“AI+化工安全”规模化应用有多远？

从横空出世的ChatGPT，到闪亮登场的Sora，再到一鸣惊人的DeepSeek，人工智能（AI）频频惊艳世界。AI浪潮席卷而来，人类的物理极限被不断突破，越来越多的梦想照进现实。那么，当AI邂逅化工安全，二者又会碰撞出怎样的火花？

积极拥抱AI 规模化应用尚需时日

“今年可以称为AI在石化行业寻找落地应用场景的元年，很多化工园区和企业纷纷开展智能化提升工作。”石油和化学工业规划院化工园区处处长刘思明如是说。

记者在采访过程中也感受到，化工园区和企业对“AI+化工”垂直模型的建设和应用具有浓厚的兴趣，但也能预料到，新兴事物从出现到被接受需要时间。

“坦白地说，‘AI+化工’垂直模型还处于起步期，但成长速度超出预期。一方面，国内外通用型AI大模型发展迅速，AI正快速步入平权时代、普惠时代；另一方面，化工行业正以积极的态度拥抱AI，很多化工园区和企业管理者都躬身入局。”刘思明告诉记者，目前石油和化学工业规划院正在积极推进化工园区智慧化运营等相关工作。

中国化学品安全协会咨询三部副主任赵红科则表示，当前，一些化工企业对AI技术的应用很感兴趣，尤其关注各类智能产品在安全生产过程中的应用，如智能机器人巡检、机器视觉识别分析潜在风险和隐患等。应该说，当前，AI技术在化工行业的应用还处于探索和试点阶段，成规模化应用，还尚需时日。

赵红科分析指出，主要原因集中在以下3点：

一是高性价比的AI大模型应用技术还不成熟。对于一般化工企业来说，无论是基于模型架构训练私有大模型，还是基于预训练模型做参数微调实现大规模的私有化部署，都是一项长期且持续性投入，需要的人力、物力、财力不低。而基于“预训练模型+私有知识库”的应用方式，虽然简单易实现，但模型输出的能力比较受限，输出质量往往不能满足用户的期望。

二是高质量数据集缺失。化工企业一般出于对数据隐私性保护的考虑，不会主动向外界共享数据，这是当前各类大模型解决化工行业相关问题能力不足的主要原因。“面向未来，随着‘预训练模型+参数微调’方式具备轻量化、可移植应用技术的成熟，也许在预训练模型基础上做参数微调，训练得到一个企业特有的、参数规模相对较小的、能够解决特定领域问题的大模型，是一种较为优选的方案。”赵红科告诉记者。

三是对数据隐私性保护方面存在顾虑。不管是采用“预训练模型+参数微调”方式，还是采用“预训练模型+私有知识库”方式，只要进行联网，都存在隐私数据泄露的风险。“如何有效确保数据的隐私安全，是一个有待解决的难题。也许正是因为企业有这方面的顾虑，从而促使企业私有化部署轻量级大模型的应用技术快速走向成熟。”赵红科说。

图为耐高温机器人编队抵近原油储罐，实施冷却。（应急管理部供图）

释放AI效能 难点即是切入点

语言大模型、智能体、具身智能等领域不断突破创新，推动AI迈向通用智能初始阶段。与此同时，AI工程化持续加速推进，新产品新模式层出不穷。毫无疑问，AI正在渗透至化工安全领域。

2024年2月，国务院安委会印发《安全生产治本攻坚三年行动方案（2024—2026年）》，明确提出，推进人工智能、大数据、物联网等技术与安全生产融合发展，持续加大危化品重大危险源、油气储存、石油天然气开采等行业领域安全风险监测预警系统建设应用和升级改造力度。

智能化为何备受青睐？相较于信息化、数字化，他有哪些不同？

杭州海樊科技有限公司总经理苏德亮在接受采访时道出关键：“数字化是将信息转化为数字形式，并加以分析利用；智能化是集大模型、基于应用场景开发的智能体、提供配套支撑的数据库三位一体，实现的智慧化输出。”

刘思明指出，对于目前数字化有一定基础的企业来说，推进智能化垂直应用落地，会提升管理水平；对于数字化基础相对薄弱的中小型化工企业或由政府管理运营的化工园区来说，推进智能化建设带来的改变或许是更具突破性的。

那么，AI该如何介入化工安全？多位受访者指出，安全管理的难点，便是“AI+”最好的切入点。

赵红科详细分析了化工安全面临的挑战。从生产角度来说，最大的挑战是设备老化失效。这往往是隐性的、悄然变化的，一旦到达临界点，便可能造成令人措手不及的突发性事故。从管理角度来看，最大的挑战是数据收集分析利用比较困难。因为收集到的数据，表征维度不统一，想要治理和利用这些数据，需要企业具有强大的领导力去推动。造成这一问题的根源是不同系统建设缺乏统一规划，系统之间存在的数据孤岛和业务功能重叠问题很难取舍。

“相较于传统管控手段存在‘看不住、管不全、管不好’等问题，推进新一代信息技术与危化品安全生产深度融合发展，是从根本上消除事故隐患、从根本上解决问题的治本之策。”中国安全生产科学研究院教授级高工李磊说。

应急管理部危化一司相关负责人介绍，2025年危险化学品安全监管工作的重点工作之一便是提升智能化管控水平，包括提升重大危险源安全风险监测预警能力、深化“工业互联网+危化安全生产”场景建设应用、推进石油天然气安全生产信息化智能化建设、提高危险化学品登记综合服务系统应用效能、深化应用危险物品车辆运行安全风险监测系统等。

推动“AI+”落地 垂直应用是关键所在

2025年伊始，国产AI大模型迅速席卷全网。AI技术尽管酝酿已久，但从通用模型到推理模型几乎是一夜爆发。业内有一种说法：AI的“爱迪生时刻”已经到来，开始“照亮”千行百业。

记者在采访过程中了解到，对于化工行业来说，“爱迪生时刻”终将到来，但现在说，还为时尚早。“原来还可以有这样的工具来帮助工作”类似的惊叹屡见不鲜，“AI真的能比我们做得更好吗？”类似的质疑声也不免出现。

“AI在化工安全领域实现垂直应用，现在需要的是，能将温度、压力等物理信息以及工艺流程转化为AI能读懂的语言，并能得出正确结论的‘AI+化工安全’垂直模型。”苏德亮提出。

苏德亮告诉记者，通用型和推理型AI大模型擅长文字处理。但每一个安全风险背后对应的是一个事故链，而不是简单的一一对应。这就要求AI不仅要会认字，更要能读懂文字，并追根溯源找出深层次原因，最终作出准确判断。“更重要的是，生成式AI可以合成不存在的数据，虚拟和现实的边界被逐渐模糊，从而出现模型幻觉。对于工艺流程复杂、容错率极低的化工行业来说，这种幻觉或许是致命的。”苏德亮说，显然，这些要求对还处于成长初期的AI来说，很难。

目前，“AI+化工安全”垂直模型比较被认可的搭建方式是模块化。技术供应商根据应用场景切分模块，再逐一细化、校准各模块的输出结果，最后根据应用场景汇总模块，能更好地适配企业发展需求，更有利于好技术的推广。当然，模块切分得越细致，“AI+化工”垂直模型搭建得越精致。

“未来，人才会成为资源。彼时，AI的效能将更加直观。”苏德亮说，化工行业的人员流动性相对较大，安全管理岗位对专业素养的要求又相对较高。当成熟的员工退休或离岗，出现岗位空缺时，会直接影响企业的利润。因此，AI增效，不仅局限于效率提升。

业界寄予厚望 以示范引领带动发展

“面向未来，AI必将破除安全、效率、成本这个‘不可能三角’。”

“AI对化工安全带来的改变或许是翻天覆地的。”

“‘AI+化工安全’会带来无限可能。”

来自受访者们的这些声音，似乎都传递出AI在化工安全领域潜能无限。

刘思明表示，“AI+化工安全”非常具有可行性。例如：在重点装置和设备管理方面，AI可以通过计算安全运行健康指数，并作为最贴近设备层面的核心指标，进而得出企业安全运行评分以及化工园区安全运行评分等更高层级的量化指标，辅助管理人员更直观地判断设备运行状态，并及时预警潜在的安全风险，实现设备全生命周期管理。在危化品物流、仓储及供应链管理方面，AI能实时跟踪危化品市场动向、企业用料和出货信息等，为企业科学制定生产计划提供数据支撑和重要参考，减少因危化品堆积带来的安全风险。

AI如何在化工安全领域尽快落地？“领先企业、试点建设形成的示范效应更易带动行业行动起来。”苏德亮如是说。

近年来，化工行业以积极的态度主动拥抱AI，出现一批具有示范效应的AI大模型，如中国石油700亿参数昆仑大模型、中控石化化工大模型、中国海油“海能”AI模型等。霍尼韦尔目前正利用AI技术，分析复杂、多样化的能源结构，并实时识别工业运营中的低效环节，帮助企业进一步提升能源利用效率。

具体到实际应用场景，AI在风险预警与检测、巡检与维护方面率先收获成效。据赵红科介绍，在设备设施预防性维修方面，AI技术会弱化对数学模型的依赖，只需将以往数据输入AI大模型，便能总结并发现采集数据存在的规律和异常，起到预防性维修提醒和预警作用。在日常巡检方面，一般采用智能穿戴设备或智能机器人进行巡检，其核心是将各类安全检测设备，如红外成像仪、声纹检测仪、可燃有毒气体检测报警器、定位芯片等搭载在安全帽或者机器人上，实时采集现场生产安全数据，在本地或服务端实现数据智能分析，识别出潜在隐患。

以某公司压气站智能报警处置辅助决策系统为例，通过重构工艺事故因果逻辑链条、建立动态风险知识图谱、整合DCS系统等，可形成包含误报识别、报警聚合、根源追溯、决策支持、自动记录、数据统计和经验沉淀的全流程解决方案，系统成了“能听、能说、会做的安全专家”。当出现异常报警时，系统会沿事故链查询事态发展情况，自动分析报警原因，快速标记和统计，查询所有可用的防护措施和具体处置方法。当新增或变更工艺时，系统支持工艺图纸、设备信息、报警、联锁链接查看，并支持多个专业平台统一更新和自定义设备知识库，让工艺信息与安全生产真正关联起来。

值得关注的是，双重预防机制被业界认为是安全生产数字化进程的里程碑，这为AI在化工安全领域“大展拳脚”奠定基础。据应急管理部危化监管一司相关人员介绍，2024年，应急管理部共指导29个省份打通省部数据交换通道，选树推广13个典型案例，双重预防机制的应用不断深化。与此同时，“工业互联网+危化安全生产”建设应用也取得新进展。2024年，应急管理部组织江苏、甘肃、山东、河北、湖北5个省份和中国石油、中国中化、国家能源、万华化学等企业推进“工业互联网+危化安全生产”场景试点应用建设，不断深化工艺平稳性、报警分级管理、承包商管理、培训管理等场景功能应用开发建设。

对于正在考虑应用AI技术的企业，赵红科建议，要由易入难，先从解决效率问题开始着手。比如从单模态大模型的应用探索，采用预训练模型+本地知识库的模式，解决企业在特定安全生产领域存在的、比较消耗人力的问题。

同时，赵红科提醒企业，拥抱新技术也要注意“避坑”。一是注重数据安全，尽可能对提供给大模型的数据进行脱敏处理，防止关键核心数据外泄。二是成规模批量使用大模型时，要做好规划，避免盲目开展，从而增加不必要的成本投入。三是警惕采用预训练模型+参数微调的方式应用AI大模型，若控制不好，容易导致大模型出现“灾难性遗忘”，致使前期所做工作又得重新来过，费时费力还不经济。