人工智能為油氣上游業(yè)務(wù)帶來全新機遇

在全球能源變革的背景下，為應(yīng)對資源品質(zhì)劣質(zhì)化、能源轉(zhuǎn)型、綠色發(fā)展等挑戰(zhàn)，數(shù)智化技術(shù)已成為全球油氣公司的共同選擇。人工智能技術(shù)助力油氣田企業(yè)高質(zhì)量勘探、高效益開發(fā)、高能效清潔生產(chǎn)，將為上游勘探開發(fā)業(yè)務(wù)釋放巨大價值。

□中國石化石油勘探開發(fā)研究院

戴 城 陳志強

當前，全球油氣行業(yè)的人工智能技術(shù)發(fā)展已形成“專業(yè)模型垂直深耕”與“大模型橫向擴展”并行雙軌格局，并呈現(xiàn)加速協(xié)同的趨勢。在專業(yè)模型領(lǐng)域，主要聚焦于油氣勘探開發(fā)的核心業(yè)務(wù)場景，通過深度融合地質(zhì)學、巖石物理學等專業(yè)理論與機器學習算法，構(gòu)建了“物理可解釋、場景高適配”的專用工具，為油氣行業(yè)的技術(shù)突破提供了堅實支撐。

與此同時，通用大模型正在引領(lǐng)行業(yè)邁向新的變革，突破傳統(tǒng)專業(yè)模型“單點智能”的局限，通過多模態(tài)數(shù)據(jù)處理、隱性知識挖掘及跨領(lǐng)域推理能力，推動人工智能技術(shù)在油氣領(lǐng)域的應(yīng)用向更廣范圍、更深層次拓展。

油氣專業(yè)模型的技術(shù)突破與實踐

國際石油公司通過“機理驅(qū)動+數(shù)據(jù)驅(qū)動”模式，顯著提升油氣生產(chǎn)的全面感知、智能操控及優(yōu)化水平。哈里伯頓、殼牌、斯倫貝謝、沙特阿美等公司大力推動人工智能技術(shù)在油氣勘探開發(fā)中的應(yīng)用。

在能源低碳轉(zhuǎn)型和數(shù)字化浪潮的雙重驅(qū)動下，國際石油公司正加快推進人工智能技術(shù)的深度工業(yè)化應(yīng)用，通過“機理驅(qū)動+數(shù)據(jù)驅(qū)動”的雙引擎模式，推動專業(yè)人工智能模型向工業(yè)級應(yīng)用邁進。在油氣生產(chǎn)全面感知、智能操控、預測預警及優(yōu)化等方面，已取得顯著成效。

在地震反演領(lǐng)域，哈里伯頓推出DS365.AI智能化產(chǎn)品，通過人工智能與機器學習技術(shù)優(yōu)化工作流程，顯著提升了數(shù)據(jù)處理的精確度和效率。

在油藏開發(fā)方面，殼牌在全球范圍內(nèi)已建成59個智能化油氣田，累計收益達50億美元。通過整合測試結(jié)果和地上地下數(shù)據(jù)，建立了可靠的數(shù)學模型，實現(xiàn)了舉升效率的實時優(yōu)化與生產(chǎn)狀況的精準預測。

在鉆井工程領(lǐng)域，斯倫貝謝的DrillPilot軟件通過地面自動化、自主海底鉆井和定向鉆井技術(shù)的集成，實現(xiàn)了數(shù)智技術(shù)與鉆井作業(yè)的深度融合。此外，在井下預警領(lǐng)域，沙特阿美開發(fā)了高效的井涌預測模型，預測精度在90%以上，為井下作業(yè)的安全性提供了有力保障。

大模型成為重構(gòu)行業(yè)知識的新引擎

隨著ChatGPT、DeepSeek等通用大模型快速發(fā)展，油氣行業(yè)正在經(jīng)歷一場知識管理革命。國內(nèi)外石油公司紛紛整合勘探開發(fā)全領(lǐng)域數(shù)據(jù)，探索更深層次的人工智能大模型應(yīng)用場景。

隨著ChatGPT、DeepSeek等通用大模型快速發(fā)展，油氣行業(yè)正經(jīng)歷一場深刻的知識管理革命。大模型的應(yīng)用大幅提升了工程師的知識檢索效率，激活了大量隱性數(shù)據(jù)價值，為行業(yè)帶來了全新的技術(shù)范式。在這一趨勢下，國際石油公司和油服公司紛紛整合勘探開發(fā)全領(lǐng)域數(shù)據(jù)，一方面基于開源通用大模型進行二次開發(fā)，另一方面積極與科技企業(yè)合作，探索更深層次的大模型應(yīng)用場景。

bp、殼牌和道達爾能源等國際石油公司與微軟展開深度合作，全面應(yīng)用生成式人工智能技術(shù)，顯著提升企業(yè)運營效率。埃克森美孚與科技企業(yè)合作開發(fā)了針對油氣行業(yè)的專業(yè)大模型，通過學習多元化的數(shù)據(jù)，顯著提升了模型能力。阿聯(lián)酋石油公司基于ChatGPT-4探索構(gòu)建了鉆探專業(yè)模型，該模型能夠從鉆井數(shù)據(jù)中學習并準確服務(wù)于鉆井過程。

我國石油企業(yè)也加速推進大模型建設(shè)，積極布局油氣數(shù)智化技術(shù)。中國石油成立數(shù)智研究院，重點開展數(shù)智化理論與基礎(chǔ)研究、技術(shù)應(yīng)用及發(fā)展規(guī)劃研究，并推出了擁有700億參數(shù)的昆侖大模型。中國石化組建AI4S人工智能專班，推進人工智能研發(fā)工作。在能源行業(yè)率先完成DeepSeek全尺寸模型的本地化部署，并將其接入長城大模型應(yīng)用系統(tǒng)；為驗證DeepSeek-R1在石油化工行業(yè)的適用性，編制了《石油化工行業(yè)大模型測試題集（推理思考版）》，對模型進行全方位深度測試。中國海油成立“5+1”數(shù)智化技術(shù)攻關(guān)團隊，推動數(shù)據(jù)治理與多專業(yè)智能化應(yīng)用，2024年發(fā)布海能大模型，為行業(yè)智能化轉(zhuǎn)型提供了實踐參考。

人工智能為油氣藏工業(yè)軟件帶來全新機遇

工業(yè)軟件智能化轉(zhuǎn)型趨勢明顯，智能化實踐已取得顯著成效，為行業(yè)提供了全新的思路和解決方案。未來應(yīng)重點攻關(guān)基于大模型的軟件代碼自動編寫與油藏模型自動搭建技術(shù)，助力高效勘探開發(fā)。

工業(yè)軟件的智能化轉(zhuǎn)型是大勢所趨，當前主流工業(yè)軟件廠商紛紛推出智能化輔助分析工具，顯著提升了工作效率與產(chǎn)品競爭力。斯倫貝謝推出的智能化輔助分析模塊GAIA基于DELFI平臺，整合機器學習技術(shù)進行油藏數(shù)據(jù)分析，實現(xiàn)自動化建模工作流程及優(yōu)化油藏管理策略。DELFI平臺展現(xiàn)了全產(chǎn)業(yè)鏈智能協(xié)同的強大生態(tài)作用。這種開放協(xié)同模式正逐步打破傳統(tǒng)油氣行業(yè)的“數(shù)據(jù)孤島”壁壘，推動“數(shù)據(jù)即資產(chǎn)”的新商業(yè)模式發(fā)展。此外，貝克休斯研發(fā)的JewelSuite AI工具能夠處理海量的油藏數(shù)據(jù)，從中提取數(shù)據(jù)的模式、趨勢和關(guān)聯(lián)，并通過自動化工作流程高效完成歷史擬合和模型校準等關(guān)鍵任務(wù)。這些智能化實踐已取得顯著成效，不僅提高了油氣勘探開發(fā)效率，更為行業(yè)發(fā)展提供了全新的思路和解決方案，展現(xiàn)了人工智能在工業(yè)軟件領(lǐng)域的巨大潛力。

為把握人工智能技術(shù)發(fā)展新機遇，中國石化石油勘探開發(fā)研究院深度融合大模型技術(shù)，構(gòu)建本地知識庫智能應(yīng)用服務(wù)，將重點攻關(guān)基于大模型的軟件代碼自動編寫與油藏模型自動搭建技術(shù)，以全面提升地質(zhì)資料中心科研服務(wù)能力及研究院自研軟件的智能化水平，助力高效勘探開發(fā)。

盤活地質(zhì)資料中心海量數(shù)據(jù)資源。通過建立覆蓋文本、圖像、表格等全模態(tài)的人工智能檢索增強生成（RAG）技術(shù)體系，實現(xiàn)地質(zhì)資料的快速、智能檢索與知識提取，從而全面盤活地質(zhì)資料中心的海量數(shù)據(jù)資源，大幅提升資料服務(wù)科研的能力與效率。

提高自研軟件的智能化水平。充分利用大模型強大的編程能力和語言理解能力，建立自研軟件代碼自動編寫技術(shù)體系，并構(gòu)建基于大語言模型的自動化建模技術(shù)，輔助開展基礎(chǔ)模型構(gòu)建工作，預計可提高建模數(shù)模技術(shù)人員工作效率5~10倍。

構(gòu)建大小模型協(xié)同發(fā)力的應(yīng)用場景。聚焦地球物理智能解釋、測井曲線識別、油藏動態(tài)模擬等核心業(yè)務(wù)領(lǐng)域，充分發(fā)揮小模型在特定領(lǐng)域的專業(yè)優(yōu)勢，同時融合大模型強大的跨學科知識體系，實現(xiàn)“油氣藏信息實時評價、人機交互協(xié)同決策”的智能化應(yīng)用場景。

順應(yīng)石油工程智能化趨勢 把握技術(shù)發(fā)展方向

□中國石化石油工程技術(shù)研究院

張洪寶

以人工智能、大數(shù)據(jù)、云計算等為代表新一代信息技術(shù)的快速發(fā)展，為傳統(tǒng)工業(yè)升級帶來了科技紅利。石油鉆井具有高投入、高風險的特點，降本增效需求迫切，引進新一代信息技術(shù)是必然趨勢。然而面對眼花繚亂的新技術(shù)，如何把握石油工程智能化趨勢并制定發(fā)展戰(zhàn)略，對于保證技術(shù)發(fā)展方向正確至關(guān)重要。

一體化數(shù)據(jù)平臺建設(shè)是轉(zhuǎn)型方向

石油公司正通過與互聯(lián)網(wǎng)科技公司合作，利用人工智能、大數(shù)據(jù)和云計算推進數(shù)字化轉(zhuǎn)型，建設(shè)一體化工業(yè)互聯(lián)網(wǎng)平臺，打通油氣勘探開發(fā)數(shù)據(jù)資源并開發(fā)智能應(yīng)用。

近年來，國際石油公司紛紛依托技術(shù)儲備開展數(shù)字化轉(zhuǎn)型，主要特征為與互聯(lián)網(wǎng)科技公司合作，建設(shè)一體化工業(yè)互聯(lián)網(wǎng)平臺，打通油氣勘探開發(fā)上游數(shù)據(jù)資源，利用人工智能、大數(shù)據(jù)分析和云計算技術(shù)，開發(fā)智能應(yīng)用程序，并通過軟硬件結(jié)合的方式實現(xiàn)部分環(huán)節(jié)的閉環(huán)施工控制。

斯倫貝謝發(fā)布DELFI數(shù)字化協(xié)作平臺，推動數(shù)字化戰(zhàn)略的實現(xiàn)，基于DELFI平臺研發(fā)DrillPlan和DrillOps軟件解決方案。哈里伯頓也發(fā)布了數(shù)字化建井4.0戰(zhàn)略，通過一體化云平臺幫助油公司打破數(shù)據(jù)壁壘，實現(xiàn)勘探、鉆井、開發(fā)全流程數(shù)字化分析及管理，將云上鉆井設(shè)計、閉環(huán)鉆井工程、供應(yīng)鏈集成等作為重要發(fā)展方向。

中國石化在智能鉆井方面，依托“智能化鉆井關(guān)鍵技術(shù)與裝備”項目群，經(jīng)過4年研發(fā)形成了自動化鉆機及配套設(shè)備、隨鉆動態(tài)參數(shù)測量和高分辨率電阻率成像系統(tǒng)、鉆井智能分析決策一體化平臺、井場集成控制中心等成果，初步打造了智能鉆井系統(tǒng)，在勝利油田頁巖油開展了智能鉆井技術(shù)現(xiàn)場集成示范應(yīng)用，實現(xiàn)了鉆機、儀器、決策平臺與集成控制中心的數(shù)據(jù)交互聯(lián)動，以及鉆井參數(shù)、井下風險識別、地質(zhì)導向的一體決策。單項智能鉆井技術(shù)累計應(yīng)用80余口井，平均機械鉆速提高17.44%，風險診斷準確率超90.2%，優(yōu)質(zhì)儲層鉆遇率達100%，鉆井周期縮短19.87%。在智能壓裂方面，建立了人工智能和大數(shù)據(jù)驅(qū)動的壓后產(chǎn)量評估技術(shù)和壓裂參數(shù)主控因素分析方法，實現(xiàn)了壓裂參數(shù)的自動設(shè)計和大數(shù)據(jù)驅(qū)動下的一鍵壓裂自動設(shè)計。結(jié)合深度學習、貝葉斯推理和專家經(jīng)驗，實現(xiàn)了壓裂過程風險實時監(jiān)測與自動調(diào)控，研發(fā)了智能壓裂云平臺，為全流程智能壓裂奠定了基礎(chǔ)。

勘探、開發(fā)和工程一體化數(shù)據(jù)平臺建設(shè)，是石油領(lǐng)域數(shù)字化轉(zhuǎn)型的方向。已有工業(yè)軟件云上部署和基于人工智能的專業(yè)應(yīng)用研發(fā)是這一階段轉(zhuǎn)型的主要內(nèi)容，部分鉆井環(huán)節(jié)的全自動閉環(huán)決策和控制尚處于試驗階段，未見大范圍集成推廣應(yīng)用。

行業(yè)特點對技術(shù)應(yīng)用提出特殊要求

石油工程領(lǐng)域的人工智能和大數(shù)據(jù)技術(shù)的應(yīng)用，面臨地質(zhì)環(huán)境多變導致問題邊界不確定、高投入資金密集使成本控制難、不確定性高要求決策更高效、全面數(shù)字化成本高昂且數(shù)據(jù)獲取精度低、自動化程度不一需差異化策略等挑戰(zhàn)。

石油工程領(lǐng)域的行業(yè)特點對人工智能、大數(shù)據(jù)技術(shù)應(yīng)用提出了特殊要求。

一是地質(zhì)環(huán)境多變、問題邊界不確定。因為施工過程要不斷接觸新的地質(zhì)和地層環(huán)境，問題邊界不斷延伸。人工智能技術(shù)尤其擅長在大量數(shù)據(jù)中抽取知識，擁有對高維非線性問題的強大映射能力，在面對問題邊界不確定的情況時，會產(chǎn)生外推能力不足的問題。

二是高投入、資金密集。單井成本可達幾百萬元甚至數(shù)億元。由于地質(zhì)環(huán)境的不確定性，各種井下復雜情況往往使鉆井過程非生產(chǎn)時間過長、大量材料消耗、井下設(shè)備損壞或丟失，進而導致周期和成本過高。部分復雜井非生產(chǎn)時間往往高達50%以上，成本超支30%以上。因此，通過數(shù)字化技術(shù)獲取井下全方位信息以降低不確定性，以及利用智能化技術(shù)提高不確定性信息環(huán)境下的決策效率，是石油工程降本增效的首要任務(wù)。

三是不確定性高、柔性要求高。石油工程人員除了要掌握施工過程各個工序標準流程，還需掌握不同井下復雜情況的快速應(yīng)對措施，對綜合判斷能力和施工經(jīng)驗要求極高。目前的人工智能技術(shù)還處于弱人工智能階段，不具備多變場景下的決策能力，而大語言模型、智能體技術(shù)的發(fā)展，為專業(yè)場景下機器代替人決策提供了新的解決方案。

四是全面數(shù)字化成本高。大量井場信息目前還處于信息化（人工填報）階段，如鉆井日報、井史、鉆井液性能、鉆井設(shè)計、完井報告等，人工填報情況下數(shù)據(jù)的獲取頻率、精度和準確性較低，給數(shù)據(jù)驅(qū)動方法的應(yīng)用和深度數(shù)據(jù)挖掘帶來困難。

五是自動化程度不一。地面和井下自動化裝備的配置主要由鉆探地質(zhì)目的和施工難度決定，這就決定了不同油田、井位、井型的自動化裝備水平不一。海上鉆井或復雜井往往配置旋轉(zhuǎn)導向、自動控壓、鉆機自動化等裝備，常規(guī)鉆井過程受成本限制自動化裝備水平往往較低。自動化裝備條件不一要求針對不同油田的現(xiàn)狀制定差異化的智能鉆井發(fā)展策略。

人工智能應(yīng)用助力“四提”

降本增效是石油工程的核心目標，可應(yīng)用智能化技術(shù)減少不確定性、優(yōu)化資源配置，實現(xiàn)石油工程的提質(zhì)、提速、提效、提產(chǎn)。人工智能在非線性問題處理上有優(yōu)勢，但在極端環(huán)境下穩(wěn)定性仍需提升，可結(jié)合經(jīng)典工程理論增強其工業(yè)應(yīng)用效果。

降本增效是石油工程永恒的追求，進一步提高施工質(zhì)量、提高鉆井速度、提高鉆井效率和提高單井產(chǎn)量，是保持油氣公司市場競爭力的關(guān)鍵。而限制“四提”效果的本質(zhì)原因是不確定性引起的資源配置效率沒有達到最優(yōu)狀態(tài)。

智能制造的本質(zhì)是以數(shù)據(jù)的自動流動化解復雜系統(tǒng)的不確定性，提高制造資源的配置效率。IEA（國際能源署）預測，全面應(yīng)用數(shù)字化技術(shù)可降低油田開發(fā)成本10%~20%。能源科技公司eDrilling與俄羅斯天然氣工業(yè)股份公司（Gazprom Neft）合作建立了鉆井管理中心（DMC），通過獲取實時地面和井下鉆探數(shù)據(jù)及井身結(jié)構(gòu)數(shù)據(jù)，實現(xiàn)井眼及鉆井過程實時可視化。自DMC成立以來，Gazprom Neft每年減少8%~10%的鉆井作業(yè)停止或延遲的時間，整體鉆速提高20%。通過數(shù)字化和智能化技術(shù)的應(yīng)用，可顯著提高不同環(huán)節(jié)的信息獲取能力、數(shù)據(jù)處理能力、決策能力和實施能力，是鉆井工程降本增效的必然選擇。

智能鉆井、智能壓裂的石油工程技術(shù)的發(fā)展代表了一種新的生產(chǎn)方式，覆蓋石油工程規(guī)劃、設(shè)計、施工和管理的各個環(huán)節(jié)。以人工智能、大數(shù)據(jù)、云計算為代表的新一代信息通信技術(shù)同以井下測量和自動控制技術(shù)為代表的先進鉆井工藝技術(shù)深度融合，是實現(xiàn)智能鉆井的有效途徑。其感知能力、學習能力、決策能力、執(zhí)行能力和自適應(yīng)能力遠遠超過人的能力，可顯著提高鉆井工程各個環(huán)節(jié)的資源配置效率、生產(chǎn)施工效率和管理效率。

以機器學習技術(shù)為代表的人工智能技術(shù)在非線性問題描述方面顯示出強大的能力，但是在極端、苛刻環(huán)境下的穩(wěn)定性依然讓人擔憂，傳統(tǒng)石油工程理論歷經(jīng)近百年發(fā)展，在流體力學、管柱力學、巖石力學方面積累了大量的理論成果，深度融合人工智能技術(shù)和經(jīng)典工程理論，可以結(jié)合人工智能技術(shù)的大數(shù)據(jù)處理能力、復雜問題擬合能力，以及傳統(tǒng)工程理論的結(jié)構(gòu)穩(wěn)定性和強外推能力，實現(xiàn)工業(yè)級智能APP開發(fā)和工程應(yīng)用。