近日，第二届石油石化行业人工智能技术交流大会（PPAI 2025）暨成果展示会在西安盛大开幕。本届大会以“智能技术赋能石油石化行业全产业链协同与高质量发展”为主题，旨在汇集行业领袖、专家学者及技术精英，搭建高水平交流合作平台，分享最新技术研究与应用成果，洞察技术发展趋势，构建人工智能技术与石油石化业务深度融合发展的新格局。
作为低代码领域的领先企业，奥哲受邀参与本届大会，携全面融合AI的低代码平台以及石油石化行业数智化解决方案，与437位石油石化企业信息化智能化专家一起共探人工智能赋能石油石化行业的新机遇。会上，深圳奥哲网络科技有限公司石油石化行业高级总监陈登华发表了《AI+时代 低代码如何助力石油石化数智化》主题演讲（附演讲原文）。
以下是演讲原文：
各位专家下午好，我是陈登华，接下来由我为大家分享——AI+时代，低代码如何助力石油石化行业实现数智化？
在AI+时代，尤其是今年，众多企业——包括石油石化企业、制造企业及其他行业企业，都在深入探讨AI的应用。在这一时代背景下，如何依托低代码技术推动石油石化行业的数字化进程？正如刚才专家所分享到，数字化、智能工厂等已成为重点发展方向。进入AI时代，如何结合低代码技术为行业赋能？又能解决哪些实时性问题？
未来不仅需要AI，更要结合具体业务场景，基于技术解决实际业务模块问题。我将从两个方面展开分享与探讨：第一是AI+时代下的一体化低代码平台；第二是低代码作为低门槛平台，如何帮助解决具体问题。针对石油石化行业存在的业务问题，探讨如何结合AI+低代码技术推动数字化转型。
01 破局之思：引入AI真能解决企业所有问题吗？
过去，AI的应用更多集中在具体业务细分场景；而今年AI的火热，主要体现在推理能力的提升与广泛应用。这不仅包括算法的进步，还涵盖开源与共享推理能力的发展，推动AI应用持续升温，从传统的训练向更高效的推理演进。
DeepSeek通过优化算法架构，大幅提高算力利用效率，打破了“算力至上”的传统认知，加速AI Agent的进化进程，进一步推动AI走向普惠化应用。
但AI真的能解决所有问题吗？或者说通过引入AI，就能解决目前依赖人工处理的各类业务问题吗？
实际上，这并非易事。
当前企业的数字化系统中仍存在不少顽疾，大量系统尚未满足实际需求，如安全、质量、生产等关键领域。这些问题由来已久，不是简单地“引入AI”就能解决。此外，许多企业在信息化建设中已部署大量传统系统，尤其是大型研发或生产型企业（如石油石化企业），可能拥有上百套系统。这些系统诞生于不同时代背景与技术条件下，各自为政，难以打通。系统孤岛现象严重，数据分散且缺乏统一标准，导致信息壁垒难以突破。
现在的AI技术，更多是基于现有系统进行整合，解决一些表层问题，如智能问答或流程优化。但我们真正面临的是水面之下的深层次问题：系统之间的割裂、数据的不一致性、业务频繁变化带来的敏捷挑战。
低代码所具有的敏捷化、高度智能化等诸多显著特性，可以有效解决这一问题。首先，它是在线连接的，上下游可自动驱动；其次，支持敏捷构建，能够根据企业数字化、业务变化及敏捷化需求灵活调整；再加上AI的加持，数智化能力更为完整；此外，低代码非常适合全民开发，能有效拉近业务应用与IT部门之间的距离。
未来，“低代码+AI”将成为企业数字化发展的加速器，真正成为企业数智化核心引擎。这也是我们必须走的道路——一条能让企业走得更远、更契合业务的发展之路
02 数智赋能：低代码+AI赋能石油石化行业
奥哲作为低代码厂商，结合自身低代码能力与AI技术，打造了适合企业未来发展的核心引擎。AI与低代码的融合不仅契合企业的节奏和流程，也推动了企业内部的敏捷化开发进程，拉近了IT部门与业务部门的协作距离。
我们基于低代码技术，结合不同用户需求，打造了以低代码平台为基础的底座，制定了统一的开发规范、建立标准化平台。在该平台上，可以像搭积木一样快速搭建各种应用，实现一体化的企业管理。
奥哲通过低代码+AI，结合“平台+服务”的数字化建设模式，为石油石化企业带来全方位的数智化解决方案，其中包括提供设备检维修全闭环业务管理（预算、过程、验收、结算等）、制度检查平台、招投标管理、体系文件管理、五星班组、仓储管理、承包商管理等个性、创新业务应用。通过构建一体化运营管理模式，加快推进石油石化企业全员、全面数字化，实现敏捷、高效运营。
无论是内部的IT与业务协同，还是外部的供应链协同，都依托统一平台整合资源，推动业务流程的优化与创新。最终，通过云计算、大数据、物联网、5G等技术支撑，实现数据驱动的全过程一体化管控，助力企业向高质量发展迈进。
设备智能检维修管理：实现效率最大化
在设备检维修方面，奥哲从检测系统预算到整个检维修过程的实施，都有完整的解决方案。我们重点关注的费用结算问题，也已基于低代码平台底座搭建起了实施系统。
从经验来看，炼化企业通常每5年进行一次大修，而大修意味着必须停工停产，这是炼化企业的评估和安排的关键环节，涉及巨大投资，可能会带来上百亿的生产成本。如果没有强有力的系统支撑，势必影响企业效益，甚至引发一系列连锁问题。
因此，只有通过系统化管理，对整个检修维修过程、费用管理及信息化流程进行全面管控，才能真正提升企业绩效，这对炼化企业也尤为重要。
我们要实现从预算控制到每个班组的费用执行——投入多少资金、开展哪些工作、进度如何、质量验收情况、承包商施工进度、整改进展及问题解决状态等全过程在线智能化管理。同时，利用AI进行预测性分析，减少非计划性停机停产，从而实现检维修效率最大化。
通过AI的预测性维护，我们能够对相关设备进行预判和管理。具体而言，首先需要建立规则与模型（包括规则引擎和机器学习），接着通过传感器和物联网技术采集并存储设备运行数据；其次利用大数据和AI算法对数据进行分析预测，判断设备健康状况，并预测维护时机；随后系统结合知识库生成报警信息和工单，辅助决策；最后现场人员执行维护任务后，反馈执行情况，形成闭环管理。整个过程实现了从预测、推荐、诊断到决策的全面智能化。
这一方案带来的优势也十分显著，一是提升设备运行效率；二是降低故障率；三是延长设备使用寿命；四是降低生产成本；五是提高生产效率；六是减少非计划停机时间。这也是检维修管理引入AI的核心目标。
制度检查一体化平台：显著提升管理效率和准确性
除了检维修问题，制度管理也是一大难题。炼化企业存在大量制度，包括企业自身制度、总部制度及各部门制度（如安全制度、生产制度等），这些制度种类繁多，管控难度大，仅通过线下文档管理难以实现精细化。
每个部门都有各自的管理要求，企管部门需要结合这些制度进行检查和审核（包括合规性审核和核心检查），并推动执行。尤其是安全问题，对炼化企业来说安全是重中之重，还涉及政府合规性制度问题。
因此，我们在相关领域推出了制度检查一体化平台，从制度知识库建立、制度标准化体系构建，到大模型制度应用，贯穿制度检查与执行全过程。从考核到分析，分析完成后进一步优化修改企业制度，使其更人性化、更贴近实际业务。
通过系统化管理，我们将总部制度与企业制度关联，将制度条款细节化并抓取分析。在制度管理过程中，集团制度、总部制度及各部门制度之间需要系统化串联考虑。例如，我们可以将企业各类制度与国家法律法规对比分析，找出冲突点。通过AI技术，能更高效识别哪些制度条款与法律法规存在冲突、哪些企业内部制度与总部要求不一致，或与集团整体规定存在偏差。
其中，制度检查管理平台的制度冲突AI智能检查，正是为解决当前制度审查中效率低下、准确率难保障的问题。通过平台化解决方案，可自动收集并结构化处理来自企业内部、集团总部、行业标准及国家法规等多层级制度数据，随后设定冲突检测规则（由AI动态优化调整），系统基于规则自动检测制度冲突内容，进行标记、预警和风险分析，最后将所有结果以可视化方式呈现，并推动制度修订和完善。
借助这一平台，企业能够在制度管理中实现智能化升级，显著提升管理效率和准确性。
03 领先实践：奥哲驱动石油石化行业数智跃迁
目前，奥哲已在石油石化行业积累了丰富的实践经验，成功助力多家企业实现数智化升级。
以生产规模最大、经济效益最好的国有炼化企业茂名石化为例，奥哲已持续服务茂名石化超过15年，为公司建立了一体化管理标准化体系，构建了综合办公管理系统，覆盖办公协同200+条流程，同时基于低代码敏捷构建检修系统、制度系统、督办系统及选商系统等，极大提升茂名石化组织敏捷性、响应能力和创新能力，助力公司实现国企数字化转型及创新高质量发展。
今年，我们还通过融入AI的低代码平台，在公司成功上线了会议及通知自动识别、会议通知自动关联请假流程、制度简写、制度比对、智能审批等功能，全面提升公司综合办公效率。
针对中国石化煤化工板块的先行者宁夏能化，在公司信息化建设中面临的内部业务协同和服务共享能力薄弱等问题，我们为宁夏能化构建了业务一体化综合平台。涵盖统一身份认证和门户系统，集成了日常事务、考勤、采购、供应商等17类16个流程模块；并通过AI+低代码平台和集成引擎，实现了与中国石化督办、报销、合同、内控等系统的对接。实现在线制度化管理、多业务系统集成，助力企业在数智化转型中迈出了关键一步。
目前，奥哲已服务众多行业的大型企业客户，积累了丰富实践经验，取得了显著成果。特别是在中石化、中石油、中国海油等“三桶油”企业中，我们在华南地区与茂名石化、中科炼化、广州石化、海南炼化、中国石油管理干部学院（广州）等企业开展了深入合作，在西南、西北地区也与独山子石化、锦州石化、兰州石化、中韩石化、宁夏能化、西北油田等企业进行了深度合作。
着眼未来，AI与低代码技术的融合将成为石油石化行业数字化发展的关键方向，只有融合这些技术，才能更好地解决企业数字化问题，推动企业实现真正的数字化和信息化转型，未来一定是低代码+AI的融合才能成为企业数字化新核心引擎。
以上就是我分享的内容，谢谢大家。