大模型技术一日千里，传统行业能否跟上智能进阶的脚步？最近，中国科学院大连化学物理研究所（以下简称大连化物所）联合相关单位开发的智能化工大模型，因其独特的行业属性和应用潜力受到了广泛关注。

3月28日，在2025中关村论坛年会碳达峰碳中和科技论坛上，中国科学院大连化学物理研究所研究员、智能化工大模型团队负责人叶茂在接受《中国科学报》专访时，就智能化工大模型相关话题作出详细解答。

“一些化工企业率先尝试了智能化工大模型的应用，这些实际用例推动了行业对大模型技术的兴趣。”叶茂向表示，受目前人工智能大模型快速发展的影响，行业对大模型的接受度正在快速提升；从调研情况来看，目前已经有超过50家化工企业的工程师和技术人员对智能化工大模型进行了试用，“这个数字还在持续增长”。

叶茂在碳达峰碳中和科技论坛上介绍智能化工大模型。赵广立摄

从1.0到2.0，缔造化工研发新范式

叶茂告诉记者，在中国工程院院士、大连化物所所长刘中民指导下，大连化物所团队早在2016年起就致力于将人工智能技术应用于化工技术开发。2024年3月，大连化物所与华为技术有限公司、大连理工大学等单位合作开发了智能化工大模型（1.0版本），实现了化工知识检索及工艺流程自主设计与优化。

“这个版本是我们智能化工大模型的起点，为后续的升级和优化奠定了很好的基础。”叶茂说，大连化物所丰富的化工应用场景和海量的研发数据，对模型的训练和优化发挥了重要作用。

刘中民（右2）、叶茂（右1）讨论智能化工大模型2.0。大连化物所供图 

2024年11月，大连化物所进一步联合科大讯飞股份有限公司、中国科学院文献情报中心等单位，使用200亿tokens的化工领域数据和10亿tokens的精标数据，训练开发了智能化工大模型2.0，实现了模型升级。

“升级后的2.0版在工业催化、化工基础、化工安全等方面都有显著的提升。”叶茂介绍说，这些拓展使智能化工大模型能够覆盖更广泛的化工应用场景。

为了给化工新技术开发和化工企业赋能提供更全面的支持，在后续的开发中，团队聚焦催化反应、工艺开发、中试放大和工厂优化四大应用场景。“基于这些场景，团队开发了智能机器人催化反应实验系统等八个智能体模块。”叶茂说，这些智能体模块初步覆盖了化工技术开发及应用的核心环节，形成了基于大模型的化工研发新范式。

赋能化工应用是题中之义

从开发伊始就瞄准化工核心技术场景，赋能行业应用，是智能化工大模型的题中之义。

以“催化反应动力学模型自动生成”场景为例，叶茂向《中国科学报》介绍了智能化工大模型的工作流程：首先，化工工程师利用智能化工大模型从大量文献期刊数据库中自动解析反应机理并提取反应规则；接着，智能体根据这些反应规则生成复杂反应网络，并针对工业过程实际需求进行反应网络简化，且自动推荐可行的实验方案；选定反应网络和实验方案后，智能体将启动“机器人智能催化反应实验平台”自动执行反应任务；最后，模型根据实验结果拟合得到对应的反应动力学参数，实现催化反应动力学模型的快速构建。

叶茂告诉记者：“这一应用在新技术开发过程中，可大大提升了研发的效率。例如，我们采用了机器人智能催化反应平台，通过耦合智能化工大模型进行催化反应机理的挖掘，实现了甲醇制丙烯等工艺过程的催化反应动力学模型自动生成。”

大连化物所还利用智能化工大模型进行了多场景的应用探索。“例如，我们开发的多功能催化剂颗粒快速分析智能体，能够精准量化颗粒的粒径、形貌等几何特征参数，并对催化剂积碳分布进行有效测量，为工业过程催化剂颗粒特性参数的实时监测提供了重要的分析手段，等等。”叶茂说，这些探索也使大模型能够赋能化工领域更多的应用创新。

一个安全可靠的行业大模型

叶茂观察到，在技术需求驱动、政策支持引导、实际应用案例推动等综合因素作用下，化工行业对专业领域大模型的接受度正在快速提升。

“随着大模型技术的快速发展，特别是如智能化工大模型等专业领域大模型能力的提升，将给化工行业带来实实在在的好处，比如提升生产效率、降低安全风险、优化规划治理等等，这让大家对化工专业领域大模型的应用充满期待。”叶茂对《中国科学报》说。

但他同时也注意到，许多化工企业在数据共享、算力储备和对AI信任度等方面存在困难。

“我们在和企业交流过程中，发现传统工程师与基于人工智能模型的人机协同，将在较长时间内共存，二者需要经历一个磨合期。”叶茂向记者分析道，传统工程师习惯靠经验和专业知识来优化化工生产，更注重实践操作；而基于专业大模型的智能体主要还是基于数据和算法做分析决策，更偏向数据驱动。这种工作方式和思维上的差异让传统工程师一开始可能不太适应人工智能的工作逻辑。同时，由于人工智能决策过程具有一定的“黑箱”特性，工程师难以完全理解其决策依据和相信结果的可靠性。另外，许多企业对数据的共享非常敏感，担心核心信息泄露。

“建立智能化工生态还需要一定的时间。”叶茂说，这也提示智能化工大模型一定要打造为一个安全可靠的行业大模型。

叶茂告诉记者，化工行业的数据往往涉及核心工艺参数、催化剂配方等敏感信息，在推进智能化工大模型落地过程中，“数据”是重点解决的难题之一。

“一方面，我们通过建立严格的数据管理体系，采用知识产权共享等数据权益机制和数据增强技术等；另一方面，在应用端我们采用大模型—智能体结构，提供轻量化本地部署，将企业核心数据库直接本地化部署，致力于实现数据隐私与模型效能的平衡。”叶茂介绍说。

“希望扮演更重要角色”

展望未来，叶茂希望智能化工大模型能在化工科技领域扮演更为重要的角色。

他向《中国科学报》解释说，化工作为流程工业和多尺度复杂系统，逐级放大的传统研发范式制约了新技术开发速度。“我们期望通过化工大模型和智能体高效协同，建立‘实验室小试—虚拟工厂—实际工厂’的化工新技术研发体系，破解化工过程逐级放大瓶颈。”

刘中民谈到，化工作为流程工业的本质就在于体系太复杂，“复杂到没有精准的理论体系来描述它”，而人工智能恰恰在解决复杂问题方面有优势。“基于智能化工大模型构建的智能体，有望具备构建虚拟工厂能力，原来新技术、新工艺做到实体工厂可能要用10年，现在有希望缩短到两三年。”

叶茂还期待，未来在化工大模型的基础上，构建装置运维和产业规划的智能体，推动建成面向行业的智能化工应用基地，形成智能化工的应用新生态。

“我们希望能助力化工行业智能化升级，提升生产效率和本质安全，进一步支撑能源革命、双碳目标与新型工业化。”叶茂对此充满期待。