人工智能如何“为企所用”？

日前，中国信息通信研究院发布蓝皮书报告《人工智能发展报告（2024年）》（下称《报告》）指出，2024年，我国通过加大基础设施投入和政策扶持，人工智能技术和产业化进程持续领先，发展呈现出技术进步与应用落地双轮驱动的特点。未来3年，人工智能的技术演进将对社会经济产生深远影响。

那么，石化产业对人工智能的应用情况如何？行业企业又该如何赶上这辆双轮驱动的快车，真正让人工智能“为我所用”？对此，《报告》指出，目前石化行业等领域对于大模型等技术的应用呈现出“两端快、中间慢”的特征，企业还需通过开展战略需求分析、明确选型方案、建设人工智能平台等措施，实现研发生产的提质增效。

人工智能走向新范式 产业保持高速增长

总体来看，目前人工智能技术呈现出演进走向新范式、工程化迈向新阶段、安全治理工作紧密推进、产业迎来新动能等特征。

首先，以Transformer架构为基础的大模型不断取得新突破，在大数据、大算力加持下，逐渐实现从单任务智能到可扩展、多任务智能和能力可塑的跨越。这一关键突破，标志着人工智能技术发展走向新范式。

其次，工程化技术是推动人工智能从实验室走向生产环境的关键桥梁，也是人工智能在垂直行业应用落地的必经之路。当前，人工智能工程化的重点逐渐从大模型的训练微调、向应用开发和落地转变，构建起围绕大模型及其应用的工具链，并通过开发工具链加速大模型技术迭代速度，应用工具链拓展大模型的应用广度，标志着人工智能工程化进入了新的产业化阶段。

《报告》指出，2024年，全球人工智能产业保持了高速增长。据预测，全年全球产业规模将达到6233亿美元，同比增长21.5％。《报告》分析称，人工智能产业的高速增长与大模型的涌现式发展和生成式人工智能技术的发展有关，到2026年，超过80％的企业将使用生成式人工智能API，或部署生成式人工智能的应用程序。

发展速度“两端快、中间慢” 生产制造环节仍待探索

在石化行业等产业链较为复杂的领域中，更重要的是人工智能该“怎么用”。

《报告》显示，随着“人工智能+”行动等政策深入推进，大模型在多个行业的应用成效逐步显现，如能源、医疗、零售等领域，整体表现出较高的探索积极性，并产生了明显的经济效益和社会效益。

在制造业领域，大模型在研发设计、安全巡检、质量检测等生产环节和统计图表生成等经营管理环节均有应用落地，展现出巨大变革潜力。如原材料行业，利用人工智能技术逐步改变传统的资源开发、加工和利用方式，实现资源勘探与开发智能化、生产流程优化与节能减排、废弃物管理与资源回收等。

但由于线下生产流程的复杂性、严谨性和专业化要求，大模型在实施生产环节应用的进展相对较为缓慢。《报告》指出，目前大模型应用在产业链各环节的分布普遍呈现出“两端快、中间慢”的特征，即产业链两端的研发设计和运营服务等知识密集型、服务密集型环节落地较快，生产制造等中间环节相对较慢。据统计，在我国百个人工智能技术应用优秀案例中，中间环节案例占比只有18.8％。

据此，《报告》提出，大模型赋能需要针对具体应用场景合理选择。如在产品设计、技术研发、知识管理等语料丰富、问题边界较为清晰的领域，大模型可以充分发挥能力，提升生产效率和创造力，从而推动工业技术产业实现创新性变革；而在实时生产中，由于对质量管理和流程的高度要求，以及高质量专业数据获取困难，尚且不适合采用大模型生成的“弱解释性”结果直接指导生产现场。

实现研发生产提质增效 企业还需“量体裁衣”

  《报告》提到，实现研发生产提质增效依然是石化产业等制造业应用人工智能技术的主要诉求。具体到企业自身，又该如何利用人工智能技术来实现这一点？对此，《报告》提出了6点建议：

一是开展战略需求分析。多方案例表明，需求分析可以有效地帮助企业全方位探索借助大模型实现产品迭代的有效途径，为后续的决策制定、资源配置和研发测试提供坚实的基础，助力企业在智能化转型中行稳致远。

二是明确选型方案。《报告》通过分析中石油昆仑大模型等行业大模型的构建研发过程，发现大模型技术选型通常包括模型生态、模型部署、模型协同、算力推算等方面，企业在选择开源或闭源两类模型生态时，需要综合评估自身开发成本、开发周期、性能和安全性等要求，基于所选模型生态通过搭配标准化接口和丰富的工具包来进一步提高模型开发质量。

三是建设企业人工智能能力平台。对于初创企业，平台的构建应该聚焦核心业务，利用云服务和开源工具快速搭建基础设施；对于大中型企业，平台建设则需要深度整合已有的大模型平台、数据能力平台和业务系统。

四是构建智能体应用，以进一步释放大模型应用潜能。智能体工具调用可以有效解决大模型“有脑无手”的问题，进一步推动模型高质量输出，并通过人机交互实现人类和智能体的优势互补。

五是打造运维管理体系，助力人工智能生产过程规范化。大模型时代的机器学习研发运营体系（MLOps），能够基于流程化、自动化、持续迭代、可管理等原则，提升大模型的可修正和可运营能力，加速大模型规模化落地步伐，提升运营管理效率，打造价值闭环。

最后，《报告》提到，企业还应注重风险管理，构建“风险识别—风险评估—风险应对”的风险管理链路。