p e 行 业 研 究 行 业 专 题 研 究 Tabl e_First|Tabl e_Summary 化工行业 烯烃行业景气度低，关注 AI 构建能源转型体系 投资要点： ➢ 周度回顾：本周（5.22-5.26）石油石化板块-2.99%,市净率LF1.12xPB，基础化工 板块-0.83%，21.6xPE，全A市场热度周度-6 烯烃行业进入相对周期性衰退，行业开工率及新产能投放需持续关注。能源转型 变革持续，建议关注能源AI构建转型体系的投资机会。2022年以来，烯烃陷入供过于 求局面，根据标普数据，预计23年需求增速低于供给增速，未来关注乙烯、丙烯供需 格局变化。上周上海SNEC展显示光伏下游需求超预期，未来风电、光伏、储能、氢能、 氢能、甲醇、氨能技术迭代，以满足构建能源转型新体系。AI催生数字镜像世界，算力 实现其清晰化，构建体系需求将催化一 ......... 20 3.3 今年或为潮汐能大规模部署元年 ..................................... 20 3.4 能源转型变革步入下半场 “能源 AI”推动构建新体系 .................... 21 3.5 全球烯烃行业面临周期性衰退 ....................................... 22 4

重新思考关于 AI 的能源使用 Daniel Castro | 2024 年 1 月 29 日 关注数字技术使用的能源 并不新鲜。在互联网繁荣的高峰期附近 1990 年代 ， a福布斯 文章哀叹 ， “在某处 美国 ， 每次一本书都会燃烧一块煤 网上订购 ” 。1 文章的作者 ， 成为 在随后几年关于能源的辩论中被广泛引用 政策 ， 估计 “一半的电网将是 在下一个时代为数字互联网经济提供动力 (这更像是在 10 到 100 码之间行驶) ， 这是由于 有缺陷的假设和转换错误的混合 ， 智囊团 最终在一年后纠正。7 随着最近对人工智能 (AI) 的兴趣激增 ， 人们 再次提出了关于新兴能源使用的问题 技术。在这种情况下 ， 批评家推测 AI 的快速采用 数据创新中心 1 再加上深度学习模型规模的增加将导致 能源使用的大量增加 ， 具有潜在的破坏性 环境影响。8 然而 ， 与过去的技术一样 足迹以及未来几年可能会如何发展。它建议 政策制定者通过以下方式解决对人工智能能源消耗的担忧 采取以下步骤 ： . . 为 AI 模型制定能源透明度标准。 寻求关于能源透明度的自愿承诺 基础模型。 . . 考虑 AI 法规对 能源使用。 使用 AI 使政府运营脱碳。 关于 AI 的能量使用和碳排放的事实 准确估算 AI 的能源使用和碳排放 系统在其生命周期中具有挑战性 ， 因为这些计算 取决于许多复杂的因素 ， 包括有关芯片的详细信息

平台赋能—石化装备AI管理实践 中化能源科技有限公司 平台赋能石化装备AI管理 石化领域创新实践应用 2 科学至上 创新发展 2018年世界500强排名 98 国家4大石油公司之一 4 国务院国资委业绩考核 13A 能源、化工等五大事业部 中化能源科技有限公司 中化集团全资子公司 能源互联网转型先行者 10亿注册资本金 1年30+软著/专利 70%研发人员 技术支撑 人工智能 平台赋能石化装备AI管理 5 石化行业装备智能化运营管理需求迫切 泵 压缩机 汽轮机 风机 石化行业是典型的重资产行业代表，设备性能直接关系到生产装置的投资、产能、 质量、安全、能耗及成本，设备运行状况将直接影响装置安全稳定运行。然而，采 用传统的设备建模方式，存在模型构建复杂、构建的数学模型通常不完善、存在诊 断滞后等问题。 炼化设备在石化生产中具有 至关重要 的作用 6 AI技术的快速发展为石化装备智能管理提供了可能 虚拟网关 IOT 通信 AI行为 识别引擎 IOT规则 引擎… ELT 中间件 9 设备接入、大数据处理、人工智能算法助力石化装备AI管理 物联网 平台 物联网 平台 物联网 平台 物联网 平台 设备 接入 的能力 中化工业 互联网 深度 赋能 大 数据 处理能力 物联网 平台 中化工业 互联网 深度 赋能 人工 智能 核心算法 石化装备AI管理—中化工业互联网平台深度赋能

MANUFACTURING REPORT 2 Global manufacturers share their priorities, concerns, and the next steps around how AI-powered smart manufacturing will create new opportunities— and new risks. Find out where investment it at scale, and 20% planning future investments. Other trends include: In the next 12 months, AI and machine learning will shape quality control, cybersecurity, and process optimization, ensuring GROWTH in Generative and Causal AI investments 14% INCREASE in efficiency-driven sustainability efforts 5% RISE in the importance of analytical and AI skills for leaders 10 TH ANNUAL STATE

利用公益性地学数据 25 趋势 5 数字化转型的核心变革： 利用新一代ERP解锁未来的优势 32 2025年趋势追踪 趋势6 矿业及金属行业的智慧运营： 数据驱动的优势 39 趋势 7生成式AI对矿业及金属行业劳动力的影响： 发展有效的再培训策略 46 趋势 8推进净零排放进程： 协作应对气候变化 54 趋势 9 使ESG策略更加以价值为导向： 驱动目标与进展 61 趋势 1:引领矿业及金属行业步入新时代 趋势 2:塑造关键矿产供应链 趋势 3:驱动增长，提升韧性 趋势 4:利用人工智能提升矿产勘探 趋势5:数字化转型的核心变革 趋势 6:矿业及金属行业的智慧运营 趋势 7:生成式AI对矿业及金属行业劳动力的 影响 趋势 8:推进净零排放进程 趋势 9:使ESG策略更加以价值为导向 趋势 10:创造自然竞争优势 全球及中国联系人 作者与致谢 趋势 1 引领矿业及金属行业步入新时代:依托前瞻性 1:引领矿业及金属行业步入新时代 趋势 2:塑造关键矿产供应链 趋势 3:驱动增长，提升韧性 趋势 4:利用人工智能提升矿产勘探 趋势5:数字化转型的核心变革 趋势 6:矿业及金属行业的智慧运营 趋势 7:生成式AI对矿业及金属行业劳动力的 影响 趋势 8:推进净零排放进程 趋势 9:使ESG策略更加以价值为导向 趋势 10:创造自然竞争优势 全球及中国联系人 作者与致谢 6 例如，2023 年 1

互是目前EMS升级的主要方向，也是为了满足 电力改革背景下，越来越复杂的应用场景和客户需求。首先是智能化，随着人工智能（AI）、机器学 习和大数据技术的深度融合，EMS可以通过实时分析运行工况、电价波动、负荷需求等多种变量，自 动调整储能系统的运行模式；同时可以利用 AI 算法对储能系统的健康状况进行预测，提前发现潜在故 障并提出解决方案，在未来，EMS甚至可以在无需人工干预的情况下，独立完成复杂的能量调度任 艺优化等技术研发和改进，能量密度也有望再提高；二 是追求极致安全，“热电分离”技术、散热技术和先进绝缘技术等技术涌现，新设计和技术不断引入到 电芯安全设计中，为储能保驾护航；三是智能化，随着大量AI技术的兴起，可以实现生产制造过程中 的智能视觉监测，对电芯的温度、电压和膨胀力的智能监测，发展未来智能安全预警等智能技术。 （1）大功率PCS加速迭代 2024年，以314Ah电芯为代表的第二 自主可控推理模型DeepSeekR1的问世，AI不仅为储能领域注入了新的活力，也为企业提供了前所未 有的机遇。AI通过优化储能系统管理效率、降低运营成本、增强市场竞争力等形式重塑储能行业价值 链，其应用场景也从单一问题解决向多维度、全链条的智能化转型拓展。然而，储能行业复杂的工业 系统特性决定了其对AI的需求远超消费领域的传统大语言模型（LLM）。取而代之的是融合型 AI——一种能够整合多源数据、跨越多

......... 10 （七） 我国新能源企业产能先进峥嵘初现，海外发展瞩目 ........................................... 11 （八） 多举措应对 AI 和大模型需求快速增长对能源的压力 ......................................... 13 （九） 我国循环经济仍需加强，废弃物循环利用体系亟待建立 ...... 43 （二） 绿色材料和工艺驱动高耗能工业深度脱碳 ........................................................... 45 （三） 数字化+AI 深度赋能制造业节能管碳 ................................................................... 47 （四） 碳监测和碳计量领域产学研机构各显其能 出、产 业链 协同及跨领域联盟共建，赋能上下游超百家企业，树立“内生转型驱动外 生赋能”的产研融合典范。TCL 集团依托深厚制造基因，战略孵化成立格创东智 科技有限公司，自主研发基于多智能体 AI 架构的能碳垂直领域大模型——“企 业能碳大脑平台”，以数字化驱动双碳转型。该系统对内实现 TCL 旗下 20 余家 工厂的能碳数字化管理全覆盖，对外输出至半导体、新能源、汽车等 20 多个行

Month Year 融合生态 拥抱智能： 2030中国智能制造 及自动化行业展望 2025年6月 伴随工业4.0的蓬勃发展和生成式AI领 域的技术颠覆，全球智能制造和工业自 动化行业变革提速。麦肯锡从自动化延 展性、自我组织、数据分析、数字化技术 栈、数字化工人、生态融合和商业模式 七个维度分析智能制造行业发展情况。 我们认为，到2030年，中国、日韩和西欧 等先进制造市场有望率先实现自动化革 使用以及具备集中性和高适应性平台的 半开放生态系统，打造由高阶数据分析 和软件驱动、AI高度赋能的生产环境。 届时，高价值且可延展的自动化技术将 全面应用于端到端业务流程，智能工厂 具备完全集成的IT/OT技术栈，无处不 在的高阶数据分析成为新常态，基于标 准化解决方案的半开放式平台生态应用 普遍，数字化集成和AI赋能的人机结合 运营模式全面实现，大幅提升制造行业 生产效率。 中国高度重视智能制造和工业自动化 网络化协同、智能化变革。到2025年， 规模以上制造业企业大部分实现数字 化网络化，重点行业骨干企业初步应用 智能化。到2035年，规模以上制造业企 业全面普及数字化网络化，重点行业骨 干企业基本实现智能化。近两年，国产 生成式AI大模型的全面突破，更是为行 业加速发展提供了新契机。 同时，全球制造业及其供应链也面临前 所未有的风险。一方面，贸易摩擦和关 税政策急剧变化，给全球化企业依赖已 久的跨国贸易和供应链体系带来巨大不

台实现 多维度多场景同频互动；中国中煤大海则煤矿融合雷达、槽波、钻孔、 勘探等数据建立工作面精确地质模型，再结合设备精确位置、姿态信 息、运行状态等数据，应用 5G、数字孪生、数据分析、视频 AI 识别 等技术，形成了“全面感知、高速传输、智能决策、自主割煤、视频 跟机”少人采煤模式。 2.以成套装备为核心的智能快掘技术推动掘进效率不断提升。形 成了分别以连采机和以掘锚（一体）机为龙头的快掘成套装备及全断 5G/F5G、AI 识别、机器人及大数据等技术，构 建“专家型”智能中枢，建成十大标准系统及 5G 通信、智采、智掘 与机器人作业四大样板工程。 3.人工智能技术逐步推进场景应用。依托 AI 视觉分析、深度学 习算法及高性能算力平台，成功构建了“云网边端”协同的煤矿人工 智能应用模式，实现了对“人-机-环-管”实时智能监测与报警闭环 管控，通过部署高清矿用摄像机、智能分析终端等 AI 算力设备，有 效解决了井下复杂环境下的低延时分析与高精度决策需求，煤矿 AI 18 视频技术正加速在煤炭行业的规模化应用，推动煤矿由“人防”向 “技防”的转型。例如，陕煤集团在 32 对矿井建成“千眼”视频系 统，首创 AI+NOSA 智能风险管控系统，严格落实“无视频不作业”要 求，推动安全管理由人工向智能监管转变。但在实际应用中，还存在 AI 视频分析场景误报率较高等问题，未实现与生产系统常态化预警。