化工尤其是大化工重资产行业，行业变更速度相对缓慢。经过 20 多年的发展，国内化工 行业已经经历了多个阶段的跨越发展，经过产品进口依赖——装置引进——技术内化—— 规模放大——改造升级等几个阶段，国内化工的装置基本停留在后期的阶段，装置成熟的 量产规模明显提升，多数化工产品已经实现了装置的规模化改造和升级。相比于其他行业， 化工的制造业属性非常明显，无论是前端的资源开采提炼，还是中端的能源加工，行业的 整体的资本密集属性相对明显，其中规模化、一体化、协同布局的企业表现更为明显，在 新的技术工具能够对行业形成影响和优化的过程中，化工企业需要同时兼顾现有经营稳定、 综合考虑产出投入比，同时还需要有技术对接落地✅的可能，在前期 AI 推出后，化工行㊣业 也有不同程度的关注和尝试，但大方向上尚未有明显启动。Deepseek 的推出有望明显加速化工行业智能化，对接进一步形成应用市场。此前 AI 高算㊣ 力带来的高成本使得很多 AI 应用领域受困于高壁垒和高成本，无论是经济性还是落地对 接上在化工传统制造业领域的影响都需要较长时间。然而 Deepseek 的出现将有望明显降 低 AI 升级的经济门槛，能够有企业开始尝试进行升级优化，且能够在短期内有效提升投 入产出比，在周期✅行业位于相对底部的阶段，仍有能力形成推动和应用。

　　经过环保、安全监管，国内化工行业的管控水平获得了较大程度的提升，部分企业或者赛 道具✅备先期实现智能升级的基础。我国自九十年代化工行业开始加速追赶以来，先期的化 工企业受限于当时的发展条件、技术水平和装置配置要求以及对于经济性的考量，生产装 置的人员依赖性相对较大，单套装置的配套人员数量相对较多，很多生产环节以员工的经 验为主要调节方式，流程管理、工艺优化、原料采购、库存管理㊣等决策以㊣人为核心主导。自 2016 年以来，我国大面积进行了供给侧改革，对部✅分落后产能进行了淘汰，在环✅保等 方面进行了明显的㊣优化改造，从目前的情况看，行业内部分新建装置已经具有较为先进的 自动化产线，人员数量有大幅缩小，机械化程度了有了大幅提升。部分企业实现了较好的 流程自动化管控系统，现有园区对接 AI 升级已经有了明显的进步。从化工行业的所处赛道来看，不同的产品的生产和经营模式有明显区别，AI 形成的行业 影响也有快慢、维度之分。化工从大的赛道上看，具有大宗和精细的明显差别：

　　精细化工：运行以产品市场为核心，通过技术、平台、研发、客户㊣等维度兑现㊣产品销 售市场，以高精度、新产品、新型号、定制化等维度保证㊣产品竞争力，借助市场运行 兑现成产品盈利空间，具有高壁垒、稀缺性、不可替代、独特有竞争力的㊣工艺等属性 能够具有更高的单品盈利空间；

　　大宗化工：运行以产品生产为核心，以成本为核心考量竞争力连锁控制和联动控制，通过产业链、工艺、 规模、区域布局、管理、技术等维度强化成本优势，赚取行业盈利空间和㊣竞争对手的 成本差，能够有较好的成本管控的㊣企业能够长时间穿越周期，获得持续的盈利空间。不同赛道的定位属性差异明显，在相同赛道内的企业也具有明显的个体属性，在形成 AI 赋能过程中也最终形成长久竞争力的差异。

　　不同的赛道 AI 的赋能节奏也会有明显不同。从现阶段看，对化工行业 AI 的赋能主要集中 于几个维度：① 对于有具体或者相似路径设定的重复性环节，形成优化或者加速进程，比如配方研发、 产品设计等 ② 在部分岗位替换人工检测和审查，形成精准、高效且㊣节约成本，比如质量检测、库存 调控、生产监管等；③ 通过智能模拟辅助产品研发和工艺优化，从而加速进行产品工程化开发或者对工艺流 程形成改善，比如新品的工程化设计、生产条✅件优化等；④ 助力平台型公司加速形成自身材料、菌群、催化、反应路径等底层产品数据库，能够 加速形成材料产品库，缩短产品定制化时间，为新品拓展形成较好的基础；从大致✅的路径看，AI 在化工行业应用更多向着拓品、降本两个维度发力。拓品可以通过 缩短研发时间，落地工艺✅设计、优化工程装置、提升产品差✅异度等或缩短时㊣间，或优化结 果；而降本可以通过人工替代，精准对接，流程优化，模拟改造等维度支撑成本改善。

　　方向一：影响越大的方向，落地速度越快，技术研发的变革或将是主“战场”。在 AI 的布 局方向中，降本和拓品都相当重要，但相比之下，拓品对接的企业窗口相对较少，对于全 公司的“数字化”要求不是太高，但在部分赛道领域却可以成为目前行业卡脖子问题的重 要解决路径之一，从方向上，产品研发对接 AI 智能化的基础和速度或将有明显提振，同 时对于现阶段公司的稳定运行冲突较小。化工的 AI 拓品将有望带动材料行业和大宗的基㊣础研究领域形成明显突破。目前从技术突 破的角度看，我国在传统化工产品领域已经形成了主流供应能力，但涉及下游材料端，仅 有主品的供应能力，但在材料差异化应用、高端领域、改性材✅料等产品上仍然有明显差距， AI 的接入，有望通过高效模拟提升研发效㊣率，降低实验的试错时间和成本，提升路径测 试效率，有望加快进口依赖产品的技术突破速度；另一方面，基础研究领域，企业可以通 过 AI 的高效㊣应用加速实验速度，匹配路径，布局获取多丰富的数据库，为新品创新提供 前期基础。

　　加速材料领域的技术追赶，实现现有高端精细化工品的国产化突破。通过终端的体系化布局，能够形成一揽子的供给能力，从而改善现有单品竞争力不足， 市场粘性不足等问题，获得后端一站式供应的附加值。提升终端需求差异㊣化服务，满足不同领域的定制化需求，缩短定制需要的时间，同时 降低定制产品需要的成本。进一步完善行业的基础研究，为后续能够提供更多路径，加快新品创新提供充足数据 基础和底层逻辑。

　　方向二：领军型企业有资金、有要求、有能力、有需求，有望成为 AI 智能化的先期参㊣与 者，尤其是大型央国企。从目前行业发展方向看，领军型企业在新的方向和技术出现时一 般具有较高的敏锐度，能够更快的了解技术的应用层次，形成先期的技术对接。Deepseek 的出现给予国内企业 AI 内生态的较好保障，带来的影响和冲击相对较高，有望带动自上 而✅下针对央企、国企接轨 AI 智能化的指导意见的落实。资金实力：行业内领军企㊣业，长期穿越周期发展，具有更为雄厚的资金实力，能够率 先尝试不同程度上的改造和优化，形成有效对接口；有先期基础：领军企业在研发配套、基础研究、应用数据等维度具有一定的研究基础， 对于人才的储备和设备的工程化理解有长期的历史积淀；有促进㊣动力：新的技术和工具的优化是提升竞争力的重要路径，AI 智能化的发展已 经在第三产业等形成了明显的效率提升，国家的重视程度明显较高，央企国企的智能 化改造将不仅仅是个体的主动优化，同时也将是自上而下的指导建议；有需求：国内领军化工企业近十年内快速发展，部分企业已经形成了多业务、多基地、 多市场的综合布局，产品丰富繁杂，需要复杂的管理需求，人员配置也相对较多，在 公司治理，精准㊣高效管控方面可以有明显的提升空间；方向三：具有较高的㊣行业敏感度，对接难度相对较小或者改造优势比较明显的意愿型企业 也将具有先期优势。化工行业赛道多、产品种类极其丰富，产品链涉及到有机、无机，加 工包括矿产加工、能源加工，方式包括㊣化学合成、物理㊣提纯还有生物发酵等等，其中部分 企业设备的自动化控制能力相对较强，能够较为容易形成数字化对接，也有望提升 AI 优 化的速度；部分行业可以通过较低成本的对接获得较大的问题改善，比如加快产品落地、 明显优化管理、提升设备利用效率、降低安全生产风险等，有比较明显改善的企业也有望 布局解决现阶段的核心问题。这类企业也需要具有一定的基础：①执行落地效率和能力较强，否则难以获得明显改善；②研发和生产的现代化水平相对较 高，对接改善的投入成本不会过大，否则投入产出比短期并不明显；③具有一定的规模基 础或者平台基础，否则难以覆盖投入成本等。

　　AI 智能化突破或将改变制造业生产要素的重要性排序。不同的发展阶段、运营环境，以及细分赛㊣道上，生产要素的排序都有其特定的重要性排序，国产替代阶段，资本和技术起 到了决定作用，规模放大阶段，产业链、市场或将给与高度赋能，而此次的 AI 低成本高 效的工具推出，对生产要素的排序或✅将产生明显影响，或将促使我国化工行业尤其是材料 行业的竞争力发生明显的改善。从近几年的发展来看，我国的竞争优势从前期低人力成本、政策驱动的资本投入向产业链 配套和综合型市场进行升级。在 90 年代开始，我国化工行业从技术引进到规模放大，借 助前期化工制造的资本密集和劳动力密集性的特点，形成了初期的相对优势，挖掘需求市 场的潜力，奠定了初期的发展优势。而经过了 20 多年的时间，我国在大多数产品领域基 本实现了有效的产品供给，能够满足自身需求的基础上进一步海外供给，更为关键㊣的是形 成了紧密交错的㊣产业链网络，能够为各类产品布局运营提供工艺设计、生产设备、安装建 造、原材料、催化辅材㊣等，形成了较多㊣的市场网络，上下游互为赋能。

　　在 AI 智能化逐步改写行业竞争模式的过程中，我国的竞争优势有望持续保持。传统认知 上，我国一直是低成本制造的典型代表，而低成本从哪里获取的？过去一直有延续的认知 是低廉的人工成本，政府积极的招商引资政策，然而实际的情况是，国内的发展主力军已㊣ 经早就更换至国内企业，现阶段的化工生产设备的自动化程度已经明显提升，百亿投资规 模的大化工生产装置需要的人员也就是千人左右，行业的机械化程度✅已经有了明显提升， 且在国内不断进行成本优化的过程中，已经在多领域形成了连续化生产能力，员工的配置 已经更多由动手生产向机械监控进行过度，可以说我国化工制造现阶段的优势已经形成了 区域绑定。借助 AI 工具，我国有望弥补多年历史积淀带来的材料研发差距。经过 21 世纪最开始的 10 年，我国基本已经实现了大宗化工产品的平台布局，已经成为全球最大的化工市场；而后续中国需要面临的“量”向“质”进行升级，而对应的产品高新技术正是海外企业保 持竞争力的核心㊣护城河，是海外化工材料企业专业化发展的多年积淀。近 10 年来我国持 续进行研发投入，专利布局也获得了较好的突破，自 ㊣2019 年以来，我国的专利申请量已 经✅位居全球第一位，但多年累积的技术和专利差距依然较为明显；另一方面，我国在材料 应用端仍然未形成体系化优势，相较于海外多年累积的应用数据仍然有明显差异，海外企 业在材料的精细度、定制化、高端应用上的优势相对明显，是多年来应用端常年的合作和 产品技术研发的投入累积的。多数领域受至于技术和设备封锁，我国必须依靠自身的研究形成突破，差距短时间㊣内难以 扭转，然而 AI 的升级优化有望率先在技术研发、产品体系、差别化应用等领域形成加速， 先期能够明显降低路径或方向确定的重复工作的时间和成本，进一步扩展至丰富品类和提 升产品差异化属性，进一步缩小和海外龙头企业在终端产品体系、平台体系，以及基础研 究的数据体系的差距。

　　国内系统化的竞争力有望延续，进一步提升国内企业长期优势。不同于单纯依靠低成本劳 动力形成的优势，我国制造业尤其是化工行业更多是系统化的综合赋能：①人力成本已经 有明显提升，依靠的是人工效率兑现；②投资拉动并非单纯的装置复制，已经形成产业链、 赛道、区域协同；③装置、辅材自主化程度明显提升，有充足供给且改造优化的能力；④ 工程师的人才培养，经过三十多年锻炼出的实战型人才，有工程化落地能力等等。而这些 优势在 AI 智能化的过程中，仍然具有延续性优势，在机械化程度已经有大幅提升的状态 下，国内的人工低成本依赖已经有了明显降低。国内外的竞争变化：国内成本竞争力进一步提升，软实力差㊣距或将缩小。相较于国内大面 积布局的化工装置的时间阶段，海外企业的装置布局时间相对更早，无论装置的规模，运 行的稳定性相较于国内企业是有差距的，在未来生产环节的成本优化方面，无论是进行改 造的成本规模，还是投入产出回报上难以形成根本性差别。近几年来，海外大宗产品的装 置已经开始有陆续的产能关停，国内在大宗领域的竞争优势有望持续。

　　化工的 AI 智能化应用能够形成成本优化和新品扩展，但仍具有切入成本的，如果结合研 发和降本的双向要求，行业内的两极分化或将进一步拉大：

　　老旧产能的成本差距有望进一步拉大：我国的化工行业发展㊣经历的时间相对较长，产 能建设期跨越了较㊣长的周期，部分行业的品种的供给延续了较长时间，虽然期间陆续 有供给侧去产能，有环保装置改造，但行业内仍然存续着老旧装置，后续伴随着化工 AI 智能化的升级，老旧装置的改造可能性明显较低，有望在新一轮的工具革新的状 态下，形成供给端的产能出清；

　　材料整合的浪潮或再度引起重视：从目前的情况，国内材料供应型的优质企业大体分 为三大类：①单系列深耕，特点是产品种类不多，但部分产品能够满足市场中端或者 少量高端需求；②产品平台型，开始在部分赛道构建出平台雏形，能够在部分领域把 握新的需求趋势，形成应用或关联产品的衍生；③大化工布局，借助大化工的前段原 料形成产业链基础，延伸至多种有机材料，以希望构建交叉平台。此次 AI 的智能化 升级对现有研发速㊣度和周期形成一定程度的改善，在未来发展方向上，更寄希望于能 够形成多产品的一揽子销售体系，借助定制化开发，产品改性优化，产品配方设定等 加大平台的赋能效果。短期以速度和效率的提升为主要结果，长期如果能够实现材料 个性化的发展加速，材料种类的扩建将是企业扩展发展空间的重要方向，材料行业整 合或将再度风起。

　　碳排、能耗的管控落地可能性提升：自 2021 年开始，国内制造行业就开始持续对能 耗、碳排的领域进行关注，但化工行业产品种类多，差异大，在管控制定前，行业数 据的收集、标准的制定、方案的测试等都需要大量的数据基础和繁杂的程序，但如果 AI 智能化逐步在行业进行推行，先期的数据收集和整合的难度和时间就会有明✅显的 改善，对于行业㊣㊣未来的能耗、碳排的管控就能形成先期基础，行业格局、生产路径、 考核方向等也将会有潜在影响。