石化关键数据及模型技术标准包括资产数据及模型、物料数据及模型、公用工程数据及模型等三个部 分。石化关键数据及模型技术标准涵盖了石化智能制造需要的基础数据标准、主数据标准、事务数据采集标 准，以及基于经验和自然规律的算法库标准、知识库标准、资产模型标准、机理模型标准等。 C 石化关键应用技术标准包括生产管控与优化、安全环保、设备管理、能源管理、供应链管理、智能服 务等六个部分，涵盖人工智能、工业大数据等新一代信息技术在石化行业各个业务域的应用场景标准。 模型、生产异常处置知识库等生产异常处置标准；基于融合通信技术的生产营运指挥标准。主要用于指导 石化企业调度指挥系统的建设、规范新一代信息技术在生产调度业务中的应用，建立生产感知自动化、数 据分析科学化、指挥决策规范化的生产调度指挥新模式，有效提高指挥效率和决策水平。 （ 2 ）操作管理标准 主要包括石化操作监控、操作报警、智能巡检等的内外操管理标准；内外操协同、操作报警评估分析 及处置知识库、操作绩 学习解读《石化行业智能制造标准体系建设指南（ 2022 版）》 《 指 南 （ 2 0 2 2 版 ） 》 的 全 文 学 习 （ 5 ）质量管理标准 主要包括质量监控、预警和统计分析，质量追溯等的质量过程管理标准；基于质量风险知识库的质量 风险识别、评价和控制等的质量风险管理标准；样品采集、分析、报告和管理等的实验室信息管理标准。 主要用于指导石化企业质量管理系统的建设，实现从原油、“三剂”等原辅料进厂、生产加工到产成品出厂各

装备、 3 安全防控智能化为建设重点，开展无人操作设备、无人值守系统的 研发与应用，提高洗选工艺过程的智能化水平。鼓励新建选煤厂开 展基于 BIM 技术的数字化设计与施工管理，建设选煤专家知识库， 开展重点生产单元、管理过程的智能化，形成完善的洗选过程智能 感知、智能控制、智能管理与智能决策，主要工艺环节、主要操作 岗位及重要设备实现智能无人操控，建成安全、节能、环保的智能 化选煤厂。 选煤厂智能化建设技术路径 第一阶段：重点开展智能化选煤厂标准建设、关键技术攻关、 基础装备完善工作，适时进行成熟技术推广，开展示范工程建设。 第二阶段：强化大数据技术与选煤专业知识的深度结合与应 用，建设选煤专家知识库，推进重点单元的智能化研究，建成完 善的选煤厂生产执行系统，实现生产过程控制和管理智能化。 第三阶段：全面实现智能化，对主要工艺环节、主要管理岗 位及重要设备实现智能感知、智能决策、自动执行的智能化体系； 智能化系统基本建设内容 智能化建设主要分为基础平台建设、基础自动化建设、智能 控制建设、智能管理与决策建设。 （1）基础平台建设 基础平台建设包括网络平台建设、云平台建设、数据中心建 设、专家知识库建设、系统安全保障、交互平台建设等内容。基 础平台建设应统筹考虑矿井、电厂等智能化建设规划，合理确定 云平台建设方式，使智能化建设方案具有较强的适用性和较好的 前瞻性。 （2）基础自动化

1、依托能源化工行业大模型沉淀核心工艺知识，提升科技 研发效率 基于人工智能行业大模型，可将工程经验、实验数据、模 拟仿真结果等多源异构数据进行深度学习与知识图谱构建，形 成可复用的行业知识库，实现工艺优化、参数预测和研发辅助 决策，结合工业互联网的分布式计算能力，可对复杂工艺流程 进行多变量实时分析，优化装置运行条件，提高能效与产品收 率。中石油发布能源行业昆仑大模型，通过人工智能中台提供 40%，石油管材及装备失效影像 检测诊断效率提升 80%。中国海洋石油“海能”人工智能模型 平台接入 DeepSeek 系列模型，通过私有化部署方式面向全集团 提供开放服务，可以辅助构建企业知识库，助力业务系统智能 化，实现复杂地质数据处理，有效提高工作效率。埃克森美孚 应用人工智能模型，可从初始混合物中预测聚合物膜的渗透性 24 能，提升材料分离效率，降低初步分离步骤的能源消耗，实现

AI 应用场景，各一线科室或区队根据各自 权限使用二级平台相关功能，所有数据汇总至矿端 AI 应用平台集中 展示和管理；华电煤业龙德煤矿应用大模型知识增强训练技术与知识 图谱技术构建设备运维知识库，结合全文检索、大模型知识生成技术 和知识混合检索的方式，指导机电设备运维人员高效制定管理策略， 精准开展运行调整、维护保养、设备维修等工作。 2.“数据驱动”的煤矿数实融合示范持续涌现。通过各类平台， 攻关掘进系统数智少人化核心技术。依托地质建模与动态修正 技术，实现掘进路径的智能规划与截割参数自适应调整，突破基于地 质模型耦合的掘进装备规划截割，达到少人、高效、安全掘进。融合 人工智能与掘进系统专家知识库，开发具备智能感知、精准预测、协 同控制、自主决策的智能决策算法，构建掘进场景人工智能决策模型， 逐步替代人工经验主导的操作模式。研制新一代数字孪生多模态一体 化集中控制平台，支撑少人化作业场景下的全流程协同控制。 能供电高级智能化示范工程，进一步提升矿井供电治理效能。 4.创新云端智能运维新模式。建立设备健康度评估模型与预防性 维护机制，开发融合知识图谱的远程诊断系统，构建包含矿井供电故 障案例的专家知识库，形成“AI 预判-专家复核-自主学习”的运维模 式。建设一批煤矿供电云运维中心示范工程，提升矿井供电故障处置 效能。 （九）煤矿灾害预警向多模态智能防控方向迈进 1.加快发展高可靠灾害感知与智能防控技术。研究井下复杂工况

分析、制造过程全流程仿真、决策迭 代优化等手段共同作用，实现工业生 产制造过程的持续优化。通过对工 业生产制造过程中的经验、领域知 识和模型进行显性化、模型化、数字 化、系统化、智能化的软件定义，构 建标准的工业知识库，并以组件的方 式开放给各工业应用，实现工业知 识的沉淀、转化与复用。 — 模型化数据底座：通过采用模型驱 动的设计思路，平台以模型为中心， 通过“模型+数据+服务+工具”的方 式，统一数据体系，实现工业应用的

展香 农信息理论，建立基于人工智能的语义通信理论与技术体系，是未来信息通信领域的研究重点。主要研究 方向包括语义信息度量、语义知识库构建、语义编码传输等基础理论与核心方法。语义信息度量是语义信 息理论的基础，涵盖语义通信的数学理论和语义的数学表征问题；语义知识库是不同于语法通信的重要标 志，是一种可为数据信息提供相关语义知识描述的、结构化的且具备记忆能力的知识网络模型；语义编码 传输是指 目前，基于人工智能的语义通信理论与技术研究涉及多个方面，主要解决以下难题：① 多模态信源语 义信息的高效表征；② 在通信环境及语义任务需求高动态变化下语义信息的弹性压缩；③ 在收发端语义 知识库协同关联且动态变化下语义信息的协同传输与整体优化；④ 面向语义信息识别、提取和重建计算需 求的自主可控芯片研发等。 3.1.2 Top 3 工程研究前沿重点解读 3.1.2.1 具身智能基础理论与方法 主要技术方向包括领域预训练、领域微调、知识库检索增强、幻觉评估与消除等。① 领域预训练是指 在通用大模型的基础上，通过构建高质量领域语料库对其进行领域预训练，使大模型具备领域专业知识； ② 领域微调是针对专业领域特定任务，通过指令微调、参数高效微调、强化微调等方法，使领域大模型更 好、更高效地完成专业领域任务；③ 知识库检索增强是面向领域专业知识缺失、滞后等问题，通过构建外 部知识库检索增强大模型在专业领域的性能；④