化學工業，作為現代工業的基石，從未缺席每一次技術革新帶來的潛能釋放。

     當前，大模型技術的發展方興未艾。化工行業正在積極從中尋找助力，但常規大模型在垂直領域表現不佳，領域知識的缺乏、機理推導能力差等，導致化工行業擁抱大模型的嘗試，屢屢受阻。如何將人工智能的“未來感”轉化為化工產業的“生產力”，如何將AI發展的兩大方向：大模型與AI for Science高效結合成為當務之急。

     2025年3月，國工智能作為人工智能在化工行業應用的領跑者，憑借多年行業積淀，再次以破局者之姿交出答卷——「國工化工大模型」正式發布。「國工化工大模型」完美融合了大模型技術與國工智能多年沉淀的AI化學能力，讓化學反應從“實驗室盲盒”進階為“可計算的科學”，積極推動化學研究從經驗科學、計算科學向AI科學的轉變，用AI技術為化學工業書寫“化繁為簡”的新范式。

l「國工化工大模型」的核心能力：從“問答助手”到“機理專家”

   「國工化工大模型」改變了大模型的“文科生”設定，朝著“理科生”深度進化。大模型技術與國工智能AI for Science領域的垂直能力深度融合，針對具體問題進行識別后，聯動調用「合成推演」、「催化劑設計」、「分子動力學及計算化學描述符構效關系計算」、「構效關系計算」、「產物預測」、「量熱預測」、「實驗/工藝優化」、「高分子配方與性能預測」、「譜圖逆分析」等15種垂直領域模型進行協同分析，真正實現大模型在化工場景的“深度思考”。

圖：大模型多路分析

• 合成推演：利用合成規則預測反應路線圖，從目標產物回溯到起始原料，推薦有機化合物的逆向合成路線，可推薦出文獻中尚無報道且具有潛力的合成路線，輔助探索最優合成方案。

• 催化劑設計：針對特定反應類型的催化劑，通過輸入催化劑結構，對催化性能進行預測，為催化劑的實驗開發指明清晰的方向；反之，輸入所期望的催化性能以及相關的實驗信息，能夠為催化劑結構的修飾、改進、設計提供重要的依據和思路，從而得到最可能對應此催化性能的催化劑結構。

• 分子動力學及計算化學描述符構效關系計算：「國工化工大模型」可根據輸入的實驗數據，進行各類分子動力學描述符的計算，并能夠建立描述符與宏觀性質的構效關系，自動生成“結構-性能”的預測模型。

• 反應預測：「國工化工大模型」針對輸入的有機反應的反應物和可能的反應條件，可完成從反應物到過渡態、中間體、以及最終反應產物的模擬計算，并且可以通過對多種反應模式的探索，構建起復雜的有機反應網絡，預測反應可能產生的副產物、雜質等。

• 量熱預測：針對包含反應過程量熱問題，輸入反應物和反應條件后，「國工化工大模型」可以根據反應本身和不同的反應條件來給出反應裝置中隨時間的量熱變化，對物理過程模擬準確，但對含有化學過程的量熱很難預測。

• 實驗/工藝優化：針對組合因素和多指標的優化任務進行分析，快速探索最佳指標對應參數配置，給出實驗條件、工藝參數，減少試驗次數，提高研發效率。

• 高分子配方與性能預測：通過機器學習和深度學習技術，對大量材料數據進行分析和挖掘，尋找新的材料組合或優化材料配方、預測高分子材料的物理、化學和機械性能，探索新的配方空間，發現傳統方法難以發現的高分子材料，推動材料科學的創新。

• 譜圖逆分析：  譜圖逆分析是一項利用海量分子光譜數據構建強大表征模型的技術。不僅能實現對相似分子的精準計算與匹配，還能深入解析復雜混合物，準確預測其組分構成，并進一步推斷混合物的關鍵性質。通過對光譜數據的深度挖掘和智能分析，譜圖逆分析為化學、材料科學等領域的研究提供了強有力的工具，極大地加速了新材料的研發和復雜混合物的解析過程。

   

l「國工化工大模型」的行業優勢：從“聊天機器人”到“科研分析師”

     化工知識強化：「國工化工大模型」已完成百萬篇專業化學文獻的知識庫構建，并結合行業最領先的數據集完成訓練，天然具備化工行業知識屬性，在行業術語、專業概念、學科理論等方面的理解和分析能力顯著提升，回答時生成的文本具備更強邏輯性、準確性，更符合行業規范。

     同時，在復雜化工問題的推理和分析上，「國工化工大模型」能夠結合行業前沿知識，向用戶提供更新穎的解決方案、更具洞察力的建議和可行性研究方向。

     問題識別與能力聯想：針對用戶輸入的問題，「國工化工大模型」將自動識別其中的化合物名稱、化學式、配方組分與比例等關鍵數據，通過語義分析自動進行問題聯想，并羅列對用戶有幫助的分析選項。

     科研模態擴展：「國工化工大模型」的分析回答將不在局限于簡單文本模態。針對不同的機理問題的分析回答時，「國工化工大模型」多種科研模態的圖表形態進行結果展示，包括：「合成路線圖」、「分子3D結構」、「反應勢能面圖」、「過渡態回放動畫」、「能量變化曲線」、「反應演變動畫」、「配方表」、「相關度分析圖」等50種不同科研模態進行結果展示。

圖：多模態科研分析師

l「國工化工大模型」的私域安全：從“數據小偷”到“私有智囊”

    「國工化工大模型」定位于為化工細分行業的提供定制訓練、企業內私有化部署。意在解決公共大模型在企業側數據私有化訓練、企業內部系統集成等問題，讓化工企業不再是大模型技術的“用戶”，真正成為大模型的“訓練師”和“駕馭者”，擁有企業自身可掌控的大模型平臺。

• 數據安全性：以私有化的方式運行在企業內部，不再將研發、生產、運營等保密數據上傳到公有云環境，有效保護企業的數據和商業秘密，降低數據泄露風險。

• 可集成性：企業通過無縫集成企業內信息化系統，自動整合企業內部數據資源進行訓練自有大模型的訓練，實現數據庫問答，給出智能化決策意見。

• 可駕馭性：企業可利用不斷產生的新數據對私有大模型進行自主訓練和優化，模型能力將更加符合企業自身業務特點、精準滿足企業自身需求，打造企業可駕馭的專屬模型。

   

    未來，化學工業的“基石”地位不會動搖。當化學工業與量子計算、AI深度融合，其內涵也正在發生根本性轉變，化學工業將從“大規模制造”轉向“精準創造”、從“經驗驅動”轉向“數據智能”。

     國工智能致力于陪伴國內化工企業走出實驗的試錯沼澤，開拓化工行業本該擁有的——“數據”與“算法”的智能沃土。

l問答示例：

    計算化學描述符 humo 和lumo，與 OLED 行業中的外部量子效率(EQE)有什么關系？