數(shù)字經(jīng)濟蓬勃發(fā)展，行業(yè)數(shù)字化轉(zhuǎn)型不斷加速，進入“十四五”時期，在高質(zhì)量發(fā)展要求下，人工智能與傳統(tǒng)產(chǎn)業(yè)的深度融合愈發(fā)凸顯重要性。作為國家戰(zhàn)略性資源和工業(yè)基礎，在數(shù)字化浪潮沖擊下，油氣行業(yè)數(shù)字化轉(zhuǎn)型智能化發(fā)展已是大勢所趨。

作為典型的傳統(tǒng)行業(yè)，油氣行業(yè)擁有龐大的資源數(shù)量、數(shù)以千億計的資產(chǎn)規(guī)模、數(shù)以百萬計的員工;同時，也有專業(yè)度高、工藝流程復雜、產(chǎn)業(yè)鏈長、設備資產(chǎn)總量巨大，應用場景復雜等特點。

前者為行業(yè)的數(shù)字化轉(zhuǎn)型提出需求，后者則給數(shù)字化轉(zhuǎn)型增加了難度。

“在數(shù)字經(jīng)濟轉(zhuǎn)型的浪潮之下，油氣行業(yè)面臨著‘船大難掉頭’的困難。”北京國雙科技有限公司(以下簡稱國雙)大數(shù)據(jù)事業(yè)部總經(jīng)理薛小渠表示，油氣工業(yè)是流程性工業(yè)的典型代表，給人工智能技術(shù)場景化落地提出很大挑戰(zhàn)。

如何讓大數(shù)據(jù)人工智能技術(shù)與油氣企業(yè)深度融合，培育行業(yè)發(fā)展新生機?國雙油氣給出的答案是：通過算力、算法和場景化落地三大核心能力，把人從經(jīng)濟社會常規(guī)運行的煩瑣工作中解放出來，通過打造一個“混合式產(chǎn)業(yè)智能”解決方案，有效利用人與機器的充分融合互補，助力垂直行業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型。在年前揭曉的第十屆吳文俊人工智能科學技術(shù)獎名單中，國雙“油氣大數(shù)據(jù)和人工智能平臺”還獲得吳文俊人工智能科技進步獎(企業(yè)技術(shù)創(chuàng)新工程項目)。

智能化分析預測成為重要抓手

在薛小渠看來，油氣行業(yè)對于數(shù)字技術(shù)的需要緊迫而持久：一方面，油氣開發(fā)難度日益增加，持續(xù)穩(wěn)產(chǎn)形勢嚴峻，新老油田都面臨著生產(chǎn)成本升高與效益降低的巨大壓力;另一方面，各層級對企業(yè)的安全生產(chǎn)、環(huán)境保護責任要求越來越嚴格。

“諸如此類的問題會在未來幾年持續(xù)存在，對油氣行業(yè)的生產(chǎn)、經(jīng)營、管理和決策提出新的挑戰(zhàn)。”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(tǒng)工藝模型去做，現(xiàn)在可以通過算力算法的升級，解決行業(yè)的普遍問題。”

“人工智能技術(shù)可以為油氣田的創(chuàng)新發(fā)展注入新動能，智能化分析預測技術(shù)成為解決油氣研究與生產(chǎn)問題的重要手段。”薛小渠表示，傳統(tǒng)油氣勘探與開發(fā)研究技術(shù)如儲層預測、油層識別、注采分析優(yōu)化等，需要人工花費大量時間整理分析數(shù)據(jù)，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(guān)數(shù)據(jù)進行自動分析推理，直接給出開采方案的參考建議。

據(jù)介紹，國雙研究團隊對多年來積累形成的大量研究成果、業(yè)務模型等進行科學管理，通過知識圖譜技術(shù)將結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)中的勘探開發(fā)知識進行分析處理：首先通過行業(yè)專家的標注，逐步訓練和優(yōu)化機器學習算法，進而實現(xiàn)自動識別與標注，成功構(gòu)建國內(nèi)首個基于自動知識抽取和知識圖譜架構(gòu)的油氣行業(yè)知識庫，奠定了勘探開發(fā)認知計算應用基礎，形成油氣勘探開發(fā)的“超級智能大腦”。

與此同時，國雙還進一步打造了包括智能油氣藏、智能井場、智能管道、油氣智能生產(chǎn)管控、油氣知識共享等業(yè)務應用場景的智能油氣田整體解決方案，并與國內(nèi)多個油氣田企業(yè)、研究機構(gòu)等客戶進行了深度合作，技術(shù)創(chuàng)新點得到了充分驗證。

“混合式產(chǎn)業(yè)智能”是可行之道

油氣行業(yè)是人工智能技術(shù)賦能傳統(tǒng)企業(yè)數(shù)字化轉(zhuǎn)型的場景之一，據(jù)國雙首席技術(shù)官劉激揚介紹，要想真正把AI能力落地到具體場景為產(chǎn)業(yè)所用，需要“混合式產(chǎn)業(yè)智能”的加持。

他表示，“混合”首先指的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(xiàn)認知能力，“要實現(xiàn)這一點，必須賦予計算機理解語言、學習知識、積累經(jīng)驗、運用相關(guān)知識經(jīng)驗進行推理、解決現(xiàn)實世界問題的能力”。

第二是指數(shù)據(jù)和知識的混合。劉激揚表示，要想把垂直行業(yè)積累的大量數(shù)據(jù)有效利用起來，必須對業(yè)務場景有深入理解，只有把數(shù)據(jù)和知識匯聚起來，才能真正理解垂直行業(yè)的具體業(yè)務，進而滿足行業(yè)客戶的需求。

第三是行業(yè)專家和數(shù)據(jù)科學家的混合。行業(yè)專家負責提供行業(yè)領(lǐng)域的知識和經(jīng)驗，數(shù)據(jù)科學家則用這些知識做深度的數(shù)據(jù)挖掘、構(gòu)建有效的模型，人工智能落地產(chǎn)業(yè)需要二者的高度協(xié)作。

“無論是智慧法院、智慧能源，還是智慧園區(qū)、智慧城市，要想在行業(yè)領(lǐng)域?qū)崿F(xiàn)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(diào)。

薛小渠同樣表示，要想把人工智能技術(shù)應用于行業(yè)場景，尤其是油氣這樣傳統(tǒng)而復雜的行業(yè)，技術(shù)儲備、行業(yè)經(jīng)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(shù)落地油氣行業(yè)的經(jīng)驗，也是可以推而廣之的范式。