告别老师傅依赖，祈业软件以AI破局精细化工研发痛点|AI应用创新案例

从依赖老师傅的“经验+试错”到“AI+数据驱动”秒级推荐配方，从纸质记录到全链路质量追溯，一家扎根佛山28年的软件企业正用AI技术重塑精细化工研发模式。

“过去研发新配方要靠老师傅经验+试错，现在输入性能指标，AI数据驱动就能秒级推荐最优方案。”近日，2025年佛山AI应用创新案例调研组走进祈业（佛山）软件有限公司（以下简称“祈业软件”），深入探访这家本土企业如何用AI技术破解精细化工行业沉积数十年的研发痛点。

祈业软件凭借28年服务国内外1000+化工企业的深厚积淀，打造了基于DeepSeek+RAG的化工新材料研发与质量追溯系统，为佛山制造业细分领域的AI应用提供了又一鲜活样本。

研发-生产全链路智能化破解行业痛点

“我们2022年开始布局AI应用，从最初将AI功能融入配方研发系统和生产执行系统，到如今构建起全场景解决方案，核心就是聚焦行业真问题。”调研座谈中，祈业软件总经理刘浩亮介绍，企业依托服务国内外1000+化工企业的经验，瞄准精细化工行业“研发效率低、数据碎片化、质量难追溯”三大痛点，打造了基于DeepSeek+RAG的化工新材料研发与质量追溯系统，并于今年3月正式上线。

该系统的创新之处在于实现了“数据-知识-应用”的全链路闭环，通过整合PLM配方研发系统和MES生产执行系统的动态实时数据，将电子实验记录、产品配方、专利文献、工艺参数等多源信息进行自动向量化处理，构建起可增量更新的动态知识库。

“区别于传统静态知识库，我们的动态RAG技术能跟着生产实时更新知识，联动DeepSeek大模型实现‘检索+推理’，研发人员查相似配方、专利规避方案秒级响应。”刘浩亮介绍，系统搭载的技术专家问答系统可快速破解研发瓶颈，售前专家问答系统能对接客户需求生成定制化方案，大幅提升响应效率。

在AI算法的强力支撑下，系统实现研发与生产的双向赋能。在研发端，系统能智能推荐参考配方，缩短筛选周期60%；并且能检测实验数据异常，减少无效投入；配方相似度分析功能还能避免重复研发，关联规则挖掘则为创新提供数据支撑。在生产端，系统能实时采集温度、压力、转速等24项关键参数，动态预测产品性能，指导人员提前调整工艺，降低能耗与次品率。在质量追溯环节，系统整合PLM、MES、QMS全链路数据，构建“配方-生产-质量”追溯链，快速定位问题根源，彻底解决了传统追溯“大海捞针”的困境。

目前，该系统已在央企、上市公司、新型研发机构等多家企业落地，助力研发成本下降30%，市场响应速度显著提升。

联合生产全流程厂商共建AI生态

“做行业AI应用，不能只做单点技术，要搭建让企业看得见、用得起、能落地的生态。”谈及转型历程，刘浩亮分享了本土企业的突围路径。面对佛山软件人才“招难留难”的现状，公司采取“本地运营+外地研发”模式，在西安、上海设立研发中心，组建近30人的技术团队，核心研发人员占比超70%，保障技术研发的连续性。

研发投入上，该企业累计在AI领域投入超1000万元，即便在行业波动期也未缩减战略性投入。“我们的核心优势是熟悉精细化工行业，能把30年的行业经验、KNOW-HOW知识与AI大模型充分融合。”刘浩亮表示，企业不盲目开发通用大模型，而是聚焦“数据加工”强项，与华为盘古模型、腾讯云AI、北京大学、中科院计算机网络中心等科研院所深度合作，让中小企业仅需三四十万元就能接入AI功能，大幅降低应用门槛。

为推动行业整体转型，祈业软件正推进多项生态共建计划：牵头组建数字化联合体，联合10家设备厂商在肇庆搭建工业涂料AI数字化产线，实现生产全过程数字化智能化；在佛山、清远、上海等地布局3个AI数字化实验室，通过实验仪器联网实现研发全程智能化；持续完善AI+PLM+DeepSeek+RAG知识库功能，研发推广AI智能实验一体机、AI智能秤配料送料机器人等硬件产品。此外，公司每月举办AI应用讲座，将行业AI应用分为初级（个人应用）、中级（本地化模型部署）、高级（软件与大模型打通）、深度（智能体）四个级别，帮企业理清转型路径。

如今，祈业软件的AI实践已斩获多项荣誉。“基于AI数据算法驱动的研发新模式”入选2024国家工信部工业领域数据要素典型实践案例，荣获广东省政务与数据局“数据要素乘大赛决赛优秀奖”“广东省人工智能创新应用新锐奖”，目前正参评广东省人工智能优秀应用案例。

“对希望应用AI的佛山企业，我们建议先打破数据孤岛，采集真实、闭环的高质量数据，这是AI落地的基础。”刘浩亮表示，未来公司将以顺德为总部推进股改，整合旗下公司资源，持续为更多化工企业提供“研发智能化+生产精益化+质量精准化”解决方案，助力佛山打造细分领域AI应用标杆。

调研组点评

卓维网络AI领域专家钟导：

祈业（佛山）软件有限公司在精细化工与新材料领域的AI应用方面表现突出，其将AI技术与行业知识深度融合，通过整合PLM系统与MES系统数据，集成机器学习算法及外部大模型，有效支持配方预测、工艺优化与研发辅助，具备较强的落地能力和行业适用性。建议进一步加强本地宣传，扩大本地标杆案例影响力，助力区域产业数字化、智能化转型。