“上天容易入地難”，作為典型的傳統行業，油氣行業擁有龐大的資源數量、數以千億計的資產規模、數以百萬計的員工;同時，也有專業度高、工藝流程復雜、產業鏈長、設備資產總量巨大，應用場景復雜等特點。

前者為行業的數字化轉型提出需求，后者則給數字化轉型增加了難度。

“在數字經濟轉型的浪潮之下，油氣行業面臨著‘船大難掉頭’的困難。”國雙油氣大數據事業部總經理薛小渠表示，油氣工業是流程性工業的典型代表，給人工智能技術場景化落地提出很大挑戰。

近日，2020年度第十屆吳文俊人工智能科學技術獎揭曉，國雙“油氣大數據和人工智能平臺”獲得吳文俊人工智能進步獎(企業技術創新工程項目)。這一平臺落地的油氣行業，是技術賦能流程性工業的典型代表。

“超級智能大腦”加持油氣開發

在薛小渠看來，油氣行業對于數字技術的需要緊迫而持久：一方面，油氣開發難度日益增加，持續穩產形勢嚴峻，新老油田都面臨著生產成本升高與效益降低的巨大壓力，另一方面，各層級對企業的安全生產、環境保護責任要求越來越嚴格，國家也提出優化組織結構、完成企業深化改革的任務要求。“諸如此類的問題會在未來幾年持續存在，對油氣行業的生產、經營、管理和決策提出新的挑戰。”薛小渠說，“地下有多少油氣儲量、分布狀況、如何開采?如何讓油氣田安全高效地運行十年二十年?以前用傳統工藝模型去做，現在可以通過算力算法的升級，解決行業的普遍問題。”

“人工智能技術可以為油氣田的創新發展注入新動能，智能化分析預測技術成為解決油氣研究與生產問題的重要手段。”薛小渠表示，傳統油氣勘探與開發研究技術，如儲層預測、油層識別、注采分析優化等業務分析工作，需要人工花費大量時間整理分析數據，效率低、問題多，而未來通過“油氣智能大腦”，可以對輸入的相關數據進行自動分析推理，直接給出開采方案的參考建議。

據他介紹，團隊對多年來積累形成的大量研究成果、知識經驗、業務模型等進行科學管理，通過知識圖譜技術將結構化、非結構化數據中的勘探開發知識進行分析處理：首先通過行業專家的標注，逐步訓練和優化機器學習算法，進而實現自動識別與標注，生成勘探開發行業知識圖譜。經過不斷擴充完善，形成油氣勘探開發的“超級智能大腦”。目前，“油氣大數據和人工智能平臺”及相關解決方案已在中國石油研究機構、油氣田企業等實施項目中落地應用。

“混合式產業智能”是可行之道

油氣行業是人工智能技術賦能傳統企業數字化轉型的場景之一，也是技術落地之難的縮影。據國雙首席技術官劉激揚介紹，要想在具體業務場景中產生類似的應用，需要“混合式產業智能”的加持。

他表示，“混合”首先是感知智能和認知智能的混合。前者指計算機視覺、語音識別等感知層面的智能，后者則指讓機器像人一樣，通過對知識的學習、積累和應用來實現認知能力，“要實現這一點，必須賦予計算機理解語言、學習知識、積累經驗、運用相關知識經驗進行推理、解決現實世界問題的能力。”

第二層混合是指數據和知識。劉激揚表示，要想把垂直行業積累的大量數據有效利用起來，必須對業務場景有深入理解，只有把數據和知識匯聚起來，才能真正理解垂直行業的具體業務、滿足行業客戶的需求。

三是行業專家和數據科學家的混合，人工智能落地產業需要二者的高度協作、協同創新。行業專家負責提供行業領域的知識和經驗，數據科學家則用這些知識做深度的數據挖掘、構建有效的模型。四是人機融合。行業場景非常復雜，單純的深度學習不可能真正解決復雜的實際問題，因此，在以上各類混合之外，還要充分挖掘和利用計算機本身的能力。

“無論是智慧法院、智慧能源，還是智慧園區、智慧城市，要想在行業領域實現人工智能的場景化落地，都需要‘混合’的能力和打法。”劉激揚強調。

薛小渠同樣表示，要想把人工智能技術應用于行業場景，尤其是油氣這樣傳統而復雜的行業，技術儲備、行業經驗的積淀、人工智能的思維邏輯、扎根真實的應用場景等缺一不可。這既是人工智能技術落地油氣行業的經驗，也是可以推而廣之的范式。

科技日報記者 崔爽

關鍵詞： 智能大腦 油氣開發 產業智能