他一直希望万华能够成为一家领先的人工智能应用公司，现在这个期望正在一步步成为现实。文字| 《华商报》记者马继英、见习记者李晓天去年底，万华化学集团（以下简称“万华”）党委书记、董事长廖增太在接受《华商报》专访时表示，万华的改革路径是“让大象跳舞”。一年后，万花莎面临发展和转型两大挑战。除了持续创新和卓越管理之外，廖增泰提供的解决方案还包括人工智能方面的改进。他认为，未来全球经济有两个驱动力：一是人工智能，二是新能源。万花莎从一开始就在产品线和管理层面实施人工智能，以在新时代的竞争中保持领先地位。在研发方面，万花莎在基础上打造了29个试点场景应用。人工智能技术，涵盖催化剂、EOD（环境导向发展）模型产品、电子材料、合成生物、电池材料、分析测试等多个业务领域。同时，万花莎也在智能制造中从降本增效的角度实施AI转型。通过引入大规模时序模型、AI无人检测、采样点质量预测、精密设备预防等AI场景，实现了“高品质、高产能、低成本”制造。在管理层面，廖增泰也提出了自己的“超级员工”发展理论。他表示，万花莎已经强化了人工智能在招聘和日常运营中的重要性。 “人工智能时代，化工行业面临前所未有的转型机遇。作为企业领导者，我们必须拥有更加开放的视野，大胆挑战改造传统模式，拥抱技术创新，推动行业和社会可持续发展。通过人机协作、跨界合作、培育创新文化，我们一定会在人工智能驱动的新时代迎来更加美好的未来。”廖增泰说。离线构建一个系统，然后形成一个闭环系统，智能控制复杂的催化反应过程，万华公司凭借这套系统实现了产品性能1%的提升，带来了3到400万元的利润，对于传统化工行业来说，人工智能的作用在外界看来并不明显，但事实上，它的诞生。化学产品涉及使用不同参数的数万次迭代实验。以催化剂实验为例。目前的传统方法仍然依赖人类的专业知识来合成各种分子。根据行业数据，一名经验丰富的硕士生每年大约可以合成20个分子。这意味着需要50年的合成实验才能验证1000个结果。 AI将这个时间缩短到半年。 2022年，廖增泰意识到谷歌的AlphaFold2模型在预测蛋白质结构方面取得了重大进展，并启动了两个内部AI试点项目。他将这两个项目描述为“第一次尝试就取得了巨大的成果”。他还意识到，公司未来的竞争力很可能取决于先进人工智能的使用。低的。廖增泰深刻理解人工智能对于提高效率的影响。他曾向“华商”提到两点。一是sel化学反应方案的选择，另一个是催化实验。人工智能一旦经过训练，就可以对万华的数十种材料进行复杂的分析，并生成各种可行的解决方案，大大缩短实验时间。从2024年开始，万花莎将更加专注于AI。年报《经营计划》中，将2024年的管理主题定为“数智年”。年报称，“通过持续的业务转型和数智建设，利用数据和人工智能做强业务，进一步提高内部运营和外部协作效率，积累组织能力，构建可持续竞争优势，实现企业高质量发展”。 2018年，万华转型发展面临两大挑战。从发展角度看，传统利润丰厚的化工新材料业务正在被蚕食。压力缓解，行业低迷时间长于预期。从转型角度看，公司电池材料技术的不断进步和储能市场的爆发，将使万华从一家化工公司转型为一家化工和新能源公司。面对这一挑战，廖增泰的应对愿景是技术创新、更好的管理和改进的人工智能。他特别强调，人工智能是未来全球经济的驱动力。超级员工廖增泰坚信人工智能可以改造生产线和员工。他对“超级员工”有自己的理论。用人工智能技术充分赋能人，无疑会创造出“超级员工”。他将这些员工定义为“对人工智能有深入了解并有能力与人工智能、人类和机器有效协作的人”。培养和培养“超级员工”或将成为万华管理者面临的新挑战未来。 “利用人工智能技术将个人变成‘超级员工’，将无数‘超级员工’凝聚成‘超级组织’，我们需要积极调整组织模式，适应人工智能生产力发展要求，构建新的组织形态。”廖增太说。在万华，我们在员工培训和招聘方面投入了大量精力，以尽快培养“超级员工”。在培训层面，万华对科研人员和管理人员进行了人工智能基础知识的培训。培训考试不合格者，不得参加年度考核。在招聘层面，万华研究院高层次人才的招聘明显强化了人工智能化学工程、人工智能化学模拟设计等领域的专业知识要求。同时，集团超过30%的人才致力于研究人工智能相关课题。此外，万华还将设立专门的“人工智能应用研发中心”，从高地和互联网企业的行业人才中引进一批具有综合能力的人工智能王牌和行业应用经验的专家，统筹各项人工智能开发任务。然而，随着人工智能的赋能，“人”正在回归本质。廖增泰先生始终相信自己实现了独特的价值。人是组织变革和创新的基础。这对管理者提出了更高的要求。他以人类与机器之间的协作为例。企业要达到预期的效果，首先要选择适合自身特点的大型模式，并进行有效的运营。培养“超级员工”也是如此。管理者必须首先发掘员工的优势和潜力，然后才能唤醒他们的潜力。万华将继续注重“超级员工”的培养。他表示，万华将推出三款产品明年的主要项目：数据工程、知识和模型工程。 “数据是行业最核心、最宝贵的资产。从企业、大学、文献等多源不断采集数据，为行业构建高质量的数据体系，是三大工程的基础。将行业知识转化为显性的知识成果，需要行业专家深度参与。这是人工智能落地的重点工程。工程将数据和知识沉淀成模型，实现能力的快速复制、传承和优化。”三大工程共同努力，将人工智能深度融入智能工业流程。 “并使其成为真正的组织创新的核心源泉。”廖增泰表示。他多次表示，人工智能不仅仅是一个工具，而且有潜力创造颠覆性技术，人工智能将是必不可少的。现在，这一期望正在一步步成为现实。步。
（编辑：何欣）
作者
adimin@roddowsett.com