人工智能如何“為企所用”？

日前，中國信息通信研究院發布藍皮書報告《人工智能發展報告（2024年）》（下稱《報告》）指出，2024年，我國通過加大基礎設施投入和政策扶持，人工智能技術和產業化進程持續領先，發展呈現出技術進步與應用落地雙輪驅動的特點。未來3年，人工智能的技術演進將對社會經濟產生深遠影響。

那么，石化產業對人工智能的應用情況如何？行業企業又該如何趕上這輛雙輪驅動的快車，真正讓人工智能“為我所用”？對此，《報告》指出，目前石化行業等領域對于大模型等技術的應用呈現出“兩端快、中間慢”的特征，企業還需通過開展戰略需求分析、明確選型方案、建設人工智能平臺等措施，實現研發生產的提質增效。

人工智能走向新范式 產業保持高速增長

總體來看，目前人工智能技術呈現出演進走向新范式、工程化邁向新階段、安全治理工作緊密推進、產業迎來新動能等特征。

首先，以Transformer架構為基礎的大模型不斷取得新突破，在大數據、大算力加持下，逐漸實現從單任務智能到可擴展、多任務智能和能力可塑的跨越。這一關鍵突破，標志著人工智能技術發展走向新范式。

其次，工程化技術是推動人工智能從實驗室走向生產環境的關鍵橋梁，也是人工智能在垂直行業應用落地的必經之路。當前，人工智能工程化的重點逐漸從大模型的訓練微調、向應用開發和落地轉變，構建起圍繞大模型及其應用的工具鏈，并通過開發工具鏈加速大模型技術迭代速度，應用工具鏈拓展大模型的應用廣度，標志著人工智能工程化進入了新的產業化階段。

《報告》指出，2024年，全球人工智能產業保持了高速增長。據預測，全年全球產業規模將達到6233億美元，同比增長21.5％?！秷蟾妗贩治龇Q，人工智能產業的高速增長與大模型的涌現式發展和生成式人工智能技術的發展有關，到2026年，超過80％的企業將使用生成式人工智能API，或部署生成式人工智能的應用程序。

發展速度“兩端快、中間慢” 生產制造環節仍待探索

在石化行業等產業鏈較為復雜的領域中，更重要的是人工智能該“怎么用”。

《報告》顯示，隨著“人工智能+”行動等政策深入推進，大模型在多個行業的應用成效逐步顯現，如能源、醫療、零售等領域，整體表現出較高的探索積極性，并產生了明顯的經濟效益和社會效益。

在制造業領域，大模型在研發設計、安全巡檢、質量檢測等生產環節和統計圖表生成等經營管理環節均有應用落地，展現出巨大變革潛力。如原材料行業，利用人工智能技術逐步改變傳統的資源開發、加工和利用方式，實現資源勘探與開發智能化、生產流程優化與節能減排、廢棄物管理與資源回收等。

但由于線下生產流程的復雜性、嚴謹性和專業化要求，大模型在實施生產環節應用的進展相對較為緩慢?！秷蟾妗分赋?，目前大模型應用在產業鏈各環節的分布普遍呈現出“兩端快、中間慢”的特征，即產業鏈兩端的研發設計和運營服務等知識密集型、服務密集型環節落地較快，生產制造等中間環節相對較慢。據統計，在我國百個人工智能技術應用優秀案例中，中間環節案例占比只有18.8％。

據此，《報告》提出，大模型賦能需要針對具體應用場景合理選擇。如在產品設計、技術研發、知識管理等語料豐富、問題邊界較為清晰的領域，大模型可以充分發揮能力，提升生產效率和創造力，從而推動工業技術產業實現創新性變革；而在實時生產中，由于對質量管理和流程的高度要求，以及高質量專業數據獲取困難，尚且不適合采用大模型生成的“弱解釋性”結果直接指導生產現場。

實現研發生產提質增效 企業還需“量體裁衣”

  《報告》提到，實現研發生產提質增效依然是石化產業等制造業應用人工智能技術的主要訴求。具體到企業自身，又該如何利用人工智能技術來實現這一點？對此，《報告》提出了6點建議：

一是開展戰略需求分析。多方案例表明，需求分析可以有效地幫助企業全方位探索借助大模型實現產品迭代的有效途徑，為后續的決策制定、資源配置和研發測試提供堅實的基礎，助力企業在智能化轉型中行穩致遠。

二是明確選型方案。《報告》通過分析中石油昆侖大模型等行業大模型的構建研發過程，發現大模型技術選型通常包括模型生態、模型部署、模型協同、算力推算等方面，企業在選擇開源或閉源兩類模型生態時，需要綜合評估自身開發成本、開發周期、性能和安全性等要求，基于所選模型生態通過搭配標準化接口和豐富的工具包來進一步提高模型開發質量。

三是建設企業人工智能能力平臺。對于初創企業，平臺的構建應該聚焦核心業務，利用云服務和開源工具快速搭建基礎設施；對于大中型企業，平臺建設則需要深度整合已有的大模型平臺、數據能力平臺和業務系統。

四是構建智能體應用，以進一步釋放大模型應用潛能。智能體工具調用可以有效解決大模型“有腦無手”的問題，進一步推動模型高質量輸出，并通過人機交互實現人類和智能體的優勢互補。

五是打造運維管理體系，助力人工智能生產過程規范化。大模型時代的機器學習研發運營體系（MLOps），能夠基于流程化、自動化、持續迭代、可管理等原則，提升大模型的可修正和可運營能力，加速大模型規模化落地步伐，提升運營管理效率，打造價值閉環。

最后，《報告》提到，企業還應注重風險管理，構建“風險識別—風險評估—風險應對”的風險管理鏈路。