来源：市场资讯（来源：中化新网）“是不是只有大模型才叫新一代的人工智能？我认为答案是否定的。”在5月14日于北京举办的2026中国石油石化企业信息技术交流大会上，中国石油化工集团有限公司信息和数字化管理部副总经理蒋楠的一席话，引起了现场专家的共鸣。在以Chat GPT、deepseek、豆包、千问等为代表的语言大模型走入寻常百姓家的当下，工业大模型在工业场景的落地也如它们一般“万能适配”吗？在石油化工行业数智化转型的过程中，大模型扮演着怎样的角色？记者在现场聆听了多位与会专家的观点。破解唯大模型“迷信”多位专家指出，大模型是人工智能赋能行业的重要环节，但它并不等于人工智能的全部。中国工程院院士刘合首先界定了大模型与智能体的关系：大模型是智能体的“核心大脑”，智能体是大模型的“行业落地载体”，二者相辅相成、不可分割。据他介绍，智能体是一个能感知环境、自主决策并采取行动的软件代理，其核心在于算法与数据之间的虚拟交互。油气领域的智能体分为两类：一类是数字智能体，基于AI大模型并融合行业数据与专家知识，具备自主感知、决策与协同进化的能力，主要用于数字层面的分析与决策，替代重复性人工工作，目前是业内主流；另一类是具身智能体，它在普通智能体的基础上增加了物理实体嵌入能力，可“附着”于钻井终端、井场监测设备、井筒控制、炼化阀门等现场实体设备，正在向应用落地进发。尽管以大模型为“核心大脑”的智能体前景广阔，但多位专家也提醒，不能因此夸大其能力。中国石化信息和数字化管理部副总经理蒋楠表示：“大模型有它的优势，能够统御、规划、总结，但这不代表它可以解决一切问题。尤其是在我们工业现场，一些机理模型，甚至前期通过深度学习训练出来的小模型，依然发挥着不可替代的作用。”他还指出，通用大模型如DeepSeek等，虽然为工业制造智能化提供了支撑，但仍无法有效应对石化制造过程中变量时空演化的不确定性，缺乏在不确定条件下生成最优生产方案的可信能力。刘合院士也警示了大模型在实际应用中的风险。他指出，大模型的推理过程具有“黑盒”特征，结论可解释性较差，存在生成幻觉和错误引导的风险。“油气环境是复杂高危的，对模型要求极高。现有的算法在精度控制、异常样本的识别等方面还有待提升。特别是炼化环境，出了问题就会形成重大事故。”他说。应鼓励大小模型协同发展大模型存在诸多弊端，是否意味着它在石化化工领域完全无用？与会专家表示，也不能轻易地“一刀切”。专家强调，从现在DCS/PLC等软件实现的自动控制、到自适应控制、再到自主控制，归根结底我们的目的是使石化制造过程更可信、更智能，在于“提升价值”，而不是“为了大模型而去大模型”。现阶段，只有将机理模型、小模型、专用模型与通用模型融合起来，才能建立“为我所用”的数字孪生模型。刘合提出，为推动“大小模型协同”，应以泛化性优良的通用大模型为基座，研发面向地震解释、油藏模拟等场景的专用小模型，提升专业任务处理精度。与此同时，为构建可信可控的技术体系，还应研发可解释AI技术，增强智能体决策过程的透明度；建立模型风险评估与应急机制，防范“幻觉”误导；攻关关键共性技术，推动多智能体协同、工具调用、长期记忆等核心技术研发，提升复杂任务处理能力。“通用大模型负责认知，小模型负责执行，实现精度与效率的专门匹配。”刘合表示，“大小模型协同的问题一定要解决好，特别是解决小模型在机理模型上的推理问题。行业应当开展针对共性问题的合力攻关，减少重复性工作，以免耽误技术进步。”中国石油化工集团有限公司首席工程技术大师王子宗也表示：“中国石化主张大小模型联动。大模型直接用于生产过程的难度很大，目前在科技研发和产品销售两端应用较好，因为这两端有容错率。小模型更宽泛、实用，解决了生产中的许多实际问题。生产过程涉及有毒有害、易燃易爆环境，控制差错可能导致事故，这些方面就会以小模型为主。不过，小模型的算法仍面临许多困难。作为石油化工下游领域工业软件开发的链长，中国石化承担着数据库流程模拟、实时优化、工厂三维设计、设备设计等软件工作，这些部分在国内仍存在短板。”石化央企集体“提前交卷”记者从会上了解到，在探索行业数智化转型的道路上，石化央企已然在坎坷中创造出了专业大模型的“先行版本”。中国石油学会理事焦方正表示，“十四五”时期，昆仑、长城、海能、管网等人工智能大模型实现场景应用，为石油石化行业高质量发展注入了强劲动能。中国石油天然气集团有限公司总经理助理、首席数信官，数字和信息化管理部总经理乔辉介绍，该公司于2024年5月启动建设“昆仑大模型”，一季度一迭代，经历了六轮迭代，目前模型总数已有75个，包含5个L1层的行业大模型；10个L2级面向数据集积累丰厚专业领域的专业大模型；60个L3级面向场景的应用需求的场景大模型。谈及实际效果，他举了多个案例，其中50亿参数的正反演大模型，克服了宽频带与弱信号学习等技术难题，复杂地质特征泛化适应能力显著增强，地震数据正演高频段预测精度大幅提升。目前该模型在墨西哥湾、东南亚两条拖缆资料开展应用，弱信号误差数量级降低90%，综合效率提升10倍以上。蒋楠介绍了中国石化的大模型“长城AI 2.0”，通过“大小模型协调发展”实现了在通用能力不下降的情况下，专业能力明显提升。“我们通过前期的建设，积累了5大类共121个大小模型。”他说，“将长城AI 2.0与通用模型相对比，同事都和我们反馈说前者在专业问题上的回答会更精准、简洁。我们还添加了多模态功能，能通过提示词生成图片。不过我们的目的不是做To C的公共娱乐，而是希望通过这种方式把多模态图片、影像和大语言建立关系，以便于在真正生产工况里做更深的关联使用，进一步降低IT平台的使用门槛，让更多员工用得上、用得会。”国家石油天然气管网集团代表王建表示，面对人工智能这一时代命题，集团提出了“AI优先战略”，不仅应用AI工具，更将AI融合到业务的全链条。他举例说，通过大模型、小模型和专业模型协同应用，国家管网成功实现核心设备正常稳定运行——中俄东线用时序预测模型诊断设备健康度，关键设备故障告警率接近100%。“原来只是极少数专家掌握的能力，现在成为了全员标配。”王建说。“对标数智化转型先进企业，我们发现核心无外乎两个要素：数据和智能。”中国海洋石油集团有限公司智慧数据部副总经理（主持工作）陈溯总结表示，“数据带给计算机感知世界的能力，反馈给我们的结果就是数字孪生；智能则是通过我们现有的数据算出更高维的认知，让我们得以看到‘上帝视角’。”据他介绍，中国海油也已建立自己的智能管理平台，超过1000个AI Agent在平台上得以应用。目前，秦皇岛32-6海上智能油田、“台风生产模式”均已成为具有鲜明海洋勘探开发特色的智能化技术应用案例。“许多人对AI的安全抱有不现实的期望。我认为这种期望主要集中在两个极端：一是‘AI万能’，二是‘AI无用’，我认为这二者都不可取。”国家能源集团首席科学家丁涛感叹道，“对于从事信息化的人而言，我们的使命是在目标明确时努力达成目标，在方向明确时带领大家共同前进。”