21世纪经济报道记者柳宁馨 宁波报道

　　一座3000立方米的球罐外，技术人员正注视着屏幕，手指轻触操控面板。球罐内，爬壁打磨机器人和爬壁磁粉检测机器人正在协同作业。

　　4月10日，记者来到镇海炼化基地二期现场，这里位于宁波石化经济技术开发区，一路上可以看到大量球罐、管道。

　　中石化宁波镇海炼化有限公司机械动力部经理汤衢明告诉21世纪经济报道记者，通过机器人作业，球罐检验时间大大缩短。原先人工检验前要先搭脚手架，一个球罐的脚手架可能要搭5到6天，机器人作业省去这一环节，整个镇海炼化有112台球罐，按此计算，相当于省下五百多天，球罐不需要长时间停机检验，也因此可以降低大量成本。

　　具体到检验作业环节，浙江省特种设备科学研究院总工程师郭伟灿告诉记者，现在打磨机器人进去以后，人就在球罐外面自动操作，一方面提升了效率，以前可能打磨需要5、6天，现在一天半就可以了，另一方面没有了作业风险，劳动强度大大降低。

　　这是宁波石化行业智能化转型的一个缩影，其转型不仅是一场技术升级的本地实践，更是在全球能源格局波动背景下，观察沿海工业城市经济脉动的关键样本。

　　霍尔木兹海峡带来的油价波动，最先传导至全球大宗商品市场，未来也会很快反映到中国沿海工业城市的经济数据中。

　　宁波是一个制造业城市，石化化工行业是工业支柱。因此，需要加快石化行业数字化转型，推动智能化、绿色化、融合化改造，在降本增效与安全生产的基础上，引入人工智能技术和数字化手段，探索智能经济时代流程型工业的发展新路。

　　3月30日，一场浙江石化行业数字化转型供需对接活动在宁波举行，宁波乃至浙江石化行业转型的进度在加快。中国工程院院士钱锋在发言中表示，我国工业度过了信息化阶段，现在到了数字化、智能化，已经打下很好的基础，当下要思考AI的加入怎么才能让制造业更聪明。

　　“AI怎样能让我们构建工业大脑，能不能给石化企业从设备、车间、工厂、企业都安装上一个智能化的工业大脑，来指挥流程型工业最精准的操作？关键是让AI更能理解业务逻辑、行为更智能，形成制造系统的具身智能。”钱锋说。

　　中控技术股份有限公司市场营销中心副总裁赵路军在接受21世纪经济报道记者采访时表示，工业领域专业门槛高、数据复杂，且存在“三传一反”（“三传” 指 动量传递 、 热量传递 和 质量传递 ， “一反” 指 化学反应过程）的约束关系。AI虽然在工业领域潜力巨大，但实际落地难度也非常高。但一旦成功实施，工业AI能够实现精准预测、生产优化、碳排放降低等目标，解决传统数字化工具难以解决的难题。

　　在宁波，中控技术与镇海炼化及其他石化龙头企业展开了多项智能化应用合作，许多工业AI的创新场景正是在这种合作中得以落地。不过，赵路军也提醒，AI并非万能工具，企业需要明确自身要解决的问题和目标模式，并结合自身的人力、技术及运行模式进行系统规划，不能盲目跟风。

　　石化行业周期下的宁波

　　2025年，宁波的经济增速一度受到化工产品价格下行的影响。这一年，宁波规上工业增加值同比增长5.3%，但工业生产者出厂价格同比下降3.3%，这意味着宁波稳住了工业，但受到行业价格周期影响，收益被削弱了。

　　2025年，宁波加快了石化行业数字化转型的步伐，9月，浙江省试点的石化行业数字化转型场景图谱在宁波智博会开幕式上发布。到了2026年，随着国际能源市场出现新变化，上游油价回升为宁波石化企业提供了相对稳定的预期，也为产业升级创造了一个相对有利的窗口期。

　　为什么宁波的经济对石化价格波动如此敏感？石化产业在宁波工业体系中的权重不小，是支撑城市工业基础的重要板块。

　　据宁波市经信局副局长屠炯介绍，作为全国七大石化基地之一，绿色石化集群是宁波市重点打造的万亿级产业集群之一，也是全国绿色石化领域最早入选的国家先进制造业集群，构建了以炼油、乙烯为龙头的完整产业链，是全球最大的聚氨酯生产基地，2025年规上工业总产值已经接近5500亿元。

　　一方面，宁波在石化等流程型工业领域拥有规模化龙头企业，例如中石化镇海炼化等大型炼化装置与油气加工基地坐落在宁波，产业链高度集中；另一方面，大量离散型制造企业分布在汽车零部件、装备制造等领域，企业规模相对分散，但也让宁波拥有众多细分行业“单项冠军”。

　　流程工业体量大、离散制造企业多，这一产业结构使宁波的经济运行对上游大宗商品价格波动尤为敏感。一旦石化化工等行业出现周期波动，城市工业景气度往往出现较快传导。

　　这不只是宁波会遇到的问题，也是众多石化产业主导的工业城市面临的普遍问题。钱锋将这一症结概括为：我国石化行业领航企业虽有规模化优势，但尚未建立拥有高议价能力的核心竞争力。

　　绿色石化向世界级突围

　　如今，宁波绿色石化产业集群继续做大产值规模，也向拉长链条、抬升附加值方向转变，两化融合是突破口。

　　“十五五”规划纲要提出，坚持把发展经济的着力点放在实体经济上，坚持智能化、绿色化、融合化方向。对宁波石化行业而言，这三个方向也同样有效。

　　绿色石化是宁波3个万亿级产业集群之一。今年宁波市政府工作报告提出，推动绿色石化国家级制造业集群向世界级跃升。早在2023年，宁波将“361”产业集群作为构建现代化产业体系的核心战略，提出到2027年，在全市培育形成数字产业、绿色石化、高端装备等3个万亿级产业集群，新型功能材料、新能源、关键基础件、智能家电、时尚纺织服装、现代健康等6个千亿级产业集群，以及一批新兴和未来产业群。

　　屠炯介绍，得益于宁波雄厚的产业基础和流程化工的产业特点，从智能制造到5G+工业互联网，再到产业大脑和未来工厂，以及现在的AI+制造，在一轮轮的数字化转型浪潮中，宁波石化行业始终走在各行业的前列。

　　中石化镇海炼化是宁波石化行业的领军企业，较早布局数字化转型。中石化镇海炼化信息化高级专家储祥萍介绍，镇海炼化于2020年确立了包括深化数字化转型在内的一系列改革战略。企业也入选我国首批15家“领航级智能工厂”培育名单，是其中唯一入选的炼化企业。

　　镇海炼化在工程数字化交付和工程数据协同方面起步较早，早在2013年，公司便开始探索工程数字化交付模式，并参与相关国家标准的制定工作。在智能化应用方面，人工智能高价值场景是外操无人化。

　　镇海炼化的无线泵群模型是一个典型案例，通过开发基于机泵转速、轴位移、振动频谱等特征参数的故障模型，形成涵盖各类异常模式的诊断图谱，结合振动频谱中的高频能量、低频能量成分，综合进行智能分析判断，得出故障结论。最终让公司实现各装置多台高危泵健康监控的全覆盖，人工巡检频次核减50%。

　　时序大模型通过不同技术路线处理了这一相同的业务场景。2024年，镇海炼化和中控合作验证了TPT时序大模型，对某装置的近百台机泵进行在线故障预测和诊断。成效是验证1年来历史数据，累计发现5类典型故障的11个问题，异常提前预警准确率达91%以上。

　　储祥萍表示，虽然模型仍需要持续训练和优化，但对于石化化工生产而言，能够提前几分钟、数小时预测设备故障，已经能够形成非常有效的风险预警机制。

　　万华化学（宁波）有限公司总工程师徐宝学向记者介绍了公司在自动化与智能化方面的应用实践，他们在化工质检环节采用智能化手段，通过对长期积累的生产数据进行分析与智能预测，替代大量的传统人工质检，大幅降低样品分析频次，减少质检员工晚班工作量，不仅提升了生产效率，也保障了产品质量的安全性和准确性。

　　万华化学还与中控科技开展合作，探索TPT时间序列大模型在流程工业中的应用。在万华化学（宁波）氯碱生产基地的烧碱装置上，探索智能控制、智能分析、智能决策。

　　徐宝学告诉记者，化工生产过程，特别是有些涉及复杂反应的，直接应用AI比较困难，最好是结合反应的机理模型加上算法模型。氯碱生产行业是比较成熟的行业，也不涉及保密的问题，且能耗很高，把它作为一个工业大模型应用实践的突破口非常有益。

　　万华化学的数字化转型可以追溯到2014年左右，当时企业出于提质增效和提升行业竞争力的考虑，开始系统推进数字化转型，最早落地的是生产安全报警系统。

　　徐宝学表示，未来智能化和数字化以及AI，要紧紧围绕着企业生产的质量、效率、成本以及可靠性和安全来展开。化工行业本身属于高耗能行业，企业必须持续通过技术手段降低成本、提升效率，并长期坚持推进数字化与智能化建设。

　　AI+石化场景落地

　　AI大模型在流程型工业的应用是一块“硬骨头”。不少受访者都提到，安全是底线，技术带来降本增效是最终目的。

　　针对流程工业的数据特点，赵路军告诉21世纪经济报道记者，流程工业的数据具有显著的时间序列特征，生产过程中的参数变化受历史数据、工艺约束和设备状态共同影响。传统数字化系统通常基于稳态假设，仅考虑固定条件下的预测，而时间序列大模型则可以同时处理多变量、非稳态因素，进行动态预测和风险预警。通过该模型，装置的流量、压力、催化剂活性等关键参数之间的复杂因果关系能够被实时捕捉，从而生成更精准的预测结果和最优的决策方案。

　　随着ChatGPT等新一轮科技浪潮的兴起，中控技术意识到未来人工智能将深刻改变工业领域，于是全面启动了“ALL in AI”的战略布局，并在2024年发布了全球首款时间序列大模型TPT(Time-series Pre-trained Transformer)。以TPT大模型的实际应用为例，其可以对流程型工业生产运营进行风险预警，确保生产安全，并基于动态数据提前预测设备故障或异常工艺参数，为企业提供可操作的预警方案。目前，TPT已在百余个工业场景中落地。

　　浙江是石化产业大省，去年全省规上石化化工行业实现了工业增加值1.7万亿元，占全省规上工业比重将近15%。目前，浙江全省石化行业已建成未来工厂14家、智能工厂45家、数字化车间118家。

　　浙江省经信厅副厅长董钊表示，当前浙江石化行业数字化转型过程中，仍存在供需对接不精准、核心技术待突破、中小企业能力薄弱等问题，正处在从单点突破向全面赋能跨越的关键阶段。

　　钱锋在讲到AI在石化行业应用时，特别强调了工业大脑，“大模型未来有很多优势，关键是怎么和工业专业领域、工具包、小模型融合起来。通用大模型不可解释，工业领域必须要‘为我所用’的小模型。”

　　在3月30日的浙江石化行业数字化转型供需对接活动上，工业和信息化部信息技术发展司副司长李丽表示，当前工信部组织开展重点行业一图四清单的建设，即编制一张数字化转型场景图谱，梳理数据要素、知识模型、工具软件、人才技能四类要素清单，目的是结合制造业“1米宽、百米深”的特点，以场景为切入点，打造行业数字化转型的方法论，切实提升转型服务的供需对接效率。目前，已发布石化、钢铁、机械等14个行业一图四清单的成果，在浙江、河北、江西等多地开展试点。

　　李丽称，支持浙江省率先开展石化行业场景数字化转型的试点，持续深化石化行业一图四清单的成果应用，形成具有浙江特色的经验模式。在石化行业场景最佳实践征集中，浙江企业占比接近60%。

　　宁波进一步聚焦工业领域的数据价值释放。屠炯提到，在宁波石化行业数字化转型过程中仍面临一些问题。例如，工业数据与价值释放方面，这是人工智能最核心的基础，但在行业数据的汇集、流通和应用上存在短板。

　　屠炯表示，聚焦行业数据价值，提升垂域模型的支撑能力，宁波将研制覆盖数据采集、标注、治理、应用的全流程数据的工具链，建设设备运维高质量的数据集，迭代升级石化化工时序大模型，将基于高质量的数据集不断提升模型预测的精度，在集群内开展规模化的应用试点。