竇宏恩 張蕾 米蘭 彭翼 王洪亮

中國石油勘探開發(fā)研究院

AI)推向了數(shù)字化浪潮的頂峰，使AI風(fēng)靡全球［1］。事實上，早在30年前AI就已經(jīng)進(jìn)入了復(fù)雜環(huán)境、重復(fù)性作業(yè)環(huán)境下的工業(yè)應(yīng)用領(lǐng)域，如用于制造業(yè)的工業(yè)機器人、海洋深水作業(yè)的機器人等。如今，服務(wù)業(yè)中的機器人服務(wù)員、運輸業(yè)中的無人駕駛汽車

0 引言

近年來，智能機器人AlphaGo和AlphaGozero在與人的對弈中，分別戰(zhàn)勝了韓國的圍棋九段李世石和中國的柯潔，將人工智能(Artificial Intelligence,及各個工業(yè)領(lǐng)域的多種故障診斷等都已獲得較大突破，AI在教育、金融、軍工、農(nóng)業(yè)、管理等行業(yè)也相繼得到了較廣泛應(yīng)用［2］。隨著AI成為國際科技競爭的新焦點，世界主要發(fā)達(dá)國家將發(fā)展AI作為提升國力、維護(hù)國家安全的重大戰(zhàn)略，從國家戰(zhàn)略層面強化AI布局，競相加大研發(fā)投入，組建新的研發(fā)機構(gòu)，加緊推動AI治理體系建設(shè)，力圖在新一輪國際科技競爭中掌握主導(dǎo)權(quán)。

在數(shù)字化浪潮席卷石油行業(yè)之際，國際石油巨頭紛紛與IT業(yè)界巨頭聯(lián)合。目前加入到油氣行業(yè)的IT業(yè)界巨頭主要有谷歌、思科、微軟、英特爾、IBM以及Facebook等。石油巨頭選擇跨界與這些IT業(yè)界巨頭攜手合作，將AI成功應(yīng)用到了地震勘探與地震數(shù)據(jù)解釋處理、測井解釋、油氣層識別、鉆完井及采油作業(yè)等業(yè)務(wù)領(lǐng)域，并取得了好的研究成果和實際應(yīng)用成果。除此之外，機器人在油罐清潔、井站巡檢、無人機在管道檢測中都得到不同程度的應(yīng)用。

1 AI發(fā)展回顧

1946年圖靈(Alan Turing)設(shè)計制造了人類第1臺計算機艾尼阿克(Eniac)。此后，他就提出了發(fā)問:機器能否產(chǎn)生智能？1952年，圖靈提出了后來被科學(xué)界廣泛認(rèn)可的著名 “圖靈實驗”：如果一臺機器能夠與人類展開對話，而不能被辨別出其機器身份，進(jìn)行多次測試后，如果機器能讓真正的人平均做出超過30%的誤判，那么這臺機器就通過了測試，這臺機器可被認(rèn)為具有人類智能［3］。圖靈關(guān)于機器能否產(chǎn)生智能的發(fā)問孕育了 AI新學(xué)科。

經(jīng)過分析研究，筆者將AI的發(fā)展劃分為7個階段［4-6］。

第1階段：AI的誕生。圖靈實驗成功以后，1956年，麥卡錫(John Macarthy)、明斯基(Marvin Minsky)、羅切斯特(Nathaniel Rochester)、香農(nóng)(Claude Shannon)等10人在美國新罕布什爾州漢諾威鎮(zhèn)的達(dá)特茅斯學(xué)院召開會議，共同研究和探討機器如何具有智能的一系列問題，并首次將這一領(lǐng)域命名為 “AI”，標(biāo)志著AI正式誕生。

第2階段：AI發(fā)展期(1956—1970年)。1959年塞爾夫里奇推出了一個模式識別程序，此后AI領(lǐng)域開始換發(fā)出蓬勃的生機。麥卡錫研制出了人工智能語言；塞繆爾開發(fā)的跳棋程序擊敗了州冠軍；首臺人工智能機器人誕生；專家系統(tǒng)首次亮相；美國斯坦福大學(xué)計算機教授維諾格拉德開發(fā)人機對話系統(tǒng)SHRDLU，由于它能夠正確理解語言，被視為AI研究的一次巨大成功。

第3階段：AI進(jìn)入第1次低谷(1971—1976年)。主要在美國，科學(xué)家在AI研究中，對沒有足夠的數(shù)據(jù)庫、算力及完備的解決復(fù)雜問題的算法等3大挑戰(zhàn)預(yù)估不足，大學(xué)、研究機構(gòu)與美國國防部高級研究計劃署的多個AI合作研發(fā)計劃失敗，使大家對AI的前景產(chǎn)生了懷疑。1973年，英國著名數(shù)學(xué)家Lighthill針對英國AI研究狀況的報告，批評了AI的失敗。由此，AI遭遇了長達(dá)6年的科研深淵，導(dǎo)致其停滯不前。

第4階段：AI的第2次崛起(1977—1986年)。費根鮑姆在第5屆國際AI聯(lián)合會議上提出“知識工程”的概念。此后，AI研究又迎來了以知識工程研究為中心的蓬勃發(fā)展期。英美等國也開始為AI和信息技術(shù)領(lǐng)域的研究提供大量資金，不僅神經(jīng)網(wǎng)絡(luò)等算法得到發(fā)展，而且隨著第5代計算機的發(fā)展，人機對話、翻譯語言、圖像解釋、推理機器人等也得到了研制和發(fā)展?？▋?nèi)基梅隆大學(xué)采用AI程序設(shè)計成功XCON專家系統(tǒng)，1986年之前，專家系統(tǒng)產(chǎn)業(yè)的價值就高達(dá)5億美元。

第5階段：AI進(jìn)入第2次低谷(1987—1990年)。蘋果和IBM公司生產(chǎn)的臺式機性能都已遠(yuǎn)超當(dāng)時在專家系統(tǒng)催生下產(chǎn)生的Symbolics、Lisp Machines等和IntelliCorp、Aion等計算機硬件和軟件公司的系統(tǒng)。因此，曾經(jīng)轟動一時的專家系統(tǒng)在維持了7年后，命運的車輪再一次碾過AI，從此專家系統(tǒng)失去了往日風(fēng)光。

第6階段：AI第2次崛起(1990—2005年)。從20世紀(jì)90年代中期起，隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展，AI再次崛起。1997年，IBM的“深藍(lán)”戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，AI又一次進(jìn)入了一個具有重要里程碑意義的時代。

第7階段：AI爆發(fā)性發(fā)展。從2006年開始，由于互聯(lián)網(wǎng)發(fā)展大量數(shù)據(jù)的產(chǎn)生、GPU計算機算力及深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)等人工智能算法的突破，人類又一次看到了機器趕超人類的希望。2016年，Google DeepMind開發(fā)的AI圍棋程序AlphaGo以 4∶1戰(zhàn)勝韓國9段圍棋冠軍李世石。2017年，Deep-Mind升級后的AlphaGozero，自學(xué)圍棋40 d后，以3∶0完勝當(dāng)前世界圍棋第一人柯潔，AI獲得了爆發(fā)性發(fā)展，已成為各個領(lǐng)域都可使用的通用技術(shù)(General Purpose Technology，GPT )，引發(fā)了各行各業(yè)的高度重視。谷歌、微軟、百度等IT界巨頭、各大研究院所及科技公司紛紛加入到AI研究中，掀起又一輪的AI狂潮，并隨著技術(shù)日趨成熟，被大眾廣泛接受。

2 AI關(guān)鍵技術(shù)概念及內(nèi)涵

AI是一門新興學(xué)科，出現(xiàn)了許多技術(shù)概念、術(shù)語及名詞。其解釋和定義不盡相同［2-3,7-9］。一些概念、術(shù)語和定義也在不斷的修正和完善。但有一些技術(shù)概念、術(shù)語和定義本來就不屬于一個層面的內(nèi)容，而被混亂使用。諸如：機器學(xué)習(xí)、深度學(xué)習(xí)及強化學(xué)習(xí)等并列使用，人工智能、機器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)等并列使用，機器學(xué)習(xí)、監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)等并列使用。在這個新興領(lǐng)域，出現(xiàn)這種現(xiàn)象的原因主要有2種：一是這個學(xué)科變得熱門以后，各行各業(yè)的人都在進(jìn)入，導(dǎo)致進(jìn)入該領(lǐng)域的人群太多，部分人并沒有系統(tǒng)學(xué)習(xí)這個學(xué)科，只有一些支離破碎不系統(tǒng)的了解；二是由于是新興領(lǐng)域，著書立說的學(xué)者本身存在現(xiàn)炒現(xiàn)賣，對許多內(nèi)容的理解不深甚至有誤，而出現(xiàn)了在該領(lǐng)域的大小概念和層級理解不深，導(dǎo)致對技術(shù)概念、術(shù)語及名詞被混亂使用。

2.1 人工智能

筆者對AI的定義為：AI是研究開發(fā)類人智能的理論、技術(shù)及系統(tǒng)應(yīng)用的一門新興學(xué)科，主要功能是通過計算機程序或者由智能機器人來完成類人智能要實現(xiàn)的目標(biāo)和任務(wù)，能夠做到對未來某種特定環(huán)境下的新情況做出判斷和決策。其技術(shù)特征是它在各行各業(yè)都可被廣泛使用，因此，它是一種通用技術(shù)，將影響整個世界經(jīng)濟發(fā)展，給全人類的生活模式帶來顛覆性變革。

AI不一定像人一樣進(jìn)行思考，但不等于不能具有人一樣的智能，也可能超過人的智能［3］。

在學(xué)科上，AI是一門以數(shù)學(xué)、計算機科學(xué)、密碼學(xué)、自動化、應(yīng)用心理學(xué)、生物學(xué)和神經(jīng)生理學(xué)等為理論基礎(chǔ)的新興邊緣學(xué)科。在理論上，AI主要囊括了大數(shù)據(jù)智能理論、類腦智能、量子智能等基礎(chǔ)理論。在技術(shù)上，AI領(lǐng)域包括自然語言處理技術(shù)、智能計算芯片、跨媒體分析推理、自主無人系統(tǒng)的智能技術(shù)等核心共性技術(shù)［7］。就其實現(xiàn)思路而言，人工智能在發(fā)展過程中形成了三大流派：符號主義、連接主義和行為主義，這些流派的相輔相成推進(jìn)了AI的發(fā)展。

2.2 機器學(xué)習(xí)

機器學(xué)習(xí)(Machine Learning)研究如何利用計算機進(jìn)行算法編程，使用各類文字、圖像和聲音等多模態(tài)樣本數(shù)據(jù)進(jìn)行訓(xùn)練，發(fā)現(xiàn)或者找到規(guī)律，使計算機在特定領(lǐng)域中具有學(xué)習(xí)能力，獲取知識或技能，從而實現(xiàn)人類的某些行為及目的。機器學(xué)習(xí)可以構(gòu)建出在實際復(fù)雜環(huán)境下運行的 AI 系統(tǒng)，它是AI發(fā)展的核心。

在學(xué)科上，機器學(xué)習(xí)是涉及數(shù)據(jù)科學(xué)、最優(yōu)化理論、統(tǒng)計學(xué)、拓?fù)鋵W(xué)、計算機科學(xué)、系統(tǒng)辨識等諸多領(lǐng)域的交叉學(xué)科。

2.3 深度學(xué)習(xí)

深度學(xué)習(xí)(Deep Learning)機器學(xué)習(xí)方法中的一個分支(子集)，它是人工神經(jīng)網(wǎng)絡(luò)的發(fā)展，神經(jīng)網(wǎng)絡(luò)的層數(shù)超過 3 層就被稱為深度神經(jīng)網(wǎng)絡(luò)，也就是深度學(xué)習(xí)。它將大千世界表示為一種嵌套的層次概念體系(由較簡單概念間的聯(lián)系定義復(fù)雜概念、從一般抽象概括到高級抽象表示)，一種能夠使計算機系統(tǒng)從經(jīng)驗和數(shù)據(jù)中學(xué)習(xí)而得到提高的技術(shù)。

深度學(xué)習(xí)是讓計算機學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和層次表示方法，算法與一般機器學(xué)習(xí)算法相比更復(fù)雜。它通過學(xué)習(xí)和處理各類文字、圖像和聲音等多模態(tài)信息，具有學(xué)習(xí)分析能力，讓機器能夠具備人的能力識別文字、圖像和聲音等。它的成功應(yīng)用使AI技術(shù)邁上了一個大臺階。而深度學(xué)習(xí)成為AI目前最主流的算法，打通了各行各業(yè)的應(yīng)用壁壘。

2.4 遷移學(xué)習(xí)

遷移學(xué)習(xí)(Transfer Learning)也是一種機器學(xué)習(xí)方法，它是將在大數(shù)據(jù)源領(lǐng)域上學(xué)習(xí)獲得的知識部分地轉(zhuǎn)移(應(yīng)用)到小數(shù)據(jù)目標(biāo)領(lǐng)域或者相似目標(biāo)領(lǐng)域(新任務(wù))上的一種機器學(xué)習(xí)方法。通常所說的遷移學(xué)習(xí)多是指模型遷移。模型遷移是根本性遷移。換句話說，在A區(qū)域?qū)W習(xí)訓(xùn)練的模型能在B區(qū)域使用。遷移學(xué)習(xí)的核心是找到源領(lǐng)域和所要遷移目標(biāo)領(lǐng)域之間的相似性，合理利用這種相似性［10］。

2.5 聯(lián)邦學(xué)習(xí)

聯(lián)邦學(xué)習(xí)(Federated Machine Learning)是針對數(shù)據(jù)孤島和數(shù)據(jù)隱私問題提出的一種新的機器學(xué)習(xí)方法，旨在建立一種有第三方參與的基于分布數(shù)據(jù)(位于不同地點的許多計算機通過網(wǎng)絡(luò)互相連接起來的數(shù)據(jù))基礎(chǔ)上的機器學(xué)習(xí)聯(lián)合模型。模型訓(xùn)練時，不同地點的數(shù)據(jù)(參與方A和B的數(shù)據(jù))在不披露數(shù)據(jù)的情況下，每個參與方遵守預(yù)設(shè)的聯(lián)邦協(xié)議。在該協(xié)議的執(zhí)行過程中，各參與方的隱私數(shù)據(jù)集、數(shù)據(jù)特征和標(biāo)簽隱私通過加密形式進(jìn)行交換，通過第三方的聚合服務(wù)器計算獲得中間變量，將加密或混淆后的中間變量與其他參與方交互，聯(lián)合訓(xùn)練獲得高質(zhì)量的機器學(xué)習(xí)模型［11］。

2.6 自動學(xué)習(xí)

自動學(xué)習(xí)是指自動機器學(xué)習(xí)(Automated Machine Learning)，致力于研究機器學(xué)習(xí)自動化實現(xiàn)，用AI 來自動地設(shè)計AI的各個環(huán)節(jié)。在 AutoML 中，將特征提取、模型選擇、參數(shù)優(yōu)化調(diào)節(jié)及模型評價有關(guān)的重要步驟進(jìn)行自動化地學(xué)習(xí)，使得模型可以自動化地學(xué)習(xí)到合適的參數(shù)和配置，無需人的干預(yù)即可被應(yīng)用。自動特征工程的目的是自動挖掘并構(gòu)造相關(guān)特征，使模型可以有最優(yōu)的表現(xiàn)。除此之外，還包含一些特定的特征增強方法，例如特征選擇、特征降維、特征生成及特征編碼等。自動學(xué)習(xí)是將機器學(xué)習(xí)應(yīng)用于現(xiàn)實問題的端到端流程自動化的過程。自動機器學(xué)習(xí)面向沒有專業(yè)機器學(xué)習(xí)知識的用戶，同時也向?qū)I(yè)機器學(xué)習(xí)者提供新工具。它主張開發(fā)可以用數(shù)據(jù)驅(qū)動的方式自動實例化的靈活軟件包［12］。

2.7 區(qū)塊鏈

區(qū)塊鏈?zhǔn)状纬霈F(xiàn)在《比特幣白皮書》中［13］，用分布式數(shù)據(jù)庫識別、傳播和記載信息的智能化對等網(wǎng)絡(luò), 也稱為價值互聯(lián)網(wǎng)。2009年比特幣社會網(wǎng)絡(luò)創(chuàng)立，開發(fā)出第1個區(qū)塊，即“創(chuàng)世區(qū)塊”，用戶可以信任區(qū)塊鏈各節(jié)點(礦工)的分布式記賬模式，節(jié)點上的各方以去中心化、去中介化形式，允許在全球范圍內(nèi)進(jìn)行各種交易。比特幣系統(tǒng)不會讓所有礦工都參與打包區(qū)塊進(jìn)行交易，所以，比特幣系統(tǒng)以每10 min為1個周期，給全網(wǎng)挖礦的礦工出了1道計算題，讓全網(wǎng)的礦工采用Hash函數(shù)參與計算當(dāng)前區(qū)塊的數(shù)據(jù)及全部內(nèi)容，得到1個Hash值，全網(wǎng)的所有礦工，通過比拼算力，最先算出Hash值的礦工將取得打包區(qū)塊的交易權(quán)，生成1個新的區(qū)塊，然后廣播給其他礦工，其他礦工開始同步更新；最先計算出結(jié)果的礦工除了擁有“記賬”的權(quán)利，還可以獲得25個比特幣，這就是區(qū)塊鏈的原理。礦工每個記錄，就是1個新區(qū)塊，會蓋上時間戳，每個新產(chǎn)生的區(qū)塊嚴(yán)格按照時間順序推進(jìn)。區(qū)塊與Hash值一一對應(yīng)，每個區(qū)塊的Hash函數(shù)都是針對區(qū)塊頭(Head)計算的， Hash函數(shù)的計算值是不可逆的，確保了比特幣交易的安全性。

區(qū)塊鏈作為一種使數(shù)據(jù)庫安全而不需要行政機構(gòu)授信的解決方案，首先被應(yīng)用于比特幣。區(qū)塊鏈?zhǔn)且环N由多方共同維護(hù)，使用密碼學(xué)保證傳輸和訪問安全，能夠?qū)崿F(xiàn)數(shù)據(jù)一致存儲、難以篡改、防止抵賴的分布式記賬技術(shù)；具有去中心、去信任等核心優(yōu)點，能解決互聯(lián)網(wǎng)中的信息不對稱、交易成本高、陌生人信任等難題，被認(rèn)為是繼大型計算機、個人電腦、互聯(lián)網(wǎng)之后的顛覆式創(chuàng)新［14］。

2.8 數(shù)字孿生

數(shù)字孿生是具有數(shù)據(jù)連接的特定物理實體或過程的數(shù)字化表達(dá)。該數(shù)據(jù)連接可以保證物理狀態(tài)和虛擬狀態(tài)之間的同速率收斂，并提供物理實體或流程過程的整個生命周期的集成，有助于優(yōu)化整體性能。

數(shù)字孿生是以數(shù)字化方式創(chuàng)建物理實體的虛擬仿真，借助歷史數(shù)據(jù)、實時數(shù)據(jù)以及算法模型等，模擬、驗證、預(yù)測、控制物理實體全生命周期的技術(shù)手段，它需要依靠仿真、實測、數(shù)據(jù)分析等手段對物理實體狀態(tài)進(jìn)行感知、診斷和預(yù)測，進(jìn)而優(yōu)化物理實體，同時進(jìn)化自身的數(shù)字模型。在此基礎(chǔ)之上，數(shù)字孿生必需依托并集成其他新技術(shù)，它要與傳感器共同在線檢測和采集數(shù)據(jù)，以保證其保真性、實時性與閉環(huán)性。它可使產(chǎn)品、生產(chǎn)過程或性能虛擬表示，使各個過程階段得以無縫鏈接，可持續(xù)提高效率，最大程度地降低故障率，縮短開發(fā)周期，創(chuàng)造持久的競爭優(yōu)勢。

3 AI在油氣領(lǐng)域的應(yīng)用現(xiàn)狀

石油工業(yè)領(lǐng)域中AI技術(shù)的快速發(fā)展和廣泛應(yīng)用，得益于近10年來自地面和井下的各類測量傳感器得到的高質(zhì)量數(shù)據(jù)，得益于各類機械設(shè)備和儀器儀表的自動化和其智能化水平。石油行業(yè)中形成的較高水平的自動化和智能化是AI發(fā)展的基礎(chǔ)。建立石油勘探開發(fā)的協(xié)同、集成工作流，利用綜合儲層信息和數(shù)據(jù)指導(dǎo)精確布井、高效鉆井和壓裂設(shè)計優(yōu)化，實現(xiàn)地質(zhì)科學(xué)、油藏研究、鉆井和完井工程協(xié)作，為全油田建立一個可以互動的動態(tài)地質(zhì)模型，通過模型進(jìn)行甜點識別、油藏模擬和鉆完井優(yōu)化，形成數(shù)據(jù)資產(chǎn)，達(dá)到提質(zhì)增效減成本的目標(biāo)。石油工業(yè)的油氣勘探、鉆井、測井、采油、注水、壓裂酸化、集輸?shù)冗^程都可以模擬，用已有數(shù)據(jù)進(jìn)行建模和優(yōu)化，節(jié)省人力物力，提高效率。從這個意義上說，計算力就是生產(chǎn)力。石油深埋地下數(shù)千米，已經(jīng)遠(yuǎn)遠(yuǎn)超出了人類正常的感知能力。許多蘊含在數(shù)據(jù)中的暗知識必須借助AI。即使是需要常規(guī)知識，借助AI也可提供更快、更優(yōu)的解決方案［15-17］。

3.1 AI油氣工業(yè)平臺加速智能油氣發(fā)展

油氣工業(yè)平臺實現(xiàn)多學(xué)科交互融合和勘探開發(fā)一體化，節(jié)省了各環(huán)節(jié)銜接所造成的時間與成本損耗，促進(jìn)了協(xié)同創(chuàng)新。

2021年3月，The Open Group 旗下的OSDU(開放地下數(shù)據(jù)空間)發(fā)布了首個面向生產(chǎn)環(huán)境的數(shù)據(jù)平臺Mercury(R3)，該平臺是按照開放式通用數(shù)據(jù)平臺的體系架構(gòu)設(shè)計和落地，是一個具有開放性和透明性的標(biāo)準(zhǔn)數(shù)據(jù)平臺，將數(shù)據(jù)與應(yīng)用解耦，消除了數(shù)據(jù)孤島和數(shù)據(jù)屯倉，使地震、儲層、油井等數(shù)據(jù)流清楚并且可用，從構(gòu)建勘探開發(fā)集成工作流開始，縮短了整個工作周期，利用創(chuàng)新的數(shù)字化解決方案，加速了決策過程。同時，OSDU具有基于開源數(shù)據(jù)、邊緣端、云原生及數(shù)字孿生等技術(shù)架構(gòu)，可提供公有云、數(shù)據(jù)獲取、API接入數(shù)據(jù)平臺服務(wù)、微服務(wù)應(yīng)用、信息安全等多項服務(wù)功能，支持大規(guī)模數(shù)據(jù)流處理，有效降低了時延。由于開源特性，敏捷度大幅提升，引入新能力的速度明顯加快。此外，數(shù)據(jù)不再由少數(shù)幾家公司所掌控，而是面向整個市場開放。OSDU發(fā)布的R3為油氣上游生態(tài)的數(shù)字化、敏捷化和智能化發(fā)展帶來了重要機遇，是真正意義上的協(xié)作平臺，已經(jīng)吸引了近200家包括油氣運營商、云服務(wù)提供商、技術(shù)提供商、軟件公司及學(xué)術(shù)研究機構(gòu)在內(nèi)的會員單位。它還與國際油氣生產(chǎn)商協(xié)會(IOGP)合作，將工程數(shù)據(jù)整合到該數(shù)據(jù)平臺，向運營商和業(yè)主呈現(xiàn)運行和工程數(shù)據(jù)全貌。它作為開源和靈活的數(shù)據(jù)平臺(包括數(shù)據(jù)模型)，適用于能源及相關(guān)領(lǐng)域的許多解決方案，包括溫室氣體、風(fēng)能、太陽能、氫能、地?zé)崮艿刃履茉吹?。參與者可在該數(shù)據(jù)平臺上獲取大量廠商資料、開源數(shù)據(jù)和自主開發(fā)應(yīng)用。目前OSDU使用的云提供商包括谷歌云平臺、微軟Azure、Red Hat Openshift和AWS。

2017年斯倫貝謝公司推出了DELFI環(huán)境平臺。該平臺為油氣從勘探、開發(fā)及生產(chǎn)建立了全新的工作和研究流程，基于海量數(shù)據(jù)和云計算，構(gòu)建多專業(yè)可操作、數(shù)據(jù)共享的平臺環(huán)境，可以為各專業(yè)、多流程數(shù)據(jù)、模型和解釋建立公共工作空間，將團(tuán)隊、系統(tǒng)、軟件、新舊數(shù)據(jù)輸入到平臺環(huán)境中，通過融合實現(xiàn)協(xié)作效果的最大化，規(guī)范、統(tǒng)一并整合勘探、開發(fā)、鉆井等各個領(lǐng)域技術(shù)人員的業(yè)務(wù)?；诙鄬W(xué)科專業(yè)知識儲備，利用強大的數(shù)據(jù)庫，使得建模、數(shù)值模擬、數(shù)據(jù)分析和預(yù)測等復(fù)雜的計算過程變得更加智能和快捷。2019年，斯倫貝謝宣布與IBM合作開展一項石油行業(yè)的重大計劃——混合云計算技術(shù)，將創(chuàng)建一個數(shù)字平臺，實現(xiàn)對全球所有國家混合云平臺的無縫訪問，可以在任何盆地為任何運營商進(jìn)行部署，幫助客戶使用這些云數(shù)據(jù)分析服務(wù)，而無需將數(shù)據(jù)轉(zhuǎn)移到第三方云數(shù)據(jù)中心，以加速油氣行業(yè)的數(shù)字化轉(zhuǎn)型。由紅帽O(jiān)penShift提供支持的DELFI的私有云、混合和公共多云，以大幅擴展客戶訪問，實現(xiàn)了行業(yè)開放數(shù)據(jù)平臺OSDU的第1個混合云。這種新的方式讓用戶使用多云成為現(xiàn)實，并解決了數(shù)據(jù)駐留客戶最關(guān)心的關(guān)鍵問題，從而促進(jìn)了云平臺使用更符合當(dāng)?shù)胤ㄒ?guī)和要求［18］。

2019年，哈里伯頓公司在微軟Azure云上發(fā)布了10款Decision Space 365勘探和生產(chǎn)云原生應(yīng)用程序，并將使用微軟的語音和圖像識別，視頻處理和AR/VR等技術(shù)，為全球客戶提供量身定制的E＆P數(shù)字業(yè)務(wù)解決方案。主要的云應(yīng)用有矢量地球建模、全面資產(chǎn)仿真、數(shù)據(jù)基礎(chǔ)和實時控制。其中，Decision Space 365中的矢量地球建模是一種高保真、快速的地球建模解決方案，它利用所有可用數(shù)據(jù)，無需網(wǎng)格粗化，即可在所有分辨率范圍內(nèi)生成各種尺度巖石屬性模型。可進(jìn)行多個完全耦合地下/地面場景制定最優(yōu)油田開發(fā)計劃的全尺寸資產(chǎn)模擬。應(yīng)用程序可根據(jù)模型的復(fù)雜性調(diào)整計算基礎(chǔ)設(shè)施的大小，提供更快速模擬，提高團(tuán)隊的工作效率和準(zhǔn)確性，并降低成本［19-20］。

2020年，IBM服務(wù)公司和貝克休斯C3.ai (BHC3)聯(lián)合形成了全球AI企業(yè)戰(zhàn)略聯(lián)盟，成為了AI軟件平臺提供的領(lǐng)軍者，宣布為全球工業(yè)領(lǐng)域提供AI解決方案。隨著IBM全球系統(tǒng)網(wǎng)絡(luò)與BHC3的少代碼/無代碼AI平臺結(jié)合，這個聯(lián)盟旨在幫助企業(yè)快速交付行業(yè)和領(lǐng)域特定的AI程序，幫助合作者在世界各地建立數(shù)字戰(zhàn)略，重塑業(yè)務(wù)流程、AI及現(xiàn)代化核心云上的應(yīng)用程序和系統(tǒng)。BHC3的AI平臺包括：快速設(shè)計、開發(fā)和部署企業(yè)級的AI程序在任何公共或混合云環(huán)境下應(yīng)用的集成軟件平臺。BHC3和IBM共同為合作者提供基于AI的關(guān)鍵業(yè)務(wù)的解決方案設(shè)計、開發(fā)、實施和運營。BHC3與IBM服務(wù)也提供客戶的混合云整合，包括IBM Waston、IBM Maximo和Red Hat Enterprise Linux和 Red Hat OpenShift。該平臺最小化構(gòu)建應(yīng)用程序所需的復(fù)雜性和編碼工作40倍或者更多，節(jié)省開發(fā)時間，降低整體成本。據(jù)行業(yè)分析師預(yù)測，在未來10年云市場、大數(shù)據(jù)、物聯(lián)網(wǎng)以及AI軟件產(chǎn)值將在2023年增長到2300億美元。企業(yè)AI將獲得11萬億美元的經(jīng)濟增長［21］。

20世紀(jì)90年代，道達(dá)爾(Total)就開始將AI機器學(xué)習(xí)算法應(yīng)用于油氣工業(yè)領(lǐng)域。2013年以來，應(yīng)用機器學(xué)習(xí)算法進(jìn)行渦輪機、泵及壓縮機等工業(yè)設(shè)備的運轉(zhuǎn)性能預(yù)測，節(jié)約了數(shù)億美元的費用。目前，他們將深度學(xué)習(xí)應(yīng)用于產(chǎn)量預(yù)測、衛(wèi)星圖像的自動分析和巖石樣本圖片的處理與分析。道達(dá)爾2019年宣布，為了加速數(shù)字化轉(zhuǎn)型，用數(shù)字化工具的能力來創(chuàng)造企業(yè)價值，2020年初在巴黎將開放一個數(shù)字工廠，開發(fā)人員、數(shù)據(jù)科學(xué)家及其他專家達(dá)到300人。數(shù)字工廠作為一個加速器，推動道達(dá)爾各業(yè)務(wù)領(lǐng)域的數(shù)字化轉(zhuǎn)型，促使AI、物聯(lián)網(wǎng)和5G徹底改變其工業(yè)實踐，預(yù)計減少操作成本和投資費用，到2025年為公司每年將產(chǎn)生價值高達(dá)15億美元的價值［22］。

2017年，BP公司制定了未來油田項目的轉(zhuǎn)型戰(zhàn)略，致力打造數(shù)字能源平臺。關(guān)閉了其內(nèi)部數(shù)據(jù)中心，全面使用云平臺，削減了IT運行成本大約40%。2017年BP公司已投資500萬英鎊，開發(fā)了一個地球科學(xué)的AI云平臺，為BP提供了獨特的知識圖譜。2019年，BP在休斯頓投資了一個稱為貝爾盟技術(shù)(Belmont Technology)的初創(chuàng)公司，開發(fā)了一個AI助理平臺Sandy，它可以自動將專家提供的地質(zhì)學(xué)、地球物理學(xué)、油藏和歷史項目信息結(jié)合在一起，創(chuàng)建出整個地下油氣資產(chǎn)知識圖譜，供工程師進(jìn)行數(shù)據(jù)查詢、問題查詢與解答［23］。

2018年以來，殼牌(Shell)將AI應(yīng)用到整個業(yè)務(wù)鏈中，將數(shù)字化創(chuàng)新作為公司的重要戰(zhàn)略之一。實施了Shell.ai 的顛覆性計劃，旨在推動AI平臺建設(shè)，使AI大規(guī)模應(yīng)用在其業(yè)務(wù)中，體現(xiàn)方法標(biāo)準(zhǔn)化，使用通用數(shù)據(jù)結(jié)構(gòu)、平臺、工具和工作方式，使殼牌全球跨學(xué)科團(tuán)隊實現(xiàn)共享代碼、最佳實踐并實現(xiàn)無縫協(xié)同工作。Shell. ai平臺有超過160個正在進(jìn)行中的AI項目，使用這個AI自助平臺的數(shù)據(jù)科學(xué)家有800多人，在平臺參與AI項目的有5 000人以上。過去幾年，已舉辦了黑客馬拉松40多場。數(shù)據(jù)湖中有超過1.1萬億行的數(shù)據(jù)可用于機器學(xué)習(xí)。在2020年， 85萬個傳感器以每分鐘1次或更高的頻率采集產(chǎn)生數(shù)據(jù)，整合到中央數(shù)據(jù)中心的數(shù)據(jù)量增加了5倍。中央數(shù)據(jù)中心管理著數(shù)千個實時機器學(xué)習(xí)模型，監(jiān)控著1 500多個不同設(shè)備。通過與惠普(HP)公司合作，將傳感器數(shù)據(jù)通過光纜傳輸至專有服務(wù)器，使得地震數(shù)據(jù)分析更加精確。通過將潛在油田數(shù)據(jù)與世界上其他油田數(shù)據(jù)作對比，地質(zhì)學(xué)家能對井位做出更加準(zhǔn)確的判斷。另外將傳感器放置在設(shè)備上，利用大數(shù)據(jù)技術(shù)來保障其機械設(shè)備的正常運行，可盡可能地降低事故率［24］。

2014年康菲(ConocoPhillips)石油公司在Eagle Ford的業(yè)務(wù)數(shù)據(jù)庫基礎(chǔ)上構(gòu)建了大數(shù)據(jù)分析平臺(IDW)，它是一個各學(xué)科的集中式數(shù)據(jù)中心，可存儲分析包括生產(chǎn)運營、采油、鉆完井、油藏工程以及地球科學(xué)等方面的數(shù)據(jù)?？捣剖凸九c4所大學(xué)合作開發(fā)未來的數(shù)據(jù)大腦來替代普通勞動力。通過大數(shù)據(jù)分析、人工智能算法等，指導(dǎo)精確布井、高效鉆井和壓裂設(shè)計優(yōu)化，實現(xiàn)地質(zhì)勘探、油藏研究、鉆井和完井工程、經(jīng)濟評價的協(xié)同，大幅提高鉆井作業(yè)效率和單井產(chǎn)量，降低噸油成本?？捣剖凸具\用IDW形成新的工作方式，促使每個業(yè)務(wù)部門采用一體化運營方法來組建業(yè)務(wù)和信息技術(shù)多專業(yè)團(tuán)隊，在數(shù)據(jù)存儲、處理和可視化，以及將業(yè)務(wù)知識與信息知識相結(jié)合等方面起到了重要作用。它已成為康菲石油公司在進(jìn)行業(yè)務(wù)數(shù)據(jù)分析和數(shù)據(jù)集成的核心，該平臺在美國鷹灘頁巖油氣區(qū)應(yīng)用后，鉆井周期縮短了50%，單井產(chǎn)量提高了20%［25］。

2019年，中國石油發(fā)布了勘探開發(fā)夢想云平臺1.0，成為中國油氣行業(yè)第1個智能云平臺。它統(tǒng)一數(shù)據(jù)平臺、統(tǒng)一技術(shù)平臺、通用應(yīng)用和標(biāo)準(zhǔn)規(guī)范體系，為應(yīng)用開發(fā)者提供了統(tǒng)一開發(fā)環(huán)境與技術(shù)規(guī)范，為平臺管理者提供了一體化運維功能，支持技術(shù)平臺持續(xù)提升?！皦粝朐啤睒?gòu)建涵蓋了上游業(yè)務(wù)勘探生產(chǎn)、開發(fā)生產(chǎn)、協(xié)同研究、生產(chǎn)經(jīng)營、安全環(huán)保等5大油氣領(lǐng)域。目前共研發(fā)了136款業(yè)務(wù)工具，集成了7款第三方專業(yè)軟件，為勘探開發(fā)研究人員和決策人員搭建了一體化協(xié)同工作環(huán)境，支撐跨盆地、跨油氣田企業(yè)的數(shù)據(jù)共享、成果繼承及專業(yè)軟件云化管理和整合應(yīng)用，初步建成了勘探開發(fā)協(xié)同研究共享生態(tài)。應(yīng)用于1175個勘探開發(fā)研究項目，應(yīng)用后數(shù)據(jù)準(zhǔn)備效率提高60~100倍，提高研究工作效率20%以上，節(jié)約硬件成本50%以上，降低軟件采購成本60%［26-27］。

2018年，中國石油攜手華為聯(lián)合打造了勘探開發(fā)的認(rèn)知計算平臺(E8)。該平臺由AI計算、知識圖譜、AI智能超市、數(shù)據(jù)管理、系統(tǒng)管理5個子系統(tǒng)構(gòu)成，已有AI算法120種，具有應(yīng)用程序接口(API)。按照平臺和場景2個關(guān)鍵因素進(jìn)行設(shè)計，構(gòu)建的AI智能超市可提供AI基礎(chǔ)研發(fā)與能力共享機制，從數(shù)據(jù)處理、機器學(xué)習(xí)到模型發(fā)布、推理應(yīng)用，是可提供一站式AI開發(fā)環(huán)境和知識圖譜流水線工具的平臺。目前AI應(yīng)用到地震初次波拾取、地震層位解釋、測井解釋、油井工況診斷、油井產(chǎn)量預(yù)測等領(lǐng)域，都已經(jīng)取得了很好的成效［28-29］。

3.2 智能油氣勘探成為精準(zhǔn)找油降低勘探成本的唯一途徑

AI在油氣地球物理及測井行業(yè)的研究進(jìn)展主要在數(shù)據(jù)處理與解釋2個領(lǐng)域取得了較大進(jìn)展。開展了地震屬性分析、巖相識別、地震反演、斷層識別、測井解釋等研究，并開發(fā)出相關(guān)軟件產(chǎn)品。不僅減少了數(shù)據(jù)丟失，進(jìn)行構(gòu)造、斷層、層序解釋，還可用于測井?dāng)?shù)據(jù)、疊前和疊后數(shù)據(jù)分析等多維度數(shù)據(jù)分析，得到能夠直接預(yù)測油氣的三維數(shù)據(jù)體，減少人工工作量，并提高解釋精度。

世界較早采用AI進(jìn)行地震解釋技術(shù)的公司是美國Geophysical Insights公司。2008年，該公司就運用大數(shù)據(jù)分析、機器學(xué)習(xí)開發(fā)AI物探數(shù)據(jù)解釋軟件，發(fā)布了著名的地震數(shù)據(jù)處理軟件Paradise，成功用于地震數(shù)據(jù)解釋、地層屬性分析，特別是直接用于薄層油氣藏解釋、直接烴類指示(DHI)等方面。該軟件與以往軟件相比，減少了地震解釋的不確定性，從而推動了AI技術(shù)用于定量地震解釋技術(shù)的發(fā)展［30］。

2017年，世界最大的地球物理軟件開發(fā)與應(yīng)用服務(wù)公司以色列的帕拉代姆(Paradigm)地球物理公司基于機器學(xué)習(xí)開發(fā)了多層神經(jīng)網(wǎng)絡(luò)地震AI解釋算法，并嵌入SeisEarth解釋平臺，對美國二疊紀(jì)地層數(shù)據(jù)進(jìn)行分析，獲得了由各類巖性組成的3D地質(zhì)體，改善了地震道屬性的實時計算以及復(fù)雜地區(qū)盆地的視覺分析，獲得更精確的地下信息，提高鉆探成功率［30］。

2015年以來，康菲石油公司開展了“壓縮傳感”(Compressive Sensing)勘探技術(shù)研究與應(yīng)用，形成了基于AI的非規(guī)則優(yōu)化采樣技術(shù)(NUOS)和壓縮地震成像技術(shù)(CSI)等關(guān)鍵技術(shù)。該技術(shù)可以在放置更少傳感器的基礎(chǔ)上通過AI技術(shù)應(yīng)用，獲得更多更清晰的地質(zhì)剖面信息。2017年，康菲石油公司在阿拉斯加應(yīng)用該技術(shù)，使用12纜深海物探船，拖纜間距為50 m，在物探作業(yè)中，震源間距從最小12.5 m變化到最大30 m，改變震源發(fā)射點，獲得高分辨率的地層圖像，從而達(dá)到最優(yōu)物探效果。CSI技術(shù)的應(yīng)用改進(jìn)了原有常規(guī)3D石油物理勘探技術(shù)，減少了物探作業(yè)采集數(shù)據(jù)量，大大提高了3D圖像質(zhì)量，縮短地震數(shù)據(jù)采集周期，降低地球物理勘探成本，使地震數(shù)據(jù)采集和處理的數(shù)量與原來相比增長了10倍［25,31-32］。

2018年4月，道達(dá)爾和谷歌簽署聯(lián)合研究協(xié)議，重點發(fā)展AI地震圖像處理與解釋技術(shù)，道達(dá)爾專家與谷歌云AI專家在加州的谷歌云實驗室開展研究，利用計算機成像技術(shù)、自然語言處理技術(shù)尋求最先進(jìn)的解決方案，開發(fā)一套能通過AI自動讀取地震數(shù)據(jù)信息、自動分析技術(shù)圖像、文檔及聲音的地下成像與解釋技術(shù)。該項目最終目標(biāo)是利用AI進(jìn)行石油物探的地震成果處理和解釋，提高地質(zhì)學(xué)家、地球物理學(xué)家和地理信息工程師評估油氣田的效率，為研究人員和工程師們提供一個AI 個人助理，使他們能夠?qū)Ｗ⒂诟吒郊又档娜蝿?wù)［33］。

2017年5月，意大利石油埃尼(Eni)公司宣布了聯(lián)合IBM開展AI 認(rèn)知發(fā)現(xiàn)(Cognitive Discovery)，主要目標(biāo)是開發(fā)一種采用AI處理大量地質(zhì)、物理和地球化學(xué)等數(shù)據(jù)，并能實時提供更真實、更精確的數(shù)據(jù)進(jìn)行地質(zhì)建模。這些數(shù)據(jù)集經(jīng)過處理形成知識圖，然后呈現(xiàn)給地球科學(xué)家，有助于日常工作決策，也可以對備選方案進(jìn)行識別和驗證。通過AI分析處理結(jié)構(gòu)化和非結(jié)構(gòu)化的海量數(shù)據(jù)，準(zhǔn)確解釋潛在區(qū)域，及時通過鉆探活動，確定可行的勘探機會，為勘探階段初期決策提供支持，以減少勘探與地質(zhì)復(fù)雜性可能導(dǎo)致的潛在風(fēng)險［34］。

深度學(xué)習(xí)算法在測井解釋方面得到應(yīng)用?；诖髷?shù)據(jù)的深度學(xué)習(xí)給地質(zhì)儲層參數(shù)預(yù)測帶來了新的途徑，該技術(shù)可以自主地學(xué)習(xí)油氣井的測井曲線特征，避免了人為提取的誤差，既能做巖性、巖石類型、沉積微相的自動識別，也可以做儲層物性參數(shù)自動解釋，改善了常規(guī)的儲層參數(shù)預(yù)測方法處理復(fù)雜地質(zhì)問題時預(yù)測精度不高的問題。

3.3 AI技術(shù)開啟了人類鉆井新時代

在鉆井領(lǐng)域，旋轉(zhuǎn)導(dǎo)向鉆井、自動控壓鉆井、自動化及智能鉆井及遠(yuǎn)程專家決策系統(tǒng)等具有里程碑意義的重大技術(shù)與裝備的出現(xiàn)，標(biāo)志著鉆井已進(jìn)入鉆井自動化、智能化階段。而自動化鉆井僅指鉆臺設(shè)備的自動控制，智能鉆井則要通過計算模型和智能決策技術(shù)形成控制指令，達(dá)到自動閉環(huán)控制鉆井。從目前技術(shù)發(fā)展來看，此二者在同步發(fā)展，稱為 “鉆井系統(tǒng)自動化智能化(DSA-AI)”。它的最終目標(biāo)是實現(xiàn)“智能分析決策-自動控制執(zhí)行-參數(shù)測量” 的自動閉環(huán)操控。

2008年美國石油工程師協(xié)會(SPE)成立了鉆井自動化技術(shù)部(DSATS)。2013年由Baker Hughes、Shell、Schlumberger、NOV、M-ISWACO和deWards等公司和設(shè)備制造商共同成立了鉆井自動化路線圖(DSAR)聯(lián)盟。該聯(lián)盟與DSATS以及IADC的先進(jìn)鉆機技術(shù)委員會(ART)分工協(xié)作，共同致力于自動化與智能化鉆井技術(shù)的快速推進(jìn)。目前最受鉆井自動化團(tuán)隊歡迎的井下通信技術(shù)是國民油井公司研制的智能鉆桿，2019年已應(yīng)用130多口井，進(jìn)尺超過30×104m。最有代表性的鉆井自動化產(chǎn)品：eDrilling系統(tǒng)、Sekal公司DrillTronics系統(tǒng)、Aker公司的HIL模擬器和德國的CelleHIL模擬器。Sekal公司宣稱DrillTronics是世界上第1套自動化鉆井控制系統(tǒng)，具有實時監(jiān)測、過程回放、診斷與優(yōu)化控制功能。挪威石油(Equinor)投資4 500萬美元參與開發(fā)和應(yīng)用鉆井自動化系統(tǒng)，通過優(yōu)化參數(shù)、自動化起下鉆、接單根和起停泵等操作，平均每口井節(jié)約鉆井時間4%，每年縮短30~40 d的作業(yè)時間［35］。

貝克休斯、哈里伯頓和斯倫貝謝公司已經(jīng)建立了100多個鉆井遠(yuǎn)程支持中心。隨著DSA技術(shù)不斷提高，遠(yuǎn)程作業(yè)支持系統(tǒng)功能正在從監(jiān)測決策向遠(yuǎn)程控制方向演進(jìn)。如貝克休斯公司的專家決策支持與遠(yuǎn)程作業(yè)網(wǎng)絡(luò)平臺(BEACON)已經(jīng)實現(xiàn)了在遠(yuǎn)程中心配備1名MWD/LWD工程師，負(fù)責(zé)全面技術(shù)支持，現(xiàn)場只有1名定向工程師和1名高級工程師。這種模式雖然在遠(yuǎn)程中心增加了1人，但在現(xiàn)場減少了3~4人。

2015年Hess公司與國民油井公司聯(lián)合開展了16口井的閉環(huán)自動化鉆井試驗。通過測量傳輸井下鉆壓、扭矩、轉(zhuǎn)速、陀螺測斜、橫向振動、軸向振動和環(huán)空壓力等參數(shù)，利用優(yōu)化計算模型推薦的參數(shù)自動控制鉆井過程，試驗井平均日進(jìn)尺提高了17%(其中直井段提高了24%)。

2018年哈里伯頓推出的Earth Star服務(wù)，將探測距離提高到了61 m。隨鉆前探/遠(yuǎn)探技術(shù)將探測得更多、更準(zhǔn)、更遠(yuǎn)、更快，并成為未來智能鉆井、智能油田的重要組成部分。

2018年威德福推出Victus智能控壓鉆井系統(tǒng)是一個工業(yè)4.0解決方案，應(yīng)用了智能控制、設(shè)備自動化等領(lǐng)先技術(shù)。它采用了一種經(jīng)過時間檢驗的獨特算法模型，精確地保持井底壓力，以增強井控。Victus是一項將人類智能與機器智能相結(jié)合而實現(xiàn)的突破，使用該系統(tǒng)客戶可消除大多數(shù)鉆井危險［36］。

2019年殼牌石油公司基于機器學(xué)習(xí)和控制算法軟件開發(fā)出的Shell Geodesic鉆井模擬器，能夠?qū)崟r收集鉆井?dāng)?shù)據(jù)，簡化鉆井?dāng)?shù)據(jù)和處理算法的流程，為地質(zhì)學(xué)家和鉆井人員提供更優(yōu)質(zhì)的油氣層圖像，并自動做出決策。Shell Geodesic的目標(biāo)是提高水平井定向控制的精度和一致性，以達(dá)到提高油氣最高產(chǎn)層識別率的目的［37］。

2019年康菲石油公司致力于借助大數(shù)據(jù)技術(shù)提高鉆井作業(yè)效率，利用TIBCO軟件公司的Spotfire可視化數(shù)據(jù)包，對井中的傳感器所收集的信息進(jìn)行對比分析，通過程序自動調(diào)整鉆頭的馬力和鉆速，將伊格爾福特頁巖區(qū)的鉆井時間縮短了50%［37］。

具有自主學(xué)習(xí)能力的智能定向鉆井系統(tǒng)采集鉆頭、大鉤載荷、工具面、井斜、鉆壓與轉(zhuǎn)速、立管壓力、機械鉆速等數(shù)據(jù)，利用鉆井歷史數(shù)據(jù)模擬鉆井作業(yè)，應(yīng)用自主學(xué)習(xí)算法生成鉆井指令，實現(xiàn)高效定向鉆進(jìn)。經(jīng)過180萬步的訓(xùn)練后，將預(yù)測數(shù)據(jù)與實鉆數(shù)據(jù)對比，壓差預(yù)測誤差為0.21%，旋轉(zhuǎn)扭矩預(yù)測誤差為2.72%，先導(dǎo)試驗是在美國東部二疊紀(jì)盆地的14口水平井鉆井中進(jìn)行的，證實該系統(tǒng)可最終實現(xiàn)全自動定向鉆井［38］。

3.4 數(shù)據(jù)驅(qū)動的智能油氣田開發(fā)向地質(zhì)工程與生產(chǎn)一體化邁進(jìn)

國際石油公司紛紛將AI技術(shù)綜合應(yīng)用在油氣藏甜點識別、油氣藏描述與模擬、鉆井、生產(chǎn)優(yōu)化、地面資源調(diào)配、井下及地面故障診斷、風(fēng)險預(yù)警等各環(huán)節(jié)。主要做法：一是利用云平臺數(shù)據(jù)快速處理軟件對各種海量信息和大量數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析和可視化，研究剩余油分布；二是優(yōu)化調(diào)整井；三是用于監(jiān)測和診斷生產(chǎn)設(shè)備的性能和工況；四是優(yōu)化油氣集輸和銷售。AI技術(shù)降低了不確定性，極大推動了油氣田地質(zhì)工程一體化技術(shù)的快速實現(xiàn)。

美國諸多頁巖油氣開發(fā)區(qū)塊利用AI大數(shù)據(jù)分析進(jìn)行油氣藏 “甜點”識別，優(yōu)化井位部署，建立協(xié)同及集成工作流，綜合儲層數(shù)據(jù)和信息，指導(dǎo)精確布井、高效鉆井和壓裂設(shè)計優(yōu)化，實現(xiàn)地質(zhì)、油藏、鉆完井工程一體化協(xié)作，為全油田建立了一個各個環(huán)節(jié)可以互動的動態(tài)地質(zhì)模型，通過該模型進(jìn)行甜點識別、油藏模擬和優(yōu)化鉆完井程序。2017年，該方法在美國鷹灘、巴肯、特拉華盆地、DJ盆地和汾河盆地非常規(guī)油藏勘探開發(fā)過程中，通過將鉆井、射孔、水力壓裂層位的信息以及油氣生產(chǎn)數(shù)據(jù)進(jìn)行關(guān)聯(lián)，從1.25萬口目標(biāo)井位中優(yōu)選出了3 200口優(yōu)質(zhì)井位，資源潛力達(dá)10億t (70億桶)油當(dāng)量。對美國巴肯頁巖數(shù)千口頁巖油井進(jìn)行分析，甜點區(qū)預(yù)測符合率超過85%［39］。

俄羅斯RFD (Rock Flow Dynamics)公司開發(fā)的tNavigator地質(zhì)建模與油藏模擬一體化軟件，將GPU(圖形處理器)高效并行計算技術(shù)及AI優(yōu)化算法融為一體，實現(xiàn)了千萬至十億網(wǎng)格節(jié)點的模擬，成功應(yīng)用于全球油氣藏開發(fā)方案快速設(shè)計和油氣藏建模及數(shù)值模擬計算研究。該軟件與傳統(tǒng)建模數(shù)模技術(shù)相比，降低了人工調(diào)參的不確定性，節(jié)約了時間成本，縮減了決策周期。截至2020年底，該軟件在全球200多家油氣公司得到廣泛應(yīng)用［40］。

2015年斯倫貝謝推出了 IntelliZone Compact 多產(chǎn)層智能控制系統(tǒng)，它由多通道封隔器、流量控制閥、溫度壓力傳感器(線控長度4 572 m (15 000 ft))、多點模塊、管線快速接頭、地面控制系統(tǒng)及Well-Builder系統(tǒng)和地面操作軟件構(gòu)成，只用5條管線就可控制井下15個模塊，提供每個產(chǎn)層的溫度壓力數(shù)據(jù)，無論是通過本地的SCADA系統(tǒng)還是遠(yuǎn)程連接都能實現(xiàn)實時監(jiān)測井底條件變化，優(yōu)化儲層開采［41］。

Devon公司研究出全美頁巖區(qū)塊剩余油氣可視化-交互式地圖程序。該程序包括了全美陸地48個州過去10年10萬口水平井的數(shù)據(jù)。每計算1遍當(dāng)前所剩余油氣量并以交互式地圖的方式呈現(xiàn)出來，只需短短10 min時間。工程師可以使用該交互式地圖快速做出至少2類重要的決策：快速找出理想的再次壓裂井和快速找出理想的礦權(quán)租賃區(qū)塊?；谠O(shè)備故障的大量歷史數(shù)據(jù)，以及每次故障相關(guān)聯(lián)的各種因素，開發(fā)出了基于AI的預(yù)測生產(chǎn)井中人工舉升設(shè)備故障程序。該程序每天可自動地報告現(xiàn)場技術(shù)員需要巡檢的設(shè)備，大幅降低了設(shè)備故障率，節(jié)省了大量成本［42］。

2016年西門子公司推出了物聯(lián)網(wǎng)操作系統(tǒng)MindSphere。在油氣數(shù)字化應(yīng)用方面，西門子公司提出了Topsides 4.0數(shù)字化解決方案。這項技術(shù)可將數(shù)據(jù)分析水平提高到一個新的層次，提供更好的用戶體驗和視覺化能力。

2019年5月威德福公司的子公司ForeSite宣布了全球首個將人工舉升、生產(chǎn)優(yōu)化與物聯(lián)網(wǎng)(IoT)基礎(chǔ)設(shè)施相結(jié)合的技術(shù)系統(tǒng)ForeSite Edge。該系統(tǒng)是基于物聯(lián)網(wǎng)和云計算的油氣生產(chǎn)平臺，是威德福將數(shù)十年的生產(chǎn)經(jīng)驗和互聯(lián)網(wǎng)公司先進(jìn)的物聯(lián)網(wǎng)硬件相結(jié)合的產(chǎn)物，可作為獨立化自動化設(shè)備安裝，也可附加配置在客戶現(xiàn)有設(shè)備上。在這2種情況下，該技術(shù)可以通過實時數(shù)據(jù)和建模，調(diào)整舉升參數(shù)，自主管理人工舉升采油系統(tǒng)，同時運用預(yù)測技術(shù)防范風(fēng)險，減少故障停機時間，實現(xiàn)持續(xù)的自主生產(chǎn)優(yōu)化。用戶可以通過該平臺快速評估每口油氣井的生產(chǎn)狀況、跟蹤歷史趨勢，預(yù)判發(fā)生故障的可能性。大幅提高油井生產(chǎn)效率，降低開采成本。這項新技術(shù)已經(jīng)監(jiān)測和優(yōu)化全球4.6萬口井［43-45］。

威德福公司同時還與上游數(shù)據(jù)可視化服務(wù)商INT公司合作，聯(lián)合開發(fā)了2D與3D油井實時可視化技術(shù)。把INT公司的IVAAP框架嵌入到Weatherford Centro油井?dāng)?shù)字平臺中，該平臺可無縫整合多域油井?dāng)?shù)據(jù)、采用先進(jìn)的可視化框架顯示數(shù)據(jù)及采用AI算法、智能警報及實時工程模型模擬井下情況及故障，提升優(yōu)化油井生產(chǎn)的能力。該平臺能夠集成生產(chǎn)操作者所轄油井各個要素的工作流數(shù)據(jù)，使分布在全球各地的團(tuán)隊可以隨時訪問、共享和存儲任何重要的資料［45］。

2019年ABB公司推出了工業(yè)云平臺ABB Ability，在油氣數(shù)字化方面展開了6大布局：智能井監(jiān)測管理、生產(chǎn)動態(tài)管理、能源消耗管理、設(shè)備監(jiān)測與管理、數(shù)字化實現(xiàn)及作業(yè)安全管理。如ABB公司開發(fā)了變速控制器(VSD)可以智能控制人工舉升系統(tǒng)的電機和馬達(dá)。在實際抽油井中，VSD采用機器學(xué)習(xí)方法對泵抽過程進(jìn)行建模和抽油系統(tǒng)參數(shù)優(yōu)化。結(jié)果表明，新技術(shù)可實現(xiàn)增產(chǎn)50%，降低能耗30%，將維護(hù)和故障引起的停機時間減少了70%。

3.5 區(qū)塊鏈和數(shù)字孿生技術(shù)推動數(shù)據(jù)資產(chǎn)化

區(qū)塊鏈技術(shù)成為繼續(xù)推動各行各業(yè)數(shù)字化轉(zhuǎn)型和智能化發(fā)展的熱點技術(shù)，油氣工業(yè)的應(yīng)用也不例外。區(qū)塊鏈在油田產(chǎn)權(quán)交易和置換、油田服務(wù)、大宗商品交易和碳交易等方面都表現(xiàn)出了極大的應(yīng)用前景。它的應(yīng)用確保了信息真實有效，各類交易環(huán)節(jié)和流程更簡單快捷，如各類放射源等危險品追蹤，大型設(shè)備的核心部件運輸、安裝、維修等環(huán)節(jié)的追溯。該技術(shù)增加了人們應(yīng)用AI技術(shù)的信心。

2019年9月雪佛龍、康菲石油公司、挪威石油公司、?？松梨?、赫斯、先鋒自然資源公司和雷普索爾7大油氣公司宣布成立了OOC (Offshore Operators Committee)油氣區(qū)塊鏈財團(tuán)，7家成員單位為董事會成員，還有馬拉松、諾貝爾能源、殼牌等3個會員單位。他們還與區(qū)塊鏈研究所(BRI)聯(lián)合，旨在共同努力建立油氣行業(yè)區(qū)塊鏈標(biāo)準(zhǔn)、探索油氣生產(chǎn)核算、能源交易、數(shù)字提單、數(shù)字貨幣等技術(shù)應(yīng)用潛力，推動該技術(shù)和項目在油氣勘探、生產(chǎn)、財務(wù)、IT、礦權(quán)管理及油氣供應(yīng)等油氣工業(yè)領(lǐng)域的應(yīng)用，并開發(fā)了區(qū)塊鏈服務(wù)交易平臺(BaaS)，為整個行業(yè)發(fā)揮示范作用。

2019年9月OOC油氣區(qū)塊鏈財團(tuán)與加拿大技術(shù)提供商GuildOne合作，在R3公司提供的Corda平臺的智能合約引擎ConTracks上成功地試驗了基于區(qū)塊鏈支出授權(quán)(AFE)投票合同系統(tǒng)。AFE票務(wù)概念驗證(PoC)允許參與者發(fā)送選票，并使用區(qū)塊鏈技術(shù)進(jìn)行數(shù)字化投票。傳統(tǒng)的AFE投票是手工進(jìn)行，容易發(fā)生頻繁爭議，耗時長、管理復(fù)雜，導(dǎo)致高成本。區(qū)塊鏈極大地簡化這一點，使用智能合約來自動化投票和工作利益計算，并使用共享、不變的數(shù)據(jù)，減少了爭議。OOC區(qū)塊鏈聯(lián)盟AFE投票項目將允許GuildOne利用Con Tracks在區(qū)塊鏈能源交易業(yè)務(wù)網(wǎng)絡(luò)Energy Block Exchange (EBX)上進(jìn)行油氣特許權(quán)交易的多個成員節(jié)點之間同時執(zhí)行保密、安全和不變的AFE投票交換。該項目證明區(qū)塊鏈可用于成功地自動分發(fā)AFE選票、聯(lián)合操作協(xié)議(JOA)自動賬單整合及隨后的項目工作利益計算。

2020年6月，應(yīng)用區(qū)塊鏈技術(shù)實現(xiàn)油田水處理的自動化付款，測試用的區(qū)塊鏈平臺是是由Data Gumbo Corp開發(fā)的，它是一家區(qū)塊鏈智能合約服務(wù)提供商。該公司得到了沙特阿美石油公司(Saudi Aramco)和Equinor公司的資助。試點測試集中在美國北達(dá)科他州巴肯頁巖油田由挪威石油管理的5口井上進(jìn)行，測試是與Nuverra Environmental Solutions水處理公司聯(lián)合完成的。在該試驗中，工作流程從90~20 d減少到1~7 d，根據(jù)多方數(shù)據(jù)自動驗證，所有水處理體積測量85%的業(yè)務(wù)得到自動驗證，未來自動驗證可能接近100%；發(fā)票的自動交易執(zhí)行與當(dāng)前業(yè)務(wù)流程相比保證了付款與現(xiàn)場活動的一致性，降低了財務(wù)風(fēng)險，并為運營商和卡車運輸公司增加了25%~35%的資源分配潛力。OOC油氣區(qū)塊鏈實現(xiàn)了現(xiàn)場驗證貨物和服務(wù)，自動支付和實時費用跟蹤，并將其擴展到其他商品和服務(wù)。該解決方案改變了油井操作者、油田供應(yīng)商和銷售商之間的工作方式，為其成員公司和整個行業(yè)提供成本節(jié)約和效率，這可能會節(jié)省數(shù)百萬美元。

應(yīng)用區(qū)塊鏈技術(shù)可使大量匯票、工程變更通知單、收據(jù)等貿(mào)易相關(guān)的文件和存貨數(shù)據(jù)通過采用編碼規(guī)則來實現(xiàn)。對于提供新的跟蹤、記賬和自動化方法的協(xié)議的每個步驟都可創(chuàng)建出更安全的供應(yīng)鏈、更加完善的資本支出和更加簡化的合同約定，簡單說就是知道什么人因為什么原因在哪里得到了什么樣的報酬，誰是債主，協(xié)議中明確授權(quán)誰去執(zhí)行，這些都是分布式賬本技術(shù)潛在的顛覆點。如頁巖氣在開采過程中，需要不斷對油井進(jìn)行水力壓裂，需要用卡車不斷運送大量水和砂子，然后向井內(nèi)注入，而從井內(nèi)返出的水需要運送到專門基地進(jìn)行處理。一家向頁巖油氣田運送砂子的企業(yè)每天都會收到1萬個發(fā)票，企業(yè)對于大量需要處理的發(fā)票疲于應(yīng)對，并且難以確定這些發(fā)票的準(zhǔn)確性。區(qū)塊鏈技術(shù)可以通過匹配車載GPS電子圍欄技術(shù)，讓這些發(fā)票隨著卡車載重量或載貨量的變化自動生成發(fā)票，不必借助人力參與，避免了爭議，從而提高業(yè)務(wù)精確度［46-48］。

數(shù)字孿生是物理世界和虛擬世界之間進(jìn)行實時雙向通信。數(shù)字副本聚合了物理資產(chǎn)/產(chǎn)品的幾何圖形、資產(chǎn)信息和實時過程數(shù)據(jù)，以創(chuàng)建一個動態(tài)的、以工程為主導(dǎo)的業(yè)務(wù)系統(tǒng)。這使公司能夠在將虛擬世界應(yīng)用于物理世界之前，優(yōu)化運營流程并改進(jìn)虛擬世界中的資本投資。

在石油和天然氣行業(yè)，數(shù)字孿生可以用來模擬 “如果”或“將會”的情景，以最終提高生產(chǎn)率、可靠性。它使業(yè)主和運營商能夠從運營資產(chǎn)中的傳感器收集實時數(shù)據(jù)，無論其位于何處，都可了解確切的狀態(tài)和條件?？蓪︺@井和采油進(jìn)行建模，以確定虛擬設(shè)備設(shè)計是否可行。Equinor在Johan Sverdrup油田采用數(shù)字孿生改進(jìn)實時運營信息可視化，能使用相同數(shù)據(jù)、IT基礎(chǔ)設(shè)施和開發(fā)團(tuán)隊，以及擁有較少的涉眾，對其資產(chǎn)組合進(jìn)行篩選，來增強價值驅(qū)動，更好地利用資本產(chǎn)生重大價值。使用數(shù)字孿生使公司能更有效地部署資源，加快創(chuàng)造價值［49］。

隨著石油管道在線監(jiān)測技術(shù)的日漸成熟，管道運營人員可對管道進(jìn)行實時監(jiān)測，獲取大量管道在線運行數(shù)據(jù)。然而，面對如此繁復(fù)龐雜的數(shù)據(jù)，如何實現(xiàn)數(shù)據(jù)的可視化一直困擾著管道行業(yè)，管道數(shù)字孿生技術(shù)成功解決這一難題。管道數(shù)字孿生技術(shù)是一項虛擬現(xiàn)實技術(shù)，可將管道數(shù)據(jù)以3D形式呈現(xiàn)。用戶通過全息透視眼鏡，可對管道的虛擬圖像進(jìn)行旋轉(zhuǎn)，放大和擴展(視圖縮小的最大范圍達(dá)300 km2，放大的最大范圍為2 m2)。管道附近的一些重點區(qū)域以熱圖的形式呈現(xiàn)，熱圖信息包括區(qū)域內(nèi)地質(zhì)情況，以及隨時間變化的地質(zhì)變化狀況。用戶可對這些重點區(qū)域的地形顯示信息進(jìn)行操作，包括升高、降低和旋轉(zhuǎn)該處地形，從而更好地發(fā)現(xiàn)小凹痕、裂縫、腐蝕區(qū)域以及由地面移動引起的管道應(yīng)變等潛在危險。管道數(shù)字孿生技術(shù)還可對管道周邊的邊坡測斜儀進(jìn)行全息展示，用戶可清晰觀測管道隨地面運動而發(fā)生的移動情況，管道的管徑數(shù)據(jù)變化也可通過3D視圖直觀顯示出來。該技術(shù)目前在加拿大Enbridge公司的部分管道進(jìn)行應(yīng)用，呈現(xiàn)了5.83 km2(2.25平方英里)范圍內(nèi)的地理信息情況，實踐表明節(jié)省了研究管道數(shù)據(jù)的時間，有助于用戶更好地監(jiān)控管道運行狀況，快速準(zhǔn)確評估管道完整性［50］。

3.6 國內(nèi)規(guī)模化智能油氣田建設(shè)已達(dá)到國際先進(jìn)水平

智能油田是在數(shù)字油田基礎(chǔ)上提出并發(fā)展出的一個概念。智能油田建設(shè)是一個系統(tǒng)工程，建立數(shù)據(jù)銀行和建設(shè)信息平臺是智能油田發(fā)展的基礎(chǔ)。其核心是利用實時數(shù)據(jù)流結(jié)合高性能軟件和高速計算機系統(tǒng)，建立快速反饋的動態(tài)油藏模型，并將這些模型配合遙測傳感器、智能井和地面自動控制系統(tǒng)，實現(xiàn)各種層次的閉環(huán)優(yōu)化管理，讓操作者更直接地觀察和感知到地下生產(chǎn)動態(tài)，更準(zhǔn)確地預(yù)測油藏未來動態(tài)變化，最終實現(xiàn)全油田范圍的實時閉環(huán)資產(chǎn)經(jīng)營管理。

AI技術(shù)發(fā)展加速推動了油氣行業(yè)轉(zhuǎn)型發(fā)展，成為產(chǎn)業(yè)變革的新引擎。中國石油、中國石化、中國海油和延長石油集團(tuán)等都在數(shù)字化轉(zhuǎn)型的道路上積極探索，向數(shù)字化大幅邁進(jìn)。

從20世紀(jì)90年代開始，中國石油開始對油氣生產(chǎn)自動化、數(shù)字化進(jìn)行探索。大慶油田1999年在國內(nèi)首次提出了建設(shè)數(shù)字油田的理念，目前其慶新油田初步建設(shè)成了油田生產(chǎn)指揮中心1座、監(jiān)控終端3個，橫向上以智能生產(chǎn)為核心，各業(yè)務(wù)部門協(xié)同辦公，縱向上由數(shù)控中心直接下達(dá)生產(chǎn)指令到基層生產(chǎn)單元，實現(xiàn)了無人值守、電子智能巡檢。

中國石油推動數(shù)字化轉(zhuǎn)型，截至2019年底，累計建成各類數(shù)字化井14.4萬口、站9 804余座，約占中國石油井、站總數(shù)的52%和43%。其中，長慶、塔里木、西南、大港、青海、吐哈、冀東等10個油氣田實現(xiàn)全覆蓋，實現(xiàn)了初步數(shù)字化、可視化、自動化，取得了顯著的經(jīng)濟和社會效益。 值得一提的是，長慶油田實現(xiàn)了12個采油廠的79個作業(yè)區(qū)的數(shù)字化建設(shè)，覆蓋率達(dá)到90%，4 500座井場實現(xiàn)無人值守；實現(xiàn)了6個采氣廠的31個作業(yè)區(qū)氣井的數(shù)字化建設(shè)，數(shù)字化全覆蓋，其中195個站點實現(xiàn)無人值守［51-52］。

十三五期間，中國石化針對油氣田業(yè)務(wù)體系，大力推進(jìn)數(shù)字化轉(zhuǎn)型智能化發(fā)展，以“石化智云”為基礎(chǔ)，統(tǒng)一支撐智能油田、智能工廠、智能管線和智能研究院建設(shè)。上游業(yè)務(wù)中實現(xiàn)了工業(yè)APP按勘探、開發(fā)等專業(yè)分類管理，并指導(dǎo)業(yè)務(wù)系統(tǒng)的開發(fā)、管理、部署和應(yīng)用。實現(xiàn)工業(yè)APP、業(yè)務(wù)組件、技術(shù)組件、公共服務(wù)等統(tǒng)一管理及共享復(fù)用，業(yè)務(wù)功能從 “一次開發(fā)、一次應(yīng)用”模式到“組件開發(fā)、模塊組裝”的模式轉(zhuǎn)變。2018 年開始，中國石化油田智云在勝利油田全面推廣應(yīng)用，已管理統(tǒng)一賬號102 733個，運行215支流程、年業(yè)務(wù)辦理量47萬個、日均辦理量1 303個，完成280套業(yè)務(wù)系統(tǒng)的統(tǒng)一認(rèn)證集成，發(fā)布了油氣勘探、油氣開發(fā)、生產(chǎn)運行等6大類業(yè)務(wù)域共531個工業(yè)APP，完成34套存量系統(tǒng)的云化改造和22套新建系統(tǒng)的云上平臺。

中國海油高度重視人工智能技術(shù)的發(fā)展和應(yīng)用，積極推動人工智能技術(shù)與中國海油核心業(yè)務(wù)的深度融合。截至2020年底，中國海油已在多個業(yè)務(wù)領(lǐng)域開展試點應(yīng)用。在上游鉆井業(yè)務(wù)中，大力推進(jìn)智能鉆井實時數(shù)據(jù)監(jiān)測系統(tǒng)集成與建設(shè)，建立鉆井風(fēng)險預(yù)測模型，實現(xiàn)分級實時監(jiān)控和風(fēng)險預(yù)警。曹妃甸作業(yè)公司已應(yīng)用電潛泵智能采油系統(tǒng)進(jìn)行預(yù)測性維護(hù)，電泵停產(chǎn)時間減少 30%，檢修成本降低20%。智能分注分采系統(tǒng)通過對注水井、生產(chǎn)井的智能化管理，有效提升了高含水區(qū)塊穩(wěn)油控水水平。智能油氣集輸系統(tǒng)實現(xiàn)了全網(wǎng)智能調(diào)控、無人機智能巡檢搭配人工巡檢，形成低本高效、安全管理新模式，管道巡檢效率較傳統(tǒng)方式提升6~7倍。同時，中國海油也完成了11座無人平臺的改造，正在建設(shè)20座無人平臺，全力打造IT治理和網(wǎng)絡(luò)安全技術(shù)2大體系，構(gòu)建管理、生產(chǎn)和銷售3朵云，以期實現(xiàn)公司降本增效和高質(zhì)量發(fā)展［53］。

延長石油集團(tuán)基本建成了基于大數(shù)據(jù)的新型勘探開發(fā)智能決策系統(tǒng)，統(tǒng)一基礎(chǔ)數(shù)據(jù)庫，兼容多種專業(yè)軟件成果數(shù)據(jù)和數(shù)據(jù)模型，實現(xiàn)數(shù)據(jù)向研究成果的快速轉(zhuǎn)換，實時共享，快速查詢，提高工作效率。實現(xiàn)相應(yīng)區(qū)域的勘探開發(fā)關(guān)鍵數(shù)據(jù)的實時提取和一鍵推送，協(xié)助技術(shù)人員快速開展研究，減輕項目開展前基礎(chǔ)數(shù)據(jù)收集和整理80%的工作量。項目研究成果上傳入庫后自動回寫數(shù)據(jù)庫，實現(xiàn)了成果的及時共享。歷經(jīng)8年攻關(guān)探索，截至2020年，全油田14個采油廠121個區(qū)塊13萬口單井基礎(chǔ)數(shù)據(jù)庫初具雛形，平臺功能逐步完善，應(yīng)用試點范圍不斷擴大。

3.7 幾點啟示

大數(shù)據(jù)、云計算、人工智能、區(qū)塊鏈及工業(yè)互聯(lián)網(wǎng)等核心技術(shù)是推動數(shù)字化轉(zhuǎn)型的引擎。國外IT行業(yè)和石油公司的巨頭們在本次數(shù)字化轉(zhuǎn)型的浪潮中已經(jīng)成為弄潮兒，在許多技術(shù)方面已經(jīng)遙遙領(lǐng)先，他們在這些領(lǐng)域的發(fā)展給我國AI在油氣行業(yè)的發(fā)展帶來如下啟示。

(1)少代碼/無代碼AI技術(shù)平臺解除AI應(yīng)用壁壘。國內(nèi)油公司和服務(wù)公司應(yīng)借鑒國外AI平臺建設(shè)技術(shù)與經(jīng)驗，努力打造少代碼/無代碼AI技術(shù)平臺，降低AI的應(yīng)用門檻，使AI在油氣各領(lǐng)域能被方便快捷的使用。

(2)私有云、公有云和混合云的使用打破數(shù)據(jù)壁壘。開發(fā)利用混合云計算技術(shù)，創(chuàng)建數(shù)字平臺，實現(xiàn)對所有混合云平臺的無縫訪問，這些云數(shù)據(jù)分析服務(wù)，解決了數(shù)據(jù)駐留客戶問題，在國內(nèi)也能實現(xiàn)無需將數(shù)據(jù)轉(zhuǎn)移到國外第三方云數(shù)據(jù)中心，讓用戶使用多云成為現(xiàn)實，從而促進(jìn)云平臺使用更符合安全及保密要求，打破數(shù)據(jù)壁壘，加速油氣行業(yè)的數(shù)字化轉(zhuǎn)型。

(3)油氣公司與IT業(yè)界巨頭合作打破行業(yè)壁壘。從2017年開始，油氣行業(yè)的油服公司和石油公司分別與IT業(yè)界巨頭合作，掀起了AI領(lǐng)域的大聯(lián)合和大協(xié)作，打破行業(yè)壁壘，實現(xiàn)最大限度的融合。比較典型的是：斯倫貝謝宣布與IBM、紅帽、OSDU合作，哈里伯頓與微軟合作，貝克休斯與IBM、紅帽合作，道達(dá)爾與谷歌合作等，并且都已經(jīng)見到很好成效，油公司發(fā)展AI的趨勢還是要快速融入IT行業(yè)。國外公司的合作模型和建設(shè)AI的成果經(jīng)驗也值得我國借鑒。

(4)盡可能加入國際油氣AI聯(lián)盟，打破信息不同的壁壘。國際油公司之間成立許多有利于AI發(fā)展和場景落地的國際組織。我國油氣公司也采取積極參與態(tài)度，分享成果，諸如可考慮加入OOC油氣區(qū)塊鏈聯(lián)盟、OSDU的數(shù)據(jù)平臺聯(lián)盟等。

(5)油氣行業(yè)的AI公司建立戰(zhàn)略聯(lián)盟打破場景落地難的環(huán)境與技術(shù)壁壘。從國外油氣公司AI發(fā)展所取得的成效看，落地的主要場景、所采取的發(fā)展策略值得我國借鑒：多家公司聯(lián)合，建立聯(lián)盟，以共同投資，減少風(fēng)險，成果共享。

4 AI未來發(fā)展前景

當(dāng)前，大數(shù)據(jù)成為AI發(fā)展的基礎(chǔ)，到了用數(shù)據(jù)說話和決策的時代，石油就在數(shù)據(jù)之中。AI被譽為第四次工業(yè)革命的引擎，已在石油工業(yè)各個領(lǐng)域產(chǎn)生了極為深遠(yuǎn)的影響。展望未來，隨著5G、云計算、AI技術(shù)的發(fā)展，世界油氣工業(yè)智能化水平將會越來越高，一次巨大的油氣技術(shù)革命即將到來。預(yù)計到2035年以后，智慧地質(zhì)、智慧鉆井、智慧完井、智慧優(yōu)化、智慧管道和智慧煉廠將全面建成，油氣田企業(yè)的發(fā)展達(dá)到最高境界，全面進(jìn)入智慧時代，把油田裝在手機里將會變成現(xiàn)實。

4.1 智慧地質(zhì)

構(gòu)建地質(zhì)云平臺，將地質(zhì)基礎(chǔ)巖相分析與數(shù)據(jù)科學(xué)、物理學(xué)和數(shù)值方法結(jié)合在一起，創(chuàng)建出一套適用于研究區(qū)的智能地質(zhì)描述方法，在虛擬實驗室中創(chuàng)造出用于能在線研究的“數(shù)字巖石”，更準(zhǔn)確地分析孔隙度、滲透率以及巖石與其內(nèi)部流體相互作用的信息等，并通過地質(zhì)云技術(shù)，極大地縮短樣品分析對比周期，提高分析準(zhǔn)確性。展望未來，人工智能與地質(zhì)研究的深度融合，將催生出智慧地質(zhì)，實現(xiàn)由地質(zhì)大數(shù)據(jù)向智慧地質(zhì)的升級，有力地推動著地質(zhì)調(diào)查向著快速、精準(zhǔn)、高效的方向發(fā)展，并不斷提高國土資源監(jiān)測及高原高寒無人區(qū)地質(zhì)精細(xì)填圖能力，實現(xiàn)智能化、綠色化勘查。智慧地質(zhì)在油氣行業(yè)中，將更高效地圈定最具潛力的區(qū)域、儲層和井位，提高探井成功率，促進(jìn)增儲上產(chǎn)。

4.2 智慧鉆井

未來的智慧鉆井主要由智能鉆機、井下智能導(dǎo)向鉆井系統(tǒng)、現(xiàn)場智能控制平臺、遠(yuǎn)程智能控制中心組成，它們構(gòu)成一個有機的整體，實現(xiàn)閉環(huán)控制。智能機器人鉆井系統(tǒng)將取代鉆臺工人和井架工成為未來鉆機的核心，現(xiàn)場智能控制平臺將代替司鉆完成所有操控。電動智能連續(xù)管鉆井系統(tǒng)將實現(xiàn)連續(xù)起下鉆和連續(xù)循環(huán)功能。2030—2035年，將進(jìn)入智慧鉆井新時代，實現(xiàn)全自動鉆井，一些關(guān)鍵作業(yè)將實現(xiàn)遠(yuǎn)程操控。

4.3 智慧油田

未來智慧油田將以大數(shù)據(jù)、5G、物聯(lián)網(wǎng)、云計算、邊緣計算、智能傳感器、數(shù)據(jù)存儲及傳輸設(shè)備等形成技術(shù)支撐。以智能數(shù)據(jù)分析控制平臺為中心，無論固定資產(chǎn)、移動設(shè)備還是工作人員直接同控制中心建立聯(lián)系。預(yù)計2030—2035年，全油田進(jìn)入智慧化分析海量數(shù)據(jù)時代，可實時地對全油田資產(chǎn)范圍進(jìn)行資源最優(yōu)調(diào)配、生產(chǎn)優(yōu)化運行、智能故障判斷與風(fēng)險預(yù)警等，最終實現(xiàn)全部油田資產(chǎn)的智慧化運營，油氣田進(jìn)入遠(yuǎn)程無人化控制的智慧油田時代。

4.4 智慧油氣管道

智能管道將以管道本體及周邊環(huán)境的全生命周期數(shù)據(jù)為基礎(chǔ)，以大數(shù)據(jù)、5G、物聯(lián)網(wǎng)、云計算、數(shù)字孿生、自動化與智能管道監(jiān)測和管控等技術(shù)為核心，形成管道高度集成的一體化系統(tǒng)。預(yù)計2030—2035年，全面形成具有可觀測可控制的大管網(wǎng)、地上地下一體化的智能感知、自適應(yīng)和綜合優(yōu)化平衡的數(shù)字孿生智慧管，大幅度降低管道運行事故率，有效提升管道安全運營水平。

4.5 智慧煉廠

智慧煉廠是指在數(shù)字化煉廠的基礎(chǔ)上，利用大數(shù)據(jù)、5G、物聯(lián)網(wǎng)、數(shù)字孿生、云計算等新一代信息技術(shù)和設(shè)備監(jiān)控技術(shù)為主體所建立的煉油體系。確保煉油生產(chǎn)線各類數(shù)據(jù)及時準(zhǔn)確采集、生產(chǎn)過程高度可控、信息管理和服務(wù)準(zhǔn)確支撐產(chǎn)供銷體系，實現(xiàn)全過程的安全、環(huán)保。預(yù)計2030—2035年，建成具有自動化、數(shù)字化、可視化、智能化的智慧煉廠，使得煉廠的產(chǎn)供銷管控、能源管理、設(shè)備管理、HSE管理、輔助決策等形成全鏈?zhǔn)街腔巯到y(tǒng)，促進(jìn)綠色低碳發(fā)展，推動行業(yè)大變革，操作人員大幅減少，勞動效率和生產(chǎn)效益大幅提升。

5 結(jié)論及建議

(1) AI技術(shù)雖然經(jīng)過了2次高潮和2次低谷的發(fā)展，本次進(jìn)入第3次發(fā)展高潮將一直會朝著更成熟的方向發(fā)展。其關(guān)鍵技術(shù)是機器學(xué)習(xí)、遷移學(xué)習(xí)、聯(lián)邦學(xué)習(xí)、區(qū)塊鏈、數(shù)字孿生等，自動學(xué)習(xí)+聯(lián)邦學(xué)習(xí)+遷移學(xué)習(xí)將是未來AI技術(shù)發(fā)展趨勢，自動學(xué)習(xí)將成為AI發(fā)展的終極目標(biāo)。

(2) AI成為石油公司數(shù)字化、智能化發(fā)展，應(yīng)對持續(xù)低油價進(jìn)行企業(yè)變革和轉(zhuǎn)型的重要推動力，成為油氣科技發(fā)展的大趨勢，是世界油氣工業(yè)持續(xù)提質(zhì)降本增效的有效途徑和必由之路。

(3)油氣鉆井、油氣生產(chǎn)、油氣管道、煉油等多個油氣領(lǐng)域預(yù)計2030—2035年將陸續(xù)進(jìn)入智慧化時代。

(4)油氣領(lǐng)域AI未來的研發(fā)方向是研發(fā)適合各領(lǐng)域的智能算法、智能芯片、智能新材料、制造新工藝；油氣領(lǐng)域AI發(fā)展的重點領(lǐng)域是智慧地質(zhì)科學(xué)云、油氣藏甜點識別、油氣儲層描述與模擬、智能鉆完井、智能開采、智能輸送及智能煉廠等。

(5)數(shù)字化轉(zhuǎn)型和智能化發(fā)展不僅限于業(yè)務(wù)層面，也貫穿到了企業(yè)組織架構(gòu)、經(jīng)營管理，成為一場聲勢浩大的技術(shù)革命，將推動全球油氣行業(yè)變革，將改變石油行業(yè)的整體格局。