7月31日，由科大讯飞（002230）联合中国科学院大连化学物理研究所、阿里云等研发的智能化工（850102）大模型3.0 Pro体验版上线。作为我国化工（850102）行业首个大模型的最新迭代版本，该版本在3.0版本基础上，围绕专业知识理解、多模态信息解析、复杂任务推理和智能执行协同等关键能力进行系统升级，此次升级突破了单纯的专业知识增强范畴，真正实现认知与执行的深度融合，使其成为化工（850102）行业智能化的新基座。3.0 Pro正式版计划于8月底发布。
化学工程研究具有对象复杂、尺度跨度大、数据类型多、工程约束强等特点，现有通用大模型虽然能够完成知识问答和文本生成，但缺少专业知识、科学机理约束、多模态解析能力和任务执行能力，难以构建支撑化工（850102）研发、设计与生产全流程的智能底座，无法驱动行业范式革新。针对行业智能化升级需求，中国科学院大连化学物理研究所率先布局，在国际上率先研发智能化工（850102）大模型，并持续推进技术迭代，保持领先优势。
智能化工（850102）大模型自1.0版本上线以来，经历了多轮关键迭代。2024年11月，智能化工（850102）大模型2.0在十大化工（850102）评测维度上性能超过GPT-4o；2025年5月推出2.0 Pro版本，增强长文本理解与推理能力，新增深度推理模块和语音交互功能；2025年11月发布3.0版本增加反应网络图与工艺流程图的多模态能力。此次智能化工（850102）大模型3.0 Pro体验版的发布，标志着化工（850102）大模型正式迈入“认知+执行”深度融合的新阶段，通过深度融合大模型与智能体能力，为行业提供覆盖研发设计、工艺开发、生产优化等全链条智能化支撑，加速人工智能（885728）在化工（850102）领域的规模化应用。
专业能力持续提升
打造高性能化工领域大模型
智能化工（850102）大模型3.0 Pro体验版在研发过程中构建了“领域知识增强-专业任务对齐-强化学习优化”的多阶段训练体系。基于百亿Token规模的化工（850102）领域数据开展持续预训练，实现化工（850102）专业知识的高效学习与领域能力增强；利用数十亿Token级高质量化工（850102）问答数据开展监督微调，重点提升化工（850102）热力学与物性、化工（850102）反应、化工（850102）分离、化工（850102）换热、流体输送与压缩、化工（850102）设备设计、过程安全、过程控制等典型任务中的专业问答与推理能力；进一步结合强化学习方法，优化模型输出的准确性、稳定性和专业可信度。
经专业测评，智能化工（850102）大模型3.0 Pro体验版文本问答准确率达81.96%，多模态问答准确率达80.75%，综合得分达到81.1%。相比3.0版本，综合性能相对提升20.2%。横向对比方面，较Claude Opus 4.8和GPT-5.6 Sol分别绝对提升2.9%和3.9%，整体性能达到行业领先水平。多模态能力方面，智能化工（850102）大模型3.0 Pro体验版在原有工艺流程图和反应网络图理解能力基础上，进一步拓展化工（850102）装置图智能解析与问答能力，实现对文本、流程、设备等多类型专业信息的综合理解。多模态理解综合效果相比3.0版本相对提升31.4%。
融合大模型与智能体
推动“认知+执行”闭环
对于化工（850102）研发、工艺优化和生产运行等复杂任务，仅具备知识理解和内容生成能力还远远不够。工程师需要的不是简单的“问答机器”，而是能够理解需求、拆解任务、调用工具、完成计算并输出可执行方案的智能助手。
智能化工（850102）大模型3.0 Pro体验版突破了传统大模型以知识理解和内容生成为主要能力边界的应用模式，构建了“化工（850102）大模型-智能体-专业Skills与工具-应用场景”的完整技术体系。其中，化工（850102）大模型作为专业认知核心，负责化工（850102）知识理解、多模态信息解析、方案生成与任务规划；智能体则作为目标驱动的任务组织与执行主体，根据任务目标自主分解流程、调用专业技能与工具，并根据执行结果进行动态调整，形成从专业认知、科学推理、任务规划到工具执行、结果验证的闭环能力。
通用大模型进入化工（850102）的最大障碍，不是“不会算”，而是“算了不敢用”。为此，平台将物理规律与工程规范转化为机器可执行的约束体系，贯穿智能体计算的每一环节：计算前自动核查参数来源与量纲，缺失环节即时补齐；计算中实时判定工况适用范围，越界预警、违理拦截；计算后依据规范复核结果合理性，越限即提示并给出建议。同时，专业工具间建立严格的输入输出契约，确保计算链条可追溯。
由此，领域专家的把关标准内化为系统的运行规则，智能体的每一步推理都被约束在物理与工程的边界之内，交付的不再是“生成式答案”，而是可追溯、可复核、可采信的工程计算成果。
目前，平台已建设包含7大类39项化工（850102）专业技能、6大类30项专业工具包的领域能力体系，集成化工（850102）领域工具超过400个，覆盖物性计算、流程模拟、工程设计等多类专业任务。
针对现代化工（850102）的复杂性与多尺度耦合挑战，智能化工（850102）大模型3.0 Pro体验版实现了工艺开发的全流程执行闭环，全面覆盖微观反应机制、单元操作设备设计、工艺流程解析、全厂综合设计等多尺度关键任务，下面分别围绕反应尺度、设备尺度、工艺尺度、工厂尺度，介绍代表性示例。
（1）反应尺度：反应动力学与反应器估算
用户提供反应类型、实验动力学数据以及反应器操作条件后，反应动力学与反应器估算技能会自动识别问题类型，并按照“动力学参数拟合→反应器数值模拟→结果统计分析”的顺序完成计算。首先，基于不同温度下的速率常数拟合Arrhenius方程，获得指前因子和活化能；然后，通过Arrhenius方程计算初始条件为360 K的理想等温间歇反应器内，反应物组分浓度随时间的变化；最后，输出反应物组分的平均浓度、标准差、中位数等统计数据。该技能为反应过程模拟和工艺优化提供智能辅助。
（2）设备尺度：流场数据降维模型代码生成
流场数据降维模型代码生成技能通过五个阶段逐步引导用户完成从流场数据理解、数据格式设计、模型架构配置、训练参数设置到代码生成的全过程。用户只需提供流场物理变量、空间分辨率、工况规模、硬件环境及任务需求，即可自动分析数据特征，设计适配的β-VAE降维网络，优化潜空间维度、卷积结构和训练策略，并生成包含模型定义、训练脚本、数据处理和使用说明的完整项目代码，实现从CFD流场数据到AI降维模型训练工程的一站式自动化生成。
（3）工艺尺度：化工图纸智能解析
用户上传PFD图纸后，化工（850102）图纸智能解析技能能够自动识别图纸类型，解析其中的设备、管线、物流信息和工艺拓扑关系，并生成结构化分析结果。通过图像识别与长思维链推理，自动提取关键设备及编号、判断设备功能、还原主要工艺流程，并输出设备清单、检测置信度、标注可视化图以及JSON格式数据。针对解析过程中发现的异常信息，还能结合工艺逻辑进行校核，例如识别温度标注异常、低置信度设备并提示人工复核，实现从PFD图纸识别到工艺流程理解的一体化智能分析。
（4）工厂尺度：甲醇制烯烃DMTO工艺优化
用户输入装置关键工艺参数范围后，DMTO工艺优化技能可以对甲醇单耗、烯烃总收率以及乙烯/丙烯收率均衡度三个目标进行协同优化。通过参数边界确认、智能寻优和Pareto前沿分析，生成多个具有不同优化侧重点的操作方案，包括降低原料消耗、综合效益最大化以及提高乙丙烯比例平衡度等场景，并给出对应的反应压力、温度、催化剂循环量、藏量、再生定碳、蒸汽流量等具体操作参数。同时可以结合DMTO工艺机理，对优化结果进行解释，并提示模型适用范围和实际生产验证注意事项，实现从工艺参数输入、多目标优化计算到操作方案推荐的一体化智能决策支持。
依托国产算力底座
保障应用安全可控
智能化工（850102）大模型3.0 Pro体验版依托国产算力集群完成模型训练、优化与部署，基于国产算力平台、讯飞星火和阿里千问大模型底座，以及由上万本书籍、千万篇文献和专利构建的数据底座，实现从底层算力、模型训练到应用部署的自主可控。
面向化工（850102）企业的智能化应用需求，3.0 Pro版本后续将支持私有化部署和灵活扩展，可有效保障企业生产数据、工艺知识和核心技术资产安全，降低对外部技术生态的依赖。通过融合化工（850102）知识、工程经验与生产数据，模型能够进一步赋能研发设计、生产运行、设备运维和安全管理等关键环节，加速人工智能（885728）在化工（850102）行业的规模化应用。
持续迭代演进
推动人工智能走进化工一线
自智能化工（850102）大模型2.0上线以来，累计用户3000余人，高校、科研机构及企业数300余家，模型累计调用次数1389万次。在此基础上，智能化工（850102）大模型3.0 Pro体验版不仅实现化工（850102）领域专业知识、多模态理解和复杂推理能力的持续突破，更通过融合大模型专业认知能力与智能体自主执行能力，推动化工（850102）领域人工智能（885728）由知识问答向任务规划、工具调用和闭环执行演进，为化工（850102）研发创新、工艺优化和智能生产提供新一代人工智能（885728）技术支撑。
未来，智能化工（850102）大模型将持续向更强的跨尺度理解、更深层次科学推理和更高水平多智能体协同方向发展，支撑化工（850102）行业从数字化向智能化迈进，推动复杂化工（850102）系统自主协同与智能运行。
