正在积极采用生成式人工智能技术开发新的应用 场景，力求给企业发展带来更强的驱动力。 石油石化领域的大企业持续向更高阶的L�、L�级智能化迈进时，需要高效整合内、外部力 量，推动人工智能技术与更深层面的业务流程进行全方位融合，包括针对石油石化产业的需求， 通过预训练、精调等方式，推动石油石化垂类大模型的发展，并将其应用在勘探、储运、生产和 服务业务的核心场景中。 �.�.� 石油石化企业智能化发展路径 成全链路的技术和业务闭环； 提升智能能力：建立符合企业自身特点的AI模型，阶段性实现业务智能化，通过迭代智 能业务场景应用提升企业智能化成熟度。 第三步：深入与普惠 深度融合：将AI能力推向垂类业务的更深层面，以业务为导向，在生产与流通端全面推 动AI赋能，形成业务与技术持续融合的局面； 场景复制：不断拓展AI应用边界，推动应用的横向复制以及能力外延，使AI应用形成规 模化，甚至可以进一步实现商业闭环； 管道储运 炼油化工 产品销售 数字开采 智能储运 智能生产 智能服务 �� �.� 智能勘探 国内油气勘探开发的对象正在从“常规油气田”向“非常规油气田”、“浅层浅水油气田” 向“深层深水油气田”进行转变，加之老油田普遍进入特高含水后期，勘探开发的技术难度越来 越大、成本越来越高。 为了保障国家的能源安全，降低油气对外依赖度，完成降本增效的目标，石油勘探力度仍需 进一步加大

年度进展报告 路径，找准切入点和抓手，因地制宜、积极稳妥探索近零碳发 展路径和模式，助力园区绿色低碳高质量发展。 （一）加强对标对表，加快推进试点建设 根据园区试点建设方案和园区绿色低碳发展实际，深层次 研究园区能源转型、产业发展等重大问题，进一步明确实施路 线和实施步骤，充分考虑不同园区规模体量、经济发展水平、 产业结构、用能结构、碳排放和配置条件，针对性差异化开展 节能降碳行动。传统产业为主、实施低碳转型的园区，应推进

品、公用工程等每一环节的质量数据都能够被精准获取并标准化，为质量分析提供了坚实 的数据基础；2）精准解析：基于工业大数据模型分析技术，Q-Lab 平台能够深入剖析质量 数据的内在逻辑，挖掘数据背后的深层价值。通过精准解析，企业能够洞察质量问题的根 源，找到影响质量的关键因素，为质量决策和改进提供有力支撑；3）数智融合：Q-Lab 平台将 AI 技术与质量数据深度融合，实现生产过程异常监测、工艺数据关联分析、产品质

程部分分离。数字经济时代，传统机械和动力设备等劳动资料经过数 字技术的改造和创新，生产工序自动化和体系化水平进一步提升，不 仅替代了生产过程中劳动者的部分体力劳动，也替代了生产计划、生 产控制等部分脑力劳动，更深层次地解放了人类劳动，极大提高了生 产效率。以工业机器人为代表的智能装备在劳动过程中得到广泛应用， 并通过传感器、自动规划、内容理解等能力自动适应和敏捷处理多种 工业场景复杂的任务，促进生产的精细化、标准化、便捷化，也将人

序号 领域 细分 举措 100 深入调整 建筑用能 结构 积极推广 BIPV、BAPV 等光伏应用模式，试点开展“光储直柔”项目 示范 101 积极推进中深层、浅层地热能应用，推广空气源热泵等技术应用 102 引导老旧商务楼宇在改造升级过程中推动建筑供暖、生活热水等向电 气化发展，新增商务楼宇实现全面电气化 103 围绕超低能耗

据、能耗数据、物业数据、公共设施数据并没有充分地实现 互联互通，只停留于园区基础数据、企业概况等一般数据 的展示层面，对于数据的分析与利用停留于表层，难以通过 多个系统的数据分享和关联，实现更深层次的数据挖掘。 此外，园区智能化设备还普遍存在着重功能轻体验的问题， 用户使用门槛高、体验效果差，这导致园区耗费资金引入 的智能化设备处于事实上的闲置或低效应用状态，无法充 分发挥智能化设备的价值。

工业富联、华为、 阿里、美云智数、 格创东智、蘑菇物 联等 软 件 数据 相关 服务 标识解析 围绕数据生命周期的各个阶段提供 相关服务，将数据资产化，进而让 数据作为底层原料，为模型、场景 的深层次服务提供数据基础 • 项目定制服务收费 • API 调用收费 • 功能组件/套件的 订阅收费 • API、SDK的定制 开发服务收费 • 云资源订阅 树根互联、雪浪云、 昆仑数据、机智云、

方式显示关键指标，帮助管理层快速作出决策。 2. 数据挖掘工具：如 RapidMiner 和 KNIME 等。这些工具具有 丰富的算法库，可用于进行模式识别、趋势分析和预测建模， 帮助企业挖掘深层次的信息。 3. 机器学习平台：如 TensorFlow、PyTorch 和 Scikit-Learn 等。这些工具可以应用于预测分析、需求预测和设备故障预警 等场景，通过模型训练和提升算法智能，增加系统的自适应能