央广网北京7月15日消息(记者殷雨婷)深夜，某石化公司的常减压装置控制室，灯光和往常一样亮着。当值班长坐在主控台前，屏幕上滚过一串串数据——温度、压力、液位、流量。这套装置支撑着每年550万吨原油加工量，任何一次异常波动，都可能牵动整条产线。而这样的夜晚，值班长和他的班组已经守了很多年。
图说：原油加工的首道工艺是常减压蒸馏，原油在分馏塔物理分离成不同组分的产品，而“常减压装置”正是这道工序中的核心装备
炼化行业里有一句话：设备能不能安稳跑，一半靠仪表，一半靠老师傅的眼睛和双手。就在最近，班组里悄悄多了一位“新同事”——它7x24小时在线，在告警响起的那一刻，就把一整套异常排查思路理清楚，摆到操作员的眼前。
这位“新同事”，就是由中国石油（601857）昆仑数智联合阿里云以及某石化企业共同打造的工业Agent。这也是国内首个正式上线炼化生产系统、零人工干预的工业智能体，目前已在该石化公司常减压装置产线连续稳定运行超过60天。
工业智能Agent，每个班组多了一位“顶级工艺工程师”
常减压环节是炼化首道工序，传统的做法是靠操作员12小时连续盯盘DCS数控系统，一旦发现异常，就需要边翻操作规程、边打电话找工艺工程师会诊。一次典型异常从发现到定位，往往需要30分钟以上。而现在，有了“新同事”的助力，这一时长正在被压缩到2分钟以内。
当告警系统弹出一条报警时，AI数字人即刻开始诊断分析：先说明报警点位和当前趋势，再顺藤摸瓜给出根因判断，最后把处置建议列成1-2-3步，明确到"哪个阀门开度调多少、哪条支路优先"，并给出详细的分析原因和推理逻辑。操作员只需要在对话框里勾选"采纳"或人工补充说明，系统就会自动跟进结果，并生成事后复核记录。
在过去，这些处置经验只沉淀在几位“老师傅”的脑子里。班组间处置水平的差距，往往就藏在那句"我一般遇到这种情况，是这么处理的…"里。而现在，各种历史处置案例以及老师傅的经验，沉淀成了工业智能Agent，被翻译成了AI可以复用的推理链路。
两个月的上线应用，效果非常明显。报警根因分析准确率90%以上，单起异常分析耗时从约30分钟压缩到平均1分50秒，异常排查工作量下降70%，处置效率提升80%，让装置运行更稳定，让人员效率大幅提升。
“让新入厂小白操作人员，也能快速上手处置装置异常。”——这是常减压值班长对它最直接的评价。工艺工程师则补了一句：“复杂问题分析效率大幅提升，我们有了更多精力，把心思放回到运行优化上去了。”
每个班组都多了一位数字化的“顶级工艺工程师”，24小时在值让异常的处理更快速。操作员从“被动响应报警”变成“主动优化运行”，也让班组的值班工作更高效。
首次实现“嵌入生产流程”，让AI在生产系统里跑起来
工业领域对系统的可靠性、安全性要求极高。简单做一个用来跑Demo的AI，和一个能进生产系统的AI，中间隔着很远的距离。真正难的是把AI放进一个"一个参数偏差就可能让整条产线停摆"的现场，做到"答得准、跟得上、还敢让操作员照着做"。
为了真正实现“让AI在生产系统里跑起来”，阿里云联合昆仑数智构建FDE(Forward Deployed Engineer，前沿部署工程师)团队，石化企业出场景和业务理解，几方一起协同探索出了一条新路径：以工业本体为地基、以Harness工程为护栏、打通AI应用落地最后一公里。
本体层｜给AI一张“动态高精地图”和一本“交规体系”。常减压装置里的每一条工艺流、每一个控制回路、每一组人-机-料-法-环-测关系，都被结构化为AI可以直接调用的动态知识。通过111类概念、197个属性、45种关系、近1.5万实体、2.7万多条关系边这些领域知识，让智能体"看懂装置、认得测点、知道从哪里下手"。
Harness层｜让每一次AI“动作”都可审、可信、可追溯。上下文编排、安全护栏、验证闭环、可观测追踪四件套齐备，从“感知专家”到“本体知识专家”、“趋势分析专家”、“根因调查专家”多虚拟专家分工接力，每一步推理、每一条证据实时可见——让工业智能体从"黑盒建议"变成一份透明的工作流。
应用层｜把AI能力直接嵌进班组日常。13个工专业AI助手覆盖生产、监控、安全三大方向：物料平衡异常主动告警、月报一键生成、装置数字孪生（885820）一键直达、报警仪检验到期自动提醒……已有工业软件通过MCP协议被大模型统一调度，前期数字化投入所积累的数据被进一步激活。
整条链路形成“感知-分析-决策-执行”的完整管线，串起一组各司其职“敢用、好用、能用起来”工业智能体，让这些智能体真正在石油炼化生产线上发挥价值。
从想法到上线，阿里云FDE让智能体真正长在装置里
和传统“半年调研、一年交付”的项目模式不同，FDE的工程师团队直接坐进班组、蹲进控制室，与装置一线的工艺、仪表、系统专家背靠背共创：白天在现场跑装置、看仪表、听经验，晚上就把这些经验沉淀成本体的一条边、Harness的一条规则、智能体的一个新Skill。
这次一整套的FDE工具包也一起走到了装置现场，阿里云的AI原生编码工具Qoder、AgentScope智能体框架、Qwen系列大模型、Harness工程平台、工业本体平台，都成为工业智能体落地过程中的趁手好工具。而这些工具，也因为在真实的生产现场被真实的老师傅打磨过，反过来变得更加“懂工业”。
异常诊断智能体从初版到90%+准确率，只用了数周，性能整整提升了5倍。一套原本要以“月”为单位的集成工程，被压缩到以"天"为单位迭代。数周内，16套业务系统、5类数据通道、3类数据资产被打通；45个MCP工具、29个Skill被沉淀下来。即使FDE已经离开生产现场，但这些AI能力被留了下来。专业知识、系统数据、老师傅经验被沉淀为本体和评测集，班组的日常反馈驱动着系统自迭代。
三方联合探索，让工业Agent应用走向更远
当一套方法在一家企业里跑通，它的价值才刚刚开始。今天全国有近100家中大型炼化企业，每一座塔器、每一条管线背后，都是老师傅几十年攒下的经验，也是一道道等待被数智化“接住”的难题。
中国石油（601857）昆仑数智与阿里云及石化企业三方联合探索的意义，不仅在于造出了一个聪明的Agent，而在于蹚出了一条可以被反复走通的路——“本体沉淀行业知识，Harness把能力工程化落地，FDE让技术真正贴着现场跑起来”，这三者拼在一起，才让工业Agent从“演示里能看”变成了“产线里能用、敢用、好用”。未来将会复制到更多的石油化工（850102）企业：从一套装置到一个厂区，从一家企业到一个行业。
