AI重塑能源化工业态（图）

[中国石化报 2026-02-24]

中国石化绿色化工分子筛材料人工智能重点实验室。

阅读提示：人工智能正推动科学研究从“观察-假设-验证”的传统范式，迈向“数据密集-智能涌现-人机协同”的智能化新范式。2024年诺奖授予AI相关研究，标志着这一范式转型获得全球科学共同体认可。在能源化工领域，人工智能驱动的科学研究（AI for Science）已从理念走入工程实践，成为驱动产业创新的关键变量。

本版文字由上海石油化工研究院高级专家李欣图片由周梦瑾提供

当前，人工智能技术加速迭代演进，正从试验探索迈向价值创造阶段，引发经济社会各行业各领域深刻变革。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，推动人工智能与经济社会各行业各领域广泛深度融合。国务院国资委召开专题推进会，强调要高度重视人工智能在科研领域的应用，从政策支持、人才培养、标准规范等方面协同发力，完善支持人工智能引领科研范式变革的制度机制；要注重运用人工智能强大的数据分析、模拟与预测、跨学科融合等能力赋能科研工作，探索推动从传统的“观察-假设-验证”研究逻辑向“数据密集-智能涌现-人机协同”研究逻辑转变，形成由海量数据和庞大算力驱动的智能化科研范式。

战略引领——中国石化“AI+”专项行动的系统布局

中国石化深入开展“AI+”专项行动，围绕科技研发、生产制造、工程设计、经营管理四大领域全面推进高价值场景建设

人工智能（AI）是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能驱动的科学研究（AI for Science，亦称AI4S）作为一种将人工智能和科学研究深度融合的新兴科技形态，依托人工智能技术，结合人类社会的各种现象和规律（原理、经典公式等），解决各种科研问题，从而推动科学发现和创新。近年来，人工智能的强大众所周知，但其“黑箱”属性也向来被学界诟病，即能知其然却不能知其所以然，将科学研究与人工智能融合，为人工智能提供了绝佳的验证步骤，让人工智能在特定领域内能产出可解释的成果。现今，AI4S在生命科学、材料科学、能源、半导体、地球与环境等众多领域开展产研实践，其中，在材料科学领域，AI4S的应用主要是从第一性原理出发，预测材料成分分布和微观结构的多尺度特征，并整合现有材料的数据库、专家知识和人工智能方法，将计算和实验结合，缩小材料创新的搜索空间，加快材料创新进程。2024年诺贝尔化学奖与物理学奖均花落人工智能相关研究项目。这一标志性事件不仅彰显了人工智能技术的成熟度，更预示着它正以革新之势重塑科学研究的固有范式。当前在能源化工研发领域，有不少企业已敏锐捕捉到这一技术变革的浪潮，纷纷借助人工智能技术赋能科研开发，力求推动行业从传统模式向“预测性设计和精准创制”的智能化方向迈进。

石油化工行业具有系统规模大、覆盖专业多、工艺复杂、产品多元化、控制难度大、耦合度高等特点，与人工智能的结合能够促使石化企业跳出传统流程行业的范畴，推动精细化生产和运营。同时，人工智能在能源化工材料开发、关键点识别、获取新的科学规律、促进化学信息学的发展方面将发挥重要作用。

中国石化深入开展“AI+”专项行动，以创新驱动赋能产业升级，围绕科技研发、生产制造、工程设计、经营管理等四个领域，全面推进一批高价值场景建设。中国石化建成7000亿和700亿参数的长城大模型，显著提升行业理解、知识推理和生成能力，成功通过工信部信通院、中国泰尔实验室权威测评，成为首个通过测评的MoE（混合专家）架构国产化行业大模型。投用以来，用户数累计超10万个，日均token（词元）用量达到1.5亿次，赋能200余个信息系统，支撑了审计、钻井、地热、设备等专业级（L2）模型训练和各应用场景建设。

场景深耕——从地下油藏到地上工厂的智能实践

胜利油田推进透明盆地与数字油藏智能决策，推动勘探开发范式变革；镇海炼化建成设备健康管理中心，实现外操无人化、内操智能化，为流程制造业智能化升级提供示范样本；炼化工程集团布局智能设计、工艺寻优与知识库建设，全面覆盖工程业务

胜利油田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。

镇海炼化不断升级建设“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。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。该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。该公司还运用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，该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。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实时优化，在4号常减压等7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。

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。

前沿突破——AI驱动新材料研发与基础机理创新

石勘院攻关地球物理、测井解释等基础算法，构建物理可解释的智能识别工具，打造勘探开发智能算法生态；石科院借助AI研究Beckmann重排反应催化机理，揭示活性位点作用；北化院开发聚酰亚胺材料智能设计平台，实现新结构定向筛选与性能预测，大幅提升研发效率；上海院构建分子筛材料智能合成系统，集成文献理解与自动化操作，实现逆向生成与性能优化

石勘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。

石科院与深势科技公司深入合作攻关，借助目前先进的AI技术来认识环己酮肟气相Beckmann重排反应过程的关键科学问题，在国际材料与化工顶尖杂志《Nano Research（纳米研究）》和《ACS Applied Materials&Interface（ACS应用材料与界面）》上报道了重要工作进展，相关基础研究课题获得国家自然科学基金委员会项目支持。石科院团队采用AI技术系统地研究了催化剂组成、硅醇类型，以及溶剂效应对反应的影响。这项工作首次系统地研究了S-1分子筛催化剂在气相Beckmann重排反应中的作用，不仅揭示了硅醇巢式活性位点的催化机理，也展示了AI辅助模拟在预测和指导催化剂设计中的强大能力，为工业生产绿色己内酰胺提供了可行的新方法。这项研究展示了计算机模拟在催化剂设计中的必要性，可以事先预测最佳的催化剂和反应条件，对于将基础研究成果快速转化为应用并实现产业化具有重要意义。这项创新不仅有望推动绿色尼龙6单体的生产，也将对纤维、塑料等行业产生深远的影响。

北化院利用人工智能赋能聚酰亚胺研发，实现“筛得快且筛得好”。氦气是一种重要的战略物资，在科研、国防和经济建设中具有不可替代的作用。聚酰亚胺是提取高纯度氦气的膜材料里的关键原料，北京化工研究院通过智能模型训练，自主开发出聚酰亚胺材料智能化设计平台。该平台可以定向生成新型分子结构设计方案、准确预测新材料的气体分离性能等参数，使科研人员能够定向筛选最优方案进行实验验证，大幅提升研发效率。经实验验证，该平台对气体分离性能的预测平均准确率超过90%；新设计开发的聚酰亚胺膜，其气体分离性能较现有商用材料提升30%，聚酰亚胺新结构的筛选和设计时间缩短80%。2025世界人工智能大会举办期间，国务院国资委在“AI焕新 产业共赢”企业人工智能产业发展分论坛上发布了40项“中央企业人工智能战略性高价值场景优秀建设成果”，中国石化“AI辅助聚酰亚胺气体分离材料开发”成功入选。

上海院利用人工智能赋能分子筛材料研发。分子筛是重要的催化材料，广泛应用于石油化工生产过程和环保领域。上海院针对化工高温高压严苛工况，开发了集成机器阅读理解、实验预测、全流程自动化功能的分子筛材料合成系统。该系统通过构建文献语义理解模型，驱动设备自动完成实验操作；依托大语言模型智能体，实现材料的逆向生成与性能优化；结合第一性原理计算和机器学习算法，运用可解释性AI模型挖掘数据中的隐藏规律和构效关系，赋能分子筛理性设计与定向合成，显著加快高性能分子筛材料的研发进程。中国石化分子筛材料智能研发平台入选2025世界人工智能大会中国人工智能产业创新成果展。