氦气全产业链人工智能大模型应用.pdfVIP

第34卷第12期中国矿业Vol.34,No.12

2025年12月CHINAMININGMAGAZINEDec.2025

文章编号：1004-4051（2025）12-0086-13DOI：10.12075/j.issn.1004-4051

氦气全产业链人工智能大模型应用

陈福利，王志平，王少军，李欣，闫林，李锦，

曾倩，刘俊榜，邵艳伟

（中国石油集团科学技术研究院有限公司，北京100083）

摘要：氦气作为支撑航天航空、医疗影像、半导体制造和量子计算等高精尖领域的不可再生

战略资源，在我国产业链发展中面临资源与信息的双重困境，已成为制约相关领域自主创新

的关键瓶颈。在资源层面，我国氦气对外依存度长期偏高，属于典型的“卡脖子”资源，且主要

来源的天然气田氦含量普遍低于0.1%，远低于0.3%的经济开采阈值，导致提氦工艺经济性

严重不足，难以支撑规模化自主生产。在信息层面，氦气产业链核心文献超90%以英文呈现，国

内研究学者面临文献获取成本高、专业术语翻译不统一、知识提炼效率低等问题，显著阻碍

了自主创新进程。为有效破解上述难题，本研究依托清华智谱AI-ChatGLM系列开源大语言

模型的技术优势，在国内率先研发了面向氦气全产业链的垂直领域大模型及智能知识图谱系

—

统。研究创新性构建了覆盖19902024年，整合全球期刊论文、专利、行业报告、技术标准、专

著及新闻报道六大类数据源的氦气专属数据集，规模超过120万文档切片，为模型训练与知

识图谱构建提供高质量数据支撑。系统通过实体识别与关系抽取技术，将非结构化知识转化为

“实体-关系-实体”三元组，并存储入Neo4j数据库，构建形成完整动态的氦气全产业链知识图

谱。同时，采用检索增强生成（RAG）架构和专家标注相结合机制，实现事实优先的知识服务，从

根本上解决了专业领域大模型常见的“幻觉”问题。在包含500个问题的专业测试集上，系统

表现优异：知识问答准确率达86.4%、实体识别F1值为89.7%、关系抽取准确率为84.3%，各项

性能较通用大模型显著提升，且平均响应时间仅1.2s，可满足实时科研需求。实际应用表明，该

系统能高效支撑氦气资源评估、工艺优化提取、回收技术路径设计和产业政策分析等全链条研

究任务。本研究构建的专业领域抗“幻觉”知识服务体系，不仅为我国氦气产业链突破技术瓶

颈、提升自主创新能力提供了关键技术支撑，更为其他战略资源领域智能化研究与发展提供

了可借鉴的技术范式，对保障我国氦气全产业链自主可控与高质量发展具有重要战略意义。

关键词：氦气；全产业链；大语言模型；垂直领域大模型；智能知识图谱；检索增强生成

（RAG）；战略资源保障；抗“幻觉”

中图分类号：TD-0；TP18文献标识码：A

Applicationofartificialintelligencelargemodelin

thewholeindustrychainofhelium

CHENFuli，WANGZhiping，WANGShaojun，LIXin，YANLin，LIJin，

ZENGQian，LIUJunbang，SHAOYanwei

（ResearchInstituteofPetroleumExplorationDevelopment,ChinaNationalPetroleumCo