AI 先行者第三辑：石油专家正在加速“吸入”AI 养分

肉眼可见的是，中国在未来将面临更复杂的能源格局，在这个时间点上通过 AI 的加入把我们自己的能力提升起来，其实是一个战略性的机遇窗口。

“上易下难”的生成式热浪

今年，整个行业最热的话题莫过于大模型，我想一开始就传递一个积极的信息，就是我们这个行业对生成式大模型新技术很重视。

作为央企中体量比较大的企业，中海油首先关注的是大模型的政策方向。当生成式大模型刚出来的时候，监管层面就提出了一些关于监管的想法。和很多人当时感到有些前途不明朗所不同的是，我从这个消息一出来就觉得是个好消息。因为这些信息意味着，政策制定者高度关注这个领域了，所以才有动作。

有动作，就说明了重视；没有人去关注的领域，不会有那么及时的政策配套。

所以到 8 月 31 号，百度的“文心一言”等首批大语言模型“上了户口”，我就感觉 到，鼓励生成式人工智能技术在各行业、各领域的创新应用，生成积极健康、向上向善的优质内容，探索优化应用场景，构建应用生态体系等等，已经形成社会共识并落实，这是极大的行业利好。

就我们中国海油层面，我们的企业高层领导的思想是非常与时俱进的，我们的很多高层在一些层面很高的会议，反复谈及鼓励生成式大模型在内部落地，大模型应用应该形成体系化这样的一些看法，这对我们做具体工作的人是极大的鼓舞。

不过，虽然高层的决心很大，但我们执行层还是感到，把大模型体系化的在海洋石油乃至整个石油行业落地，难度很大，所以是“上易下难”。就是决心已下，正在艰苦的推进中。

我先谈一些具体的落地工作中让人振奋的细节。

一个重要的信息是，以前我们对 AI 的引入是单点式的、小团队作业的，集中在某个细分场景的细分痛点上。虽然已经有了人工智能顶层设计，规划了各大领域的人工智能应用场景，当时在具体实施层面还缺乏统筹。

这个过程中，应该说不同的子体系都有反映自己的诉求。比如在管理侧，大家提出在管理、财务体系中引入生成式能力，解决知识管理、票据处理的问题。又比如在我们非常核心的领域，海上采油平台核心设备的“预测性维护”等场景，业务专家提出用大语言模型迭代新应用……这些细节无论其何时成熟，都说明了我们做好了体系化落地的准备。

再拉通到整个石油行业来看，中石化作为行业代表已经和百度签订了战略合作，共同推进 AI 能力在石油行业的应用，这个成果如果做出来，也是会全行业推广的。

所以，政策层、高管层、实操层、协作层面等等，我们都动起来了，这是一个好消息。

对石油行业而言，AI 还是新生事物

但如果要理解 AI 之于石油行业的整体结合过程，我愿意拉长视角和大家从更大的层面聊聊我的感受。

我是 AICA 第五期的学员（2021 年）。现在来谈 AI 和石油行业的关系，是一个非常合适的时间。

虽然对整个石油行业来说，AI 整体上还是一个新生事物，但我们在过去的几年里，快速进行了拥抱 AI 技术的准备。

拿我自己来说，2016 年，也就是 AlphaGo 大战李世石这一年，我还在读石油勘探方向的研究生，当时我就很有触动，我和导师就提出说，能不能做 AI 在石油勘探方向的研究。

当时我的导师非常支持我的决定，但在石油系统的高校里，当时是找不到能教你如何用 AI 去搞石油勘探的老师的，只能自学。

这大概就是 2016 年石油行业对 AI 的态度，不仅是生产体系里没有，连科研院所里也很少有 AI 方向的人才。

于是我就自学，用了将近一年的时间，学习了当时比较主流的一些深度学习框架，学会了写算法和比较简单的模型，也结合当时的一些应用从 AI 角度进行了研究，两年不到的时间里我发表了 13 篇论文，其中 4 篇是比较有影响力的。其实，如果搁在现在，这些论文能不能发出来，已经不是那么确定了。这反映的其实是 AI 在石油行业里快速渗透的一个侧面，很是鼓舞人心。

从另一个宏观格局来看， 我 2018 年去美国参加我们行业的顶会⸺国际勘探地球物理年会，这个会是在美国进行的。在那一年的年会上，AI 作为石油行业里重要的专题，已经有 100 多篇有质量的论文了。而此前一两年只有几篇、十几篇，要知道 100 多篇的分母可是 1000 多篇论文，说明 AI 在当时的论文出产已经占到顶会论文的十分之一强。

如果现在去看，可能更多了。这从另一个侧面反映了在整个国际上，油气勘探行业都在积极拥抱 AI，如果我们不抓住这个历史机遇，那我们就可能落后了。

肉眼可见的是，中国在未来将面临更复杂的能源格局，在这个时间点上通过 AI 的加入把我们自己的能力提升起来，其实是一个战略性的机遇窗口。

另一个快速提升的就是石油人对于 AI 的认知是在飞跃的。

我在 2017 年的时候，跟着老师去给一个油田做科研项目的时候，自发的用了一些 AI 的能力。其实就当时而言，行业对 AI 的认知还是比较浅显——一部分人认为 AI 是万能的，另一部分认为 AI 对于石油勘探的核心场景价值不大。

从现在看这些观点有点小儿科，AI 对于石油行业而言，绝不是一个非此即彼、非黑即白、有用或者无用的简单命题，而是一个如何不断深入去提升效率，逐步证明自己价值的过程。

我们已经做好了拥抱 AI 的准备

说石油行业已经做好了拥抱 AI 的准备，并不是一句空话。

首先，从基础设备的角度来看，我们正在越来越具备部署 AI 的条件。包括我们整个行业的数字化转型都在如火如荼的展开，还有我们数据中心的建设也非常快，我们在上海、深圳、北京，都建了自己的数据中心，在海外的迪拜、东南亚、新加坡，包括在北美的墨西哥，还有在欧洲，都建了自己的数据中心。

而且，最近几年，云平台的发展，改变了以前我们那种单体式的业务系统的建设模式。我们对于底层平台的能力支撑方面也是投资比较大的，以前各个系统自己买服务器、自己开发系统，现在是整合起来给各个用户单位提供底层的 IaaS、PaaS 资源，并且在上面搭建 AI 中台。至少从数据、从通信能力、从部署格局的角度，AI 落地已经不是那么难了。

特别是我们中海油，海上通讯是大难题，现在我们的手段是卫星散射、微波、4G、5G 都会用，这也为 AI 落地在铺平道路。

其次，从数据的角度，我们推进了数据湖的建设。以前只是单纯地把数据存过来，没那么多应用，都是冷数据。现在我们一方面建数据湖，另一方面进行数据治理，这其实非常重要，因为没有这些治理过的数据，AI 的研发就没有燃料。

最后，我们也越来越感到高层在关注 AI 的进展，我们也提出了“智能油田”。我觉得现在领导关注的问题已经比较贴合实际应用了，比如很关注投入产出比的问题、准确性和效率的问题，这说明中高层、高层对 AI 的考虑已经很实际了，已经不再是早期的“有用没用”的思考了，而是非常具体的考量。

我也可以分享一个小细节，钻井勘探是我们的一个基本作业，有领导就问我用 AI 支持这个场景会更好吗，我在当时的条件下的回答说，是否更准确还不好说，但是效率提升了。

前途中遇到的困难与解决的办法

当然，AI 在石油行业的核心场景中发挥作用还处于初步探索阶段，目前主要场景包括自动巡检、安全监测、预防性维护、经营管理等方面，但最深最典型的场景，还有待突破。

我还是拿钻井来说，钻井的成本是很高的，陆地上打一口井至少要几千万，海上成本就更高了。钻井的过程中就要用到各种设备去进行地质结构的探测，包括各种波、各种电磁手段、把二维的图形转换为三维等等，这些都是有沿袭多年、行之有效的办法。

但是，这些数据本身自己不会说话，它需要专门的地质学家去做综合的研判，包括地下的各种地质构造、成油构造等，这个决策严重依赖行业专家，这也是我们行业的特点。

那 AI 能不能短期内取代这个专家呢？很难。

一个原因是目前 AI 在石油行业的推广为期还很短，我自己就是一个例子，2016 年才开始自学 AI。这么短的时间里让 AI 取代专家是不太现实的。

当然，我们石油系统的 AI 专家和百度这样通用型的 AI 专家在 AI 能力上还是有差距的。而打一口井，经常是 1 个亿的成本起步。所以这个非常高的决策成本加上还相当不成熟的 AI 能力，短期内是没有人会让 AI 去做重要判断的。所以可以说，AI 已经开始进入了核心场景了，但在核心决策环节上，还欠火候。

但是，如果把 AI 设在一个助手的角色，那就非常合适了。

我们说到，专家要凭借方方面面的资料来做决策，最核心的是他自己的经验和专业素质，但这些资料的研究也要花很多功夫，如果我们把 AI 训练好了，让 AI 能够在给专家提供决策依据，显而易见的提升了辅助决策的效率，那 AI 也就进入了核心场景了。先进去，再发展，是一个比较顺的过程；它比先把 AI 放在一个很高的位置上，最后结果让人觉得差强人意，更能体现 AI 的价值。

另一个值得重视的是，整个石油体系的 AI 人才建设还没有系统化、梯队化。

我刚才讲了一个核心观点， 就是我们行业的 AI 专家，在 AI 水平上和百度这样的 AI 前沿公司的专家还是有差距的；而我没有说的后半句话是，尽管存在这样那 样的不足，但我的判断是，我们这个行业推广 AI 的普及和应用，最后还是靠我们自己的专家起主力作用，因为这个行业的专业背景太深了，一个很高级的 AI 专家也许花很长时间也没有办法进入这个领域的核心。所以，我说起作用的还是靠我们自己的专家，这并不是看轻百度。

那百度可以怎么为我们赋能呢？我觉得百度的重点还是提升通用 AI 的能力，提升整个中国 AI 的宏观水平，让我们的 AI 能力和世界同频。同时也注重垂直行业赋能，这个赋能的过程，更多的要放在帮助我们行业里的专家提升 AI 能力上。所以，百度对我们是空军的作用，至少在目前。

那如果百度想更深入这个领域发挥作用怎么办呢？我给百度支个招，就是百度应该和油服公司结成伙伴。

大家可能不是很熟悉石油体系， 我们体系里除了核心的石油公司还有很多专门的技术服务公司，比如西方地球物理公司、东方地球物理公司，还有大家都知道的斯伦贝谢这样的公司，大的石油公司如壳牌、BP 都有自己的长期合作油服公司，形成了油气公司+油服公司+IT 公司的格局。

IT 企业拥有较强的数字化技术研发和应用能力，石油公司拥有油气资源的所有权、生产运营的产业链和深耕油气行业的知识和经验，油服公司则是二者之间良好的黏合剂。在油气行业数字化转型过程中，越来越多的石油公司、油服公司和 IT 技术公司开始进行跨界合作，充分发挥各自优势。

我个人觉得，百度没有必要把自己进化成一个油服公司，但一定要做成 IT 公司里最懂石油的 AI 公司，这样就形成了一个三角形的稳定结构。所以我建议百度要广泛的拜访专业的油服公司，那里有你们的知己，那里的人也更懂 AI 和石油的关系，他们是一道桥梁，是连接器，促使你们形成一个稳固的合作后，再赋能给油气公司，我觉得这是一个最佳的组合，也是石油这个领域专有的一种合作方式。