宝利配资石化行业数字化转型路在何方？

在石化行业数字化转型的浪潮中，大数据、云计算、人工智能（AI）等前沿技术，特别是行业模型协同创新发展，为行业发展注入了澎湃动能。与此同时，数据孤岛、模型泛化难题、工业软件“短板”等挑战依然突出。在11月4日于大连举行的2025石化化工行业数字化转型大会上，与会专家就夯实数字化基础、坚持需求导向、优先推进高价值场景应用、加强供给力量等解决方案展开讨论，为石化行业数字化转型提供了可行路径。

技术赋能日益成熟大小模型协同趋势明显

“当前，数智化技术迅猛发展，以大数据、云计算、AI为代表的数字技术实现了集群式突破，并进入工业化应用阶段，为石化行业数字化转型提供了重要支撑。”全国工程勘察设计大师、中国石油化工集团有限公司首席科学家、中国工程院院士孙丽丽说。

具体而言，数据湖、数据中台等技术解决了海量数据“存管用”难题，使得全域数据价值挖掘成为可能；云服务提供了弹性可扩展、成本可控的算力资源，让企业能以更低成本运行复杂模型；AI技术，特别是深度学习和大模型技术的飞跃，正从单点工具向系统赋能转变，通过与工业机理的深度融合，驱动业务创新与流程再造。

此外，数智化转型实践出现了大模型、小模型协同的趋势。第十四届全国政协委员、工业和信息化部原副部长王江平指出，部分企业将大模型的“智慧”和小模型的“敏捷”相结合，实现性能、效率和成本的平衡。大模型的自然语言理解能力、内容生成能力与销售服务、产品研发领域特点吻合，而小模型则可以专注特定场景，适合特定生产制造场景的综合感知、精准判别和决策。

进一步夯实数字底座筑牢行业转型根基

夯实数字底座的第一步是打破“数据孤岛”。孙丽丽指出，当前制约数据供得出、流得动、用得好的卡点堵点问题依然突出，数据采集、流通交易和开发利用等方面还存在标准不完善、技术能力不足等问题。

“高质量工业数据集供给仍旧不足。”王江平同样指出，企业出于保密、合规等考虑，不愿开源共享或在市场交易数据，往往单独部署大模型，导致行业专识数据集不足。

对此，孙丽丽建议，要做好数据治理顶层规划与设计。如中国石化已成立数据治理委员会，提出了石化行业数据治理方法论，制定全业务域、全产业链统一的数据标准，指导企业开展数据治理工作。

模型泛化能力不足也是行业转型的“卡点”之一。王江平指出，不同行业产品类型不一、应用场景千差万别，特定行业训练的大模型很难泛化到其他行业。他建议，从短期看，要建设模块化场景模型，实现“搭积木”式的模型调用，打造“一次开发、万企复用”的生态模式，打破行业“重复造轮子”困境；从长远看，则需通过高质量行业语料库训练建设，打造支撑全行业共性需求的行业大模型。

工业软件关键技术欠缺、平台标准不统一等问题也制约着行业转型。孙丽丽建议，行业要筑牢工业软件根基，强化平台建设。如中国石化已建成智越物性数据库、智越三维工厂设计、智越管道应力智能分析等软件，以及集成化设计、项目管理集成化、交付运维一体化等平台，为数字化转型提供支撑。

此外，连接数据、模型、平台的网络基础也有待进一步加强。“要想‘数’，先修‘路’。5G网络为石化行业提供了关键通信支撑。”中国联合网络通信有限公司首席科学家范济安指出，5G、工业互联网、AI和大数据等通信技术深度融合后，石化企业才能有效解决安全、能效和协同等问题。

坚持需求导向优先推进高价值场景应用

“人工智能的生命力在于应用。”王江平指出，“整体看，目前大模型在工业领域应用案例集中在营销服务、管理运营等通用性较强的环节，尚未深入触及工业关键流程控制、排产调度、参数调优等生产制造核心环节。”对此，他建议，“AI+制造”应聚焦行业难点、痛点，坚持需求导向、问题导向，优先推进效率革命、复杂性决策、个性化需求、用户新体验四类高价值场景应用。

他进一步解释，比如，石化企业的复杂性决策困境源于生产系统中“三传一反”的强耦合性、市场环境的剧烈波动性以及安全环保的多目标约束性，传统“拍板式”决策已无法驾驭这种多维度的不确定性。通过构建“企业级超级大脑”，在数百个变量中精准权衡多重目标的关系，寻找最优方案。同时，AI还能主动应对市场博弈，对原料价格波动、竞争对手动向等情景进行模拟推演，提供前瞻性决策支持。

会上，华为技术有限公司化工建材军团总裁李俊朋、中控技术股份有限公司工业人工智能技术管理总经理王宽心等业内专家还介绍了煤气化RTO（实时在线优化技术）大模型、工业时序大模型等AI在流程工业核心场景实现落地深度应用的成熟案例。