AI拍照识别隐患，国产化工安全大模型问世

手持平板，对准车间角落的消防设备拍下一张照片，大约 10 秒钟，屏幕上便会标示出两处隐患——问题所在、判定依据、整改标准以及责任部门，一条龙服务全部搞定。上报的效率，从原本现场耗时半天、回去翻阅制度，缩短到只需按下快门。

这位能通过拍照发现问题的「AI 助手」，名为 FORUS 化工安全大模型，于 2026 年 7 月 27 日正式发布，它是国内首个化工领域的垂直安全大模型，由中化集团与应急管理部大数据中心联合研发。发布会现场，工作人员拍摄车间照片，系统自动圈出风险，并生成检查依据与整改建议。

▲ 现场演示

01

化工安全面临的挑战，究竟卡在何处

化工行业高危工艺密集、危化品种类繁多、现场环境复杂，导致安全管理长期受困于几个方面：隐患依赖人工肉眼观察，票证审核规则繁琐，应急研判滞后，以及制度标准分散。FORUS 正是为了解决这些顽疾而生的。

它率先推出的几项功能，均紧贴生产一线：

1隐患快速上报：通过拍照识别，自动生成隐患报告

2作业票智能审核：自动校验复杂票证规则

3应急智能响应：辅助判断应急处置方案

4安全知识问答：随时查询制度与标准

02

拍一张照片，AI 自动圈定隐患

以隐患上报为例，过去巡检人员发现问题时，需要现场书写长篇文字，再返回查阅制度依据，才能完成上报。如今只需拍照，AI 就能自动标准化地生成隐患描述、违规条款及整改措施，上报更高效且规范。

中国中化质安环保部副总监、项目负责人李晗提供了一组数据：在大模型辅助下，隐患上报时效从小时级缩短至分钟级，借助模型辅助分类和标准化描述，排查准确率提升了约 75%。

▼ 核心数据

隐患上报时效：小时级 → 分钟级

排查准确性：提升约 75%

▲ 闭环流程

03

AI 会不会「一本正经地胡编乱造」

许多人担心 AI 是否会一本正经地胡说八道。FORUS 在这方面专门做了设计：其所有回答均基于制度法规生成，不依赖模型自由发挥。若超出知识范围，系统会直接提示「暂无相关知识」，而非编造看似合理实则无依据的答案。这对容不得差错的安全生产场景尤为重要——查隐患、给建议，最怕 AI 随意下结论。

04

支撑它的基石：数据底座

FORUS 背后依托的是化工安全专属数据集。中国中化将全产业链安全生产数据及多年治理经验整理成涵盖化工知识、法律法规、应急预案、事故案例等十余类别的语料库，积累了十万级原始专业语料和百万级问答图文样本。模型将死板的条文转化为具备推理和研判能力的「活」技能，实现了隐患自动识别、风险辅助研判及整改方案一键生成。

▲ 知识储备

05

边界：它尚处起步，并非神话

这里需要澄清。FORUS 刚发布，首批由 6 家企业揭榜试用，聚焦双重预防、非常规作业、承包商培训及应急管理等领域。目前它尚处于起步阶段，并非已全国普及、每家化工厂都能立即使用的成熟系统。它的优势在于将分散的制度标准、事故案例和现场数据转化为随时可用的助手。

对中国化工企业、园区及监管部门而言，FORUS 的意义在于传递了一个信号：国家数据中心与企业联合研发垂类模型，标志着「AI+化工安全」从概念讨论走向实际落地。对企业，隐患排查、票证审核、应急处置等枯燥高频工作最易被 AI 替代；对监管，一线拍照上报的标准化隐患数据，是执法检查和风险研判的天然素材。

▲ 试点方向

▲ 全景展示

06

若想投入使用，先想清楚四点

数据：需具备设备台账、制度标准、历史隐患记录，这是模型学习的基础，数据不全，AI 再聪明也无从下手。

流程：AI 报出的隐患需有人复核、整改和销号，否则只是多了一个「报」的工具，流程在中间断裂。

责任：AI 仅能辅助发现、留痕和提醒，是否停工、处罚、追责，最终需由企业负责人和安全管理者依据事实决定，技术不能替代人的责任。

边界：其判断依据仅限于所学知识库，超出范围会直接显示不知道，切勿将其判断视为事故必然预报。

FORUS 的出现，推动了化工安全从「人找问题」向「系统识别问题、管理闭环解决问题」转变。AI 无法取代安全管理，但它至少能让藏在照片角落的隐患，在酿成事故前先被看见。

— 完 —

应急AI指南

看 AI 如何让生产更安全

关注我们，及时看更多