管理学家伊查克爱迪思在《企业生命周期》中，把企业从初创到消亡的全部过程形容为一家企业的生命周期。企业如果要基业长青，就需要做到穿越周期。
当然，企业的发展需要面对的不只是自己的生命周期，更有市场环境周期和产业周期。在中国，企业正面对最好的产业周期窗口，当然也必须要面临疫情等不确定因素带来的市场环境周期的萎靡。
要做到更好地穿越这三大周期，就要寻找企业的“第二增长曲线”。
对传统石化行业来说，双碳目标的挑战就在眼前，要穿越周期，就走出第二增长曲线，利用AI技术赋能场景，通过智能化转型提升决策与运营的能力，是一条可行的可持续发展之路。
1
以智能化驱动石化场景转型
石化盈科成立于2002年，是以“助推两化深度融合，全面提升客户价值”为使命，深耕能源化工行业数字化转型而成立的公司，同时也是中国石化在当下市场环境中，走数字化转型的前沿阵地。
2022年正是石化盈科成立的20周年，在经历了初始成长、快速发展和转型调整的三大阶段后，目前石化盈科已经拥有总部和7个区域分公司，以及2300人的高精尖团队。并建设了4个联合实验室及15家科研机构。
在9月2日的WAIC 2022腾人工智能生态大会上，石化盈科副总裁李涛表示，“作为中国石化的主要IT承建单位，石化盈科将不断深耕应用人工智能技术，立足中国石化，发挥链长职责，建立人工智能平台，使其成为能源化工行业的成长新引擎。”
当前的能源化工行业面临复杂的市场环境，需要运用数字化的思维重构全产业链的业务流程，并充分择优应用，释放先进生产力，将数据资产化、资产数字化，不断精益管理、优化组织结构、产业结构，通过智慧决策与运营驾驭未来发展。
“在实现石油石化企业绿色、敏捷、高效、可持续的发展目标中，石化盈科已运用人工智能技术在智能油气田、智慧经营管理、智能研究院、智能制造及智能加油站等场景中实现了多种应用与建树，实现的效率提升也非常显著。”李涛说。
如智能油气田，实现劳动生产率提升13%；智能工厂实现了工厂装置的在线优化、操作分析和故障智能诊断；智能客服优化了服务体验等等。
特别要说的是基于腾AI打造的智能加油站解决方案，通过AI技术与专业设备的结合，通过行为分析、环境监测和风险预测，实现了加油站多样化智能化应用，如车牌智能识别、车牌无感支付等等。在数据支撑下，明显提高了服务能力，创造了“人车生活”一体化新商业生态圈。
据悉，该解决方案在上海 、内蒙古、山东部分加油站已建设完成。
可以肯定，智能化赋能的场景越多，石化行业的智能化进程就越快，石化盈科用AI技术赋能场景，既是有价值的探索，也是未来石化行业智能化转型的标杆。
2
石化盈科多级协同算力平台的启示
实际上，智能应用的不断创新，是业务场景智能化的集中展现。智慧先从感知层开始，通过智能终端对外界包括传感数据、图像数据在内的大量数据进行采集，这些数据通过网络上传到AI算力平台，再通过AI算力平台进行数据的处理、汇聚、加工、治理，最终形成智能化的生产力服务。
从算力供给的角度，石化盈科认为在集团层面打造多级协同的人工智能算力平台是必然的趋势，因此着力于建设中国石化人工智能平台。
该平台应兼具AI的训练和推理，能够为集团的模型训练和应用推理提供充沛的AI算力，同时实现从模型到应用的闭环，可以让算法模型边用边学，不断增加适用场景，并提升精度。
支撑所有智能应用的前提，是有强大的AI算力底座，所以很多企业都在建设相似的AI算力平台，但往往现实与实际需求是背离的。
传统的做法通常是通过采购设备，上马项目，重复造轮子的现象屡见不鲜。再有各项目搭建的系统之间又时常七国八制，集团内部的数据格式不统一等难题，都让平台难以支撑智能应用的快速创新。
中国石化人工智能的目标是一个典型的多级协同算力平台，这也带给我们很多启示。
在总部规范数据格式，进行统一的大规模训练。在分公司，更强调AI应用能力的建设，利用推理服务器，进行AI推理应用，同时可进行增量训练，建设边云协同架构。而在边缘站点，采用边缘盒子进行低功耗、低延时推理，进行边缘本地化的推理，并将异常情况回传，以此形成了分公司和边缘站点之间的协同，让AI模型做到“边用边学”。
很明显，三个层级协同，真正让人工智能平台成为了高效AI规模化的底座。
3
人工智能融合赋能平台
为企业智能化转型奠定基础
石化盈科多级协同算力平台的方法论，其实与腾AI的人工智能融合赋能平台不谋而合。
依托腾提供的AI算力来建造训推一体、边用边学的人工智能融合赋能平台，也是一种基于腾AI全栈基础软硬件在集团中心、区域中心和场站分级部署算力的协同多级算力平台。
集团中心以平台化方式训练行业预训练模型，并赋能到区域中心和场站；场站实时响应和处理AI分析需求，并自动将异常难例样本上传区域中心；区域中心一方面对结构化后的数据进行综合分析，进行趋势判断，另一方面针对场站上传的样本进行模型增量训练、优化，并再次赋能模型到场站。同时，区域中心还能对场站设备进行统一的硬件和算法管理，减低运维复杂度。以这样的循环模式，就能实现AI应用的数据协同、算法协同和管理协同，以更高效的方式加速整个集团AI应用的规模化。
很明显，人工智能融合赋能平台，非常适合于与石化盈科类似的、大型企业或集团型企业采用，在遭遇算力协同难，AI场景规模化难，集团对AI算法统一管理难等问题时，均可以得到妥善的解决。
《“十四五”数字经济发展规划》当中明确提出，到2025年，数字经济核心产业增加值要占GDP比重达到10%。大型企业的智能化转型任重而道远，作为智能化转型的稳定底座，人工智能融合赋能平台的建设，有机会为企业追求“第二增长曲线”奠定基矗
