1、 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 1 石油石化石油石化 證券證券研究報告研究報告 2025 年年 03 月月 27 日日 投資投資評級評級 行業行業評級評級 強于大市(維持評級)上次評級上次評級 強于大市 作者作者 張樨樨張樨樨 分析師 SAC 執業證書編號：S1110517120003 姜美丹姜美丹 分析師 SAC 執業證書編號：S1110524090002 資料來源：聚源數據 相關報告相關報告 1 石油石化-行業深度研究:能源版圖西移，新疆煤化工或迎來歷史性發展機遇 2025-03-17 2 石油石化-行業專題研究:從發電成本看歐洲煤炭與

2、天然氣的價格關系 2025-03-09 3 石油石化-行業專題研究:能化中游庫存周期拐點，或先于產能拐點到來 2025-01-01 行業走勢圖行業走勢圖 AI 如何變革能源化工行業？如何變革能源化工行業？AI 或助力上游油氣降本或助力上游油氣降本 國內央國企油氣企業 AI 布局領先于民營企業，三桶油的 AI 布局思路目前主要在構建行業高質量的數據集，建立油氣大語言模型，構建知識體系，打造計算平臺；海外油氣公司目前進展聚焦地層構建模、鉆井等工業流程自動化、預測性維護模型以及碳排放管理。我們根據 EOG 的運營成本為基準簡單測算合計 AI 大概會帶來 7 美金/BOE的降本空間，下降幅度大約 17

3、.5%，這與國際能源署所估計的數字技術可以將油氣成本降低 10%-20%接近。AI 重塑煤炭智能礦山重塑煤炭智能礦山 國內目前智能礦山化進展比較成熟的應用聚焦在煤炭開采和洗選方面，打造智能化礦山，顯著提升災害預警、智能開采和管理效率。根據麥肯錫的相關調研，煤炭企業全面釋放智能化潛力能夠將利潤提升 7%-12%，將投資回報率提升 2%-3%。AI 賦能化工“從分子設計到智能工廠”賦能化工“從分子設計到智能工廠”目前 AI 與化工行業結合主要在“賦能材料研發與合成”和“化工智能制造”兩個大方向。AI 賦能材料研發合成領域的發展尚處在導入期，主要集中在高?？蒲性核蚝Ｍ忸^部領軍化工企業（eg.LG

4、化學、贏創等）。AI 在工藝流程設計中應用比如流程模擬仿真監測，主要是化工設計院等高校研究所及模擬仿真軟件企業比如中控技術?；ぶ悄苤圃炷壳皣鴥韧饩诩铀俨季?，國內主要由央國企及細分龍頭牽頭智能化工廠建設，海外企業布局更早，現階段開始著力新材料創新研發。AI 競速賽，哪些能化企業才能突破重圍？競速賽，哪些能化企業才能突破重圍？我們認為 擁有大量高質量有效數據的主權、能將技術和業務深度融合、注重創新、具有強大資金實力的企業更有機會在 AI 軍備賽中脫穎而出。潛在受益標的：1)擁有數據主權的頭部企業具有先發優勢；2）AI for science 方面，具有自主研發能力的催化劑公司；3）AI for

5、 operation 方面，“賣鏟者”比如中控技術等工業流程模擬軟件企業。風險風險提示提示：1）AI 應用需求不及預期的風險；2）企業布局 AI 進度不及預期的風險；3）中美貿易摩擦加劇的風險；4)行業競爭加劇的風險。-12%-7%-2%3%8%13%18%2024-032024-072024-112025-03石油石化滬深300 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 2 內容目錄內容目錄 1.AI 助力油氣勘探開發領域高效尋油助力油氣勘探開發領域高效尋油.4 1.1.AI+物探.4 1.2.AI+測井采集.4 1.3.AI+鉆完井技術.4 1.4

6、.AI+油藏工程.5 1.5.上游油氣及油服企業 AI 布局進展.5 1.6.AI 或助力油氣運營成本下降.6 2.AI 重塑煤炭智能礦山重塑煤炭智能礦山.8 3.AI 賦能化工“從分子設計到智能工廠”賦能化工“從分子設計到智能工廠”.10 3.1.AI for science 賦能機理端分子研發.10 3.2.AI for Design 最優化工藝端流程設計.11 3.3.AI for operation 智能化生產運營.11 3.4.化工企業布局 AI 進展及現狀.12 4.AI 競速賽，哪些能化企業才能突破重圍？競速賽，哪些能化企業才能突破重圍？.13 5.風險因素風險因素.14 圖表目

7、錄圖表目錄 圖 1：井震結合智能建模流程.4 圖 2：測井+人工智能主體應用文獻發表數量 Top 10.4 圖 3：中石油測井生產智能支持系統.4 圖 4：油價 100 美金情境下，EOG 原油運營成本變化.6 圖 5：EOG 歷史對信息技術、人工智能領域布局.7 圖 6：EOG 大數據系統.7 圖 7：EOG 利用數據使用精準橫向目標.7 圖 8：上游勘探活動應用的 AI 方法及工具效果.8 圖 9：AI 地震數據擁有更高分辨率.8 圖 10：全面釋放大模型智能化潛力，煤炭利潤有望提升.9 圖 11：傳統范式下材料研發全流程 vs.AI 賦能后的研發全流程.10 圖 12：AI+分子結構式創

8、造.10 圖 13：化工大模型實現流程自主設計、仿真和優化.11 圖 14：化工領域供應鏈管理設計.11 圖 15：油氣化工 AI 智能巡視系統.11 圖 16：AI 配置和優化安全儀表系統.12 圖 17：化工廠風險預警處置流程.12 圖 18：設備預警處置全生命周期閉環.12 圖 19：IBM 調研能化企業布局 AI 的目標.13 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 3 表 1：國內油氣公司上游勘探 AI 應用布局進展.5 表 2：國內油氣公司上游勘探 AI 應用布局進展.5 表 3：海外油氣公司上游勘探開發方面 AI 應用布局進展.6 表

9、4：國內煤炭公司及設備公司 AI 進展.9 表 5：國內外下游化工企業 AI 進展.13 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 4 1.AI 助力油氣勘探開發領域高效尋油助力油氣勘探開發領域高效尋油 1.1.AI+物探物探 石油物理勘探一直是高性能計算、三維可視化、計算機網絡等信息技術的重要應用領域,也是較早實現數字化采集、處理分析的領域。國際上“物探+人工智能”研究發展迅速，積極探索如何利用人工智能進行地震數據處理與解釋，尤其是利用深度學習方法進行智能化數據處理與解釋，但總體處于起步階段，尚未大規模推廣應用。Geophysical Insight

10、、Emerson、Schlumberger、CGG、PGS 等公司日前已經形成了相關的軟件產品；中石油旗下也有東方物探 Geoeast 軟件。圖圖 1：井震結合智能建模流程井震結合智能建模流程 資料來源：測井人工智能應用場景及實現石玉江等，天風證券研究所 1.2.AI+測井采集測井采集 海外油企在數據采集、遠程測井等方面已商業化，比如斯倫貝謝的遠程測井中心、智能地層測試、具備智能處理解釋能力的井筒軟件 Techlog，20%的測井作業由遠程測井中心完成,已完成上萬井次作業。國內部分石油企業和科研機構已經針對網絡化地面、智能絞車、遠程測井等相關核心技術進行攻關,并已開始小批量應用，智能化井下機器

11、人已經啟動研發。圖圖 2：測井：測井+人工智能主體應用文獻發表數量人工智能主體應用文獻發表數量Top 10 圖圖 3：中石油測井生產智能支持系統中石油測井生產智能支持系統 資料來源：人工智能在測井地層評價中的應用現狀及前景 李寧等，天風證券研究所 資料來源：測井人工智能應用場景及實現石玉江等，天風證券研究所 1.3.AI+鉆完井技術鉆完井技術 中國在人工智能的研發和商業化應用方面位居全球第二，僅次于美國。國際油氣公司和油服公司正在積極布局人工智能技術，主要應用于智能油田建設、油氣儲層識別、油氣采收率提升和生產設備維護等領域；國內大型石油公司在人工智能技術的研究上也取得了顯著進展，重點集中在油氣

12、勘探與地質分析、鉆井與完井技術優化以及智能 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 5 油田建設等方面。表表 1：國國內內油油氣氣公司公司上游勘探上游勘探 AI 應用布局進展應用布局進展 國內國內 國外國外 鉆完井地面裝備鉆完井地面裝備 我國自主開發的自動化鉆井設備已能夠較為自主地完成管柱控制我國自主開發的自動化鉆井設備已能夠較為自主地完成管柱控制，井控鉆機裝備雖已趨近于自動化，但其工控系統在井內狀態感知和地質層面的識別能力尚存提升的空間；國內針對旋轉導向技術有所突破，但尚未能實現自動化、高效化和多樣化的綜合運用 智能鉆完井裝備的研究和應用已相對成熟

13、智能鉆完井裝備的研究和應用已相對成熟。SLB 開發的 DELFI 平臺利用實時數據分析和地質建模，在鉆井過程中精確控制井眼軌跡；HAL 發布了名為 CerebroForceTM的鉆頭位內傳感技術模塊；SLB、HAL 和威德福等，均擁有自己的一系列先進旋轉導向系統。鉆完井軟件鉆完井軟件 國內在智能化鉆探程序軟體開發上仍處于萌芽期萌芽期，功能已覆蓋鉆探規劃設計與施工監測的優化等基礎作業。較為成熟較為成熟并商用化并商用化。HAL 建井工程 4.0 版本，SLB 的勘探與認知一體化智能平臺(DELFI)中的 Drill Plan 一體化鉆井設計方案，康菲的鉆井數據分析平臺(IDW)，縮短鉆探時間、優化

14、完井計劃以及加深對地層特征的了解 資料來源：人工智能在油氣鉆井工程中的應用 鄒文彬等，天風證券研究所 1.4.AI+油藏工程油藏工程 國外方面,如 SLB 為代表,以 Petrel、Techlog、Eclipse 等 10 多項軟件為核心,構建了數字化協同智能工作流程,降低了勘探開發的不確定性與風險?？碧介_發認知一體化平臺（DELFI）建立了智能處理解釋工作流程,支持數據標準化、數據清洗、智能解釋、成果提交等功能。井筒軟件 Techlog 包括曲線敏感因素分析、預測與分類、曲線重建等系列智能化功能模塊,支持智能解釋。國內方面,建成中國石油夢想云協同平臺、測井處理解釋一體化軟件 LEAD 與全新

15、一代多井評價軟件 CIFlog 等應用平臺,油藏描述與模擬、測井多井解釋等方面的智能化應用初見成效,水平井地質導向系統初步形成。1.5.上游油氣及油服企業上游油氣及油服企業 AI 布局進展布局進展 國內央國企油氣企業 AI 布局領先于民營企業布局，三桶油的三桶油的 AI 布局思路目前主要在布局思路目前主要在構建行業高質量的數據集，建立油氣大語言模型，構建知識體系，打造計算平臺構建行業高質量的數據集，建立油氣大語言模型，構建知識體系，打造計算平臺，應用于油氣勘探過程中的地震解釋、開發過程中的油藏開發優化、測井處理解釋領域，以及較為通用的客戶服務和內部行政系統。表表 2：國國內內油油氣氣公司公司上

16、游勘探上游勘探 AI 應用布局進展應用布局進展 公司公司 AI 布局進展及影響布局進展及影響 中國石油中國石油 2024/1 中國石油勘探開發研究院發布自主研發的 AI 大語言模型 PetroAI(勘探開發領域迄今上線最早、規模大、功能強的油氣行業大語言模型)2024/8 昆侖大模型建設正式啟動，是中國能源化工行業首個通過備案的大模型,基于昆侖大模型，打造了地震解釋大模型應用、測井處理解釋大模型應用、員工助手應用、行業大家應用等應用 中國石油攜手華為共同打造認知計算平臺E8，利用知識圖譜、自然語言處理和機器學習等人工智能技術進行知識體系的構建、計算和應用，為油氣勘探開發科研、生產管理提供智能化

17、分析手段，支撐油氣勘探開發增儲上產和降本增效，提高決策效率、提升管理水平 中國海油中國海油 2025/2“海能”人工智能模型平臺正式接入 DeepSeek-R1 671B 完整版本以及蒸餾版本模型，并通過私有化部署方式面向全集團提供開放服務。將通過 API 接口面向海油 ERP 系統、海油商城等多個應用系統開發服務，全方位、多層次滿足不同業務場景的智能化需求 中國石化中國石化 中國石化完成 DeepSeek 在國產化算力環境下的部署，并接入長城大模型應用系統，在企業內部分批推廣使用。并編制石油化工行業大模型測試題集（推理思考版），對模型進行全面深度測試 中國石化利用 DeepSeek 大模型對

18、數百個行業標準和技術規范進行智能解析，探索行業數據集的高質量構建，提升地震資料處理、油藏開發優化、化工產品研發、客戶服務等專業模型的開發效率 洲際油氣洲際油氣 與斯倫貝謝簽署諒解備忘錄，探討數字技術在能源行業的最新進展，特別關注人工智能（AI）、數據分析、工業物聯網（IIoT）、邊緣計算和云解決方案等領域，體現了對數字化轉型的重視（尚在布局，未落地）新潮能源新潮能源 尚未公開披露與 AI 相關的具體業務布局或技術應用 資料來源：中國海油公眾號，新華網等，天風證券研究所 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 6 海外油氣公司目前進展主要聚焦在幾個方面

19、：1）將 AI 和龐大的傳感器網絡和機器學習軟件結合，上游勘探開發方面主要建模地層構造，加深對地質結構的認識和理論突破，提高勘探鉆井的成功率及效率；2）鉆井等工業流程傾向于自動化、實施預測性維護模型，減少停機時間，3）注重碳排放管理；4）新材料研發和模擬試驗；5）市場營銷運營優化；6）供應鏈管理；7）客戶服務售后管理；8）內部員工管理、安全管理等。其中難度最大的是上游勘探開發地質構造建模，需要處理巨大的不確定性，需要手動處理，并依賴于專業知識和經驗，而不只是實際數據。表表 3：海外海外油油氣氣公司公司上游勘探開發方面上游勘探開發方面 AI 應用布局進展應用布局進展 公司公司 AI 布局進展及影

20、響布局進展及影響 Shell 2021 年殼牌、貝克休斯、Microsoft、C3 AI 宣布推出 AI 能源計劃，基于 AI 解決方案的開放生態系統，以預測能源行業的流程和設備性能風險。儲層模擬和地震處理：殼牌專有的人工智能算法，實現 4K 迭代圖像重建，提高油氣藏巖石流體性質估計的準確性 XOM 和 Microsoft 合作，二疊紀盆地運營中使用 LoT 技術監控和優化油田資產，從傳感器網絡中搜集數據并存儲在云中供實時訪問，實現性能優化和工作流程自動化工作流程自動化，使用人工智能和機器學習等技術提高運營效率，實現閉環自動化 業內第一家利用深水自主鉆井公司，XOM 開發了一個專用鉆井咨詢系統

21、（將一個多世紀的鉆井經驗整合到一個自動化系統中，目前用于圭亞那），該系統利用人工智能來確定理想的鉆井參數，允許閉環自動化允許閉環自動化，無需人工干預即可控制鉆孔過程，以最大限度地提高鉆井速度，減少技術問題，提高安全性 BP 2019 BP 投資 Belmont Technology 探索將機器學習和認知計算應用于其全球石油和天然氣業務的機會，旨在加快從勘探到油藏建模的項目生命周期，旨在將數據收集、解釋和模擬的時間縮短 90%OXY 勘探生產優化+加強儲層管理：利用機器學習算法分析地質數據更準確識別潛在鉆探位置，將 AI 與地質模型集成，增強對地下構造的理解，獲得更成功的鉆探結果；采用先進的算法

22、來評估油藏性能并優化生產策略，使用 AI 對油藏行為進行建模，預測壓力溫度等變化的影響 預測性維護：使用機器學習模型在設備故障發生之前進行預測，分析來自傳感器和機械的歷史數據，可以預測設備何時可能發生故障，并相應地安排維護，減少計劃外停機時間并降低維護成本 CVX 2019 年 CVX、SLB 和 Microsoft 宣布合作加速數字化轉型，為雪佛龍在 DELFI*認知勘探與生產環境中構建 Azure 原生應用程序，大大改進和數字化的石油技術工作流程，利用人工智能來提高生產力、縮短周期時間并優化二疊紀盆地的鉆探，提高石油開采效率、降低 60%甲烷排放 資料來源：各公司官網，business w

23、ire 等，天風證券研究所 1.6.AI 或或助力油氣助力油氣運營運營成本下降成本下降 AI 在歷史上已經對油氣的降本發揮了作用，目前已經看到了明顯成果，AI 集成將運營成本降低了約 20%。比較典型的是 EOG resource 這家公司，我們將油價均為 100 美金的 2014 和 2022 年成本進行對比可見，EOG 原油運營成本從 59 美金下降到 47 美金（降幅為 19%），其中僅市場營銷費用（小幅上漲 4%）和除所得稅以外的其他稅費(上漲 37%)有所增加，其他成本項均明顯下降，比如租賃和井費用-38%，收集處理運輸費用-7%，勘探費用-44%，干井費用-39%，減值-66%，折

24、舊攤銷-42%，通用行政管理費用-7%。圖圖 4：油價油價 100 美金情境下，美金情境下，EOG 原油運營成本變化原油運營成本變化 資料來源：EOG 公告，天風證券研究所 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 7 EOG 的降本有明顯成效可能歸功于公司一直處于數字化轉型的最前沿，2017 年 EOG就在電話會議里提到如何使用數據科學工具來加快公司的創新速度。當時 EOG 提到自身的三大競爭優勢，1）數據，全面集成且易于訪問的數據集，并且擁有數據主權，不能外包收集、分析和交付；管理層認為 EOG 可能擁有所有非常規油田中較全面綜合的數據集（從 50

25、00 多口水平井中搜集）；2）數據傳輸交付，數據需要用易于使用的軟件工具隨時可用，構建了一代代的 fit for purpose 軟件工具，而且擁有一套數據傳輸系統（由 65 個軟件應用程序組成），幾乎涵蓋了業務的每個功能領域，為決策提供支持，隨時隨地全天候提供原始、分析和學習的數據；3）公司創新和持續學習的文化與認知，公司已經堅持了 30 年，人工智能和業務的結合需要長期的投入和學習，形成良性循環，不能一夜之間建立起來。圖圖 5：EOG 歷史對信息技術、人工智能領域布局歷史對信息技術、人工智能領域布局 資料來源：EOG 公告，天風證券研究所 圖圖 6：EOG 大數據系統大數據系統 圖圖 7：

26、EOG 利用數據使用精準橫向目標利用數據使用精準橫向目標 資料來源：EOG 公告，天風證券研究所 資料來源：EOG 公告，天風證券研究所 我們根據真實的案例來進行測算，預計能受 AI 驅動降本的項目如下：1）lease and well cost 包括運營和維護油氣井的成本（泵送服務、生產水處置、設備 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 8 維修和保養、壓縮費用、租賃維護、燃料和電力）、修復工作的成本、以及租賃和井管理費用。比如 Shell 在 AI 方面的真實結果是計劃外停機時間減少 20%，并將維護成本削減 15%；此外還能縮短鉆完井時間，降

27、低設備服務等使用成本，比如 HAL 的LOGIX 自動化和遠程作實現運營轉型并提高鉆井性能，性能和鉆孔軌跡精度的持續改進使 ROP（穿透率）提高了 33%，套管和襯板運行速度提高了 15%-45%，實現的方向難度指數（DDI）與計劃高度匹配，根據 Energy and AI 文獻表明可能減少 15%的鉆井成本；我們根據 EOG 2024 年最新的 lease and well cost 4 美金/BOE 測算，假設相關成本降低 20%，預計能減少 0.8 美金/BOE。2）exploration cost 勘探費用和 dry holes cost 干井費用，例如在 Quantico 進行的一項

28、案例研究中，Quantico Energy 首席執行官兼創始人 Barry Zhang 發現，與傳統的反演數據相比，AI 檢索的地震數據揭示了 Eagle Ford 的孔隙度更高。據 Barry Zhang 稱，所示的 AI 數據包含更高的分辨率，將大約節省成本 50%。根據 EOG 2024 年勘探和干井費用 0.5 美金/BOE 測算，大概能減少 0.25 美金/BOE。圖圖 8：上游勘探活動應用的：上游勘探活動應用的 AI方法及工具效果方法及工具效果 圖圖 9：AI地震數據擁有更高分辨率地震數據擁有更高分辨率 資料來源：Artificial intelligence in oil and

29、 gas upstream:Trends,challenges,and scenarios for the future Dmitry Koroteev 等，天風證券研究所 資料來源：Quantico Energy Solutions，Hartenergy，天風證券研究所（左邊是傳統，右邊是 AI）3）marketing cost 營銷成本主要包括第三方大宗商品（油氣、砂子等）的采購成本，AI 可能會減少生產過程中對燃料、砂子等材料的損耗/使用，從而減少采購成本，假設原料價格不變的情況下，使用量或下降 20-30%，根據 EOG 2024 年營銷費用 15 美金/BOE 測算，大概能減少 3.

30、75 美金/BOE。4)DDA 折舊攤銷是對已探明油氣資產采用單位產量法計算，例如油田生產概況、新井的鉆探或收購、現有井的處理以及主要與井表現、經濟因素和減值有關的儲量修訂都可能導致其波動。AI 應用或能驅動更多不可動用的儲量變成技術可采儲量，提高 EOR，攤薄桶油 DDA，比如從尼日利亞的實際案例中可見 AI 協同可以使 EOR 提高 20%，ADNOC 最近宣布，通過基于人工智能的技術，將其海上薩布油田（SARB）的產量提高了 25%，以此假設 AI 能使 EOR 提高 20%，按照 EOG 2024 年桶油 DDA 成本約 11 美金/桶，DDA 相應可能下降約 2 美金/桶。5）gen

31、eral and administration cost 和 GP&T cost 也能受益數字化、人工智能的驅動帶來日常管理、處理、運輸等成本下降，假設下降 5-10%，對應的桶油成本降幅大概是0.5 美金/BOE。6)tax other than income 主要與稅收政策和油價相關，基本不受人工智能的影響。我們簡單測算合計我們簡單測算合計 AI 大概會帶來大概會帶來 7 美金美金/BOE 的降本空間，下降幅度大約的降本空間，下降幅度大約 17.5%，這，這與國際能源署所估計的數字技術可以將油氣成本降低與國際能源署所估計的數字技術可以將油氣成本降低 10%-20%接近。接近。2.AI 重塑

32、煤炭智能礦山重塑煤炭智能礦山 煤礦智能化發展仍處于初級階段。煤礦智能化發展仍處于初級階段。AI 技術正加速賦能煤礦智能化建設，通過優化數據治理、構建行業大模型，推動煤礦從感知智能向認知/決策智能邁進，打造智能化礦山，顯著提升災害預警、智能開采和管理效率。像煤炭資源類企業中國神華、山煤國際、中煤能源、陜西煤業、兗礦能源，以及采煤機設備類公司如天地科技、鄭煤機等均已 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 9 布局智能礦山項目，實現煤炭開采和洗選的全自動化，保障煤礦高效及安全的生產。表表 4：國國內煤炭內煤炭公司公司及設備公司及設備公司 AI 進展進展

33、公司公司 AI 布局進展及影響布局進展及影響 中國神華中國神華 神東煤炭全力投入到智能發展，融合 5G、大數據、人工智能等打造出智能化礦山的典型示范。在主運輸膠帶機皮帶部署 AI智能監測系統，實現了高速運行中皮帶的所有接頭的精準識別和自動定位 洗選中心深入分析在公司智能礦山建設全局的價值功能定位，充分利用激光雷達、測距傳感器、AI 攝像頭等硬件，聯動給煤系統、裝車塔樓，實現了全流程智能無人裝車，顯著提升裝車效率 山煤國際山煤國際 應用各種先進傳感器、“天眼”系統、GPS 定位系統、AI 精準識別系統、電子圍欄等技術，實時掌握井下的生產動態，保障煤礦安全生產 融合物聯網、大數據、云計算和人工智能

34、等組建而成礦井電子屏，在生產調度指揮中心顯示實時更新的運行參數、生產場景、模擬動圖 中煤能源中煤能源 中國中煤“智控”項目技術平臺通過華為昇騰算力底座正式接入 DeepSeek 大模型，發布了數智中煤 AI 助手應用，同步推進與產銷平衡模型、安全生產管理、內部合規審計等系列應用場景深度融合，提升“智控”項目技術平臺智能化水平。陜西煤業陜西煤業 黃陵礦業一號煤礦持續加大 AI 安全領域投入，提高智能監管的云化、體系化、智能化、行業化、場景化水平，提升安全智能管理水平?！癆I+NOSA”智能風險管控系統融合 AI識別、物聯網、云計算等多項技術，智能分析在煤礦生產運營中存在的安全問題，并進行超前預警

35、，保障人員安全 礦山智腦 AI 人工智能平臺對主煤流運輸系統的輸送帶煤量、異物、堆煤及跑偏進行識別和分析，對危險區域闖入、輸送帶軸承及滾筒超溫進行監測，提高系統響應速度，提升現場的安全管控水平。兗礦能源兗礦能源 攜手山能華為聯創打造 7 大專業 38 個人工智能 AI 應用標準化場景，通過 AI圖像模型 24 小時智能檢索分析，實現了對崗位作業全過程的監督管控，發揮了人工智能安全檢查的重要作用，推動了煤炭行業安全監管由人工監管向智能管理轉變 天地科技天地科技 子公司天瑪智控開發了 LongWallMind 智能開采系統軟件平臺，形成了薄煤層無人化控制系統軟件技術等 鄭煤機鄭煤機 2020 年，

36、鄭煤機推出國內首套由單一廠家提供采煤機、刮板輸送機、液壓支架和智能化控制系統的成套化智能綜采工作面 國內首家實現全面智能化的煤機企業，智慧園區擁有 23 條自動生產線、150 臺機器人、12 臺智能行車設備以及 30 臺 AGV（自動導向車），其工廠內部的制造流程幾乎實現了全自動化的運作 資料來源：中國神華公眾號，山西焦煤山煤國際公眾號，鄭州經濟技術開發區管委會，鐵甲工程機械網等，天風證券研究所 以山東能源集團為例山東能源集團為例，聯合華為盤古礦山大模型，快速訓練了 82 個應用場景，并在28 個煤礦落地應用。其中，興隆莊煤礦、李樓煤礦利用該技術對井下卸壓鉆孔施工質量進行智能分析，將原來人工審

37、核的工作量降低了 80%，施工監管審核時間從 3 天縮短至 10 分鐘。同時，通過將大模型應用于重介選煤分選密度智能控制，精煤產率提高了 0.2%以上。根據麥肯錫的相關調研，煤炭企業全面釋放智能化潛力能夠將利潤提升 7%-12%，將投資回報率提升 2%-3%。圖圖 10：全面釋放大模型智能化潛力，煤炭利潤有望提升全面釋放大模型智能化潛力，煤炭利潤有望提升 資料來源：Mckinsey，天風證券研究所 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 10 3.AI 賦能化工“從分子設計到智能工廠”賦能化工“從分子設計到智能工廠”3.1.AI for scienc

38、e 賦能機理端分子研發賦能機理端分子研發 傳統的材料研發依賴科研人員經驗，通過不斷試驗篩選優化材料。而 AI 基于大量數據訓練出機器學習模型，結合高通量計算技術，基于數理化等基礎原理，整合隱層參數空間中的信息，預測物質性質以篩選候選材料，并快速迭代探索合成路徑，推薦可行的合成方案，從而大幅節省信息搜索、專家研討和人工試錯所消耗的人力和物力。AI 技術或驅動更多新材料發現，同時發現周期大幅縮減。圖圖 11：傳統范式下材料研發全流程傳統范式下材料研發全流程vs.AI 賦能后的研發全流程賦能后的研發全流程 資料來源：Accelerating materials discovery using art

39、ificial intelligence,high performance computing and robotics Edward O.Pyzer-Knapp 等，天風證券研究所 圖圖 12：AI+分子結構式創造分子結構式創造 資料來源：Accelerating materials discovery using artificial intelligence,high performance computing and robotics Edward O.Pyzer-Knapp 等，天風證券研究所 目前目前 AI for science 在科研領域（比如科研高校院所）應用比較多在科研領域

40、（比如科研高校院所）應用比較多，主要用途為“，主要用途為“快速合快速合成成識別候選識別候選新材料新材料”：比如 Google DeepMind 發布深度學習工具 GNoME，短時間內就發現了 220 萬種新晶體，其中 38 萬種新晶體具備穩定的結構，可以成為研發的潛在材料。美國阿貢國家實驗室發布生成式 AI 框架 GHP-MOF assemble，能夠隨機生成并組裝新的 MOFs 結構，30 分鐘生成 12 萬種候選材料，篩選出高穩定性的 MOFs 結構。而 AI 模型的有效性恰恰依賴于大量高質量的實驗數據。在現實中，材料研發的相關數據往 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀

41、正文之后的信息披露和免責申明 11 往存在不完整、不規范、不準確等質量和數量不足的問題，導致模型的訓練效果大打折扣。3.2.AI for Design 最優化工藝端流程設計最優化工藝端流程設計 傳統化工生產工藝流程設計涉及合成路線選擇、生產參數優化、設備選型和設計、流程模擬和仿真、安全與風險評估，化工設計行業專業性較高，并且設計過程復雜，因其在效率、成本、質量、安全等方面均有較高的要求。目前 AI 在工藝流程設計中應用更多的在流程模擬仿真、流程監控預測和反饋優化方面,主要是化工設計院等高校研究所，還有一些模擬仿真軟件企業比如中控技術等。圖圖 13：化工大模型實現流程自主設計、仿真和優化化工大模

42、型實現流程自主設計、仿真和優化 資料來源：昇思 Mindspore 公眾號，天風證券研究所 3.3.AI for operation 智能化生產運營智能化生產運營 AI 在化工領域以及各行業中應用最廣泛的主要在供應鏈優化、監控市場行情、質量控制、安全評估方面。我們認為目前我們認為目前企業在這一領域結合企業在這一領域結合 AI 應用最為廣泛，也最為成熟應用最為廣泛，也最為成熟，主要，主要受益“賣鏟者”比如潛在標的有中控技術受益“賣鏟者”比如潛在標的有中控技術。1）供應鏈智能管理：AI 通過實時數據分析來預測供應鏈中潛在的問題，并提前預警和干預，確保供應資源、供應鏈條的穩定運行，避免過高的物料庫存

43、，也杜絕重要物料的短缺。圖圖 14：化工領域供應鏈管理設計：化工領域供應鏈管理設計 圖圖 15：油氣化工油氣化工AI 智能巡視系統智能巡視系統 資料來源：數字石化公眾號，天風證券研究所 資料來源：國自機器人公眾號，天風證券研究所 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 12 2）生產流程中 AI 用于自適應控制系統，對一些關鍵的生產參數進行實時監控與調節包括溫度、壓力、流量、液位、濃度、酸堿度等。具體實施過程中，自適應控制系統首先通過傳感器收集實時數據并進行分析；其次，將實時數據與既定參數標準進行比對、分析，并反饋至系統執行端；最后，控制系統根據反饋

44、信息自動判斷、決策并調整設備各部分的運行狀態，以確保生產的持續、穩定和高效。圖圖 16：AI 配置和優化配置和優化安全儀表系統安全儀表系統 資料來源：歌略技術公眾號，天風證券研究所 3）智能生產調度和優化。通過對大量的工藝數據的分析和建模，實現對化工過程的優化。通過智能算法和機器學習方法，從大量數據的計算學習中建立優化過程模型，進行過程參數的預測和優化，從而實現化工生產過程的自動化和智能化。4）質量控制和檢測：AI 可通過對產品的安全性、合格率等指標進行精準預測和實時監測，及時發現產品缺陷，降低質量問題帶來的成本損失。圖圖 17：化工廠：化工廠風險預警處置流程風險預警處置流程 圖圖 18：設備

45、預警處置全生命設備預警處置全生命周期閉環周期閉環 資料來源：惟亞科技公眾號，天風證券研究所 資料來源：惟亞科技公眾號，天風證券研究所 5）安全評估預警與事故處置：AI 通過分析生產過程中的歷史數據和實時監測數據，建立安全模型，并利用機器學習算法預測安全風險，及時發出預警提醒相關人員，同時還可通過對預警數據的分析和模擬，幫助相關工作人員制定應急預案和決策，提升事故處置速度，將安全風險降到最低。例如浪潮智能生產化工廠融合 deepseek 大模型升級后，某化工生產企業應用該系統后，新員工的培訓周期從 3 個月縮短至 6 周，實時的問答指導將產線人為操作錯誤率降低70%，操作精準度和安全合規率均達到

46、 100%。此外，系統還將歷史經驗數據轉化為可復用的知識資產，高頻問題的響應效率提升 90%。3.4.化工企業布局化工企業布局 AI 進展及現狀進展及現狀 目前 AI 與化工行業結合的發展主要在“人工智能賦能材料研發與合成”和“人工智能賦能化工智能制造”兩個大方向。行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 13 AI 賦能材料研發合成領域的發展尚處在導入期賦能材料研發合成領域的發展尚處在導入期，我們認為主要集中在高?？蒲性核?，我們認為主要集中在高?？蒲性核蚝Ｍ忸^部領軍化工企業（海外頭部領軍化工企業（eg.LG 化學、贏創等）化學、贏創等）。海外美國

47、微軟公司推出利用人工智能和量子計算加速科學發現的 Azure Quantum Elements 平臺，與西北太平洋國家實驗室合作評估了 3269 萬種材料作為電池固體電解質的潛力，不到一周就確定了 18 種最佳材料，如果使用傳統方法需要花費 20 年。中科大研發的機器化學家系統“小來”，可完成從文獻讀取到合成、表征、性能測試、機器學習模型建立與優化的全流程任務。國內萬華化學董事長廖增太也認為 AI 在材料設計和篩選方面會表現出巨大潛力，必將給材料行業帶來顛覆性變革。AI 賦能化工智能制造賦能化工智能制造目前國內外均在加速布局，海外企業布局時間更早。目前國內外均在加速布局，海外企業布局時間更早。

48、國內化工企業布局 AI 智能制造項目表現為幾大特點：1）央國企牽頭領先布局，主要得益于政策支持與資金實力；2）目前比較成熟的應用是智能化工廠建設，提供生產優化、質量控制、安全環保等多方面智能化解決方案，提升生產效率與質量，降低運營成本和能耗，比如中國石化建成了石化領域首個數字孿生智能乙烯工廠。海外企業開始更加著力 AI加速新材料的研發。表表 5：國國內外下游化工企業內外下游化工企業 AI 進展進展 公司公司 AI 布局進展及影響布局進展及影響 國內國內 中國中化中國中化 2025/2 中國移動助力中國中化完成中國中化完成 DeepSeek R1 系列系列 671B 完整版以及多個蒸餾版本的全棧

49、國產化推理適配和私有化部署完整版以及多個蒸餾版本的全棧國產化推理適配和私有化部署，并實現中國中化人工智能平臺全面納管。提供九天基礎語言大模型九天基礎語言大模型，探索化工、農業、采購供應鏈、辦公智能體等場景化服務。中國石化中國石化 智能化工廠建設智能化工廠建設，比如天津石化基于數字孿生的石化智能工廠、揚子石化基于 5G 專網的石化智能工廠、九江石化石化全流程一體化協同優化智能工廠、中科煉化安能環一體化管控煉化智能工廠（石化領域首個數字孿生智能乙烯工廠）、廣州石化多維感知協同管控的煉化智能工廠、北海煉化煉化全流程一體化管控智能工廠和鎮海煉化 AI全過程深度應用的煉化智能工廠 萬華化學萬華化學 萬華

50、化學大模型優化廢液處理過程萬華化學大模型優化廢液處理過程，將原本 6 小時的處理時間壓縮至 1 小時內，同時為石化產業提供生產優化、質量控制、安全環保等多方面智能化解決方案，提升生產效率與質量，降低運營成本和能耗。萬華材料智能助手上線。衛星石化衛星石化 2025/2，衛星化學“基于基于 AI 的高端新材料柔性智造模型的高端新材料柔性智造模型”利用人工智能的預測能力，自動優化配置生產要素，極大地提高了資源利用效率和生產效益。寶豐能源寶豐能源 2024/08 在國內首創復雜煤種國內首創復雜煤種 AI 智能配煤算法模型智能配煤算法模型，實現了智能科學精準配煤，成功研發行業領先 AI 智能配煤管理系統

51、，多項核心功能處于同行業領先水平，大幅提升煤炭轉化率與產品質量，顯著降低原料成本和碳排放，實現了煤炭資源高效轉化和清潔利用。國外國外 陶氏陶氏 2020/8 陶氏旗下聚氨酯業務部整合人工智能（AI）與預測分析能力來加速數字化轉型進程，從而提高業務運營中的數字智商（Digital IQ）。并與微軟合作，加速將機器學習和人工智能解決方案整合為一種新型智能預測分析能力，優化產品開發流程并加強客戶協作。LG化學化學 2024/3 LG 化學宣布推出人工智能人工智能(AI)分析解決方案分析解決方案 CDS 平臺平臺，有效提升企業研發和生產效率。2025/2 LG AI 研究已與首爾國立大學合作開發一種用

52、于預測多態蛋白質結構的人工智能模型預測多態蛋白質結構的人工智能模型，以增強藥物發現和疾病研究的能力 BASF 2020 年：啟動針對供應鏈優化、客戶體驗增強和高級分析的大規模數字化轉型項目。2021 年：與 IntelliSense.io 合作實施 BrainSenseTM 平臺旨在使用 AI 驅動預測分析優化工廠生產流程，提高運營效率降低能耗 2022 年：推出了數字客戶平臺 Connect+，以簡化和數字化其歐洲客戶的訂單到現金流程，提高客戶互動的透明度和效率 2023 年：巴斯夫擴大與 Microsoft 的合作，在其研發活動中利用利用 Microsoft 的的 Azure 平臺和平臺和

53、 AI 功能來加速材料科學、催化和功能來加速材料科學、催化和可持續發展等領域的創新可持續發展等領域的創新。推出其數字化學實驗室進行虛擬實驗和模擬，以加速新材料和配方的開發。資料來源：各公司官網，新浪科技等，天風證券研究所 4.AI 競速賽，哪些能化企業才能突破重圍？競速賽，哪些能化企業才能突破重圍？目前以 deepseek R1 為代表的中國競爭對手已經基本復制了 open AI o1 級智能水平。雖然與美國相比，中國人工智能創新有差距、有短板，但也有相對優勢，有突破超越機會。根據中美人工智能創新比較研究表明，中國和美國已分別成長為全球領先的人工智能創新超級大國和超級強國，組成了全球人工智能創

54、新的“一大一強”發展格局，因此需要重視國內積極擁抱 AI 的企業。圖圖 19：IBM 調研能化企業布局調研能化企業布局AI 的目標的目標 行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 14 資料來源：IBM，天風證券研究所 我們注意到目前能源化工企業布局 AI 的重心普遍在于供應鏈管理、營銷、智能化工業流程制造比較通用的環節，主要思路是降本，門檻相對較低。但是對于技術知識密集且高度依賴經驗的油氣勘探、化工新材料領域，企業需要具備怎樣的特征才能在 AI 軍備賽中脫穎而出？我們總結大概有以下幾點：1）擁有大量高質量有效數據的主權擁有大量高質量有效數據的主權。A

55、I 技術有效性的底層邏輯在于首先給大模型有效高質量的數據，這取決于企業在行業里深耕沉淀并且建立了完備的數據庫，才能在訓練模型中保持領先及獨特性。2）將技術將技術和業務深度融合和業務深度融合，注重創新。注重創新。根據 IBM 的調研我們注意到目前企業布局 AI 首要是實現流程智能化降本增效，在產業價值鏈里尋找創新顛覆性機遇則是企業考慮的后者，這可能會讓企業陷入經營陷阱，著力于低端簡單產品的降本增效，成本曲線下降和生產周期縮短或導致價格戰，因此對于化工企業來說，重視 AI+新材料的創新研發或才能帶動化工企業開展第二成長曲線。3）具有強大的資金實力。具有強大的資金實力。央國企和一些細分龍頭企業或更具

56、備這樣的特點。潛在受益標的：潛在受益標的：1)擁有數據主權的頭部煉化&化工公司，無論是在 for science/for operation 方面，都具有先發優勢；2)AI for science 方面，具有自主研發能力的催化劑公司;3)AI for operation 方面，“賣鏟者”比如中控技術等工業流程模擬軟件企業。5.風險因素風險因素 1）AI 應用需求不及預期的風險，比如 AI 技術發展出現瓶頸或者 AI 技術實際應用出現明顯幻覺導致 AI 普及應用需求不及預期。2）企業布局 AI 進度不及預期的風險。受限于資金或者技術人員不足的壓力，企業或存在放緩布局 AI 技術的風險。3）中美貿

57、易摩擦加劇的風險。目前 AI 技術底層的芯片等技術在國內還處于卡脖子環節，在中美軍備賽中或存在被美國卡脖子的風險。4）行業競爭加劇的風險。大規模應用 AI 技術后或導致成本曲線下移，產量大規模投放，陷入經營困境。行業行業報告報告|行業專題研究行業專題研究 請務必閱讀正文之后的信息披露和免責申明 15 分析師聲明分析師聲明 本報告署名分析師在此聲明：我們具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，本報告所表述的所有觀點均準確地反映了我們對標的證券和發行人的個人看法。我們所得報酬的任何部分不曾與，不與，也將不會與本報告中的具體投資建議或觀點有直接或間接聯系。一般聲明一般聲明

58、除非另有規定，本報告中的所有材料版權均屬天風證券股份有限公司（已獲中國證監會許可的證券投資咨詢業務資格）及其附屬機構（以下統稱“天風證券”）。未經天風證券事先書面授權，不得以任何方式修改、發送或者復制本報告及其所包含的材料、內容。所有本報告中使用的商標、服務標識及標記均為天風證券的商標、服務標識及標記。本報告是機密的，僅供我們的客戶使用，天風證券不因收件人收到本報告而視其為天風證券的客戶。本報告中的信息均來源于我們認為可靠的已公開資料，但天風證券對這些信息的準確性及完整性不作任何保證。本報告中的信息、意見等均僅供客戶參考，不構成所述證券買賣的出價或征價邀請或要約。該等信息、意見并未考慮到獲取本

59、報告人員的具體投資目的、財務狀況以及特定需求，在任何時候均不構成對任何人的個人推薦?？蛻魬攲Ρ緢蟾嬷械男畔⒑鸵庖娺M行獨立評估，并應同時考量各自的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、稅收等方面咨詢專家的意見。對依據或者使用本報告所造成的一切后果，天風證券及/或其關聯人員均不承擔任何法律責任。本報告所載的意見、評估及預測僅為本報告出具日的觀點和判斷。該等意見、評估及預測無需通知即可隨時更改。過往的表現亦不應作為日后表現的預示和擔保。在不同時期，天風證券可能會發出與本報告所載意見、評估及預測不一致的研究報告。天風證券的銷售人員、交易人員以及其他專業人士可能會依據不同假設和標準、

60、采用不同的分析方法而口頭或書面發表與本報告意見及建議不一致的市場評論和/或交易觀點。天風證券沒有將此意見及建議向報告所有接收者進行更新的義務。天風證券的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。特別聲明特別聲明 在法律許可的情況下，天風證券可能會持有本報告中提及公司所發行的證券并進行交易，也可能為這些公司提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。因此，投資者應當考慮到天風證券及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突，投資者請勿將本報告視為投資或其他決定的唯一參考依據。投資評級聲明投資評級聲明 類別類別 說明說

61、明 評級評級 體系體系 股票投資評級 自報告日后的 6 個月內，相對同期滬 深 300 指數的漲跌幅 行業投資評級 自報告日后的 6 個月內，相對同期滬 深 300 指數的漲跌幅 買入 預期股價相對收益 20%以上 增持 預期股價相對收益 10%-20%持有 預期股價相對收益-10%-10%賣出 預期股價相對收益-10%以下 強于大市 預期行業指數漲幅 5%以上 中性 預期行業指數漲幅-5%-5%弱于大市 預期行業指數漲幅-5%以下 天風天風證券研究證券研究 北京北京 ?？诤？?上海上海 深圳深圳 北京市西城區德勝國際中心B座 11 層 郵編：100088 郵箱： 海南省?？谑忻捞m區國興大道 3 號互聯網金融大廈 A 棟 23 層 2301 房 郵編：570102 電話：(0898)-65365390 郵箱： 上海市虹口區北外灘國際 客運中心 6 號樓 4 層 郵編：200086 電話：(8621)-65055515 傳真：(8621)-61069806 郵箱： 深圳市福田區益田路 5033 號 平安金融中心 71 樓 郵編：518000 電話：(86755)-23915663 傳真：(86755)-82571995 郵箱：