景 帅 集团公司信息和数字化管理部副总经理

    问：面对全球科技竞争日趋激烈，国内外能源化工企业如何布局人工智能技术？

    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。

    问：中国石化人工智能技术发展的整体规划是什么？

    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。

    问：中国石化从哪些方面布局人工智能发展，目前取得哪些进展？

    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。

    问：在人工智能技术研发过程中，集团公司面临哪些困难？如何解决？

    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。