数据融合建模，博华科技的设备运维大模型实现动设备故障预测准确率超90%，非计划停车时长减少30%以上，极大提升生产连续性。

　　在质量控制与监测环节，人工智能弥补了“人工采样+实验室分析”耗时久、覆盖窄的短板，可快速完成产品外观检测、关键指标预测及质量问题溯源，提升全流程质量管控水平。

　　在安全生产方面，人工智能通过融合专家系统强化风险判别能力，结合实时参数监测技术，加速安全生产管理模式升级。如清华大学将人工智能引入HAZOP（危险与可操作性分析）分析后，不仅使分析效率提升50%，更将风险覆盖率提高至95%以上，为行业安全筑牢防线。