近日，国务院印发《关于深入实施“人工智能+”行动的意见》（下称《意见》），标志着人工智能（AI）与实体经济的融合进入系统性推进阶段。石油和化工行业作为国民经济的支柱产业，正处于高端化、智能化、绿色化转型的关键期，《意见》的落地为行业破解发展痛点、激活创新动能提供了纲领性指引。
作为推动人工智能与经济社会深度融合的顶层设计文件，《意见》自印发以来便受到各行业高度关注。为进一步明确政策落地路径，8月29日，国家发改委召开新闻发布会，针对《意见》的核心内容与实施重点进行深度解读，为包括石油和化工行业在内的重点行业提供了清晰的行动指引。
会上，国家发改委高技术司副司长张铠麟表示，推动“人工智能+”行动落地，需要“硬投资”与“软建设”协同发力，国家发改委将联合有关部门及地方，从多维度推进具体工作，确保政策红利切实转化为发展动能。
在配套政策完善方面，相关工作将围绕三大方向展开：针对《意见》提出的六大行动及若干重点行业领域，后续将分别制定“人工智能+”具体实施方案；围绕安全治理、人才培养、国际合作等“软环境”建设，也将同步出台政策指引；同时，还将加快分层、分行业的标准制订工作，以标准建设促进要素协同乘数效应的加快释放。
重大项目布局则聚焦于夯实基础、降低门槛与深化应用。在基础能力建设上，将不断优化智算资源布局，持续在算力等领域发放“人工智能券”，推动降低创新主体的研发使用成本，为技术突破提供算力支撑；在共性技术平台搭建上，将在关键行业方向建设应用中试基地，加强行业共性、优势资源的汇聚，降低技术应用门槛；在深化场景应用方面，将面向重大战略场景，开展联合攻关，打通卡点堵点，提升人工智能解决实际产业问题的能力。此外，还将创新人工智能终端消费补贴方式，推动更多好用的人工智能技术产品惠及人民群众。
此外，国家发改委等部门还将抓好示范引领。一方面，加强场景示范。引导人工智能模型企业、研究机构与行业龙头企业组建交叉团队，深挖能够发挥关键作用、解决关键问题的高价值场景，推出一批典型应用案例。另一方面，推动模式创新。鼓励有条件的地方、企事业单位在供需对接、要素整合、考核激励等方面积极探索，形成促进人工智能发展的新模式、新做法，加快优秀经验复制推广。
国家发改委创新驱动发展中心主任霍福鹏在会上进一步指出，未来一到两年是人工智能落地应用的关键窗口期。考虑到当前人工智能技术仍在快速迭代演进，且各行业与AI融合的特点、基础存在差异，《意见》充分遵循技术与产业发展的客观规律，提出了分阶段推进的目标体系：
第一个阶段是到2027年，率先实现人工智能与六大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超过70%，智能经济核心产业规模快速增长，人工智能在公共治理中的作用明显增强，人工智能开放合作体系不断完善。这一阶段，强调要在重点领域实现突破性应用。
第二个阶段是到2030年，我国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%，智能经济成为我国经济发展的重要增长极，推动技术普惠和成果共享。这一阶段强调人工智能应用的广度和深度，要实现更全面系统的融合应用，人民群众广泛享受到智能软硬件带来的服务，让人工智能成为各行业各领域发展的通用引擎。
第三个阶段是到2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑。这一目标对“人工智能+”提出了更高的发展要求。因此，要聚焦构建智能经济与智能社会的新形态，推动生产力革命性跃迁和生产关系深层次变革。
“《意见》的出台，为正处于转型升级关键期的石油和化工行业实现高端化、智能化、绿色化发展提供了前所未有的战略机遇和系统性支撑。”中国石油和化学工业联合会智能制造工作委员会常务副秘书长李海洋表示，《意见》不仅明确了方向，更通过六大行动和八项基础支撑，为行业“三化”转型注入了强劲动能。
从产业定位来看，石油和化工行业正是“人工智能+”行动重点赋能的领域之一。记者从业内专家出了解到，作为国民经济的支柱产业，石油和化工行业产业链覆盖研发、生产、供应链等多个关键环节，涉及海量结构化与非结构化数据，既具备AI技术深度应用的丰富场景，也拥有通过智能升级释放巨大效能的广阔空间。
“这两年人工智能在各垂直领域的应用迟迟难以取得真正突破，核心原因之一便在于数据。对石油和化工行业而言，高质量数据更是‘人工智能+’推进的底层基础，只有打通“生产—研发—供应链”全链条数据壁垒，才能真正落实工业全要素智能化。”国家新材料测试评价平台电子化学品行业中心科技副总师施航指出，这一过程不仅是技术问题，更是系统工程。
“《意见》的出台，为石油和化工行业的‘三化’转型提供了系统性的‘组合拳’。”李海洋谈到，《意见》以“智能化”为引擎，驱动生产、管理和商业模式的全面变革；以“高端化”为目标，利用AI加速科技创新，抢占价值链顶端；以“绿色化”为底线，借助AI实现精准环保和本质安全。这不仅是技术应用的深化，更是发展模式的重塑。石油和化工行业应抓住这一历史性机遇，积极融入“人工智能+”国家战略，将政策红利转化为发展动能，加速迈向高质量发展的新阶段。
谈及石油和化工行业的“三化”转型，施航告诉记者，在当前部分新材料、高端电子化学品等领域国产化率不高、部分技术受制于人的背景下，AI不仅有可能成为技术突破的“工具”，更有潜力成为驱动化工产业范式变革的“引擎”。比如通过机器学习结合高通量计算与实验自动化，可加速材料分子结构预测、性能筛选与工艺路线推荐；在生产环节，AI能针对光刻胶、超纯试剂等电子化学品的敏感工艺参数进行精准优化，推动生产从经验驱动转向数据驱动与机理融合的智能制造。
《意见》鼓励有条件的企业将人工智能融入战略规划、组织架构、业务流程等，推动产业全要素智能化发展。记者了解到，在这一宏观政策引导下，石油和化工行业作为国民经济的重要支柱产业，正在积极探索人工智能的深度融合应用。
据李海洋介绍，当前，石油和化工行业整体仍处于“数字化向智能化跨越”的关键阶段，呈现出成果初显与挑战并存的态势。“石油和化工行业的人工智能应用总体上处于由局部试点向系统化、规模化应用过渡的阶段。企业普遍已完成信息化、自动化基础建设，如DCS、MES、ERP系统等，为AI应用提供了数据基础。”李海洋谈到，目前，AI技术正从单点优化（如设备预测性维护）向覆盖研发、生产、供应链、安全环保等全链条的智能化升级迈进，部分领先企业已开始探索“智能工厂”和“智能原生”模式。
以中石化为例，2017年开始结合智能化“田厂站院”开展人工智能试点建设工作。随着人工智能技术的不断发展，2024年，中石化进入深化应用阶段，成立人工智能专项工作组，构建中石化统一的智算资源池及人工智能中台，提升数据管理能力，发布了“长城大模型”，支撑中石化人工智能能力在勘探开发、炼油化工、科技研发、经营管理等领域的深化应用。此外，中石油、中海油也在大力推进人工智能的全面建设。
尽管成果显著，行业与AI深度融合仍面临多重挑战，这些问题相互交织，共同制约着人工智能在石化领域的规模化落地。李海洋向记者表示，工业数据普遍存在的“孤岛”现象是突出难题，不同系统间数据难以互通，加上历史数据质量参差不齐、缺乏统一标准，制约了AI模型的训练效果与泛化能力。同时，AI模型的“黑箱”特性、极端工况下可解释性不足等问题，使企业对其在核心控制环节的应用仍持谨慎态度。
此外，化工工艺不同场景差异大，缺乏面向工业知识图谱的通用建模框架，研发、生产、供应链的数据逻辑各有侧重，跨域建模需建立统一的语义建模与因果推理机制，技术难度极高。再加上将AI融入战略规划、组织架构和业务流程，涉及企业深层次变革，因此多数企业仍将AI视为单纯的“技术工具”，未能实现从顶层战略到基层执行的系统性重构。
前述各项挑战的综合影响下，行业距离《意见》倡导的“产业全要素智能化发展”目标仍有差距。更为关键的是，AI项目前期算力、平台、人才投入成本高、回报周期长等问题，进一步降低了企业，尤其是中小企业的投资意愿。
随着《意见》所倡导的智能化方向成为石油和化工行业转型的核心共识，以及安全低碳、效率提升等实际需求的持续倒逼，推动“人工智能+”深度落地已从“可选方向”变为“必由之路”。
“对于石油和化工企业而言，深入实施‘人工智能+’行动，不是‘要不要做’的问题，而是‘如何做对、做深、做久’的战略选择。”李海洋表示，石油和化工企业应以战略引领、场景切入、数据筑基、人才支撑、迭代推进为核心策略，将AI深度融入企业的“血液”和“神经”，最终实现从“传统制造”向“智能创造”的跃迁。“唯有如此，才能在未来的全球竞争中，不仅‘活下来’，更能‘强起来’。”李海洋如是说。
国家层面也为“人工智能+”行动落地提供了明确的统筹方向。张铠麟表示，《意见》实施过程中，国家发改委将进一步加强统筹、强化与各方联动，做好“四个坚持”、凝聚“五方面合力”。其中“坚持协同联动”明确要建立部门协同工作机制，系统推进产业协作、生态融通；“坚持分业施策”提出聚焦破解行业痛点难点堵点，针对性挖掘人工智能赋能的深层次需求与高价值场景，这与石油和化工行业破解数据壁垒、挖掘AI在安全低碳等领域应用价值的需求高度契合；“坚持开放共享”则强调产学研用一体化推进，加强算力、数据等要素开源开放与共建共享，为行业整合资源、推进AI落地提供了政策遵循。
记者了解到，在推动“人工智能+”于石油和化工行业深度落地的过程中，行业协会与企业等多方主体需协同发力，通过顶层设计、试点示范与人才培育等一系列举措，构建起“规划—实践—保障”的完整体系，真正将政策红利转化为行业发展的新动能。
“石油和化工企业应加强顶层设计、坚持高层驱动，将人工智能从‘技术工具’重新定位为‘战略引擎’，将其真正视为驱动企业转型升级的核心力量。”李海洋建议企业将“人工智能+”纳入企业“十五五”及中长期发展规划，并由CEO或C-level高管牵头成立“人工智能战略委员会”，明确AI在提升本质安全、实现绿色低碳、优化生产效率及创新商业模式等方面的战略目标。同时，应结合企业自身特点，如炼化一体化、煤化工或精细化工等不同类型，绘制分阶段、分业务的AI应用路线图。
在推进策略方面应聚焦关键场景，分步实施。建议以“安全”和“低碳”为突破口，打造AI应用的“样板间”。“要系统评估场景的数据准备度、业务需求度、技术可行性及可推广性，建立分级分类的人工智能场景库，采取从易到难、由点及面的推进路径。”李海洋谈到，石化企业可采用小步快跑，迭代优化的实施路径，选择1～2个痛点明确、数据基础好、见效快的场景（如某装置的能效优化、某区域的智能巡检）进行试点。“对于通用AI平台，可选择与成熟的科技公司合作；对于核心工艺模型和行业知识库，则坚持自主研发或深度定制，确保技术自主可控。”
此外，针对石油和化工行业推进AI技术落地时，面临的系统整合、数据打通等基础保障难题，施航表示，通过建立统一的数据接口和工业语义模型，搭建灵活高效的系统集成平台如工业互联网平台，并制定统一的数据治理与共享机制，能为AI落地筑牢根基，从根本上缓解数据孤岛、系统整合难等问题，打通石油和化工行业“生产—研发—供应链”的全链条数据壁垒。这一思路与国家发改委提出的“加强数据要素共建共享”的部署高度契合，有助于推动行业数据要素高效流通。
记者了解到，国家新材料测试评价平台等行业公共服务平台可在数据标准化、测试评价、资源共享等方面发挥关键支撑作用，协助企业尤其是中小企业降低创新门槛，加速AI驱动的高端材料研发与智能制造落地。这一支撑力量与国家发改委“做好‘四个坚持’、凝聚‘五方面合力’”的部署形成呼应，旨在整合国家统筹、部门协同、企业实践、平台支撑等多方资源，打通AI从技术到生产动能的转化路径，最终推动石油和化工行业实现从“经验制造”到“智能创造”的战略转型。
