国有企业“人工智能+”现状调查问卷

本问卷旨在了解能源型央国企在推动“人工智能+”与能源业务深度融合过程中的实践现状、挑战与成效，为相关研究提供参考。问卷匿名填写，结果仅用于学术与政策研究，请根据贵单位实际情况勾选或填写。感谢支持！

一、企业基本信息

1. 贵企业在集团内部的层级是?

A. 集团总部/母公司 (一级)B. 主要子公司/分公司 (二级)C. 三级及以下子公司/孙公司D. 单一法人企业 (无下属)

2. 您在企业的职位层级:

A. 高层管理者（董事长、总经理、副总经理等）B. 中层管理者（部门总监/经理等）C. 基层管理者（主管、班组长等）D. 专业/技术人员

3.贵企业在集团内部（如适用）的角色定位是?

A. 集团公司总部/集团层面B. 重要的核心主业子公司/平台公司C. 非主业子公司/分公司D. 金融/投资类子公司E. 科研/技术类子公司F. 其他 (请说明:)G. 不适用 (非集团下属企业)

二、AI战略与认知

4.贵单位在“人工智能+”领域的路径规划阶段?

A. 尚未系统开展，未制定AI专项规划，项目实施呈随机试水状态，与企业整体战略脱节B.试点探索阶段（1-2个场景），制定个别实验性项目清单，缺乏统一资源保障与跨部门协同机制，项目间关联性弱C.已制定清晰的AI实施路线图，明确阶段目标和责任分工，覆盖50%主要业务单元D.已建立企业级AI战略调优机制，资源配置动态优化，覆盖90%核心业务，纳入年度预算体系E.已实现战略自适应机制，AI规划与业务战略动态联动，定义行业智能化标准，影响产业链布局

5. “人工智能+”在贵企业的战略优先级如何?

A. 最高优先级，是核心战略B. 较高优先级，是重要战略方向之一C. 中等优先级，属于常规工作范畴D. 较低优先级，尚未真正提上日程

6. 您认为企业高层领导对人工智能的重视程度和支持力度如何?

A. 非常重视，全力支持并提供充足资源B. 比较重视，有支持但资源投入需加强C. 一般重视，口头支持多于实际行动D. 不够重视，缺乏实质性支持

7. 您认为驱动贵企业应用人工智能最主要的因素是?

A. 国家政策及行业主管部门的引导与要求B. 市场竞争压力与客户需求变化C. 提升内部效率、降低成本的需求D. 新兴技术发展带来的转型机遇

8. 您认为人工智能对贵企业未来生存和发展的重要性如何?

A. 至关重要，决定生死存亡B. 非常重要，是核心竞争力来源C. 比较重要，有助于提升效率D. 不太重要，传统模式仍可维持

三、AI应用现状

9.贵单位业务中涉及多种类别的高价值场景，下述哪些是借助人工智能升级的行动首选?[可多选]

A. 体验升级B. 新品创造C. 业务增效D. 组织提效E. 智能决策F. 智能研发G. 科研创新（AI For Science）H. 其他，填写于此处:

10. 贵单位当前在哪些业务领域已开展或试点人工智能应用?

A. 水电站设备智能运维与故障预测（如水轮机、发电机、主变等）B. 流域水情预报与水库调度智能优化C. 风电/光伏等新能源场站功率预测与运行效能提升D. 电力生产安全智能监控（如高危作业识别、人员行为分析）E. 能源项目智能规划与工程仿真（如水电、抽蓄、新能源基地）F. 碳排放监测、核算与绿色低碳管理G. 供应链与物资智能调度（适用于大型能源项目建设与运维）H. 能源数据平台与数字孪生应用（如智慧流域、智慧电厂）I. 电力市场交易辅助决策与负荷预测J. 尚未开展任何AI应用K. 其他:

11.当前人工智能应用主要采用以下哪种技术形式? [可多选]

A. 规则引擎 / 专家系统B. 传统机器学习（如SVM、随机森林）C. 深度学习（CNN、RNN等）D. 计算机视觉（图像/视频分析）E. 自然语言处理（NLP，如文档解析、知识问答）F. 大模型（通用或行业微调）G. 强化学习 / 智能体（Agent）H. 尚不清楚

12.当前人工智能项目的主要推动主体是?

A. 集团信息中心 / 数字化部门主导B. 业务部门（如数科公司、研究院、生产厂、服务公司）主动发起C. 外部厂商（如AI科技公司、高校）主导，内部配合D. 集团AI专项工作组统筹E. 尚无明确主体

13.当前人工智能应用是否已形成可复用的能力或资产?

A. 已建立企业级AI模型库/算法库，支持跨项目调用B. 部分项目沉淀了数据集或工具模块，但未标准化C. 每个项目从零开始，无复用机制D. 尚未考虑资产化问题

四、数据基础与治理

14. 贵企业是否建立了统一的数据管理平台或数据中台?

A. 是，已建成并有效支撑业务B. 正在建设或规划中C. 有需求但尚未启动D. 暂无计划

15.贵单位目前内部数据处理能力建设情况?

A.缺乏系统性数据积累，处理依赖人工，无统一存储与管理机制B.建立基本数据采集与清洗流程，部分数据可用于简单分析，标准化程度低C.制定企业级数据标准，实施质量管理与分级分类，关键业务数据初具规模并可调用D.建立全流程自动化数据治理体系，质量达标率超95%（完整性、准确性、一致性），支撑○E.模型持续训练F.实现数据资产的内部流通与外部交易变现，建立数据定价与授权机制

16.您认为企业内部“数据孤岛”（数据分散、难以共享）现象严重程度如何?

A. 非常严重，严重阻碍业务协同和决策B. 比较严重，是主要挑战之一C. 存在但尚可接受或部分解决D. 基本不存在或已有效打通

17.数据在贵企业决策支持中的作用如何?

A. 主要依赖数据驱动决策B. 数据是重要参考依据之一C. 数据仅作为辅助参考D. 决策主要依赖经验和直觉

18.贵单位现有数据可覆盖的人工智能应用范围?

A.数据分散在个人或部门本地，难以利用B.数据应用较少，仅能支持个别AI试点项目C.数据应用较多，覆盖50%以上核心业务系统的AI场景D.数据应用广泛，可支撑90%以上核心业务的AI场景应用E.数据资源覆盖产业链上下游，可实现与外部合作伙伴的安全合规数据交换

19.贵单位数据治理的成熟度如何?（流程、制度，数据标准、质量、AI数据集等）

A.无数据治理实践、无模型开发流程和管理机制B.缺乏系统性治理，有初步模型记录，但无统一存储与版本控制C.有初步设计治理框架，建立模型开发、调优、评估、迭代的流程和管理体系D.有完善的数据治理体系和机制，建立成熟的标准化模型应用流程和管理体系E.非常完善的数据治理体系，机制具备自进化能力，支持模型自训练、自评估、自优化

20. 贵企业在数据安全与隐私保护方面的投入和措施如何?

A. 投入充足，建立了完善的安全防护体系和合规机制B. 有投入和基本措施，但仍有提升空间C. 投入有限，措施基础D. 投入不足，风险较高

五、算力与模型能力

21. 能源领域存在租建结合模式下的多元异构算力融合利用需求，贵单位AI模型训练与推理主要依赖的算力资源? [可多选]

A. 自建私有化AI算力集群B. 租用私有化AI算力集群C. 使用公共云服务（阿里云、华为云、天翼云等）D. 混合云架构E. 边缘计算节点F. 集团统一云平台G. 算力分散，尚未形成集中稳定算力池

22. 综合考虑当前人工智能应用场景的训练和推理需求，贵单位实际部署或调度的AI算力规模约为（FP16精度）?

A. < 2 PFLOPSB. 2 – 8 PFLOPSC. 8 – 32 PFLOPSD. 32 - 128 PFLOPSE. 128 - 512 PFLOPSF. > 512 PFLOPSG. 暂无明确测算，不太清楚H. 暂未形成集中算力池，不太清楚

23.贵单位当前AI算力所依赖的AI芯片/硬件厂商数量为?

A. 仅1家（如仅华为昇腾、或仅寒武纪、或仅英伟达等）B. 2-3家（多厂商异构部署）C. 4家及以上（广泛兼容多芯生态）D. 不太清楚

24.贵单位当前AI算力芯片/硬件选择的主要考虑点是?

A. CUDA兼容性B. 单卡算力C. 单卡显存D. 互联带宽E. POC实测结果F. 是否国产芯片G. 其他，填写于此处:

25.贵单位当前AI基础设施所合作的云服务厂商数量为?

A. 仅1家（如仅阿里云、仅华为云、仅天翼云、仅百度云等）B. 2家C. 3家及以上（多云混合策略）D. 皆未合作，全部为本地数据中心私有部署

26.贵单位当前在人工智能应用中，主要采用的基础模型来源是?

A. 自主研发行业专用模型B. 基于现有基础大模型进行工程化适配C. 直接调用国内大模型服务D. 直接调用国外大模型服务E. 尚未明确模型选型策略

27.若已使用大模型，贵单位实际部署或高频调用的国产大模型主要包括?[可多选]

A. 阿里通义千问QwenB. 百度文心一言C. 华为盘古大模型D. 腾讯混元E. 火山引擎大模型F. 其他国产大模型，填写于此处:

28.结合大模型部署后的业务适配情况与应用成效，贵单位在选择大模型时，最关注的维度是? [可多选] *(）

A. 生态开放性B. 国产化程度与技术自主可控C. 数据安全与隐私合规保障D. 模型性能（准确率、推理速度、并发能力等）E. 与现有信息系统的集成便捷性F. 模型在能源行业场景的适配性与专业能力G. 其他，填写于此处:

29.在推动“人工智能+”与能源业务深度融合方面，贵单位认为以下哪些同行企业是值得学习的典范? [可多选]

A. 中国石油天然气集团有限公司B. 中国石油化工集团有限公司C. 中国海洋石油集团有限公司D. 国家电网有限公司E. 中国华能集团有限公司F. 中国大唐集团有限公司G. 中国华电集团有限公司H. 国家电力投资集团有限公司I. 中国长江三峡集团有限公司J. 其他国内能源企业:K. 暂无明确对标对象

六、IT投入

30.近三年，贵单位年均IT总投入占营收比例约为?

A. 少于1%B. 1-3%C. 3-5%D. 5%以上E. 不太清楚

31其中用于人工智能相关的投资，占年度IT预算的百分比约为?

A. 少于10%B. 10-30%C. 30-50%D. 50%以上E. 不太清楚

32.贵单位目前组织建设的整体进展如何?

A.无明确责任主体， AI相关决策高度依赖顶层管理者个人推动B.按需成立虚拟/临时项目小组，无固定编制和资源保障，依赖临时人员抽调C.成立跨部门AI工作组，有固定成员与季度会议机制，协调重点项目推进D.设立专职AI部门，拥有独立预算编制等，直接向CTO/CDO汇报E.组织具备高度柔性，可1天内组建跨职能攻坚团队;建立业务-技术双线汇报机制，实现敏捷响应

33.贵单位是否已经具备人工智能相关的专业团队和人才?

A.缺少AI专业人才，限制了技术的应用与发展B.已构建小型团队，初步探索AI技术的应用可能性C.已设立专门的AI部门或岗位，深化AI技术专长D.建立跨部门AI协作机制，专业人才充沛，促进技术与业务深度融合E.形成以AI为核心的企业文化，全员具备基本的AI知识与技能

34.贵单位当前人工智能人才结构的主要短板是? [可多选]

A.缺乏既懂能源业务又懂AI的复合型人才B.算法工程师、数据科学家、AI运维与工程化等专业人才数量不足C.高层对AI战略理解不足D.AI人才培养机制不健全E.人才激励机制不健全

35.围绕人工智能领域人才的引进、培养及留存体系，贵单位目前现状更接近于?

A. 完全依赖外部供应商或外包团队提供技术支持，内部无AI专业人才储备B. 临时外聘专家支持，项目结束即能力断层，缺少长期培养规划C. 引入关键岗位人才，能够支撑AI项目管理及技术成果审查，建立基础培训体系D. 构建校企或企业之间的联合培养通道，关键人才自给率≥50%，培训体系完善E. 参与行业人才标准制定，技术领袖担任权威组织职务

36.当下人工智能成果与组织/个人绩效考核挂钩的激励机制更接近于?

A. AI成果与绩效考核完全脱钩，无任何形式的激励措施B. 仅统计培训参与率、项目数量等过程指标，未与结果挂钩C. 项目成果纳入绩效考核，占比≥15%，或有公开表彰机制D. 创新指标纳入核心KPI，影响晋升评定;设立年度专项奖励基金E. 实施创新收益分成机制，创新收益占企业利润达15%

八、政策与生态需求

37.您认为贵企业在人工智能应用过程中遇到的最大挑战是什么?

A. 缺乏清晰的战略规划和顶层设计B. 资金投入不足或投资回报（ROI）压力大C. 组织文化阻力、员工技能不足或思维转变困难D. 技术选型复杂、系统集成困难或数据治理薄弱

38.您认为，当前制约人工智能在能源领域深化应用的主要因素是? [可多选]

A.体制机制约束（决策流程长、容错机制缺乏）B.场景不清:如业务中哪些场景可以借助 AI 升级?C.场景价值不清:如AI场景升级后能够带来的价值有多少?D.技术可行性不清:如AI场景的成熟度如何?模型与垂域业务是否匹配?E.实现路径不清:如AI场景要通过什么样的技术路线实现?F.建设内容不清:如AI场景需要投入建设算力、模型、工具哪些内容?G.产学研用协同不足H.能源数据开放共享机制不健全I.行业标准缺失（如AI模型评估、数据接口）J.其他，填写于此处:

39.最希望政府或行业主管部门提供支持的是? [可多选]

A.出台能源AI高价值场景应用指南与标准体系B.设立AI+能源重大专项与资金支持C.推动央国企间AI能力共享机制D.加强AI复合型人才培养政策与激励机制E.建设行业级能源数据集、数据开放平台F.其他，填写于此处:

40.贵单位在推进“人工智能+”进程中，最希望外部合作伙伴（如AI科技公司、高校）提供哪类支持? [可多选]

A.数据治理与标注服务B.行业定制化AI模型开发C.AI算力资源租赁/采购D.联合人才培养/培训E.围绕高价值应用场景的解决方案共创F.其他，填写于此处:

问卷到此结束，再次衷心感谢您的宝贵时间和支持！您的反馈对我们深入了解国有企业人工智能应用现状具有重要价值！

更多问卷复制此问卷