AI+上游,如何破局

  [中国石油新闻中心2021-09-14]
  人工智能（AI）技术被誉为“第四次”工业革命的引擎，它将对油气行业数字化转型和智能化发展产生巨大的推动作用，并产生重大的社会效益和经济效益。特雷斯数据显示：2019年，3000多家油气公司在油井及相关基础设施运营方面花费约1万亿美元，如果加速自动化和数字化进程，可减少约10%开支。普华永道预测，到2025年，油气公司上游业务通过人工智能技术应用可节省1000亿~1万亿美元的资本和运营支出。
  近年来，油气行业面对低油价难题，众多国际石油公司和油服公司纷纷与IT巨头联手实现跨界合作，加大人工智能平台的建设力度，促进了勘探开发业务的数字化快速转型，有效提升了效益挖潜空间。2017年，斯伦贝谢与Google合作推出了DELFI云平台，将大数据、认知计算等技术与油气勘探开发等业务深度融合，构建了勘探开发全过程数字化、自动化、智能化专业应用环境，支撑企业转型的创新发展，使得平台发展进入了从“N”到“1”的时代。
  2020年以来，各大石油公司加大力度建设智能油气田，以期实现降本提效。壳牌提出建设智能油田（SmartOilfield），目标是产量提高10%，采收率提高5%~10%，运营费用减少20%，油田开发周期缩短50%。
  目前，我国智能油田建设水平处在数字化向智能化过渡阶段，少数油区已基本建成了智能油田雏形，已经具备了油井自诊断、预警和报警，并能推荐优化的决策方案。
  油气行业人工智能发展面临的挑战
  20年来，我国石油企业在智能油气田建设中创造了“油气田物联网建设模式”“智能油气田建设模式”，油气田智能化的整体性、规模化与管理，已经走在国外油气田的前列，然而，油气行业人工智能发展仍面临系列挑战。
  其一，勘探开发数据孤岛等问题带来的挑战。上游勘探开发过去几十年信息化建设存在的数据多头录入、标准不统一、功能重复开发、信息与业务融合不紧密等问题逐步显现，造成的数据库多、平台多、孤立应用多等现象日趋突出。数据共享难、业务协同难，给油气行业人工智能落地应用带来挑战，高质量的人工智能技术落地应用需要高质量的大数据作为前提和基础。由于采集技术手段受限，能代表问题特征的数据不具备多样性特征，单一性特征的大数据不是真正意义的大数据，给复杂的油气勘探开发领域的研究也带来挑战。数据是人工智能技术发展的灵魂，大数据、数据质量及其治理决定着智能化发展的未来，数字化转型中抓住数据及数据治理就等于抓住了人工智能技术发展的未来。
  其二，人工智能算法工程师与业务人员之间的壁垒挑战。通常，业务人员对人工智能算法不了解，算法工程师对业务人员的专业同样也不了解，导致算法工程师与业务工程师之间往往存在“听不懂、说不清、合不来”现象，给人工智能在业务领域落地带来障碍。油气行业的人工智能落地应用不同于其他行业，油气勘探开发对象都在地下，是一种看不见摸不着的黑箱系统，采用人工智能技术解决问题，不同于人机对弈中的人工智能AlphaGozero，它所走的围棋棋盘是规则且可见的。油气行业大多数要解决和处理的问题都是看不到任何规则和解决问题的对象，具有超强的不确定性，要解决好油气行业的人工智能应用问题，专业知识和行业经验非常重要，需要解决算法工程师与业务人员间存在壁垒的挑战，只有双方深度融合，才能促使人工智能技术的产品或者场景落地应用。
  其三，智能应用场景需要不断迭代发展带来的资金持续性投入挑战。人工智能技术和智能油气田建设基础理论、技术原理研究等方面还不够深入，技术和方法都不够成熟，国内外没有完全成型可参照的样板。人工智能场景和智能油气田建设过程中不同程度地存在数据采集、数据传输、数据存储、数据处理、数据管理和数据使用6个环节的缺失，部分油田只有采集或视频设备，数据和图像分析技术跟不上等，导致出现不同程度的“建得多、用得少”或者“只建不管、只建不用”等现象。
  所以，目前建成的人工智能应用场景和智能油气田还比较初步。这些现象的出现也一定程度影响了数字化智能化转型进程。人工智能技术场景和智能油气田建设不像楼房建设那样，竣工验收就可以结束了事，它需要持续根据技术进步和创新发展不断投入升级改造资金、不断适应变化的业务需求和用户体验而不断迭代升级。人工智能应用场景及其智能油田建设，研究规划部署应全面，但就人工智能场景和智能油气田建设的策略而言，需要有侧重、点线面逐级突破，最终全面实现智能化。
  其四，人工智能高端技术与产品受到国外制约。人工智能技术发展及应用场景落地，智能油气田建设用的高性能智能传感器、云服务器、云计算软件等50%以上的技术与产品来自欧美。但近年来，高端技术引进困难，给油气工业人工智能和智能油气田建设带来了挑战，近年来，虽然国内追赶研发人工智能高端技术，但少数产品性能与欧美相比依然存在差距。国有油气企业需要在短期内破解关键核心技术的困局。
  其五，人才匮乏带来的挑战。人工智能技术与应用和智能油气田建设不仅需要一批懂得数据科学的技术人员、网络运营技术人员、高级程序人员，而且需要既懂得油气业务又懂得人工智能的复合型人才。在目前现状下，需要综合性大学设置人工智能相关专业，企业设置对应的岗位和职称序列；人工智能场景落地可借助高校、高科技公司、标注公司、软件公司等社会研发力量，形成联合攻关团队，解决数字化人工智能转型中的人才匮乏现实。
  油气行业人工智能发展的建议
  其一，成立人工智能重点实验室加速高端技术产品研发与孵化。
  建设人工智能重点实验室，开展勘探开发全业务链的数据智能实验、智能计算及智能平台研发，将云计算、大数据、物联网、移动互联网、人工智能及区块链等技术与主营业务有机结合，实现传统油气产业转型升级，共建共享、业务协同、网络互联、数据互通、智能决策、生态再造。以人工智能重点实验室建设为抓手，打通勘探开发工程数据的全业务链，创建混合云平台，加速人工智能高端产品研发与孵化，助力提升勘探开发力度，打好勘探开发进攻战。
  其二，人工智能技术与业务交叉融合提升科技支撑当前引领未来。
  人工智能技术作为一种通用技术，未来会触及油气工业的各个领域，从真正意义上全面实现人工智能与传统业务的高度交叉融合，成为油气领域的新行业——智能油气。未来10年~15年，智能油气行业上游重点业务发展将瞄准智能勘探、智能开发、智能工程、生产智能运营与优化决策、智能数据治理等五大领域。重点聚焦四方面核心技术攻关，一是开展计算机视觉应用技术、知识图谱应用技术、基于机器学习的应用技术等基础技术在油气勘探开发领域的攻关与应用，创新突破人工智能基础关键技术；二是加快开展地震资料智能处理，岩相、沉积相及地质甜点智能预测，勘探目标智能评价等智能勘探技术研究，打造油气目标高效准确的智能评价技术；三是加大力度开展智能油气藏地质建模、物理与数据双驱动油藏智能模拟、地质—油藏—工程一体化智能优化、储气库智能注采等技术研究，创新形成数字孪生油气开发技术；四是开展油气勘探开发数据标准化应用数据可信安全管理、数据治理与共享和数据集市等技术研究，打造形成油气上游领域智能数据。
  其三，加大复合型人才的培养与引进力度。
  由于人工智能和石油勘探开发两个领域涵盖的学科广，复合型人才培养难度大、周期长，需要采用多种方式大力培育、引进及聘用人工智能复合型青年领军人才及团队。制定相关研究院的人才培养计划，向人工智能领域倾斜；联合具有人工智能专业的重点高校联合培养；借助人才引进计划，加强人工智能高端人才引进和培育，从国内外引进和招聘具有人工智能和油气双重专业背景的人才。加强多方合作，校企合作、石油企业与IT企业的深度合作培养复合型人才，组建跨学科联合攻关团队，实现跨界融合，开展勘探开发业务链数字化智能化技术攻关，真正发挥“产学研用”的作用。
  其四，快速出台精准的扶持政策，激励创新，鼓励转化。
  人工智能是我国追赶科技前沿，甚至引领创新的重大机遇。为加快我国石油企业人工智能创新引领发展，更有力地支撑油气勘探开发新一代人工智能创新发展及场景落地试验，打造人工智能原创中心，抢占油气工业领域人工智能技术的制高点，提出给予政策扶持和创新激励政策，建立石油企业人工智能科技研发创新基金或者产业创新基金，为具有原创的人工智能项目给予大力资金扶持和政策激励。
  深化科研管理和科技投资体制机制改革，建立对人工智能产业的早期投资、长期投资、分阶段连续投资和产业链组合投资机制，建立操作性强、可落实的人工智能科研投资激励机制，激发研发人员的研发创新活力，为科研人员多出成果、快出成果营造良好的科研条件。
  设立油气各业务领域对应专业的数字化智能化重大专项，保障数字化智能化关键技术都能有相应的研发投入，让数字化智能化转型发展没有死角。通过专项研究，全面实现新技术、新产品、新工艺研发，形成新产业及新业态，实现产业变革。（李欣窦宏恩中国石油勘探开发研究院人工智能研究中心）