“AI+化工安全”規模化應用有多遠？

從橫空出世的ChatGPT，到閃亮登場的Sora，再到一鳴驚人的DeepSeek，人工智能（AI）頻頻驚艷世界。AI浪潮席卷而來，人類的物理極限被不斷突破，越來越多的夢想照進現實。那么，當AI邂逅化工安全，二者又會碰撞出怎樣的火花？

積極擁抱AI 規模化應用尚需時日

“今年可以稱為AI在石化行業尋找落地應用場景的元年，很多化工園區和企業紛紛開展智能化提升工作。”石油和化學工業規劃院化工園區處處長劉思明如是說。

記者在采訪過程中也感受到，化工園區和企業對“AI+化工”垂直模型的建設和應用具有濃厚的興趣，但也能預料到，新興事物從出現到被接受需要時間。

“坦白地說，‘AI+化工’垂直模型還處于起步期，但成長速度超出預期。一方面，國內外通用型AI大模型發展迅速，AI正快速步入平權時代、普惠時代；另一方面，化工行業正以積極的態度擁抱AI，很多化工園區和企業管理者都躬身入局。”劉思明告訴記者，目前石油和化學工業規劃院正在積極推進化工園區智慧化運營等相關工作。

中國化學品安全協會咨詢三部副主任趙紅科則表示，當前，一些化工企業對AI技術的應用很感興趣，尤其關注各類智能產品在安全生產過程中的應用，如智能機器人巡檢、機器視覺識別分析潛在風險和隱患等。應該說，當前，AI技術在化工行業的應用還處于探索和試點階段，成規模化應用，還尚需時日。

趙紅科分析指出，主要原因集中在以下3點：

一是高性價比的AI大模型應用技術還不成熟。對于一般化工企業來說，無論是基于模型架構訓練私有大模型，還是基于預訓練模型做參數微調實現大規模的私有化部署，都是一項長期且持續性投入，需要的人力、物力、財力不低。而基于“預訓練模型+私有知識庫”的應用方式，雖然簡單易實現，但模型輸出的能力比較受限，輸出質量往往不能滿足用戶的期望。

二是高質量數據集缺失。化工企業一般出于對數據隱私性保護的考慮，不會主動向外界共享數據，這是當前各類大模型解決化工行業相關問題能力不足的主要原因。“面向未來，隨著‘預訓練模型+參數微調’方式具備輕量化、可移植應用技術的成熟，也許在預訓練模型基礎上做參數微調，訓練得到一個企業特有的、參數規模相對較小的、能夠解決特定領域問題的大模型，是一種較為優選的方案。”趙紅科告訴記者。

三是對數據隱私性保護方面存在顧慮。不管是采用“預訓練模型+參數微調”方式，還是采用“預訓練模型+私有知識庫”方式，只要進行聯網，都存在隱私數據泄露的風險。“如何有效確保數據的隱私安全，是一個有待解決的難題。也許正是因為企業有這方面的顧慮，從而促使企業私有化部署輕量級大模型的應用技術快速走向成熟。”趙紅科說。

圖為耐高溫機器人編隊抵近原油儲罐，實施冷卻。（應急管理部供圖）

釋放AI效能 難點即是切入點

語言大模型、智能體、具身智能等領域不斷突破創新，推動AI邁向通用智能初始階段。與此同時，AI工程化持續加速推進，新產品新模式層出不窮。毫無疑問，AI正在滲透至化工安全領域。

2024年2月，國務院安委會印發《安全生產治本攻堅三年行動方案（2024—2026年）》，明確提出，推進人工智能、大數據、物聯網等技術與安全生產融合發展，持續加大危化品重大危險源、油氣儲存、石油天然氣開采等行業領域安全風險監測預警系統建設應用和升級改造力度。

智能化為何備受青睞？相較于信息化、數字化，他有哪些不同？

杭州海樊科技有限公司總經理蘇德亮在接受采訪時道出關鍵：“數字化是將信息轉化為數字形式，并加以分析利用；智能化是集大模型、基于應用場景開發的智能體、提供配套支撐的數據庫三位一體，實現的智慧化輸出。”

劉思明指出，對于目前數字化有一定基礎的企業來說，推進智能化垂直應用落地，會提升管理水平；對于數字化基礎相對薄弱的中小型化工企業或由政府管理運營的化工園區來說，推進智能化建設帶來的改變或許是更具突破性的。

那么，AI該如何介入化工安全？多位受訪者指出，安全管理的難點，便是“AI+”最好的切入點。

趙紅科詳細分析了化工安全面臨的挑戰。從生產角度來說，最大的挑戰是設備老化失效。這往往是隱性的、悄然變化的，一旦到達臨界點，便可能造成令人措手不及的突發性事故。從管理角度來看，最大的挑戰是數據收集分析利用比較困難。因為收集到的數據，表征維度不統一，想要治理和利用這些數據，需要企業具有強大的領導力去推動。造成這一問題的根源是不同系統建設缺乏統一規劃，系統之間存在的數據孤島和業務功能重疊問題很難取舍。

“相較于傳統管控手段存在‘看不住、管不全、管不好’等問題，推進新一代信息技術與危化品安全生產深度融合發展，是從根本上消除事故隱患、從根本上解決問題的治本之策。”中國安全生產科學研究院教授級高工李磊說。

應急管理部危化一司相關負責人介紹，2025年危險化學品安全監管工作的重點工作之一便是提升智能化管控水平，包括提升重大危險源安全風險監測預警能力、深化“工業互聯網+危化安全生產”場景建設應用、推進石油天然氣安全生產信息化智能化建設、提高危險化學品登記綜合服務系統應用效能、深化應用危險物品車輛運行安全風險監測系統等。

推動“AI+”落地 垂直應用是關鍵所在

2025年伊始，國產AI大模型迅速席卷全網。AI技術盡管醞釀已久，但從通用模型到推理模型幾乎是一夜爆發。業內有一種說法：AI的“愛迪生時刻”已經到來，開始“照亮”千行百業。

記者在采訪過程中了解到，對于化工行業來說，“愛迪生時刻”終將到來，但現在說，還為時尚早。“原來還可以有這樣的工具來幫助工作”類似的驚嘆屢見不鮮，“AI真的能比我們做得更好嗎？”類似的質疑聲也不免出現。

“AI在化工安全領域實現垂直應用，現在需要的是，能將溫度、壓力等物理信息以及工藝流程轉化為AI能讀懂的語言，并能得出正確結論的‘AI+化工安全’垂直模型。”蘇德亮提出。

蘇德亮告訴記者，通用型和推理型AI大模型擅長文字處理。但每一個安全風險背后對應的是一個事故鏈，而不是簡單的一一對應。這就要求AI不僅要會認字，更要能讀懂文字，并追根溯源找出深層次原因，最終作出準確判斷。“更重要的是，生成式AI可以合成不存在的數據，虛擬和現實的邊界被逐漸模糊，從而出現模型幻覺。對于工藝流程復雜、容錯率極低的化工行業來說，這種幻覺或許是致命的。”蘇德亮說，顯然，這些要求對還處于成長初期的AI來說，很難。

目前，“AI+化工安全”垂直模型比較被認可的搭建方式是模塊化。技術供應商根據應用場景切分模塊，再逐一細化、校準各模塊的輸出結果，最后根據應用場景匯總模塊，能更好地適配企業發展需求，更有利于好技術的推廣。當然，模塊切分得越細致，“AI+化工”垂直模型搭建得越精致。

“未來，人才會成為資源。彼時，AI的效能將更加直觀。”蘇德亮說，化工行業的人員流動性相對較大，安全管理崗位對專業素養的要求又相對較高。當成熟的員工退休或離崗，出現崗位空缺時，會直接影響企業的利潤。因此，AI增效，不僅局限于效率提升。

業界寄予厚望 以示范引領帶動發展

“面向未來，AI必將破除安全、效率、成本這個‘不可能三角’。”

“AI對化工安全帶來的改變或許是翻天覆地的。”

“‘AI+化工安全’會帶來無限可能。”

來自受訪者們的這些聲音，似乎都傳遞出AI在化工安全領域潛能無限。

劉思明表示，“AI+化工安全”非常具有可行性。例如：在重點裝置和設備管理方面，AI可以通過計算安全運行健康指數，并作為最貼近設備層面的核心指標，進而得出企業安全運行評分以及化工園區安全運行評分等更高層級的量化指標，輔助管理人員更直觀地判斷設備運行狀態，并及時預警潛在的安全風險，實現設備全生命周期管理。在危化品物流、倉儲及供應鏈管理方面，AI能實時跟蹤危化品市場動向、企業用料和出貨信息等，為企業科學制定生產計劃提供數據支撐和重要參考，減少因危化品堆積帶來的安全風險。

AI如何在化工安全領域盡快落地？“領先企業、試點建設形成的示范效應更易帶動行業行動起來。”蘇德亮如是說。

近年來，化工行業以積極的態度主動擁抱AI，出現一批具有示范效應的AI大模型，如中國石油700億參數昆侖大模型、中控石化化工大模型、中國海油“海能”AI模型等。霍尼韋爾目前正利用AI技術，分析復雜、多樣化的能源結構，并實時識別工業運營中的低效環節，幫助企業進一步提升能源利用效率。

具體到實際應用場景，AI在風險預警與檢測、巡檢與維護方面率先收獲成效。據趙紅科介紹，在設備設施預防性維修方面，AI技術會弱化對數學模型的依賴，只需將以往數據輸入AI大模型，便能總結并發現采集數據存在的規律和異常，起到預防性維修提醒和預警作用。在日常巡檢方面，一般采用智能穿戴設備或智能機器人進行巡檢，其核心是將各類安全檢測設備，如紅外成像儀、聲紋檢測儀、可燃有毒氣體檢測報警器、定位芯片等搭載在安全帽或者機器人上，實時采集現場生產安全數據，在本地或服務端實現數據智能分析，識別出潛在隱患。

以某公司壓氣站智能報警處置輔助決策系統為例，通過重構工藝事故因果邏輯鏈條、建立動態風險知識圖譜、整合DCS系統等，可形成包含誤報識別、報警聚合、根源追溯、決策支持、自動記錄、數據統計和經驗沉淀的全流程解決方案，系統成了“能聽、能說、會做的安全專家”。當出現異常報警時，系統會沿事故鏈查詢事態發展情況，自動分析報警原因，快速標記和統計，查詢所有可用的防護措施和具體處置方法。當新增或變更工藝時，系統支持工藝圖紙、設備信息、報警、聯鎖鏈接查看，并支持多個專業平臺統一更新和自定義設備知識庫，讓工藝信息與安全生產真正關聯起來。

值得關注的是，雙重預防機制被業界認為是安全生產數字化進程的里程碑，這為AI在化工安全領域“大展拳腳”奠定基礎。據應急管理部危化監管一司相關人員介紹，2024年，應急管理部共指導29個省份打通省部數據交換通道，選樹推廣13個典型案例，雙重預防機制的應用不斷深化。與此同時，“工業互聯網+危化安全生產”建設應用也取得新進展。2024年，應急管理部組織江蘇、甘肅、山東、河北、湖北5個省份和中國石油、中國中化、國家能源、萬華化學等企業推進“工業互聯網+危化安全生產”場景試點應用建設，不斷深化工藝平穩性、報警分級管理、承包商管理、培訓管理等場景功能應用開發建設。

對于正在考慮應用AI技術的企業，趙紅科建議，要由易入難，先從解決效率問題開始著手。比如從單模態大模型的應用探索，采用預訓練模型+本地知識庫的模式，解決企業在特定安全生產領域存在的、比較消耗人力的問題。

同時，趙紅科提醒企業，擁抱新技術也要注意“避坑”。一是注重數據安全，盡可能對提供給大模型的數據進行脫敏處理，防止關鍵核心數據外泄。二是成規模批量使用大模型時，要做好規劃，避免盲目開展，從而增加不必要的成本投入。三是警惕采用預訓練模型+參數微調的方式應用AI大模型，若控制不好，容易導致大模型出現“災難性遺忘”，致使前期所做工作又得重新來過，費時費力還不經濟。