人工智能（AI）在油氣行業(yè)中的應用

　　油氣行業(yè)的人工智能發(fā)展趨勢主要有以下幾個方面： 一、提升應用效率 隨著油氣行業(yè)的發(fā)展，對于生產(chǎn)力的需求也越來越高，人工智能技術在此領域發(fā)揮著重要作用，比如機器學習可以有效提升工作效率，并幫助企業(yè)快速響應市場的變化，靈活滿足客戶的需求。 二、改進維護和管理 利用人工智能技術，可以更有效地實現(xiàn)維護和管理油氣行業(yè)的設備和設施，減少維護成本、提高設備可靠性和設備使用壽命，提高油氣行業(yè)的生產(chǎn)效率和水平。 三、實現(xiàn)安全監(jiān)測 利用人工智能技術，可以實現(xiàn)對油氣行業(yè)檢測安全性的高效監(jiān)控，有效解決突發(fā)安全事件，同時為行業(yè)做出科學、合理的安全預警，保障行業(yè)安全發(fā)展。 四、提高客戶服務 利用人工智能技術，可以在油氣行業(yè)實現(xiàn)智能客服、智能客戶服務等功能，提升客戶體驗，提高油氣行業(yè)的競爭力。

　　行業(yè)觀察

　　AI+上游,如何破局

　　人工智能（AI）技術被譽為“第四次”工業(yè)革命的引擎，它將對油氣行業(yè)數(shù)字化轉(zhuǎn)型和智能化發(fā)展產(chǎn)生巨大的推動作用，并產(chǎn)生重大的社會效益和經(jīng)濟效益。特雷斯數(shù)據(jù)顯示：2019年，3000多家油氣公司在油井及相關基礎設施運營方面花費約1萬億美元，如果加速自動化和數(shù)字化進程，可減少約10%開支。普華永道預測，到2025年，油氣公司上游業(yè)務通過人工智能技術應用可節(jié)省1000億~1萬億美元的資本和運營支出。

　　近年來，油氣行業(yè)面對低油價難題，眾多國際石油公司和油服公司紛紛與IT巨頭聯(lián)手實現(xiàn)跨界合作，加大人工智能平臺的建設力度，促進了勘探開發(fā)業(yè)務的數(shù)字化快速轉(zhuǎn)型，有效提升了效益挖潛空間。2017年，斯倫貝謝與Google合作推出了DELFI云平臺，將大數(shù)據(jù)、認知計算等技術與油氣勘探開發(fā)等業(yè)務深度融合，構(gòu)建了勘探開發(fā)全過程數(shù)字化、自動化、智能化專業(yè)應用環(huán)境，支撐企業(yè)轉(zhuǎn)型的創(chuàng)新發(fā)展，使得平臺發(fā)展進入了從“N”到“1”的時代。

　　2020年以來，各大石油公司加大力度建設智能油氣田，以期實現(xiàn)降本提效。殼牌提出建設智能油田（Smart Oilfield），目標是產(chǎn)量提高10%，采收率提高5%~10%，運營費用減少20%，油田開發(fā)周期縮短50%。

　　目前，我國智能油田建設水平處在數(shù)字化向智能化過渡階段，少數(shù)油區(qū)已基本建成了智能油田雛形，已經(jīng)具備了油井自診斷、預警和報警，并能推薦優(yōu)化的決策方案。

　　油氣行業(yè)人工智能發(fā)展面臨的挑戰(zhàn)

　　20年來，我國石油企業(yè)在智能油氣田建設中創(chuàng)造了“油氣田物聯(lián)網(wǎng)建設模式”“智能油氣田建設模式”，油氣田智能化的整體性、規(guī)�；�與管理，已經(jīng)走在國外油氣田的前列，然而，油氣行業(yè)人工智能發(fā)展仍面臨系列挑戰(zhàn)。

　　其一，勘探開發(fā)數(shù)據(jù)孤島等問題帶來的挑戰(zhàn)。上游勘探開發(fā)過去幾十年信息化建設存在的數(shù)據(jù)多頭錄入、標準不統(tǒng)一、功能重復開發(fā)、信息與業(yè)務融合不緊密等問題逐步顯現(xiàn)，造成的數(shù)據(jù)庫多、平臺多、孤立應用多等現(xiàn)象日趨突出。數(shù)據(jù)共享難、業(yè)務協(xié)同難，給油氣行業(yè)人工智能落地應用帶來挑戰(zhàn)，高質(zhì)量的人工智能技術落地應用需要高質(zhì)量的大數(shù)據(jù)作為前提和基礎。由于采集技術手段受限，能代表問題特征的數(shù)據(jù)不具備多樣性特征，單一性特征的大數(shù)據(jù)不是真正意義的大數(shù)據(jù)，給復雜的油氣勘探開發(fā)領域的研究也帶來挑戰(zhàn)。數(shù)據(jù)是人工智能技術發(fā)展的靈魂，大數(shù)據(jù)、數(shù)據(jù)質(zhì)量及其治理決定著智能化發(fā)展的未來，數(shù)字化轉(zhuǎn)型中抓住數(shù)據(jù)及數(shù)據(jù)治理就等于抓住了人工智能技術發(fā)展的未來。

　　其二，人工智能算法工程師與業(yè)務人員之間的壁壘挑戰(zhàn)。通常，業(yè)務人員對人工智能算法不了解，算法工程師對業(yè)務人員的專業(yè)同樣也不了解，導致算法工程師與業(yè)務工程師之間往往存在“聽不懂、說不清、合不來”現(xiàn)象，給人工智能在業(yè)務領域落地帶來障礙。油氣行業(yè)的人工智能落地應用不同于其他行業(yè)，油氣勘探開發(fā)對象都在地下，是一種看不見摸不著的黑箱系統(tǒng)，采用人工智能技術解決問題，不同于人機對弈中的人工智能AlphaGozero，它所走的圍棋棋盤是規(guī)則且可見的。油氣行業(yè)大多數(shù)要解決和處理的問題都是看不到任何規(guī)則和解決問題的對象，具有超強的不確定性，要解決好油氣行業(yè)的人工智能應用問題，專業(yè)知識和行業(yè)經(jīng)驗非常重要，需要解決算法工程師與業(yè)務人員間存在壁壘的挑戰(zhàn)，只有雙方深度融合，才能促使人工智能技術的產(chǎn)品或者場景落地應用。

　　其三，智能應用場景需要不斷迭代發(fā)展帶來的資金持續(xù)性投入挑戰(zhàn)。人工智能技術和智能油氣田建設基礎理論、技術原理研究等方面還不夠深入，技術和方法都不夠成熟，國內(nèi)外沒有完全成型可參照的樣板。人工智能場景和智能油氣田建設過程中不同程度地存在數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)管理和數(shù)據(jù)使用6個環(huán)節(jié)的缺失，部分油田只有采集或視頻設備，數(shù)據(jù)和圖像分析技術跟不上等，導致出現(xiàn)不同程度的“建得多、用得少”或者“只建不管、只建不用”等現(xiàn)象。

　　所以，目前建成的人工智能應用場景和智能油氣田還比較初步。這些現(xiàn)象的出現(xiàn)也一定程度影響了數(shù)字化智能化轉(zhuǎn)型進程。人工智能技術場景和智能油氣田建設不像樓房建設那樣，竣工驗收就可以結(jié)束了事，它需要持續(xù)根據(jù)技術進步和創(chuàng)新發(fā)展不斷投入升級改造資金、不斷適應變化的業(yè)務需求和用戶體驗而不斷迭代升級。人工智能應用場景及其智能油田建設，研究規(guī)劃部署應全面，但就人工智能場景和智能油氣田建設的策略而言，需要有側(cè)重、點線面逐級突破，最終全面實現(xiàn)智能化。

　　其四，人工智能高端技術與產(chǎn)品受到國外制約。人工智能技術發(fā)展及應用場景落地，智能油氣田建設用的高性能智能傳感器、云服務器、云計算軟件等50%以上的技術與產(chǎn)品來自歐美。但近年來，高端技術引進困難，給油氣工業(yè)人工智能和智能油氣田建設帶來了挑戰(zhàn)，近年來，雖然國內(nèi)追趕研發(fā)人工智能高端技術，但少數(shù)產(chǎn)品性能與歐美相比依然存在差距。國有油氣企業(yè)需要在短期內(nèi)破解關鍵核心技術的困局。

　　其五，人才匱乏帶來的挑戰(zhàn)。人工智能技術與應用和智能油氣田建設不僅需要一批懂得數(shù)據(jù)科學的技術人員、網(wǎng)絡運營技術人員、高級程序人員，而且需要既懂得油氣業(yè)務又懂得人工智能的復合型人才。在目前現(xiàn)狀下，需要綜合性大學設置人工智能相關專業(yè)，企業(yè)設置對應的崗位和職稱序列；人工智能場景落地可借助高校、高科技公司、標注公司、軟件公司等社會研發(fā)力量，形成聯(lián)合攻關團隊，解決數(shù)字化人工智能轉(zhuǎn)型中的人才匱乏現(xiàn)實。

　　油氣行業(yè)人工智能發(fā)展的建議

　　其一，成立人工智能重點實驗室加速高端技術產(chǎn)品研發(fā)與孵化。

　　建設人工智能重點實驗室，開展勘探開發(fā)全業(yè)務鏈的數(shù)據(jù)智能實驗、智能計算及智能平臺研發(fā)，將云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、人工智能及區(qū)塊鏈等技術與主營業(yè)務有機結(jié)合，實現(xiàn)傳統(tǒng)油氣產(chǎn)業(yè)轉(zhuǎn)型升級，共建共享、業(yè)務協(xié)同、網(wǎng)絡互聯(lián)、數(shù)據(jù)互通、智能決策、生態(tài)再造。以人工智能重點實驗室建設為抓手，打通勘探開發(fā)工程數(shù)據(jù)的全業(yè)務鏈，創(chuàng)建混合云平臺，加速人工智能高端產(chǎn)品研發(fā)與孵化，助力提升勘探開發(fā)力度，打好勘探開發(fā)進攻戰(zhàn)。

　　其二，人工智能技術與業(yè)務交叉融合提升科技支撐當前引領未來。

　　人工智能技術作為一種通用技術，未來會觸及油氣工業(yè)的各個領域，從真正意義上全面實現(xiàn)人工智能與傳統(tǒng)業(yè)務的高度交叉融合，成為油氣領域的新行業(yè)——智能油氣。未來10年~15年，智能油氣行業(yè)上游重點業(yè)務發(fā)展將瞄準智能勘探、智能開發(fā)、智能工程、生產(chǎn)智能運營與優(yōu)化決策、智能數(shù)據(jù)治理等五大領域。重點聚焦四方面核心技術攻關，一是開展計算機視覺應用技術、知識圖譜應用技術、基于機器學習的應用技術等基礎技術在油氣勘探開發(fā)領域的攻關與應用，創(chuàng)新突破人工智能基礎關鍵技術；二是加快開展地震資料智能處理，巖相、沉積相及地質(zhì)甜點智能預測，勘探目標智能評價等智能勘探技術研究，打造油氣目標高效準確的智能評價技術；三是加大力度開展智能油氣藏地質(zhì)建模、物理與數(shù)據(jù)雙驅(qū)動油藏智能模擬、地質(zhì)—油藏—工程一體化智能優(yōu)化、儲氣庫智能注采等技術研究，創(chuàng)新形成數(shù)字孿生油氣開發(fā)技術；四是開展油氣勘探開發(fā)數(shù)據(jù)標準化應用數(shù)據(jù)可信安全管理、數(shù)據(jù)治理與共享和數(shù)據(jù)集市等技術研究，打造形成油氣上游領域智能數(shù)據(jù)。

　　其三，加大復合型人才的培養(yǎng)與引進力度。

　　由于人工智能和石油勘探開發(fā)兩個領域涵蓋的學科廣，復合型人才培養(yǎng)難度大、周期長，需要采用多種方式大力培育、引進及聘用人工智能復合型青年領軍人才及團隊。制定相關研究院的人才培養(yǎng)計劃，向人工智能領域傾斜；聯(lián)合具有人工智能專業(yè)的重點高校聯(lián)合培養(yǎng)；借助人才引進計劃，加強人工智能高端人才引進和培育，從國內(nèi)外引進和招聘具有人工智能和油氣雙重專業(yè)背景的人才。加強多方合作，校企合作、石油企業(yè)與IT企業(yè)的深度合作培養(yǎng)復合型人才，組建跨學科聯(lián)合攻關團隊，實現(xiàn)跨界融合，開展勘探開發(fā)業(yè)務鏈數(shù)字化智能化技術攻關，真正發(fā)揮“產(chǎn)學研用”的作用。

　　其四，快速出臺精準的扶持政策，激勵創(chuàng)新，鼓勵轉(zhuǎn)化。

　　人工智能是我國追趕科技前沿，甚至引領創(chuàng)新的重大機遇。為加快我國石油企業(yè)人工智能創(chuàng)新引領發(fā)展，更有力地支撐油氣勘探開發(fā)新一代人工智能創(chuàng)新發(fā)展及場景落地試驗，打造人工智能原創(chuàng)中心，搶占油氣工業(yè)領域人工智能技術的制高點，提出給予政策扶持和創(chuàng)新激勵政策，建立石油企業(yè)人工智能科技研發(fā)創(chuàng)新基金或者產(chǎn)業(yè)創(chuàng)新基金，為具有原創(chuàng)的人工智能項目給予大力資金扶持和政策激勵。

　　深化科研管理和科技投資體制機制改革，建立對人工智能產(chǎn)業(yè)的早期投資、長期投資、分階段連續(xù)投資和產(chǎn)業(yè)鏈組合投資機制，建立操作性強、可落實的人工智能科研投資激勵機制，激發(fā)研發(fā)人員的研發(fā)創(chuàng)新活力，為科研人員多出成果、快出成果營造良好的科研條件。

　　設立油氣各業(yè)務領域?qū)�應專業(yè)的數(shù)字化智能化重大專項，保障數(shù)字化智能化關鍵技術都能有相應的研發(fā)投入，讓數(shù)字化智能化轉(zhuǎn)型發(fā)展沒有死角。通過專項研究，全面實現(xiàn)新技術、新產(chǎn)品、新工藝研發(fā)，形成新產(chǎn)業(yè)及新業(yè)態(tài)，實現(xiàn)產(chǎn)業(yè)變革。（李欣 竇宏恩 中國石油勘探開發(fā)研究院人工智能研究中心）

　　油海觀潮

　　數(shù)據(jù)+上游，路怎么走

　　數(shù)據(jù)是數(shù)字經(jīng)濟時代的關鍵生產(chǎn)要素，是第三次工業(yè)革命的關鍵成果，更是第四次工業(yè)革命的重要基礎。數(shù)據(jù)資產(chǎn)已經(jīng)成為企業(yè)發(fā)展的核心競爭力，強化數(shù)據(jù)資產(chǎn)的沉淀與建設勢在必行。隨著數(shù)字化轉(zhuǎn)型進程的加快，數(shù)據(jù)科學與大數(shù)據(jù)技術成為相關產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型、智能化發(fā)展的核心引擎。

　　應用數(shù)據(jù)科學與大數(shù)據(jù)技術，挖掘油氣領域數(shù)據(jù)資產(chǎn)的價值，提供高效數(shù)據(jù)及一體化服務支撐油氣勘探開發(fā)領域科學研究及決策管理，對推動油氣領域數(shù)字化轉(zhuǎn)型具有重要意義，是我國油氣企業(yè)成為一流國際油公司的必由之路。

　　油氣企業(yè)數(shù)字化轉(zhuǎn)型新契機

　　習近平總書記曾強調(diào)：“要抓住產(chǎn)業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化賦予的機遇，加快5G網(wǎng)絡、數(shù)據(jù)中心等新型基礎設施建設�！�2020年4月20日，國家發(fā)改委明確將數(shù)據(jù)中心作為信息基礎設施，納入“新基建”范疇。隨著國家對戰(zhàn)略性新興產(chǎn)業(yè)的重視，“新基建”任務的提出，數(shù)據(jù)中心迎來了新的發(fā)展機遇。未來將相繼建成若干國家級的數(shù)據(jù)中心，預計2030年中國數(shù)據(jù)原生產(chǎn)業(yè)規(guī)模將占整個經(jīng)濟總量的15%，數(shù)據(jù)的總體規(guī)模超過4YB，占全球數(shù)據(jù)總量的30%，數(shù)據(jù)科學與大數(shù)據(jù)相關應用進入快速發(fā)展軌道。

　　我國油氣勘探整體處于勘探中期，近年來新發(fā)現(xiàn)規(guī)模較大的油氣儲量資源主要集中在超低滲、深層及非常規(guī)領域，如何應用數(shù)據(jù)科學與大數(shù)據(jù)技術提高構(gòu)造解釋精度、儲層解釋符合率、地質(zhì)目標鉆探成功率等，是夯實公司原油長期穩(wěn)產(chǎn)、天然氣穩(wěn)健增長基礎的重要手段。我國石油企業(yè)目前已經(jīng)建成一系列的信息管理系統(tǒng)，實現(xiàn)了對結(jié)構(gòu)化數(shù)據(jù)的有效管理和應用，但針對各種報告、文章及成果等管理系統(tǒng)缺失，數(shù)據(jù)資產(chǎn)尚未真正建立起來，海量的數(shù)據(jù)仍無法實現(xiàn)開放共享，不能有效滿足業(yè)務應用。數(shù)據(jù)科學與大數(shù)據(jù)技術與油氣勘探開發(fā)業(yè)務的融合應用將為油氣領域數(shù)字化轉(zhuǎn)型、高質(zhì)量發(fā)展以及企業(yè)戰(zhàn)略目標的實現(xiàn)提供新契機。

　　數(shù)據(jù)+上游的應用路線圖

　　目前，數(shù)據(jù)科學與大數(shù)據(jù)技術應用已經(jīng)取得了一些成績，但也面臨不少挑戰(zhàn)。第一，數(shù)據(jù)科學與大數(shù)據(jù)技術應用需要高質(zhì)量、全方位的數(shù)據(jù)支撐，數(shù)據(jù)治理至關重要；第二，油氣上游領域分散的數(shù)據(jù)仍需深度整合，尤其是研究和利用知識圖譜等新一代信息技術實現(xiàn)多源異構(gòu)數(shù)據(jù)的融合，進而構(gòu)建完整的知識體系；第三，針對不同業(yè)務應用、不同組織的業(yè)務應用、數(shù)據(jù)沒有統(tǒng)一的平臺管控，難以從全局層面挖掘數(shù)據(jù)價值，可以通過數(shù)據(jù)中臺構(gòu)建服務，建立專業(yè)數(shù)據(jù)的關聯(lián)關系，實現(xiàn)應用和數(shù)據(jù)的相互操作及共享復用。因此，勘探開發(fā)領域的數(shù)據(jù)治理、知識圖譜、數(shù)據(jù)中臺的建設將成為上游領域數(shù)字化轉(zhuǎn)型的核心。

　　其一，重視數(shù)據(jù)治理，提供高質(zhì)量全方位的數(shù)據(jù)源。多年來，我國石油企業(yè)致力于構(gòu)建分類清晰、存儲合理、使用高效、可持續(xù)改進的數(shù)據(jù)治理體系，包括保障機制和數(shù)據(jù)管理。以中國石油為例，在油氣上游領域，為了加強物探資料各探區(qū)企業(yè)級管理、礦權(quán)流轉(zhuǎn)區(qū)塊所在盆地集中管理和異地備份管理需要，開展物探資料云數(shù)據(jù)中心的建設，統(tǒng)一管控和治理數(shù)據(jù)及圖件資料，實現(xiàn)對油氣上游領域大塊數(shù)據(jù)的全面完整管理；勘探生產(chǎn)板塊按照“兩統(tǒng)一、一通用”，建設夢想云平臺，通過構(gòu)建數(shù)據(jù)湖，逐步整合中國石油的上游各專業(yè)多層次、多維度的數(shù)據(jù)，以滿足油氣上游業(yè)務科研生產(chǎn)和業(yè)務管理需求。

　　數(shù)據(jù)治理，是數(shù)據(jù)體系建設的首要環(huán)節(jié)。建議加強數(shù)據(jù)治理工作，通過數(shù)據(jù)治理體系建設，實現(xiàn)這些專業(yè)數(shù)據(jù)可用、好用、用好，從而構(gòu)建石油企業(yè)上游領域高質(zhì)量、全生命周期數(shù)據(jù)資產(chǎn)，為勘探開發(fā)領域的業(yè)務研究、經(jīng)營管理提供全方位數(shù)據(jù)支撐。

　　其二，建設領域知識圖譜，全面開展智能化應用探索。油氣上游領域數(shù)據(jù)向資產(chǎn)轉(zhuǎn)變的關鍵是通過勘探開發(fā)知識圖譜的建設構(gòu)建油氣數(shù)據(jù)資產(chǎn)知識體系。隨著人工智能特別是深度學習和自然語言處理技術的迅速發(fā)展，知識圖譜在輔助智能問答、自然語言理解、大數(shù)據(jù)分析、智能推薦、物聯(lián)網(wǎng)設備互聯(lián)、可解釋人工智能等方面展現(xiàn)出豐富的應用價值。知識圖譜技術可降低專業(yè)人士使用知識的門檻，縮短知識檢索和調(diào)研的時間；可快速發(fā)現(xiàn)并挖掘知識的價值，提高勘探開發(fā)決策的效率。因此利用知識圖譜相關技術實現(xiàn)對勘探開發(fā)數(shù)據(jù)管理自動化、檢索智能化、分析多維化并將其應用于油氣領域的各類實踐中具有很重要的現(xiàn)實意義。

　　面向油氣勘探開發(fā)領域科研生產(chǎn)需求，設計并構(gòu)建勘探開發(fā)知識圖譜，需遵從實際業(yè)務需求，結(jié)合上游領域多專業(yè)多學科協(xié)同特點，考慮國內(nèi)油氣領域的科研業(yè)務模式，從地學角度出發(fā)，以盆地、油氣藏為主線構(gòu)建領域知識圖譜。其構(gòu)建過程包括知識體系分類、本體模型的構(gòu)建、命名實體識別及關系抽取及知識融合等部分。

　　建議加快勘探開發(fā)全領域知識圖譜的建設，編制勘探開發(fā)領域知識圖譜構(gòu)建標準，采用共建的模式完成油氣上游領域知識圖譜的構(gòu)建，并全面在上游領域開展“數(shù)據(jù)+知識”的雙驅(qū)動探索實踐，智能化解決專業(yè)問題，引領“第三代人工智能”技術的發(fā)展。

　　其三，研發(fā)勘探開發(fā)數(shù)據(jù)中臺，模塊化復用服務實際業(yè)務場景。數(shù)據(jù)中臺是指利用新一代信息技術，對海量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進行采集、計算、存儲、加工，同時統(tǒng)一標準，形成大數(shù)據(jù)資產(chǎn)層，進而提供業(yè)務強關聯(lián)、企業(yè)獨有、可復用的高效數(shù)據(jù)服務。數(shù)據(jù)科學與大數(shù)據(jù)技術的應用實踐通過數(shù)據(jù)中臺，實現(xiàn)數(shù)據(jù)技術能力和數(shù)據(jù)資產(chǎn)的建設和應用。

　　通過數(shù)據(jù)中臺構(gòu)建數(shù)據(jù)服務，實現(xiàn)應用和數(shù)據(jù)的互操作及共享復用。將應用系統(tǒng)中的數(shù)據(jù)拆分、解耦、封裝成服務，并形成新的運行管理邏輯，打破信息孤島，實現(xiàn)應用集成和功能模塊化、服務化敏捷開發(fā)，實現(xiàn)業(yè)務數(shù)據(jù)化、數(shù)據(jù)業(yè)務化，滿足協(xié)同研究及業(yè)務應用需求。

　　勘探開發(fā)領域無論在專業(yè)上還是在數(shù)據(jù)上均存在著復雜的依賴和關聯(lián)關系，同一類數(shù)據(jù)會支撐不同業(yè)務場景的服務，因此建議全面推動勘探開發(fā)數(shù)據(jù)中臺的建設工作，統(tǒng)一數(shù)據(jù)，統(tǒng)一標識，細化業(yè)務場景，研發(fā)標準的應用模塊，實現(xiàn)對不同業(yè)務場景的復用和支撐，為挖掘數(shù)據(jù)資產(chǎn)的業(yè)務價值鋪平道路。

　　未來，通過數(shù)據(jù)科學與大數(shù)據(jù)技術的深入應用，在油氣上游領域構(gòu)建一個全感知、全鏈接、全場景、全智能的數(shù)字世界，進而優(yōu)化、重構(gòu)物理世界的業(yè)務，實現(xiàn)對傳統(tǒng)管理模式、業(yè)務模式、商業(yè)模式全面創(chuàng)新和重塑，全面建成數(shù)字化生態(tài)、實現(xiàn)數(shù)字化創(chuàng)新，提升企業(yè)競爭力。（周相廣 中國石油勘探開發(fā)研究院信息技術中心）

　　國際石油公司數(shù)字化升級各顯神通　

　　殼牌：數(shù)字孿生技術

　　殼牌一直看好數(shù)字孿生技術前景。去年9月，Akselos公司為殼牌位于尼日利亞的Bonga Main浮式生產(chǎn)儲卸油輪部署了結(jié)構(gòu)化數(shù)字孿生技術。去年10月，殼牌與Aveva公司簽署合作協(xié)議，通過打造工程數(shù)據(jù)倉庫，支持數(shù)字孿生技術在管理資產(chǎn)生命周期中的應用。

　　埃尼：超級計算和算法

　　埃尼將大數(shù)據(jù)處理能力看作競爭優(yōu)勢，推出強大的工業(yè)用途計算機——HPC5超級計算機。除了加強工業(yè)數(shù)據(jù)處理能力，埃尼還主攻人工智能、人機交互、工業(yè)物聯(lián)網(wǎng)、機器人和增材制造、區(qū)塊鏈技術領域。

　　ADNOC：全景數(shù)字指揮中心

　　ADNOC成立全景數(shù)字指揮中心Panorama，匯總了14家專業(yè)子公司和合資公司的實時信息，通過智能分析模型、人工智能和大數(shù)據(jù)預測一系列運營場景，給出有效的運營見解和建議。過去幾年對數(shù)字化轉(zhuǎn)型的持續(xù)投資和構(gòu)建，使ADNOC在當前行業(yè)環(huán)境中更具彈性和適應性。

　　斯倫貝謝：機器學習和云計算

　　斯倫貝謝不斷加強公司機器學習和云計算能力。曾與阿布扎比AIQ、G42兩家公司就石油和天然氣行業(yè)的人工智能、機器學習和數(shù)據(jù)解決方案的開發(fā)部署進行合作；與IBM旗下紅帽合作，希望將混合云計算技術與油氣行業(yè)相結(jié)合，未來創(chuàng)建一個數(shù)字平臺；還曾與谷歌、微軟等公司合作，支持向其客戶提供機器學習服務。

　　哈里伯頓：數(shù)字化供應鏈

　　哈里伯頓與埃森哲、微軟簽署戰(zhàn)略協(xié)議，以幫助提升其在微軟Azure云端上的數(shù)字化能力。根據(jù)協(xié)議，哈里伯頓將通過增強遠程操作擴展的實時平臺、利用機器學習和人工智能提高數(shù)據(jù)庫的分析能力，加快新技術的應用部署，提高哈里伯頓整體系統(tǒng)的可靠性和安全性。哈里伯頓還與埃森哲合作，雙方聯(lián)手加速數(shù)字化供應鏈轉(zhuǎn)型。利用人工智能分析，加強實時供應鏈的可見性和可操作性，從而提高透明度，進行更快的決策。