AI开始进入过程安全管理，危化企业先把这两个风险看明白

刚刚结束的 2026 AIChE GCPS/PPSS，也就是美国化学工程师学会春季会暨全球过程安全大会/过程装置安全专题会，已经把“生成式AI用于过程安全”正式提上了议程。更值得关注的是，官方议题里没有只讲提效，还把 model drift（模型漂移）、cyber-physical vulnerabilities（网络物理系统脆弱性）这两个词一起摆了出来。

这对危化企业很现实。AI 可以用，但别把它当成天然更智能的系统。在过程安全这件事上，哪些事能让它干、哪些事不能让它拍板，应该要先说清楚。

一、AI能进现场，但不能自己承担判断

从这次议题看，AI 在过程安全里的用法，已经不止写报告、做摘要、查资料这么简单了。

会上提到的方向包括：

这些方向都不是虚的。装置多、数据多、工艺复杂的企业，用得好，确实能少翻很多记录报表，也能少做不少重复活。

但问题也就在这里。过程安全最怕的，就是模型看起来很快效率很高，但实际判断上已经偏离了。

二、真正该先防的，是 model drift（模型漂移）

很多企业一听 AI，先想到的是能不能提效。但在过程安全里，更该先问一句：这个模型上线后，会不会慢慢跑偏。

model drift（模型漂移）说白了，就是模型训练时见过的数据，和后来现场真实跑出来的数据，不再是一回事了。

这在危化企业里其实不难理解。

比如：

一开始模型也许还能给出像样的结果，时间长了，误报可能变多，漏报也可能变多。最麻烦的是，它不会自己提醒你“我已经跟现场不一样了”。

所以，企业真要上 AI，建议先把下面这三件事问清楚：

这三件事没定，AI 参与的越多，风险越容易被放大。

三、第二个风险，是 cyber-physical vulnerabilities（网络物理系统脆弱性）

第二个要看的，是网络物理风险。

AIChE 在议题里直接把 cyber-physical vulnerabilities（网络物理系统脆弱性）放进了风险清单里。

危化企业里，AI 一旦和报警、联锁、视频、DCS（分散控制系统）、SIS（安全仪表系统）、远程监控这些东西连起来，问题就不只是算法准不准了，系统还可能被干扰、被误导、被绕开。

这类风险在企业里，常见的表现大致有这几种：

这类问题在工厂里最麻烦的，不是看不见，而是等看见时，往往已经过了最佳处理时间。

所以，AI 上线前后，企业至少要关注：

四、危化企业先别问“能不能上AI”，先问这4个问题

如果企业今年真要把 AI 引进过程安全，建议先把这 4 个问题捋一遍：

这四个问题，比用什么大模型重要得多。

五、比较稳妥的用法，是先放在低风险环节

企业如果现在就想试 AI，最好先从低风险、低决策权的地方下手。

比如：

先别急着让它直接碰高后果决策。尤其是涉及联锁、停开车、充泄压、应急处置这些操作时，AI 只能做提示，不能替代岗位人员操作。

说白了，AI 可以进过程安全，但更适合当助手，不适合当拍板的人。

结尾

AIChE 这次把“生成式AI用于过程安全”摆到台面上，其实已经把话说得很明白了：AI 不只是效率工具，也是新的风险源。

危化企业真要用，别只盯着提高效率了没有，先盯住 model drift（模型漂移）和 cyber-physical vulnerabilities（网络物理系统脆弱性）。

还是，先把验证、复核、权限和人工兜底这几件事做扎实了，再谈怎么上、先上到哪一步。

参考：

参考链接

[1] PPSS 议题页: https://www.aiche.org/conferences/aiche-spring-meeting-and-global-congress-on-process-safety/2026/28th-process-plant-safety-symposium-ppss

[2] AI Town Hall: https://www.aiche.org/conferences/aiche-spring-meeting-and-global-congress-on-process-safety/2026/events/ai-chemical-engineering-safety-environment-ethics-and-law-public-affairs-town-hall