原標題：油氣行業如何用好人工智能“利器”？
(資料圖片)
當前，我國加速推進油氣全產業鏈改革，以實現安全、高效、創新、綠色的油氣開采。智能化成為油氣行業重要的核心戰略目標和抓手。
“人工智能貫穿油氣產業勘探、生產過程，在量化決策、降本增效和增儲上產方面成效顯著，在決策一致、科學開發、高效生產等方面也起到了巨大作用，已成為油氣行業發展的主要趨勢之一。”中國工程院院士劉合在日前舉行的中國油氣開發技術年會暨油氣開發新成果及新技術展示會上說。
中國工程院院士孫金聲也表示，要推進數字化轉型、智能化發展專項攻關、助力高質量發展。建立大數據、云計算、數字孿生、人工智能等信息技術，比如傳統鉆完井技術和數字化技術深度融合的新模式，完善遠程決策支持系統，加快向智慧工程、智慧技術轉型升級，為增儲上產降本增效，提供了新種子。
此前發布的《油氣人工智能白皮書》（以下簡稱《白皮書》）也指出，當前，我國加速推進油氣全產業鏈改革，以實現安全、高效、創新、綠色的油氣開采，這給傳統油氣行業帶來新挑戰。“人工智能是油氣行業實現全面數字化轉型的利器。”
諸多項目已經落地
實現“雙碳”戰略目標的路徑多元,包括能源綠色低碳轉型行動、節能降碳增效行動、工業領域碳達峰行動、城鄉建設碳達峰行動、交通運輸綠色低碳行動等。這些路徑的實現,離不開油氣工業化、信息化、數字化和智慧化的助力。
多位業內人士表示，人工智能應用于油氣行業已成大勢所趨,包括智能解釋分析技術、大數據分析技術，以及多專業數據集成分析等很多應用場景。此外，一些裝備智能化、操控智能化, 也都在向無人化、少人化方向發展。
經過多年技術發展和創新應用，人工智能技術在油田鉆井和開發、油田生產和管理、安全防護等方面取得諸多成功實踐，呈現多點開花的良好局面。“目前，我們在油氣智能識別等方面都卓有成效，在人工智能助力油田開發降本增效過程中能看到實際效果。人工智能的項目和場景落地的項目已經不少了。”劉合說。
“殼牌、挪威國家石油公司等國外企業，通過發展人工智能提升了企業核心競爭力。國內油氣公司也都把人工智能作為‘雙碳’目標下的重要戰略，將實現數字化定為建設目標。”劉合說，“中國石油在這方面做了大量工作，我們制定了兩個階段的分目標，到2050年實現智慧中國石油，通過建立夢想云，包括A6、認知平臺等為人工智能提供了算力和平臺。同時，開展點線面整體布局，推動油氣勘探開發AI落地。”
例如，長慶油田通過應用物聯網、大數據、云計算、人工智能等新技術，構建大科研、大運營、大監督三大支撐體系，筑牢統一數據湖、統一云平臺兩大基礎，為場站無人值守、油氣井智能生產、風險作業可視化監控、智能裝備應用等業務領域提供支撐。新疆油田公司以油氣生產物聯網建設為抓手，形成了“無人值守、集中監控”的新型生產管理模式，率先在全國各油田實現了油氣生產數據自動采集、生產狀態實時監控，形成了可復制、可推廣的標準化物聯網建設模式，并開展全面應用，油氣水井常規問題發現及時率提升至95%以上，故障率降低38%以上。
有待打破數據孤島
劉合指出，國內油氣企業人工智能和國外油田相比基本處于同期階段，但在管理模式和建設水平上仍有差距。
目前，油氣行業人工智能面臨的最大挑戰是數據獲取成本高、數據質量問題突出。“我們的行業數據來自于地下，而且是多點性的，很多數據不可驗證。相距僅一兩公里的井各種數據測量結果差距就可能很大，數據質量無法保障，數據零散難以獲取。”劉合道出油氣行業人工智能面臨的最大問題，“特別是一些小場景的數據采集難度更大，這樣我們獲得的都是間接和中端的數據，缺少連續數據，就更無法保證數據基礎和質量。”
此外，油氣行業業務場景復雜，無法單純的依靠數據驅動的同時，研發生態也不成熟。
“目前我們的前沿技術發展動力不足，相關平臺應用到學校、企業需要時間和過程。這些算法和算力怎么去用？如何解決平臺建設‘水土不服’等問題，都需去攻克。”劉合指出。
與會人士指出，油氣行業發展人工智能還面臨一個挑戰就是人工智能短期見效慢，缺乏有效的管理體制配合。不僅如此，還需要投入大量資金。不論縱向、橫向都存在問題。
“數字化轉型和人工智能發展與體制機制有直接的關系，需要改變現有的組織架構和關聯體系，但政策和相關配套細則等都不匹配，也面臨較大挑戰。”劉合直指問題所在，“如果數據無法打通并流通起來，存在數據孤島，就無法成為資產。因此我們也在不斷建設數據池、數據湖。”
“但數據池、數據湖建起來以后，怎么保證數據的完整性，如何將數據的多解性進行唯一解，這些都需要時間解決。”劉合進一步指出問題所在，“誰來解決，誰來改變，誰來變更，誰來調整，現在這些問題還沒有很好的辦法可以解決。”
進一步加快研發應用
人工智能技術如何在石油石化行業數字化轉型中落地實施？劉合指出，雖然困難不少，但機遇同存。多項政策鼓勵推動人工智能發展，為油氣行業數字化轉型升級保駕護航。“當前，國際油氣企業已經和IT公司紛紛聯手。我們國內的油氣企業也在‘趕進度’，早前的信息化建設，特別是在一些計算平臺、認知平臺等方面有了充足準備，為下一步繼續推進人工智能奠定基礎。但在數據哪個是錯的、哪個是對的，用不用、怎么用，還要在去偽存真方面下功夫。”劉合直言。
未來如何通過數據共享、業務協同和智能化應用建設,更好地向智能油氣田，劉合給出以下建議：一是加強數據治理，實現數據共享和質量管控。建立數據質量的管理架構，將業務、技術和方法結合，實現數據質量持續自動化檢查提高。利用區塊鏈等技術建立可信、透明、可追溯的數據交換與業務協同體系。二是將行業機理模型和AI技術融合，培養復合型人才。在應用過程中不斷提升業務人員和信息人員的共同交互和學習的能力，不斷發展、不斷統一、不斷前進。三是建立一個能源合作生態。“加大我們底層技術投入，鼓勵社會、高校、企業為核心產業主體積極共建，構建AI行業應用的技術縱深。還要重塑能源生產、營銷和管理方式。”劉合說，“更要與時俱進，迭代技術，讓人工智能真正發揮降本增效作用。”
劉合指出，人工智能道阻且長、未來可期。“相信人工智能在今后的發展中一定能夠在數據、算力、算法傳統的相互結合下，一定會有新的更大的進步。”（記者 渠沛然）
關鍵詞：
責任編輯：Rex_10
