AI强势来袭，油气行业如何“接招”？

当前，人工智能已成为全球最火爆的科技赛道之一。其强大的功能、全新的服务模式和难以预估的发展潜力，引来社会各界的广泛关注。面对人工智能热潮的强势来袭，石油行业该如何完成智能化对接？一起看看吧。

油气企业数字化转型亟需AI加持

2024年5月8日，国际著名学术期刊《自然》发表了一篇结构生物学论文称，由谷歌DeepMind和Isomorphic Labs团队研发的最新迭代人工智能模型AlphaFold3能够预测DNA、小分子、离子与蛋白质组成的复杂结构。这一模型的问世震惊世界，科学家们认识到，人工智能具有强大的潜力来实现以前认为遥不可及的目标。作为新一轮产业革命的核心技术，人工智能与油气行业的对接也愈发引起油气公司的关注。

事实上，自2022年11月30日，美国OpenAI公司发布ChatGPT开始，国内外各种预训练大语言模型就开始不断呈现。ChatGPT本身也在迭代升级，2024年2月16日，OpenAI公司发布了其“文生视频”的大模型工具Sora，它能据文字指令创造出既逼真又充满想象力的场景。当前，人工智能特别是生成式人工智能（AIGC）以其强大的功能引来社会各界的广泛关注。

AIGC的应用场景非常广泛，“对话聊天”只是其面向公众的一种外化表达方式，其背后的技术逻辑是由强大的计算力、强大的记忆力、强大的理解力、强大的解题格局和囊括各行各业或者本领域庞大知识库的有力支撑。这使其能够成为面向开放性任务的通用助理。其创意性写作、强大的上下文理解能力、按照人类逻辑生成控制指令及对无人机或者复杂机器人进行操控等功能，使其已经具备全局性和颠覆性力量，正在对人类生产生活的方方面面产生广泛而深远的影响。

从社会经济发展角度看，AIGC在企业级服务领域具有更大的价值和广阔的前景。特别是当下，AIGC为诸多传统行业的数字化转型和智能化发展提供了新路径。迄今为止，金融、交通、医疗等众多传统行业都在积极引入AIGC技术，以此来大幅提升服务效率，并引发相关业态的不断演进和变革。

石油天然气行业作为重资产、高投入、高风险行业，技术密集和劳动力密集并行，预防安全事故及生态环境灾难的警钟长鸣。面对汹涌而来的AIGC，油气行业如何快速响应并及时完成数字化转型和智能化对接，是时代的重大课题。

油气上游是离散工业，下游是流程工业，不具备数字原生企业的特征。在数字经济和生成式人工智能时代，其生态伙伴的作用边界及彼此之间的信息流、数据流正在发生根本变化。在“双碳”目标强约束条件下，如何绿色、低碳、可持续发展，是油气企业以及石油石化产业生存发展所面临的严峻挑战。数字化转型、智能化发展则成为油气企业摆脱困境的重要选择。油气企业的数字化智能化转型，亟需新一代人工智能等技术的有力加持。

油气行业数字化转型需克服诸多困难

在数字化浪潮的带动下，产业智能化发展已经成为工业领域数字化转型的关键步骤。但归根结底，产业智能化的落地和发展需要了解数字化智能化的底层逻辑。在前期研究中，笔者和团队提出“四个世界模型”来阐明这一底层逻辑。第一个世界是我们所生活的物理世界，第二个世界是人类认知世界，第三个世界是机器认知世界，第四个世界是通过数字化构建的数字世界。

其背后的逻辑是：人们在以数据驱动的深度学习为主的人工智能技术中，通过传感器对物理世界的泛在感知，获取数据和数字孪生建模，以构建数字世界。再利用机器学习算法，通过基于明确机理的计算，使重复性工作得以自动化。也可以通过基于不明确机理的推测，来挖掘和发现数字世界的关联关系，使探索性工作得以突破原有认知边界。还可以通过物理世界与数字世界的映射互动和“复合孪生体”的智能共享，实现物理世界局部或整体的全生命周期认知、预测、优化及闭环控制。

从物理世界到数字世界，需要数字孪生建模并遵循香农采样定理，这涉及对物理世界的理解、抽象及感知采样。因此，数字世界的建设只能是阶段性的，需要考虑层次性、兼容性、确定性、完备性、稳定性及可解释性等一系列重要问题。此外，从第一个世界（物理世界）到第四个世界（数字世界），再到第三个世界（机器认知世界）的这个路径，与现有组织（企业）的体制机制是一种解耦的关系，也就是说，数字世界独立于现有组织及其体制机制之外，从而有可能遇到各种各样的人事阻力。因此，对于油气等传统行业来说，其数字化和智能化转型任重而道远，必须应对诸多挑战。

AIGC将在油气领域得到广泛应用

AIGC是对以数据驱动深度学习为主的人工智能技术的重大发展和实质性突破。它通过对第二个世界（人类认知世界）的文献学习和语义理解，直接跨越到第三个世界，即形成机器认知世界。这个新路径与现有组织（企业）的体制机制是一种耦合的关系，即与现有组织及体制机制紧密相连，从而能够有效规避各种人事阻力。同时，这个新路径也很好地化解了数字世界建设过程中遇到的阶段性、层次性、兼容性、确定性、完备性、稳定性及可解释性等诸多难题。

我们有理由相信，利用生成式人工智能，基于强大算力快速完成认知迭代，可在油气地质、地球物理、测井录井、钻井和完井工程、油气藏工程、油气井生产地面工程、油气储运、炼油化工以及石油化工等各个环节和多个场景中，高效生成各类所需的内容及解决方案。它是提升油气行业生产效率、对接数字经济的强大工具。毫不夸张地说，大语言模型的出现以及AIGC的兴起，对油气行业的数字化转型路径已经带来根本性改变，未来在油气勘探开发等领域一定会得到广泛应用。

AIGC在油气行业的应用前景十分广阔，但也充满挑战。1859年，美国宾夕法尼亚州首次通过钻井获取地下石油，揭开了现代石油工业的篇章。从此以后，油气领域的通用知识、区域知识、机理模型、勘探数据、生产数据等均快速增长、不断积累，其业务流程持续迭代升级，业务链与价值链逐步协调优化。如今，油气领域完备的知识体系和严密的行业标准已经形成，为油气行业AIGC的研发和应用奠定了良好的基础。

但是，也应该看到，油气行业业务逻辑十分复杂。以油气上游即勘探开发核心业务为例，通常包括资源勘探、资源评价、油气发现、油气藏评价、开发生产、油气田废弃等多个阶段。每个阶段都涉及资料采集、处理、解释、应用等综合性研究。油气核心业务企业，通常是“研究型生产企业”或者“生产型研究公司”，科研与生产不断交错、迭代。每个阶段都涉及项目管理，包括规划计划、工程造价、投资预算、生产运行、质量监督、安全监管、项目验收、工程结算等环节。除此之外，还涉及财务管理、人力资源、设备管理、物资供应、法律事务、生产销售、客户关系等企业运营的方方面面。在以专业技术分工取得规模化发展的工业经济体系里，必须强调各环节职责分明，其体制机制和以往持续的信息化建设，导致大量信息孤岛、数据壁垒及技术保密存在。因此，在AIGC预训练的文献学习和语义理解过程中，如何去伪存真是一项十分艰巨的任务。而在持续建设过程中，虽然有国家的顶层设计支撑，但领导层、执行层目前仍以观望为主，实质性进展较小。当前，人工智能领域的高水平人才匮乏，油气业务专家与AIGC专家之间存在壁垒，沟通不畅，业务场景构建过于简单，使油气行业数字化智能化实施难度大大增加。所有这些，在布局和实施油气行业生成式人工智能大项目、大决策时都应该实事求是地纳入重点考量。