当前，人工智能驱动未来发展是备受关注的热点话题。今年《政府工作报告》提出，持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好地结合起来，支持大模型广泛应用，大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端及智能制造装备。中国石化积极拥抱人工智能，大力实施“人工智能+”专项行动，在行业内树立智能化发展的新标杆。本版专题介绍中国石化部分企业应用人工智能技术赋能生产经营管理的生动实践，敬请关注。
本版文图由 刘 远 王 振 史忠华 李超君 杨 敏 李方微 夏 梅 程力沛 杨楚钰 戴 城 叶剑云 王 茜 卞江岐 干建甫 何 雯 宋国梁 单建云 仝 江 孙雅兰 提供
答：面对全球产业结构深度调整，国内外能源化工企业以人工智能技术为支点撬动生产、运营模式升级，力图在新一轮产业变革中抢占竞争制高点。
沙特阿美2024年发布了油气行业首个生成式人工智能模型，通过对钻井地质设计、工程设计、施工设计和成本进行综合分析，自动生成并推荐最佳钻井方案。bp围绕油气勘探开发、炼油化工及低碳能源转型等主营业务，推进人工智能技术布局。壳牌聚焦油气全产业链与能源转型，系统推进人工智能技术融合创新，研究部署了钻井AI系统。巴斯夫推出分子生成式AI，2023年生成12万种候选化合物，其中有47种进入中试，催化剂设计效率提升了300%。陶氏化学运用AI驱动材料设计平台将新产品开发周期从5年压缩至18个月。我国央企也在积极探索人工智能技术应用，截至2025年2月，45家央企已发布46个行业模型。其中，中国石油发布“昆仑”大模型，在地震资料处理解释、装备工程设计等场景进行应用；国家电网发布“光明”大模型，在电网规划、电网运维、客户服务等领域进行应用。人工智能技术逐渐成为国内外能源化工行业转型发展的加速器。
答：第一阶段（2025年），全面布局、重点突破阶段。建立集团统一的人工智能技术平台、智算能力、大模型体系和技术支撑体系；形成一套数据治理、标注的标准和工具，建设一批高质量行业数据集；聚焦科技研发、生产制造、工程设计、经营管理等业务领域中战略意义强、经济收益高的场景，开展高分子新材料研发、地震资料智能处理解释预测、智能钻井、炼化装置生产智能优化、生产装置安全风险智能识别、集团一体化智能优化等60个场景建设；建设集团通用AI助手，为广大员工快速掌握集团的制度规定、标准规范和日常办公提供贴身服务，赋能全员工作效能提升。
第二阶段（2026年~2027年），快速推广、泛化赋能阶段。建成AI核心技术自主创新体系，持续提升模型的复杂推理、多模态理解生成、轻量化低成本部署等能力；加快示范场景推广应用，实现场景应用覆盖80%业务领域，推动具身智能试点应用，实现机器代人，关键高危岗位实现无人化，初步形成智能科研、智能制造、智能运营的新模式新范式，人工智能技术应用转化为较强的现实生产力，助力公司高质量发展。
第三阶段（2028年~2030年），深度赋能、业态塑新阶段。紧盯世界一流大模型发展，持续提升人工智能平台能力，优化多模态大模型体系，深入应用具身智能、群体智能等新技术；AI技术与科技研发、生产制造、经营管理等核心业务深度融合，驱动资源配置优化、工艺流程再造和安全管理范式升级，全面形成智能科研、智能制造、智能运营的新模式，人工智能技术成为公司创新发展的强劲引擎，助力石油石化产业链、供应链上下游协同创新发展。
答：中国石化深入落实国家关于推动人工智能发展、加快赋能新型工业化的战略部署，以集团公司发展战略为主线，坚持“AI+业务”双轮驱动，聚焦行业升级、企业转型、战新产业培育，全面推进人工智能和公司产业深度融合，有效YY易游体育官方网站赋能科技研发、勘探开发、炼油化工、安全环保、企业运营等核心业务创新发展，形成覆盖“算力、算法、数据”三大要素的全栈式人工智能应用生态。目前，集团公司已形成一定规模的人工智能基础能力，积累了较为丰富的智能场景建设经验，为下一步人工智能大规模建设打下了良好基础。
一是初步形成人工智能基础能力。以租赁为主、自建为辅的方式构建了集团统一的智算资源池，能够满足当前全集团的人工智能建设需要。建立统一调度、按需分配的运行机制，保障算力资源的集约高效利用。建成人工智能中台，实现数据样本标注、模型开发训练等功能，具备了大模型技术开发场景应用支撑能力。
二是初步建成了集团统一的数据治理与数据资源管理体系。构建了集团公司数据治理总体框架，获得DCMM5最高等级认证，具备了行业高水平的数据治理与数据管理能力。发布了中国石化数据资源目录2.0版本，初步构建“多湖-中台”体系，支撑各业务域数据汇聚和共享应用，实现数据资源有效管理。构建了数据治理应用的工具套件，具备文本、图像等多种类型数据的清洗、标注等一站式服务能力，为下一步开展行业大模型训练、专业知识库建设及AI for Science等场景应用奠定了数据基础。
三是构建大模型技术框架，开展基础大模型建设。完成DeepSeek全尺寸大模型的国产化部署并进行推理加速优化，计算效率提升近1倍，完成自然语言、多模态等6个大模型部署并投用，为40余个应用提供了接口服务，显著增强了模型应用支撑能力。统筹各业务域共性需求，自主开发了“智能问答、联网搜索、知识库、应用广场、提示词生成”等近10项周边应用，通过“应用广场”实现智能应用共建共享，实现“深度思考+联网搜索+知识库”三位一体高质量问答生成。成功训练首版行业大模型，有效提升石油石化行业认知和推理能力。
四是组织高价值场景梳理和集中攻关。初步明确了120余个高价值应用场景，对照国务院国资委发布的战略性高价值场景库指引和成熟度评估情况，精选60个场景作为第一批大模型示范场景先行建设，由各域长单位和企业推荐业务专家组成场景攻关团队，基本完成各应用场景详细设计，明确了技术路线。
答：一是进一步加强对人工智能建设的投资和资金支持。目前国务院国资委部YY易游体育官方网站署推动中央企业发展人工智能的任务艰巨，赋能全员的通用人工智能、高价值场景应用需求大于预期，需适当增加人工智能建设方面的投入，如增加场景建设投入、算力资源租赁费用支出等。
二是进一步加强人工智能培训和专业人才引育。各级干部员工对人工智能的认识还不够，人才严重缺乏。应持续加强各层级人员人工智能培训，加强复合型人才培养，提高全员的人工智能素养和技能。
三是压实域长单位的人工智能工作职责。从已开展的需求梳理、场景筛选等工作情况看，还存在域长重视程度不够、业务专家参与度不高、真正的高价值场景分析不够等问题。各域长单位应落实国务院国资委关于“一把手”亲自抓的要求，切实担起本域人工智能工作的主体责任，加强组织推动，深入分析本域高价值场景和精准需求设计，明确建设目标任务，抓好本域数据治理和数据集建设工作。
作为国务院国资委数字化转型试点企业，胜利油田高度重视人工智能技术与勘探开发、生产运行等业务的融合。推进基于透明盆地和数字油藏的勘探开发智能决策、基于油气生产物联网的智能生产运营两个智能化场景建设，2023年，申报的国家能源智能油气田研发中心成功入选“赛马争先”创新平台名单。应用地质大模型构建以“透明盆地”“透明油藏”为核心的多学科协同工作模式，在利津等区域井位部署中应用东营北带勘探大模型，建立五大洼陷页岩油地质模型，推进“所想能所见、地下能透明”综合研究范式变革。在油气勘探方面，形成断层层位解释、储层预测等多个智能化应用场景，断层解释效率提高10倍以上；在油气开发方面，实现开发指标预测、方案智能优化等场景智能化应用，效率提高5倍以上。
智能化技术推动生产运行模式全面转型。打造总部到基层四级贯通的PCS一级部署、集中管控新模式，全面推广功图自动计产、动液面软测量等技术，基于大模型推进安全生产视频智能识别，11种油田作业场景及关联风险识别准确率提高至85%以上。构建基于大数据的大监督新模式，推动监督工作向远程监督、自动化监督转变。率先发布油气勘探开发认知大模型“胜小利”，有力支撑页岩油前沿研究、油井工况智能诊断等场景的智能化应用。
下一步，胜利油田将全面推进“人工智能+”行动。攻关勘探开发下的大数据、大模型、人工智能等应用技术，在页岩油开发、CCUS、源网荷储等方面加快人工智能布局；拓展机器人、机器狗等智能应用场景，打造智能巡检示范厂（区）。基于长城大模型构建勘探地震大模型、油藏开发大模型等专业模型，通过大模型与小模型相结合，提高业务智能应用的泛化性。全面开展人工智能应用场景大调查，组织全员开展人工智能应用竞赛，营造良好的人工智能应用氛围，发挥全油田力量构建场景。深化智能体等技术应用，面向研究、管理、决策等层面打造人工智能助手，确保人工智能真正落地见效，把能源智慧饭碗牢牢端在自己手中。
管理区自主研发的智能油藏运营管理平台对经营业务的革新可以说是颠覆性的。有了平台的支撑，数据不再是分散的表格，而是以可视化图表的形式实时呈现，基础数据通过平台自动抓取、分类和汇总后，人员的统计工作量减少了60%以上。可以说，人工智能不仅使我们的管理工具得到升级，更使得我们的经营思维从粗放转为精细。未来，人工智能将持续推动油气开采行业的革命性发展。比如，油井各项数据支持远程传送，不仅能自动生成包含产液量、含水率、动液面等参数的日报、月报，更可通过数据挖掘技术建立单井生产动态模型，实现产量、效益最大化。
在全球数字化转型浪潮中，人工智能技术正以革命性态势深度重构产业格局。炼化工程集团已初步完成人工智能应用领域的基础性布局，在炼化工程领域完成多个高价值应用场景的顶层设计规划，相关技术研发与场景落地已形成阶段性实践成果。
在避免重复劳动、解放生产力方面，大力开发智能建构筑物设计、智能静设备设计等场景。在发挥人工智能大算力、大数据优势，解决复杂性、系统性工程设计难题及决策方面，加速推进智能工艺寻优、智能工艺安全分析等场景。在健全、筑牢知识底座方面，同步推进炼化工程知识库的搭建工作，将其广泛应用于智能设计审查、炼化工艺问答助手等场景，全面覆盖炼化工程业务，实现智能化、高效化发展。此外，炼化工程集团还在智能焊接、项目现场智能安全监管、智能运维等领域取得显著进展，彰显在工程智能化领域的技术实力和创新能力。
当前人工智能应用在基础数据、技术整合方面仍面临诸多挑战。下一阶段，炼化工程集团将聚焦重点领域实现突破性进展。首先，深化高价值场景的深度应用，在智能工厂部署、智能配管及智能全流程再造等关键领域加大深度学习、机器人及智能体等AI技术赋能力度。深挖场景潜力，让人工智能技术在实际业务中发挥出更大效能。
其次，加速推进人工智能技术与工程建设的深度融合。深度应用机器学习技术，建立涵盖工程设计、物资采购、项目施工全流程的智能分析系统，构建智能化“设计-采购-施工”一体化平台，助力企业在动态市场环境中建立核心竞争优势。
同时，系统性建设专业人才梯队。在内部构建系统化人工智能专项培训体系，建立与高等院校、科研机构的人才联合培养机制，持续提升技术人员的专业素养；在外部建立高端人才引进通道，重点吸纳行业前沿领域的高层次复合型人才，全面强化研发与应用团队建设。把深化人工智能人才队伍建设摆在突出位置，全力打造一支素质过硬、能打硬仗的专业队伍，持续突破人工智能在炼化工程领域的技术应用边界，为企业战略转型与高质量发展提供可持续发展动能。
作为一名从事技术工作多年的员工，我对人工智能的发展非常看好，并期待公司人工智能体“智小运”在施工组织生产中的精彩表现。在传统施工技术领域，我们在技术方案编制、方案审核和施工模拟等方面一直有着效率不高、易出错、标准不统一的难题。人工智能技术的出现为这一系列问题提供了新的解决思路：我们可以通过RAG外挂知识库的方式，构建吊装运输领域的专业知识库，将结构化的吊装载荷、工况数据、施工标准等数据结合石化行业大模型优秀的推理能力，为智能方案辅助编制、审查和模拟提供智能驱动力。
中原油田深入贯彻落实中国石化“人工智能+”行动部署，将“数字化转型”纳入中长期发展“六大战略”，加快人工智能发展促进管理模式变革和优化升级，着力打造“数智赋能型”油气田。
一是聚力打造普光智能气田。依托集团公司试点建设，开展出水预测、智能违章识别等多个场景的探索应用，支撑气田高效平稳运行，关键技术获得集团公司科技进步奖。二是聚力打造东濮老区智能示范区。坚持先攻关、后推广思路，开展文51智能示范区建设，攻关应用抽油机智能寻优、工况智能诊断等8项关键技术，探索构建油藏-井筒-地面一体化动态优化方式，助力示范区效率效益大幅提升。三是聚力打造大模型应用场景。以长城大模型为依托，研发智能问数、智能问知、智能服务三个智能助手，解析油田400余份核心制度和政策文件，汇聚102项关键指标、100余张数据报表，构建便民服务专用知识库，让政策制度“动起来、活起来、用起来”，数据查询效率提高40%，高频业务办理时长缩短53.3%。
下一步，中原油田将以场景化建设为实施路径，突出组织、专业及领域三个优势转化，坚持“难易结合、远近结合、动态调整”重要原则，系统规划应用场景，加快“人工智能+”专项行动计划落地见效。一是加快推进“人工智能+勘探开发”，围绕地震处理解释质效及开发方案效果提升，开展构造断层自动识别、生产动态预测、方案自动生成等场景建设，高效支撑油气藏协同研究中心运行。二是加快推进“人工智能+工程生产”，围绕工艺措施效益及生产效能提升，开展气井除硫、排液工艺措施智能推荐、措施效果评价及预测、车辆智能调派等场景建设，高效支撑生产指挥中心、工程决策中心运行。三是加快推进“人工智能+经营管理”，采取“事前算赢+事中监控+事后分析”策略，探索构建财务计划、投资计划、生产计划融合模型，建设国内上游数字化业财融合引领工程，推动经营管理模式变革。通过智能化场景建设和应用上的突破，以点成线、以线成面、以面成体，支撑智慧油气田建设。
我作为油田人工智能技术落地应用的开发负责人之一，亲历了人工智能从实验室走向油田一线的全过程。如今，人工智能工具已成为我日常工作中的“效率倍增器”，以前开发一个数据问答接口，从需求分析到代码实现至少需要3天，现在借助AI代码生成工具，我可以在1小时内完成基础框架搭建，节省了80%的重复性编码时间。AI编程工具让我们从“写代码”转向“论业务”，能将更多精力投入人工智能场景研发。尽管目前人工智能平台的应用场景还像一个“小学生”，对油田业务了解不足，但未来我们可以接入更专业的油气领域模型，加快人工智能在油气行业场景中的落地。
近年来，人工智能技术蓬勃发展，为各领域创新变革注入强劲动能。在油气田勘探开发领域，找油找气是在复杂地质条件下的概率探索。而以深度学习为核心的人工智能技术的理论根基是万能近似原理，其核心逻辑同样聚焦概率预测，与油气田上游的特性高度契合。
目前，江汉油田在勘探开发、安全生产、综合管理等多个场景全面推进人工智能技术应用。在勘探开发方面，持续在地质建模与储层预测、地震资料处理与解释、油气田开发与生产优化、储量评估与经济评价等领域深化人工智能应用。在天然气开发方面，借助页岩气地质工程一体化数字孪生平台打造页岩气藏人工智能大模型应用场景，实现地质模型实时动态更新。在智能优快钻井方面，建立钻井复杂故障样本库，运用AI智能算法构建钻井风险提示模型，智能计算新井轨迹与钻井复杂事件的空间距离，自动生成钻井风险提示清单。在智能压裂方面，建立产能主控因素样本，自动优化压裂参数，综合考虑天然裂缝、地应力等参数实现裂缝扩展实时展布，对比微地震结果，模拟精度达80%以上，用智能化手段为压裂技术决策全程赋能。在安全生产方面，通过应用视频违章智能识别系统，成功实现石油工程现场、直接作业及生产现场的违章操作、劳保穿戴、作业类别、风险隐患等场景的目标物智能识别，响应时间大幅缩短，督察效率提升超50%，算法违章漏检率降低至10%以下。在现场巡检方面，涪陵页岩气田将无人机、视频AI、PCS人工巡检相融合，打造“立体巡视、网格部署、全息感知、少人自主”一体化巡检新模式，全面保障气田集输管网及电力电路的安全平稳运行。在生产数据分析方面，通过开发江汉智问大模型平台，使业务人员日常重复性工作时间缩短了80%以上。
人工智能技术已经逐步成为推进油田高质量发展的核心驱动力，下一步，江汉油田将充分发挥人工智能优势，为油田的高质量发展贡献AI力量 。
传统的页岩气井积液诊断和预警往往通过油套压差和生产动态的变化来判断，存在精度不足、人力要求高、发现不及时等问题。积液智能预警与风险评价技术基于人工智能算法可完成全生命周期自动预警和风险分级工作，为上述问题提供了较好的解决对策，目前已在涪陵工区开展了800余井次日均15万条数据的实时解析，预警准确率达95%以上，处置效率达90%以上。
此外，地质工程一体化多模态融合AI大模型可实现生产数据的智能清洗、特征值精准提取，助力涪陵气田打造科学化决策、协同化科研的智能排采技术新高地。
作为中国石化旗下规模最大的炼化一体化企业，镇海炼化始终走在行业数字化转型的前沿。近年来，公司不断升级建设“智能工厂”，深度融合人工智能技术与石化生产场景，在设备安全、生产优化、质量管控、仓储物流等领域取得一定进展，为流程制造业的智能化升级提供了示范样本。
“模型化”提升设备安全与生产优化。镇海炼化以安全平稳与提质增效为核心，深化机理模型、专家模型、数学模型等运用。公司建设了设备健康管理中心，整合各种智能模块，实现100余套装置52万台设备全方位、多维度的智能展示和预警，在此基础上，通过基于AI的数据回归模型，开展以可靠性为中心的维修（RCM），建立包含46种不同转动设备类型的自有知识库，为后续可靠性分析、维修业务提效夯实基础。公司还运用S-GROMS、SKI、COILSIM等国产化人工智能工业软件，提升劣质原油加工能力，优化装置生产安排。2024年，公司进行了时序大模型与生产实际结合的验证，证实大模型在预警预测方面是可行的，接下来将进一步推动应用落地。
“无人化+智能化”重塑生产范式。智能化转型的本质是重构生产关系，让机器做机器擅长的事、让人做人该做的事。镇海炼化通过人工智能技术与工业场景的深度融合，努力向“外操无人化、内操智能化”目标迈进。在外操层面，通过智能装备替代人工，实现“无人巡检、无人仓储”。应用物联传感、智能机器人等，建设了无人值守变电所、无人泵站、无人行车、无人地磅等无人化场景；应用飞索智能巡检机器人，实现1.2万平方米球罐区全方位、全覆盖、全天候智能巡检；应用RGV环穿小车与仓储策略优化模型协同运作，建成无人聚烯烃立体库。在内操层面，努力提升装置优化控制水平，在乙烯、重整等装置实现在线套装置建设全流程智能优化，通过“RTO－APC/IPC/AIPC－DCS”全过程闭环实现装置效益最大化。在镇海基地一期、二期建设过程中，将智能优化控制列为装置标准配置，与装置同步建设。
作为一名设备技术管理人员，智能化平台的应用彻底革新了我的工作模式。以设备健康管理系统为例，通过实时监测振动、温度、腐蚀速率等关键参数，设备隐患缺陷识别效率得到显著提升，平台自动生成的腐蚀趋势分析和设备健康评估报告，让预防性维护更有依据。特别是移动端可实时接收报警信息，即使在夜间或节假日，我也能快速响应，安全管理压力小了很多。这些智能化应用带来的不仅是效率变革，还推动了管理理念升级——从依赖个人经验的“事后抢险”转变为基于数据分析的“全周期防控”，真正实现了智能技术与专业管理的深度融合。
当前，人工智能技术快速迭代，逐渐形成“专业模型垂直深耕”与“大模型横向扩展”的局面，并呈现加速协同的趋势，推动油气勘探开发业务从“模型驱动、静态分析”的传统模式转变为“数据驱动、动态优化”的新范式。为助力中国石化上游勘探开发数智化发展，石油勘探开发研究院牵头组建中国石化勘探开发数智技术重点实验室，并成立实体化研发部门，形成人工智能+油气业务百余人跨学科攻坚团队，具备较强的人工智能技术研发与应用能力。
石勘院聚焦油气勘探开发核心业务场景，围绕“数据治理-算法研发-软件生态”技术布局开展基础研究与关键技术攻关。利用人工智能技术在处理大规模复杂数据方面的显著优势，重点攻关地球物理、测井解释、基础实验地质等领域的基础算法，已在地球物理“甜点”智能识别与解释、测井特征曲线特征识别、岩芯图像智能识别、生产预测与优化等方面取得积极进展，形成多项人工智能特色技术，构建了“物理可解释、场景高适配”的专用工具，为上游数智化转型提供了重要支撑。同时积极推动人工智能基础算法共享生态建设，相关算法已在长城大模型应用社区面向全集团开源，践行共享共建理念，打造勘探开发智能算法生态。
下一步，石勘院将聚焦油气勘探开发主责主业，打造能推广、可迭代的应用场景，推动AI技术在油气上游实现从“技术可用”到“业务好用”的价值转化。首先，在集团公司统一规划部署下，持续开展系统性数据资源盘点与数据治理，并联合上游各油气分公司科研人员，开展碎屑岩薄片岩矿智能鉴定分析、地震资料智能处理解释预测、气藏智能采气等重点场景建设。其次，发挥油气藏专业自研软件方面的优势，融合大模型强大的文本理解能力，开展油藏建模、数模和压裂等国产化工业软件的智能化研发与升级，提高传统建模数模一体化工作效率与计算精度。最后，加强人才队伍建设，着力培养一批精通AI理论、技术与勘探开发应用的复合型人才，持续提高油气上游数智化创新能力。
人工智能技术在地震资料处理解释应用方面总体上仍处于探索实验阶段。石勘院地球物理技术研究所断缝体攻关团队围绕标签数据集制作、有效网络结构搭建两大应用症结开展针对性研究，通过断层及断缝体地质模型正演、实际地震数据预处理标注和迁移式学习策略来解决小样本问题，通过建立Transformer UNet++、Res-UNet-BCM网络组合架构来提高网络模型全局优化能力和收敛速度。通过技术攻关，智能化断缝储集体识别技术在中西部探区生产实践中取得良好的应用效果，模型收敛速度较传统UNet网络提升4倍以上，川西新场须家河组断缝储集体识别吻合率达到86%以上，鄂南泾河长8段断缝储集体识别吻合率达到90%以上。
