原材料工業(yè)人工智能應(yīng)用發(fā)展分析 ——基于全球247個應(yīng)用典型案例

一、引言

當(dāng)前，以大模型為代表的人工智能呈現(xiàn)出技術(shù)創(chuàng)新快、應(yīng)用滲透強等特點，正加速與制造業(yè)深度融合，展現(xiàn)出強大的賦能效應(yīng)，是新型工業(yè)化的重要推動力。原材料工業(yè)是國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，已初步形成與人工智能的融合實踐，但總體還處于早期階段。我國具有市場空間大、需求場景豐富等先發(fā)優(yōu)勢，但也面臨落地應(yīng)用難、產(chǎn)業(yè)基礎(chǔ)薄弱、高質(zhì)量數(shù)據(jù)匱乏、保障體系不健全等挑戰(zhàn)，亟需統(tǒng)籌推進(jìn)人工智能賦能原材料工業(yè)應(yīng)用創(chuàng)新，助力推進(jìn)新型工業(yè)化。

二、原材料工業(yè)人工智能應(yīng)用現(xiàn)狀

原材料工業(yè)包含石化化工、鋼鐵、有色金屬、建材等行業(yè)，也包括新材料產(chǎn)業(yè)，是實體經(jīng)濟(jì)的根基，具有資源能源密集、過程機理復(fù)雜、生產(chǎn)連續(xù)性強等流程性工業(yè)突出特點。當(dāng)前，我國原材料工業(yè)經(jīng)過多年的信息化、自動化建設(shè)，大部分企業(yè)已能夠基于數(shù)字化能力實現(xiàn)穩(wěn)定連續(xù)生產(chǎn)、高效經(jīng)營管理、產(chǎn)品質(zhì)量把控、市場業(yè)務(wù)維系等發(fā)展要求，保障生產(chǎn)運營等基本環(huán)節(jié)穩(wěn)定運行。然而，原材料工業(yè)發(fā)展仍面臨市場需求受限、國際競爭加劇、能耗排放過高、安全事故頻發(fā)、產(chǎn)品價值不高等阻礙，針對行業(yè)需求，原材料工業(yè)的智能化升級成為必然趨勢。

人工智能技術(shù)可以對生產(chǎn)過程中的數(shù)據(jù)進(jìn)行實時監(jiān)測和分析，為企業(yè)提供決策依據(jù)，從而優(yōu)化生產(chǎn)流程，進(jìn)一步提升研發(fā)、監(jiān)測、診斷、預(yù)測、控制、決策水平，在產(chǎn)業(yè)信息化、自動化、數(shù)字化基礎(chǔ)上進(jìn)一步實現(xiàn)智能化升級，形成創(chuàng)新范式變革、生產(chǎn)管理智能優(yōu)化、智能機器人與自動駕駛技術(shù)應(yīng)用、工業(yè)大模型等典型應(yīng)用模式。

（一）創(chuàng)新范式變革

基于人工智能“數(shù)據(jù)+模型”的智能分析，從傳統(tǒng)基于人工經(jīng)驗、重復(fù)試錯的封閉式研發(fā)，向基于數(shù)據(jù)分析的智能創(chuàng)新轉(zhuǎn)變，推動高質(zhì)量、高附加值產(chǎn)品產(chǎn)出與行業(yè)產(chǎn)品結(jié)構(gòu)優(yōu)化，逐漸形成輔助材料研發(fā)場景。即：利用數(shù)理統(tǒng)計、神經(jīng)網(wǎng)絡(luò)等算法，構(gòu)建新型鋼材、新型材料、催化劑等“成分、工藝、目標(biāo)、性能”間的強關(guān)聯(lián)，顯著提升對結(jié)構(gòu)材料構(gòu)效關(guān)系的深入理解，實現(xiàn)了材料性能預(yù)測、實驗優(yōu)化指導(dǎo)和新材料輔助研發(fā)。目前國內(nèi)外已出現(xiàn)人工智能助力新材料研發(fā)的研究成果，例如英國劍橋的一家人工智能公司Intellegens開發(fā)的機器學(xué)習(xí)算法已被用于設(shè)計一種新的金屬增材制造鎳基合金，可節(jié)省大約15年的材料研究時間和大約1 000萬美元的研發(fā)成本。東北大學(xué)、中國石化石油化工科學(xué)研究院、英國利物浦大學(xué)等高校及科研院所基于人工智能技術(shù)已研發(fā)出新型鋼材或催化材料，其中英國利物浦大學(xué)的研發(fā)周期由數(shù)月縮短至8天。此外，人工智能還可以用于分析石化、鋼鐵等行業(yè)原材料的失效機制和性能退化過程，為原材料的性能改進(jìn)和延長使用壽命提供指導(dǎo)。

（二）生產(chǎn)管理智能優(yōu)化

圍繞生產(chǎn)制造、設(shè)備采購、安全管控、能耗排放、供應(yīng)鏈與庫存管理、市場與客戶管理等重點環(huán)節(jié)，可實現(xiàn)快速準(zhǔn)確地分析大量生產(chǎn)經(jīng)營數(shù)據(jù)，從過去以人工為主導(dǎo)的管控方式，逐漸向全局性、自主性和實時性的管理模式轉(zhuǎn)變，最大化節(jié)能提效、優(yōu)化生產(chǎn)資源配置，有效提升管理效率。

（1）智能生產(chǎn)調(diào)控。依托智能傳感與數(shù)據(jù)分析系統(tǒng)，主動感知生產(chǎn)運行狀況的變化，自適應(yīng)優(yōu)化調(diào)控生產(chǎn)過程的操作模式，實現(xiàn)質(zhì)量、效率、安全、環(huán)保、能耗和價值等運行指標(biāo)的多目標(biāo)優(yōu)化。

（2）智能安環(huán)管控。通過泛在感知、風(fēng)險智能預(yù)警和人機共融決策等實現(xiàn)開放環(huán)境下制造過程全生命周期安全、環(huán)保足跡監(jiān)控，風(fēng)險溯源分析與智能處置。

（3）智能運維服務(wù)。融合機理、專家知識和人工智能技術(shù)，實現(xiàn)設(shè)備的預(yù)測性維護(hù)與全生命周期管理。

（4）智能優(yōu)化決策。通過構(gòu)建從原料至最終客戶的端到端供應(yīng)鏈全流程計劃和排程體系，實現(xiàn)供應(yīng)鏈全流程按單生產(chǎn)的貫通，優(yōu)化模型結(jié)構(gòu)和算法，并綜合考慮全球化的市場供需、產(chǎn)品結(jié)構(gòu)、自身產(chǎn)能等因素，基于工業(yè)互聯(lián)網(wǎng)和數(shù)字孿生系統(tǒng)的自主學(xué)習(xí)和主動響應(yīng)能力，實現(xiàn)精益生產(chǎn)決策管理。

（三）智能機器人與自動駕駛技術(shù)應(yīng)用

綜合運用5G網(wǎng)絡(luò)、自動駕駛、高精度定位、多傳感系統(tǒng)等先進(jìn)技術(shù)，研發(fā)設(shè)計出智能機器人與無人駕駛汽車，完成礦區(qū)、園區(qū)、生產(chǎn)車間等場景的智能巡檢、輔助生產(chǎn)、智能運輸?shù)裙ぷ?，實現(xiàn)降本增效。例如，中國石化鎮(zhèn)海煉化公司、冀東水泥、包鋼集團(tuán)（白云鄂博礦區(qū)）、美國埃克森美孚公司等國內(nèi)外企業(yè)運用智能機器人開展巡檢運輸；中冶寶鋼與中軟國際聯(lián)合開展L4自動駕駛、車路協(xié)同、遠(yuǎn)程控制等技術(shù)的應(yīng)用模式研究，助力湛江鋼鐵實現(xiàn)廢鋼轉(zhuǎn)運無人化智能場景落地。智能機器人與無人駕駛汽車已在原材料工業(yè)企業(yè)的礦山、工廠中實現(xiàn)初步應(yīng)用。

（四）工業(yè)大模型創(chuàng)新應(yīng)用

大模型技術(shù)在工業(yè)領(lǐng)域創(chuàng)新應(yīng)用已成為全球關(guān)注的焦點。大模型憑借其卓越的理解能力、生成能力和泛化能力，成為推動工業(yè)智能化的關(guān)鍵力量。

在研發(fā)設(shè)計環(huán)節(jié)，通過大模型技術(shù)在更大范圍內(nèi)整合原材料工業(yè)基礎(chǔ)研發(fā)文檔、語言規(guī)則、表征數(shù)據(jù)等，輔助化合物預(yù)測、反應(yīng)條件確定和知識檢索。例如，瑞士洛桑聯(lián)邦理工學(xué)院和美國羅切斯特大學(xué)的研究團(tuán)隊開發(fā)了一種基于大語言模型（LLM）的化學(xué)智能體ChemCrow，能夠完成規(guī)劃合成路線、材料設(shè)計等多種簡單化學(xué)任務(wù)；Google DeepMind發(fā)布的 AlphaFold3 模型，通過千億級別的邏輯推理和決策能力，對蛋白質(zhì)、核酸、小分子、離子和修飾殘基在內(nèi)的復(fù)合物進(jìn)行聯(lián)合結(jié)構(gòu)預(yù)測，將研發(fā)周期縮短到分鐘級；美國麻省理工學(xué)院使用1000萬個獨特分子的數(shù)據(jù)集，訓(xùn)練形成具有超過10億參數(shù)的ChemGPT模型，可快速實現(xiàn)化學(xué)性質(zhì)預(yù)測。

在生產(chǎn)制造環(huán)節(jié)，通過大語言模型或多模態(tài)大模型技術(shù)整合生產(chǎn)制造關(guān)鍵環(huán)節(jié)的文檔、圖像等基礎(chǔ)數(shù)據(jù)構(gòu)建基于規(guī)則的知識圖譜，形成設(shè)備運維、缺陷檢測、過程監(jiān)管、風(fēng)險預(yù)警等應(yīng)用場景，提升人機交互與任務(wù)執(zhí)行的效率、準(zhǔn)確度和信息豐富度。例如，攀鋼集團(tuán)公司、河鋼集團(tuán)公司等企業(yè)正探索基于大模型實現(xiàn)生產(chǎn)設(shè)備、信息系統(tǒng)的運維信息檢索應(yīng)用。哈爾濱工業(yè)大學(xué)研究人員應(yīng)用多模態(tài)大模型進(jìn)行工業(yè)圖像異常檢測，實現(xiàn)更準(zhǔn)確的異常檢測和高質(zhì)量的異常描述。同時，通過全流程的信息融合準(zhǔn)確透視工藝、設(shè)備、質(zhì)量等關(guān)鍵參數(shù)之間的復(fù)雜關(guān)系，解決原材料工業(yè)部分關(guān)鍵機理不清晰、黑箱等問題。例如，東北大學(xué)相關(guān)團(tuán)隊建立了SEII架構(gòu)下的熱軋生成式工業(yè)大模型，構(gòu)建了高保真熱軋過程“成分—工藝—組織—界面—載荷—性能”數(shù)字孿生模型，相較于傳統(tǒng)模型，其變量總數(shù)多出5個數(shù)量級以上。

在經(jīng)營管理環(huán)節(jié)，通過大模型整合行業(yè)知識、市場趨勢、企業(yè)內(nèi)部管理系統(tǒng)等數(shù)據(jù)，實現(xiàn)供應(yīng)鏈優(yōu)化管理、客戶服務(wù)、合同審查、行業(yè)知識查詢、方案生成等場景，助力企業(yè)降本增效，大模型產(chǎn)業(yè)化應(yīng)用初步形成。例如，上海鋼聯(lián)面向大宗商品行業(yè)的貿(mào)易、分析咨詢和內(nèi)容生成三個場景，發(fā)布了大宗商品行業(yè)垂類大語言模型應(yīng)用——“小鋼”數(shù)字智能助手，簡化了傳統(tǒng)的信息獲取、內(nèi)容分析和知識生成的繁瑣和低效的步驟，輔助行業(yè)用戶更高效地完成日常的工作，為大宗商品行業(yè)用戶提供更高質(zhì)量的行業(yè)智能應(yīng)用和服務(wù)。

三、原材料工業(yè)人工智能應(yīng)用案例分析

（一）案例分析整體情況

中國信息通信研究院對全球247個（國外126個，國內(nèi)121個）原材料工業(yè)人工智能典型案例進(jìn)行了統(tǒng)計分析。

圖1 原材料工業(yè)與人工智能融合應(yīng)用的環(huán)節(jié)分布

在生產(chǎn)環(huán)節(jié)方面，大約80%的應(yīng)用案例集中在原材料工業(yè)的生產(chǎn)過程管控環(huán)節(jié)（如圖1所示），主要聚焦質(zhì)量提升、綠色生產(chǎn)等方面需求，實現(xiàn)帶鋼表面視覺智能檢測、反應(yīng)裝置智能運維、能耗智能優(yōu)化等典型應(yīng)用，整體還處于早期發(fā)展階段。其中，國外應(yīng)用于研發(fā)規(guī)劃與經(jīng)營管理環(huán)節(jié)相比于國內(nèi)較為成熟，占比為22.3%，國內(nèi)主要聚焦解決生產(chǎn)實際痛點問題，在質(zhì)量檢測、設(shè)備運維、工藝優(yōu)化等生產(chǎn)過程管控環(huán)節(jié)的應(yīng)用遠(yuǎn)高于國外（如圖2所示）。

圖2 原材料工業(yè)與人工智能融合應(yīng)用于生產(chǎn)環(huán)節(jié)的國內(nèi)外對比

在行業(yè)分布方面，鋼鐵、石化行業(yè)原材料工業(yè)人工智能應(yīng)用較成熟廣泛，占比為42.1%、28.7%；建材、有色行業(yè)原材料工業(yè)人工智能應(yīng)用的占比為17.4%、11.7%，還有較大上升空間（如圖3所示）。人工智能融合深度與行業(yè)數(shù)字化水平、工藝機理復(fù)雜度等因素密切相關(guān)。

圖3 原材料工業(yè)與人工智能融合應(yīng)用的行業(yè)分布

圖4 人工智能技術(shù)類型分布

在人工智能技術(shù)類型方面（如圖 4 所示），近九成應(yīng)用場景聚焦在以深度學(xué)習(xí)、機器學(xué)習(xí)、工業(yè)視覺為代表的數(shù)據(jù)科學(xué)技術(shù)（占比為89.5%），知識圖譜為代表的知識工程與大模型技術(shù)應(yīng)用還屬于初步階段（分別占比為5.3%、3.6%）。

（二）人工智能與重點行業(yè)融合應(yīng)用分析

通過對全球274個原材料工業(yè)與人工智能融合應(yīng)用典型案例分析發(fā)現(xiàn)，由于鋼鐵、石化、建材、有色金屬等行業(yè)數(shù)字化基礎(chǔ)參差不齊，導(dǎo)致不同行業(yè)人工智能應(yīng)用水平存在較大差異（如表1）。

表1 全球247個應(yīng)用典型案例示例

1.鋼鐵行業(yè)

鋼鐵行業(yè)數(shù)字化水平相對較高，與人工智能技術(shù)融合應(yīng)用廣泛且深入，主要集中在生產(chǎn)管控環(huán)節(jié)，已形成廢鋼智能判級、鋼材性能智能預(yù)測、人工智能視覺缺陷檢測、煙氣成分智能分析、爐溫精準(zhǔn)智能預(yù)測等典型應(yīng)用場景，可提升鋼材質(zhì)量與生產(chǎn)管理效能。

例如，安賽樂米塔爾鋼鐵公司基于生物啟發(fā)優(yōu)化算法在數(shù)字化地形上尋找最優(yōu)的生產(chǎn)順序，幾分鐘內(nèi)即可生成最優(yōu)生產(chǎn)計劃。美國大河鋼鐵廠通過人工智能技術(shù)將生產(chǎn)工序中的數(shù)據(jù)進(jìn)行綜合分析，實現(xiàn)全局最佳的鋼鐵生產(chǎn)過程智能化。在大模型應(yīng)用探索方面，美國鋼鐵公司正利用大模型技術(shù)構(gòu)建的應(yīng)用程序，基于對話方式指導(dǎo)檢修工完成設(shè)備維修和零件訂購，簡化設(shè)備維護(hù)流程，預(yù)計全面投入使用后，工作效率可提升20%。

2.石化行業(yè)

石化行業(yè)數(shù)字化水平相對較高，與人工智能技術(shù)融合應(yīng)用場景主要集中在研發(fā)與生產(chǎn)管控環(huán)節(jié)，并已形成化工材料研發(fā)、化學(xué)品泄漏識別、擠壓造粒機故障診斷、煙氣排放檢測、油井工況診斷等重點應(yīng)用場景。例如，三井化學(xué)公司使用深度學(xué)習(xí)處理由51種類型數(shù)據(jù)（如溫度，流量和壓力）表示的因素，實現(xiàn)高精度的生產(chǎn)過程氣體產(chǎn)品質(zhì)量預(yù)測。中國石化石油化工科學(xué)研究院使用人工智能技術(shù)分析鈦硅分子篩催化劑組成、硅醇類型以及溶劑效應(yīng)對反應(yīng)的影響。大模型在石化行業(yè)已展開初步探索應(yīng)用，勝利油田利用60萬條油氣勘探開發(fā)知識對大模型進(jìn)行微調(diào)，構(gòu)建涵蓋930億參數(shù)的油氣大模型，實現(xiàn)油氣知識查詢、生產(chǎn)信息查詢等20余個應(yīng)用，極大提高管理效率。

3.建材行業(yè)

建材行業(yè)生產(chǎn)工序分散，人工智能總體滲透率不高，目前主要以視覺識別等淺層應(yīng)用為主，形成材料表面檢測、工藝指標(biāo)預(yù)測，及安全風(fēng)險預(yù)警等應(yīng)用場景。例如，海螺集團(tuán)通過人工智能技術(shù)在堆料口堵塞、傳送帶崩裂檢測、冒灰污染檢測、翻斗閥檢測等方式進(jìn)行了機器視覺應(yīng)用開發(fā)，使監(jiān)控效率提升3~4倍。水泥網(wǎng)基于先進(jìn)自然語言處理技術(shù)針對水泥技術(shù)知識構(gòu)建人工智能對話模型——ChatCEM，可解決水泥行業(yè)知識查詢問答等相關(guān)問題。

4.有色金屬行業(yè)

有色金屬生產(chǎn)過程中的采礦、選礦、成品檢測等關(guān)鍵環(huán)節(jié)未完全覆蓋自動化儀表、可編程邏輯控制器（PLC）等自動化基礎(chǔ)控制設(shè)施，在冶煉、精煉、加工等關(guān)鍵工序中近35%暫未被網(wǎng)絡(luò)基礎(chǔ)設(shè)施覆蓋，僅部分有色金屬頭部企業(yè)圍繞礦石勘探預(yù)測、智能分揀、智能配料、稀土酸堿中和滴定智能檢測等開展人工智能融合應(yīng)用探索。例如，隆達(dá)鋁業(yè)利用機器學(xué)習(xí)優(yōu)化算法尋找最優(yōu)的原料配比，構(gòu)建鋁水配料優(yōu)化、鋁水成分預(yù)測等智能模型，實現(xiàn)了再生鋁智能配料。

四、我國原材料工業(yè)與人工智能技術(shù)融合的機遇與挑戰(zhàn)

（一）發(fā)展機遇

以人工智能為代表的新一代信息技術(shù)是發(fā)展原材料工業(yè)數(shù)字化新質(zhì)生產(chǎn)力、原材料工業(yè)轉(zhuǎn)型升級的重要推動力。基于當(dāng)前我國發(fā)展基礎(chǔ)和行業(yè)現(xiàn)狀，原材料工業(yè)與人工智能技術(shù)的融合迎來三大發(fā)展機遇。

1.我國市場規(guī)模大，應(yīng)用需求豐富

我國既是制造大國，又是網(wǎng)絡(luò)大國，擁有全球門類最齊全、體系最完備、規(guī)模最大的制造業(yè)，創(chuàng)新活躍的人工智能產(chǎn)業(yè)，在人工智能融合創(chuàng)新方面具備更廣泛的基礎(chǔ)。同時，龐大的市場及豐富的應(yīng)用，構(gòu)筑了巨大的數(shù)據(jù)資源優(yōu)勢。

2.行業(yè)龍頭企業(yè)具備良好信息化基礎(chǔ)與創(chuàng)新帶動作用

我國原材料工業(yè)龍頭企業(yè)多數(shù)已積極推動企業(yè)的數(shù)字化轉(zhuǎn)型與智能化升級，并打造出了一系列影響力大、實力強的創(chuàng)新服務(wù)平臺及數(shù)字化智能化解決方案。

3.我國具有新一代信息技術(shù)發(fā)展和模式創(chuàng)新優(yōu)勢

目前，我國正廣泛開展5G網(wǎng)絡(luò)、人工智能、大數(shù)據(jù)等數(shù)字技術(shù)研發(fā)、建設(shè)和應(yīng)用，互聯(lián)網(wǎng)優(yōu)秀創(chuàng)新企業(yè)已處于全球第一梯隊。制造企業(yè)、ICT企業(yè)、相關(guān)科研院所等對于新一代信息技術(shù)的關(guān)注程度和投入熱情被廣泛調(diào)動，并已初步形成多方協(xié)同、融合發(fā)展的產(chǎn)業(yè)生態(tài)。

（二）問題挑戰(zhàn)

當(dāng)前，我國原材料工業(yè)不斷面臨國內(nèi)外局勢的劇烈變化和產(chǎn)業(yè)發(fā)展形勢的倍增壓力，需要加快推動原材料工業(yè)轉(zhuǎn)型升級、高質(zhì)量發(fā)展，與人工智能技術(shù)的深度融合成為大勢所趨。而在此過程中，既要面臨人工智能等新技術(shù)賦能行業(yè)的共性問題，也存在原材料工業(yè)所處發(fā)展階段及實際需求的制約。

1.流程型制造業(yè)生產(chǎn)具有連續(xù)性強、機理及工況復(fù)雜、安全可靠性要求高等特點，人工智能融合應(yīng)用落地難度大

冶煉、催化、裂化等生產(chǎn)過程機理高度復(fù)雜、生產(chǎn)過程連續(xù)不能中斷，設(shè)備控制、工藝參數(shù)調(diào)整、安全監(jiān)測處置等核心環(huán)節(jié)高實時性、高可靠性特點突出，極大提高了人工智能與其融合應(yīng)用的難度。例如，煉化過程中僅乙烯裂解就涵蓋超過1萬個反應(yīng)方程，建模復(fù)雜程度和工程量之大難以想象。鋼鐵生產(chǎn)作業(yè)中的高爐轉(zhuǎn)爐、水泥煅燒爐等內(nèi)部工作環(huán)境存在高溫、噪音、振動等危害因素，部署工業(yè)傳感、視覺相機等智能化設(shè)備時，存在限制因素多、部署要求高等情況。石化化工生產(chǎn)中涉及有毒、有害、易爆的介質(zhì)，需要極高的安全生產(chǎn)防范和管控要求。同時，由于工業(yè)大模型等前沿技術(shù)的應(yīng)用還不成熟，多數(shù)原材料企業(yè)考慮到技術(shù)成效、成本等問題，也制約著人工智能技術(shù)的落地應(yīng)用。

2.支撐融合應(yīng)用的核心算法及產(chǎn)品軟硬件對外依存度高，產(chǎn)業(yè)創(chuàng)新基礎(chǔ)薄弱

在人工智能技術(shù)方面，我國在深度學(xué)習(xí)算法、生成式大模型、人工智能芯片等方面的基礎(chǔ)性研究和創(chuàng)新能力還處于模仿追趕的被動局面。在原材料智能化基礎(chǔ)方面，流程模擬仿真軟件、核心工藝包、先進(jìn)控制系統(tǒng)、物性數(shù)據(jù)庫等依然受制于人，需要加快國內(nèi)人工智能技術(shù)的應(yīng)用落地。如美國AspenTech公司擁有近2 000種化合物的物性數(shù)據(jù)，其客戶涵蓋全球各大化工、石化、煉油等過程工業(yè)制造企業(yè)及工程公司，在流程模擬技術(shù)、工藝控制流程等關(guān)鍵領(lǐng)域已經(jīng)具備絕對優(yōu)勢。

3.原材料工業(yè)數(shù)據(jù)匯聚、數(shù)據(jù)共享難度大，缺乏可支撐建模訓(xùn)練的高質(zhì)量數(shù)據(jù)集

原材料工業(yè)數(shù)據(jù)類型多樣、數(shù)據(jù)來源復(fù)雜，溫度、流量、成分等生產(chǎn)數(shù)據(jù)呈現(xiàn)出多維度、動態(tài)性強、多源異構(gòu)等特點。另外，生產(chǎn)設(shè)備協(xié)議眾多，缺乏統(tǒng)一規(guī)范，多數(shù)主流協(xié)議由國外廠商掌控，加大了數(shù)據(jù)采集與集成的難度。同時，原材料工業(yè)企業(yè)普遍對數(shù)據(jù)隱私及安全性存在擔(dān)憂，不愿將成分配方、關(guān)鍵工藝參數(shù)等核心數(shù)據(jù)提供給第三方進(jìn)行建模訓(xùn)練與應(yīng)用開發(fā)。

4.融合應(yīng)用人才匱乏、公共服務(wù)能力不足，相關(guān)標(biāo)準(zhǔn)等支撐保障體系有待完善

《產(chǎn)業(yè)數(shù)字人才研究與發(fā)展報告（2023）》顯示，未來3年，智能制造數(shù)字人才供需比預(yù)計將從1:2.2擴大至1:2.6，對既懂業(yè)務(wù)又懂算法的復(fù)合型工程技術(shù)人才需求強烈。另外，需要完善涵蓋基礎(chǔ)術(shù)語、參考架構(gòu)、技術(shù)規(guī)范、評估評價等在內(nèi)的原材料工業(yè)與人工智能技術(shù)融合應(yīng)用相關(guān)標(biāo)準(zhǔn)研究工作。同時，缺乏面向原材料工業(yè)企業(yè)提供人工智能技術(shù)融合應(yīng)用的規(guī)劃咨詢、技術(shù)支持、評估診斷、人才培訓(xùn)、成果轉(zhuǎn)化等公共服務(wù)專業(yè)機構(gòu)和平臺，建立圍繞融合應(yīng)用的多方協(xié)同推進(jìn)機制。

五、推進(jìn)我國原材料工業(yè)與人工智能融合的策略

推進(jìn)原材料工業(yè)與人工智能融合發(fā)展的過程中，需要把握以下3個原則。首先是需求引領(lǐng)，普及推廣。依托龐大的市場規(guī)模，釋放應(yīng)用需求潛力，通過單項試點應(yīng)用向重點園區(qū)復(fù)制推廣。其次是龍頭牽引，協(xié)同帶動。通過原材料工業(yè)龍頭企業(yè)示范引領(lǐng)作用，帶動中小企業(yè)融通協(xié)同發(fā)展。最后是中心支撐，集成提升。通過創(chuàng)新中心及促進(jìn)中心建設(shè)匯聚要素資源，推動行業(yè)數(shù)據(jù)共享，營造數(shù)字生態(tài)。

我國原材料工業(yè)與人工智能融合的發(fā)展策略具體包括以下幾個方面。

1.堅持場景驅(qū)動，深化試點和推廣

圍繞新材料輔助開發(fā)、工藝智能優(yōu)化、安全環(huán)保精準(zhǔn)管控、全流程運營決策等重點環(huán)節(jié)，支持集團(tuán)企業(yè)先行打造一批人工智能典型應(yīng)用場景，加快“點狀”突破。同時，面向重點城市、示范園區(qū)和企業(yè)開展原材料工業(yè)人工智能融合應(yīng)用試點，征集遴選一批帶動性強、影響力大的融合應(yīng)用典型案例。在數(shù)字化轉(zhuǎn)型、智能制造相關(guān)標(biāo)準(zhǔn)體系中，強化原材料工業(yè)人工智能賦能水平與成效評估指標(biāo)設(shè)計。并且，依托行業(yè)協(xié)會、產(chǎn)業(yè)聯(lián)盟等組織，逐步開展“一企一策”人工智能融合應(yīng)用診斷與評估，加強供需對接、經(jīng)驗交流與宣傳推廣。

2.加強智能主體與產(chǎn)品方案培育

支持重點企業(yè)、科研院所、高等院校組建創(chuàng)新聯(lián)合體，聚焦智能在線檢測、生產(chǎn)過程智能優(yōu)化控制、面向智慧運營的知識發(fā)現(xiàn)等典型場景技術(shù)，開展模型、算法攻關(guān)，打造形成一批面向場景的典型智能模型。同時，依托智能制造系統(tǒng)解決方案揭榜掛帥項目等工作形成一批聚焦重點行業(yè)、重點場景的人工智能產(chǎn)品和創(chuàng)新方案，為行業(yè)企業(yè)智能化升級提供參考。

3.構(gòu)建保障要素，完善保障體系

通過建設(shè)原材料工業(yè)創(chuàng)新中心、新材料大數(shù)據(jù)中心，引導(dǎo)行業(yè)協(xié)會、科研院所、骨干企業(yè)等產(chǎn)學(xué)研用融合發(fā)展，總結(jié)凝練出面向重點行業(yè)人工智能高質(zhì)量數(shù)據(jù)集。同時，鼓勵工業(yè)企業(yè)、科研院所依托未來產(chǎn)業(yè)創(chuàng)新任務(wù)揭榜掛帥等項目，基于通用大模型底座構(gòu)建行業(yè)大模型，并面向新材料產(chǎn)業(yè)產(chǎn)品研發(fā)、供應(yīng)鏈優(yōu)化、市場前景預(yù)測等重點場景，加快大模型技術(shù)與行業(yè)深度融合的創(chuàng)新應(yīng)用模式。另外，通過重點行業(yè)人工智能融合應(yīng)用標(biāo)準(zhǔn)體系建設(shè)，開展關(guān)鍵標(biāo)準(zhǔn)研制和貫標(biāo)推廣相關(guān)工作，并且通過復(fù)合型高度人才培養(yǎng)、原材料工業(yè)職業(yè)技能培訓(xùn)、高層次緊缺人才引進(jìn)等策略，解決原材料工業(yè)人工智能融合應(yīng)用人才短缺難題。