一个化工新工艺从想法到量产，必经三个阶段：
实验室发现（克—公斤级）→ 中试放大（百公斤—吨级）→ 工业装置（万吨级）
三步之间不是等比放大，而是非线性放大：反应器尺寸变了，传热、传质、流体力学全部改变；实验室里成立的工艺，放大后可能局部过热、副反应失控、催化剂失活——这就是化工行业特有的"放大效应"。
行业里有个流传的说法：大批实验室成果倒在中试这一步，能走到工厂的反而少。这道坎有个名字——死亡之谷。
为什么中试这么难？把问题拆开看，卡点不是"化学不懂"，而是数据断层：
实验室数据太干净（理想条件、小尺度，无法外推）→ 工业装置数据太贵（核心 Know-how，不公开、不敢试错）→ 中间的真实工况数据长期缺失
化工智能化的真正瓶颈，不是模型不够聪明，而是喂给模型的真实工况数据不存在。没有真实数据，再强的模型也只能在"知识的舒适区"里打转，一到放大就失灵。这就是通用大模型在化工行业"水土不服"的原因——不是不会答，是没数据可依。
3.0 Pro 这次不一样的地方，是模型身后多了一台装置。官方表述：团队在大连长兴岛建成国内首个千吨级智能中试平台，形成"实验室难覆盖、工业装置难获取的真实工况催化反应与工艺数据'按需生成'的能力"。
翻译成人话：过去是"人带着工艺去装置上试"，现在是"模型需要什么工况数据，平台就定向生成什么工况数据"。模型可以主动提出"我要看这个催化剂在 850℃、2MPa、特定空速下的表现"，装置就按需产出这批真实工况数据，反哺模型训练与工艺验证。
数据是 AI 的粮食——而过去化工行业最缺的不是模型，是粮食。长兴岛这台装置，本质上是给 AI 建了一座"真实工况数据农场"。
再配合 3.0 Pro 的四层技术体系（大模型—智能体—专业技能与工具—应用场景），模型第一次不只是"回答问题"，而是接任务、拆任务、调工具、验结果。化物所智能化工团队核心成员叶茂的解释最直白："当工程师提出流程设计或工艺优化需求时，模型不仅理解意图，还能自动拆解出需要计算哪些物性参数、调用哪些模拟软件、进行哪些工程设计，并对计算结果进行分析与校核。"
注意"绕过去"这三个字——这不是推倒重来。传统路径是"物理放大式试错"，一步步花钱花时间趟过去；3.0 Pro 的路径是"数据生成+虚拟校核"：把死亡之谷从"物理空间"搬到"数据空间"，在虚拟空间完成规划、仿真、校核，把"必须上装置试"的范围大幅压缩。死亡之谷不会消失，但它的宽度和深度正在被压缩。
发布同日，化物所联合科大讯飞、阿里云、华为、宁波数据集团（筹）、中控技术、AVEVA 等单位成立智能化工联合创新实验室。把这张名单放到全链条上看，每个人占的格子非常清楚：
| 链条环节 | 参与方 | 承担角色 |
|---|---|---|
| 数据 | 大连化物所 | 化工场景、全链条大数据中心、长兴岛中试平台（数据生产端） |
| 模型 | 科大讯飞 | 星火大模型底座 + AI4S 团队 |
| 算力 | 阿里云 | 云算力平台（3.0 Pro 联合研发方） |
| 算力/软件生态 | 华为 | 1.0 时代即参与开发；昇腾算力生态 |
| 工厂控制 | 中控技术 | DCS/UCS 控制系统 + 时序大模型 TPT（生产执行端） |
| 设计软件 | AVEVA | 流程工业三维设计/工程软件（工程设计端） |
3.0 Pro 不是"化物所+讯飞+阿里云"三家的事，而是一条覆盖"数据→模型→算力→设计→控制→工厂"的完整生产线。单点模型是"工具"，闭合链条才是"生产系统"。
还有一个身份值得单独划重点：化物所建成我国首个覆盖"研发—设计—生产—市场"的石化化工全链条大数据中心，入选国家数据局石化化工行业高质量数据集建设链主单位。在数据要素政策语境里，"链主"意味着有权主导行业数据标准的制定与数据集的归集——谁掌握真实工况数据的定义权和汇聚权，谁就掌握训练下一代行业模型的原材料供应。这比任何单一算法都更接近"护城河"。
AVEVA（剑维软件）是英国工业软件公司，2023 年被施耐德电气收购退市。它的产品线覆盖流程工业工程设计全流程：E3D（三维工厂设计）、PDMS（1976 年问世，全球第一个基于面向对象工程数据库的 3D 工厂设计系统）、P&ID、工程数据管理等。E3D/PDMS 在流程工业三维设计领域占据绝对主导地位，是中国大型设计院的主力设计平台。
一个国内案例：中国昆仑工程（综合甲级设计院）与 AVEVA 合作超二十年——2002 年引入 PDMS、2018 年应用 E3D、2024 年 E3D 迁移、2025 年推进"AVEVA E3D×DeepSeek 本地化集成"项目（智能设计助手"小E"）。官方实测数据：管口方位图生成从人工约 20 分钟/张降到 AI 约 2 分钟/张（效率提升 90%）；管底标高对齐从单段 0.2–0.5 小时降到单次 1–2 秒、自动完成率 100%。
把 3.0 Pro 的新闻和这个案例放在一起看，会出现一个微妙的画面：模型的智能是我们自己的，但模型要调用、要生成数据的工程设计软件底座，主流仍是 AVEVA（英国）。化工行业智能化链条里，最上游的"设计软件层"恰恰是最依赖海外的环节——工程师的技能栈，从建库、模板到 PML 二次开发，都长在别人平台上。
这不是唱衰，是把话说透：中国化工智能化目前突破的是"模型层"（大模型+智能体），而"工具层"（工程设计软件）仍是缺口。联合创新实验室把 AVEVA 拉进名单，说明官方对此心知肚明——"工业软件融合"被列为实验室四大方向之一。绕死亡之谷可以靠数据和模型，但要真正"一步到工厂"，设计软件层这一关必须过。
情景 A（模型引领，工具跟进）：若 3.0 Pro 持续迭代（官方已披露 4.0 规划：以甲醇制烯烃等成熟工艺为验证场景，贯通实验室研发、工程设计与工厂运行），长兴岛平台的数据生产能力被验证，且中控/国内软件厂商逐步填补设计软件缺口，则中国化工智能化会走出"模型—数据双轮驱动"路径——死亡之谷被系统性压缩，"一步到工厂"从口号变成可复制的范式。
情景 B（模型先进，底座卡脖子）：若模型层持续领先，但工程设计软件层长期依赖 AVEVA 等海外产品（授权、数据主权、版本升级受制于人），则在最关键的"设计—放大"环节形成软肋——一旦外部环境收紧，智能化链条的"最后一公里"会被卡住。届时"绕死亡之谷"绕到一半，桥墩却是别人的。
哪些数据出现、本文就错？几条硬指标：长兴岛平台长期停留在"演示级"、无规模化数据产出；3.0 Pro 的企业调用量停滞（API 调用增速显著放缓）；400+ 智能体中绝大多数未在真实化工项目中被实际调用；官方后续转向"问答性能竞赛"而非"任务执行落地"。反过来，如果基于长兴岛平台数据的工艺验证案例持续公开、API 调用量继续高增长、"一步到工厂"出现可复制的成功案例——本文的判断就坐实。
化工智能化的新增议价空间，可近似写成：
新增议价空间 ≈ 真实工况数据掌控度 × 模型任务执行能力 × 链条闭合度 × 客户（化工企业）依赖度
按这个框架，受益梯度非常清晰：
数据端（化物所/长兴岛）→ 模型端（讯飞/星火）→ 落地端（中控）→ 设计软件端（AVEVA/国产替代）
数据端（化物所/长兴岛）：真实工况数据从"不存在"变成"可生产"，谁掌握数据生产权，谁就掌握行业模型的原料供应——稀缺性最高的位置。模型端（讯飞/星火）：星火底座被行业首个大模型采用，相当于拿到"化工行业 AI 底座"入场券。落地端（中控）：DCS 是工厂数据的主入口，中控连续 15 年国内 DCS 市占第一（45.1%），若控制系统与行业大模型打通，等于握住"数据出口+执行终端"两端。设计软件端（AVEVA/国产替代）：缺口最大、变数也最大——若国产替代在 AI 时代窗口补上这一格，价值重估空间最大；若补不上，这是整个链条最脆弱的一环。
一个信号：中控技术 2024 年 6 月在新加坡全球发布 UCS（通用控制系统）+TPT（流程工业时序大模型），官方称"全球首个"，定位"控制底座+时序 AI 大脑"——国内流程工业控制龙头已经在往"脑身协同"方向卡位，与化工大模型形成潜在对接点。
| 维度 | 关键事实 | 来源口径 |
|---|---|---|
| 3.0 Pro 发布 | 2026.8.31 化物所×科大讯飞×阿里云；81.96% / 80.75%（自评口径） | 新华社 / 化物所官网 |
| 规模数字 | 400+ 智能体；300+ 企业注册；API 累计调用 1400万+ 次 | 新华社 / 科技日报 |
| 长兴岛平台 | 国内首个千吨级智能中试平台；真实工况数据"按需生成" | 化物所官网 / 央视 |
| 版本时间线 | 1.0(2024.3) → 2.0(2024.11) → 2.0Pro(2025.5) → 3.0(2025.11) → 3.0Pro(2026.8.31) | 百度百科 / 讯飞官方 |
| 六方名单 | 数据(化物所)、模型(讯飞)、算力(阿里云/华为)、控制(中控)、设计(AVEVA) | 化物所官网 |
| AVEVA 案例 | 昆仑工程"小E"：管口图 20分钟→2分钟；标高对齐 0.2-0.5h→1-2秒 | 中国勘察设计 / 剑维软件 |
| 中控地位 | DCS 连续 15 年国内市占第一（45.1%）；2024.6 发布 UCS+TPT | 央视焦点访谈 / 公司官网 |
3.0 Pro 发布那天，绝大多数报道在写准确率；真正重要的，是长兴岛那台千吨级装置开始"按需生成"真实工况数据。
从 1.0 到 3.0 Pro，两年半六次迭代（2024.3 → 2024.11 → 2025.5 → 2025.11 → 2026.7 体验版 → 2026.8.31 正式版），中国化工行业第一次有了一台"AI 指挥的数据生产装置"——AI 从读文献的助手，变成了能定向生成工业数据的生产系统。
死亡之谷还在，但它的宽度正在被压缩。绕过去的路修到哪一步，不取决于发布会，取决于长兴岛的数据出不出得来、AVEVA 那格谁来补。化工研发的下一代竞争，不在实验室里，在数据线上。