為了更好地服務(wù)石油石化行業(yè)，未來(lái)還需把好數(shù)據(jù)、技術(shù)、人才、標(biāo)準(zhǔn)等關(guān)口。

文‖龍遷羽 張蕾/曲紹楠

目前，人工智能賦能石油石化行業(yè)已經(jīng)取得積極進(jìn)展，但從試點(diǎn)示范走向規(guī)?；瘧?yīng)用、從技術(shù)可用走向經(jīng)營(yíng)有效、從局部?jī)?yōu)化走向系統(tǒng)重構(gòu)，仍然面臨數(shù)據(jù)、技術(shù)、組織、生態(tài)、藍(lán)圖等方面的深層次制約。

未來(lái)的石油石化行業(yè)，應(yīng)該如何更好地應(yīng)用人工智能的手段實(shí)現(xiàn)高質(zhì)量發(fā)展？

1

完善頂層設(shè)計(jì)，系統(tǒng)化推進(jìn)

2025年，國(guó)家發(fā)展改革委、國(guó)家能源局發(fā)布的《關(guān)于推進(jìn)“人工智能+”能源高質(zhì)量發(fā)展的實(shí)施意見(jiàn)》提出，到2027年推動(dòng)五個(gè)以上專(zhuān)業(yè)大模型在油氣等行業(yè)深度應(yīng)用、到2030年能源領(lǐng)域AI技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平的“兩步走”目標(biāo)，明確聚焦勘探評(píng)價(jià)、開(kāi)發(fā)優(yōu)化、鉆井壓裂、煉化裝置、管網(wǎng)仿真等方向推動(dòng)全過(guò)程智能聯(lián)動(dòng)與自動(dòng)優(yōu)化。

2025年9月以來(lái)，國(guó)內(nèi)七部門(mén)聯(lián)合印發(fā)《石化化工行業(yè)穩(wěn)增長(zhǎng)工作方案（2025—2026年）》，明確實(shí)施“人工智能+石化化工”行動(dòng)；工信部也發(fā)布了《工業(yè)領(lǐng)域重要數(shù)據(jù)識(shí)別指南》（YD/T 4981-2024）等3項(xiàng)工業(yè)數(shù)據(jù)安全行業(yè)標(biāo)準(zhǔn)。

2026年4月，中國(guó)石油和化學(xué)工業(yè)聯(lián)合會(huì)發(fā)布的《石油和化學(xué)工業(yè)“十五五”發(fā)展指南》提出，到2030年，智能工廠普及率超過(guò)30%。

2026年5月，《關(guān)于促進(jìn)人工智能與能源雙向賦能的行動(dòng)方案》進(jìn)一步以“能源支撐AI發(fā)展、AI賦能能源轉(zhuǎn)型”為主線部署了29項(xiàng)重點(diǎn)任務(wù)，提出到2030年，構(gòu)建“雙向賦能、深度融合”的新格局，加速推動(dòng)AI在勘探開(kāi)發(fā)、生產(chǎn)運(yùn)行、設(shè)備運(yùn)維、安全管理等全鏈條場(chǎng)景落地應(yīng)用，為行業(yè)AI深度應(yīng)用提供了清晰的政策方向與任務(wù)牽引。

上述政策明確要求，AI應(yīng)用面向勘探開(kāi)發(fā)、煉化儲(chǔ)運(yùn)、安全環(huán)保等全鏈條重點(diǎn)場(chǎng)景，形成以業(yè)務(wù)價(jià)值為導(dǎo)向、以場(chǎng)景落地為牽引、以標(biāo)準(zhǔn)體系為保障的系統(tǒng)推進(jìn)格局。

在標(biāo)準(zhǔn)規(guī)范層面，能源領(lǐng)域的人工智能應(yīng)用仍然處于加快完善階段。今年初，中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院發(fā)布的《人工智能賦能石油石化行業(yè)發(fā)展標(biāo)準(zhǔn)化研究報(bào)告（2025版）》指出，數(shù)據(jù)治理、模型評(píng)測(cè)、安全評(píng)估等標(biāo)準(zhǔn)的缺失，直接制約了AI系統(tǒng)的跨企業(yè)、跨平臺(tái)復(fù)用。

按照《關(guān)于推進(jìn)“人工智能+”能源高質(zhì)量發(fā)展的實(shí)施意見(jiàn)》的要求，未來(lái)，應(yīng)在總結(jié)試點(diǎn)示范經(jīng)驗(yàn)的基礎(chǔ)上，加快構(gòu)建能源領(lǐng)域人工智能標(biāo)準(zhǔn)體系，推動(dòng)形成可評(píng)估、可驗(yàn)證、可推廣的技術(shù)應(yīng)用規(guī)范。

此外，行業(yè)也發(fā)布了《石油行業(yè)人工智能應(yīng)用指南》《油氣田智能工廠建設(shè)規(guī)范》等團(tuán)體標(biāo)準(zhǔn)20余項(xiàng)；工信部發(fā)布了《工業(yè)領(lǐng)域重要數(shù)據(jù)識(shí)別指南》等3項(xiàng)數(shù)據(jù)安全行業(yè)標(biāo)準(zhǔn)，構(gòu)建了從識(shí)別到防護(hù)、評(píng)估的管理體系。

2

夯實(shí)數(shù)據(jù)基礎(chǔ)，建立標(biāo)準(zhǔn)體系

數(shù)據(jù)是AI應(yīng)用的基礎(chǔ)，也是當(dāng)前制約石油石化行業(yè)智能化發(fā)展的首要瓶頸。但是，部分煉化裝置、儲(chǔ)運(yùn)設(shè)施和生產(chǎn)現(xiàn)場(chǎng)設(shè)備服役時(shí)間較長(zhǎng)，未預(yù)置完善的數(shù)據(jù)采集接口，導(dǎo)致關(guān)鍵運(yùn)行數(shù)據(jù)缺失、采樣頻率不一致、標(biāo)簽不準(zhǔn)確、歷史數(shù)據(jù)質(zhì)量參差不齊。同時(shí)，ERP、MES、SCADA、DCS、LIMS、EAM等系統(tǒng)之間數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、口徑不一致、接口不貫通，造成“數(shù)據(jù)孤島”和“煙囪系統(tǒng)”并存。

對(duì)此，業(yè)內(nèi)專(zhuān)家給出的建議是，要不斷夯實(shí)數(shù)據(jù)基礎(chǔ)，建立覆蓋全產(chǎn)業(yè)鏈的數(shù)據(jù)標(biāo)準(zhǔn)與治理體系，推動(dòng)數(shù)據(jù)分類(lèi)分級(jí)、質(zhì)量評(píng)估與資產(chǎn)目錄建設(shè)?！巴瑫r(shí)，運(yùn)用隱私計(jì)算、可信溯源等技術(shù)，保障安全合規(guī)前提下的數(shù)據(jù)流通利用，構(gòu)建高質(zhì)量能源數(shù)據(jù)集?！睒I(yè)內(nèi)專(zhuān)家說(shuō)。

此外，企業(yè)還面臨高質(zhì)量數(shù)據(jù)集建設(shè)不足的問(wèn)題，導(dǎo)致模型訓(xùn)練、驗(yàn)證和遷移應(yīng)用受到限制。“一些工業(yè)數(shù)據(jù)雖然規(guī)模較大，但可用于建模的數(shù)據(jù)比例并不高，數(shù)據(jù)清洗、標(biāo)注、治理成本高昂。數(shù)據(jù)安全和網(wǎng)絡(luò)安全問(wèn)題同樣突出，能源基礎(chǔ)設(shè)施具有關(guān)鍵性和敏感性，數(shù)據(jù)跨域流通、模型遠(yuǎn)程調(diào)用、云邊端協(xié)同部署均需要嚴(yán)格的安全可信機(jī)制。”業(yè)內(nèi)專(zhuān)家分析認(rèn)為。

對(duì)此，《關(guān)于推進(jìn)“人工智能+”能源高質(zhì)量發(fā)展的實(shí)施意見(jiàn)》明確提出，要推動(dòng)數(shù)據(jù)智能標(biāo)注、智能增強(qiáng)、數(shù)據(jù)合成等技術(shù)應(yīng)用，推進(jìn)能源數(shù)據(jù)分類(lèi)分級(jí)、隱私計(jì)算、動(dòng)態(tài)加密和跨域可信溯源等技術(shù)研發(fā)。這為破解數(shù)據(jù)瓶頸指明了方向。

3

強(qiáng)化技術(shù)攻關(guān)，加快平臺(tái)適配

石油石化生產(chǎn)過(guò)程具有強(qiáng)機(jī)理、多變量、強(qiáng)耦合、高風(fēng)險(xiǎn)等特點(diǎn)，單純依賴數(shù)據(jù)驅(qū)動(dòng)的模型容易出現(xiàn)可解釋性不足、泛化能力不強(qiáng)、極端工況下可靠性不高等問(wèn)題。不同裝置、不同油品、不同工況之間差異較大，同一模型在跨區(qū)域、跨企業(yè)應(yīng)用時(shí)效果可能明顯下降。小樣本、長(zhǎng)尾風(fēng)險(xiǎn)、異常事件等場(chǎng)景下，模型訓(xùn)練難度更高。

同時(shí)，大模型訓(xùn)練和部署對(duì)算力資源、數(shù)據(jù)資源、工程平臺(tái)和運(yùn)維能力提出更高要求。部分企業(yè)在GPU資源、國(guó)產(chǎn)AI芯片適配、邊緣推理能力、工業(yè)軟件集成、模型安全評(píng)測(cè)等方面仍然存在短板。生產(chǎn)控制場(chǎng)景對(duì)實(shí)時(shí)性、穩(wěn)定性和安全性要求極高，模型推理速度、邊緣部署能力、容錯(cuò)機(jī)制和人機(jī)協(xié)同方式必須滿足工業(yè)現(xiàn)場(chǎng)要求。

專(zhuān)家建議，未來(lái)應(yīng)按照政策要求，圍繞多元異構(gòu)算力統(tǒng)一調(diào)度、任務(wù)智能編排、模型可解釋性、輕量化推理、綠色低碳AI等方向加大攻關(guān)力度。同時(shí)，企業(yè)要不斷強(qiáng)化技術(shù)攻關(guān)，重點(diǎn)突破多模態(tài)融合、物理信息神經(jīng)網(wǎng)絡(luò)、可解釋AI、聯(lián)邦學(xué)習(xí)、邊緣智能、工業(yè)智能體等關(guān)鍵技術(shù)，推動(dòng)機(jī)理模型、數(shù)據(jù)模型與專(zhuān)家知識(shí)深度融合；加快核心工業(yè)軟件與AI平臺(tái)的適配，提升模型在復(fù)雜工況下的可靠性、可控性與可驗(yàn)證性。

4

培養(yǎng)復(fù)合型人才，深化組織變革

人工智能深度融入石油石化業(yè)務(wù)，既需要懂算法、懂平臺(tái)、懂?dāng)?shù)據(jù)的技術(shù)人才，也需要懂工藝、懂設(shè)備、懂市場(chǎng)、懂管理的業(yè)務(wù)專(zhuān)家，更需要能夠貫通兩類(lèi)知識(shí)體系的復(fù)合型人才。當(dāng)前，石油石化行業(yè)普遍存在“懂油氣的不懂AI、懂AI的不懂油氣”的結(jié)構(gòu)性矛盾，導(dǎo)致技術(shù)方案與業(yè)務(wù)需求脫節(jié)、模型開(kāi)發(fā)與現(xiàn)場(chǎng)應(yīng)用割裂、應(yīng)用建設(shè)與運(yùn)營(yíng)維護(hù)脫節(jié)。

在組織層面，部分單位對(duì)AI應(yīng)用的認(rèn)識(shí)仍然停留在技術(shù)展示和系統(tǒng)建設(shè)層面，對(duì)業(yè)務(wù)流程重塑、崗位能力提升和管理機(jī)制配套重視不足。一線員工可能擔(dān)心智能系統(tǒng)削弱經(jīng)驗(yàn)價(jià)值，中層管理人員可能擔(dān)心短期業(yè)績(jī)壓力影響創(chuàng)新投入，高層決策者也可能因投入產(chǎn)出難以量化而趨于謹(jǐn)慎。

因此，推進(jìn)智能化轉(zhuǎn)型必須同步推進(jìn)組織機(jī)制變革，建議通過(guò)試點(diǎn)示范、標(biāo)桿帶動(dòng)、績(jī)效牽引和培訓(xùn)賦能，形成業(yè)務(wù)部門(mén)、信息化部門(mén)、科研單位和外部生態(tài)協(xié)同推進(jìn)的工作格局。

專(zhuān)家提到，在人才培養(yǎng)上要健全組織保障機(jī)制，鼓勵(lì)企業(yè)與高校共建“人工智能+能源”人才培養(yǎng)基地，培養(yǎng)復(fù)合型人才。同時(shí)，要建立“一把手”牽頭、業(yè)務(wù)主責(zé)、技術(shù)支撐、科研協(xié)同的推進(jìn)機(jī)制，完善投入產(chǎn)出評(píng)價(jià)、創(chuàng)新容錯(cuò)與成果推廣機(jī)制，推動(dòng)AI從局部試點(diǎn)走向系統(tǒng)賦能。

5

加強(qiáng)標(biāo)準(zhǔn)建設(shè)，完善產(chǎn)業(yè)生態(tài)

人工智能在石油石化行業(yè)的規(guī)?；瘧?yīng)用，離不開(kāi)統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)、接口規(guī)范、模型評(píng)測(cè)、安全準(zhǔn)則和應(yīng)用評(píng)價(jià)體系。

當(dāng)前，不同企業(yè)、不同平臺(tái)、不同系統(tǒng)之間標(biāo)準(zhǔn)不統(tǒng)一，容易形成新的技術(shù)壁壘和數(shù)據(jù)孤島。行業(yè)級(jí)公共數(shù)據(jù)集、測(cè)試驗(yàn)證平臺(tái)、模型評(píng)估基準(zhǔn)和安全合規(guī)框架仍需完善，制約了AI解決方案跨企業(yè)復(fù)制推廣。

此外，行業(yè)生態(tài)協(xié)同仍顯不足。部分企業(yè)各自為戰(zhàn)，重復(fù)建設(shè)現(xiàn)象仍然存在；技術(shù)服務(wù)商對(duì)油氣業(yè)務(wù)機(jī)理、生產(chǎn)流程和安全約束理解不深，導(dǎo)致部分解決方案“水土不服”；產(chǎn)學(xué)研用之間尚未形成穩(wěn)定、高效的聯(lián)合攻關(guān)機(jī)制。

因此，按照《關(guān)于推進(jìn)“人工智能+”能源高質(zhì)量發(fā)展的實(shí)施意見(jiàn)》的要求，石油石化企業(yè)未來(lái)應(yīng)推動(dòng)建設(shè)行業(yè)研發(fā)創(chuàng)新平臺(tái)和“人工智能+”能源創(chuàng)新聯(lián)盟，形成開(kāi)放協(xié)同、共創(chuàng)共享的能源智能化創(chuàng)新生態(tài)。

同時(shí)，要加強(qiáng)標(biāo)準(zhǔn)建設(shè)，加快制定數(shù)據(jù)治理、模型評(píng)測(cè)、安全評(píng)估、接口規(guī)范、場(chǎng)景設(shè)計(jì)、智能裝備應(yīng)用等系列標(biāo)準(zhǔn)，建設(shè)行業(yè)級(jí)測(cè)試驗(yàn)證平臺(tái)與評(píng)估指標(biāo)體系。同時(shí)，鼓勵(lì)龍頭企業(yè)參與國(guó)際標(biāo)準(zhǔn)制定工作，以標(biāo)準(zhǔn)化帶動(dòng)技術(shù)、產(chǎn)品與解決方案“走出去”。

除以上建議外，有專(zhuān)家還提到要堅(jiān)持場(chǎng)景牽引。即聚焦勘探評(píng)價(jià)、開(kāi)發(fā)優(yōu)化、鉆井壓裂、煉化運(yùn)行、管網(wǎng)仿真、設(shè)備預(yù)測(cè)維護(hù)、安全預(yù)警等重點(diǎn)場(chǎng)景，遴選基礎(chǔ)好、價(jià)值高、潛力大的項(xiàng)目，打造可復(fù)制、易推廣的標(biāo)桿應(yīng)用。同時(shí)，還要不斷完善算力支撐，統(tǒng)籌通用算力、智能算力、邊緣算力與現(xiàn)場(chǎng)算力資源，探索算力池化、智能編排與多元異構(gòu)調(diào)度，形成“云端訓(xùn)練、邊緣推理、終端感知”的協(xié)同架構(gòu)；推動(dòng)算力中心與綠色電力、通信網(wǎng)絡(luò)、數(shù)據(jù)資源協(xié)同布局，降低AI應(yīng)用成本與能耗。

6

打造“生態(tài)指揮官”，重構(gòu)發(fā)展藍(lán)圖

“未來(lái)的企業(yè)領(lǐng)導(dǎo)者將演變成一位高明的‘生態(tài)指揮官’。”全球最大的私董會(huì)教練機(jī)構(gòu)偉事達(dá)（VISTAGE）持牌教練、SAP中國(guó)前首席數(shù)字化轉(zhuǎn)型專(zhuān)家孫惠民提出了一個(gè)新的構(gòu)想。

他說(shuō)，這位“指揮官”能同時(shí)指揮三類(lèi)“員工”協(xié)同作戰(zhàn)：一是碳基（人類(lèi)）員工，具有獨(dú)特的創(chuàng)造力、倫理判斷和復(fù)雜戰(zhàn)略思維；二是比特（數(shù)字智能）員工 ，即各類(lèi)AI智能體與數(shù)字員工，負(fù)責(zé)處理海量信息、執(zhí)行精密邏輯與自動(dòng)化流程；三是硅基（具身機(jī)器人/設(shè)備）員工，如現(xiàn)場(chǎng)巡檢機(jī)器人、高危作業(yè)自動(dòng)化設(shè)備等物理執(zhí)行單元。

他補(bǔ)充道，人工智能的價(jià)值遠(yuǎn)不止于替代單個(gè)崗位，而是重塑整個(gè)企業(yè)的組織與運(yùn)行范式。他以實(shí)際架構(gòu)為例，講述了未來(lái)智慧企業(yè)的可能面貌。其中，基石是企業(yè)的私有“智慧云腦”。即以私有化部署的大模型（如DeepSeek）為核心，深度融合企業(yè)大量的地質(zhì)數(shù)據(jù)、生產(chǎn)工藝、設(shè)備圖譜、安全管理經(jīng)驗(yàn)，從而形成一個(gè)安全、專(zhuān)屬、可以不斷進(jìn)化的“企業(yè)數(shù)字大腦”。

工具則是模塊化的“技能工具箱”。企業(yè)可以圍繞勘探、煉化、供應(yīng)鏈、安全預(yù)警等具體業(yè)務(wù)場(chǎng)景，開(kāi)發(fā)一系列高度專(zhuān)業(yè)化的工具型技能?！斑@些工具如同手術(shù)刀和聽(tīng)診器一般，可以解決特定領(lǐng)域的復(fù)雜問(wèn)題。”他解釋道。

執(zhí)行層面，就是打造協(xié)同作戰(zhàn)的“智能體軍團(tuán)”。在類(lèi)似“愛(ài)馬仕”智能體（Hermes Agent）操作系統(tǒng)之上可以激活并協(xié)調(diào)多個(gè)專(zhuān)業(yè)智能體。例如，一個(gè)實(shí)時(shí)監(jiān)測(cè)催化裂化裝置運(yùn)行狀態(tài)的智能體，在捕捉到異常微小變化時(shí)能瞬間聯(lián)動(dòng)維修調(diào)度智能體、備件庫(kù)存智能體與工藝優(yōu)化智能體，從而形成自主閉環(huán)的應(yīng)急響應(yīng)機(jī)制。

最后是打造企業(yè)決策者的“數(shù)字分身”。其可以獨(dú)自承擔(dān)戰(zhàn)略目標(biāo)分解、跨部門(mén)資源調(diào)配、多智能體協(xié)同指揮的核心職責(zé)，真正實(shí)現(xiàn)對(duì)信息流與物質(zhì)流的統(tǒng)一和智慧化管控。

談及人工智能的發(fā)展趨勢(shì)，專(zhuān)家預(yù)測(cè)了四個(gè)方向。

未來(lái)，將由判別式AI向生成式AI和工業(yè)智能體協(xié)同演進(jìn)。傳統(tǒng)判別式AI主要解決分類(lèi)、預(yù)測(cè)、識(shí)別等問(wèn)題，生成式AI則在方案設(shè)計(jì)、報(bào)告生成、代碼編寫(xiě)、知識(shí)問(wèn)答和多輪交互方面具備優(yōu)勢(shì)。未來(lái)，油氣行業(yè)大模型將更多地與工業(yè)軟件、專(zhuān)業(yè)數(shù)據(jù)庫(kù)、知識(shí)圖譜和仿真系統(tǒng)結(jié)合，形成面向具體業(yè)務(wù)場(chǎng)景的工業(yè)智能體，實(shí)現(xiàn)從回答問(wèn)題向執(zhí)行任務(wù)轉(zhuǎn)變。

將由單模態(tài)應(yīng)用向多模態(tài)融合感知演進(jìn)。石油石化場(chǎng)景同時(shí)包含地震資料、測(cè)井曲線、工藝流程圖、設(shè)備圖像、傳感器時(shí)序數(shù)據(jù)、文本報(bào)告和視頻監(jiān)控等多種數(shù)據(jù)形態(tài)。多模態(tài)融合將成為提升復(fù)雜場(chǎng)景識(shí)別、工況診斷和輔助決策能力的重要方向。未來(lái)，多模態(tài)大模型有望實(shí)現(xiàn)對(duì)地質(zhì)圖像、生產(chǎn)報(bào)表、設(shè)備狀態(tài)和現(xiàn)場(chǎng)視頻的聯(lián)合理解，從而提升勘探評(píng)價(jià)、生產(chǎn)優(yōu)化和安全預(yù)警的準(zhǔn)確性。

將由企業(yè)級(jí)智能化向產(chǎn)業(yè)鏈協(xié)同智能化拓展。隨著行業(yè)數(shù)據(jù)標(biāo)準(zhǔn)、算力平臺(tái)和模型能力逐步完善，AI應(yīng)用將從企業(yè)內(nèi)部單點(diǎn)優(yōu)化，拓展到勘探開(kāi)發(fā)、煉化加工、管網(wǎng)儲(chǔ)運(yùn)、終端銷(xiāo)售、客戶服務(wù)和供應(yīng)鏈協(xié)同的全鏈條優(yōu)化。上游資源、煉化裝置、物流庫(kù)存、市場(chǎng)需求和價(jià)格策略之間的數(shù)據(jù)貫通，將推動(dòng)石油石化行業(yè)由局部最優(yōu)向系統(tǒng)最優(yōu)轉(zhuǎn)變。

將由高耗能智能化向綠色低碳智能化演進(jìn)。AI本身對(duì)算力和能源消耗提出新要求，能源行業(yè)既是AI應(yīng)用的重要場(chǎng)景，也是支撐AI發(fā)展的重要基礎(chǔ)。國(guó)網(wǎng)信通產(chǎn)業(yè)集團(tuán)總工程師、黨委委員李慶峰在中國(guó)能源周上提到，未來(lái)應(yīng)強(qiáng)化算力與電力協(xié)同發(fā)展，提高算力設(shè)施的綠電占比，降低算力設(shè)施的能耗水平，加強(qiáng)算力設(shè)施節(jié)能降碳管理，推動(dòng)數(shù)據(jù)中心液冷、廢熱回收、備電集約化等技術(shù)應(yīng)用，實(shí)現(xiàn)AI與能源行業(yè)的雙向賦能。

總之，人工智能賦能石油石化行業(yè)不是簡(jiǎn)單的技術(shù)疊加，而是涉及數(shù)據(jù)基礎(chǔ)、模型能力、業(yè)務(wù)流程、組織機(jī)制和產(chǎn)業(yè)生態(tài)的系統(tǒng)工程。面向新型能源體系建設(shè)和能源高質(zhì)量發(fā)展要求，石油石化行業(yè)應(yīng)該堅(jiān)持應(yīng)用導(dǎo)向、問(wèn)題導(dǎo)向和價(jià)值導(dǎo)向，圍繞高價(jià)值場(chǎng)景加快試點(diǎn)示范和規(guī)模推廣，推動(dòng)人工智能真正成為保障能源安全、提升經(jīng)營(yíng)質(zhì)效、促進(jìn)綠色低碳轉(zhuǎn)型的重要支撐。