数据库 频道

谈谈AI在石油石化行业应用的几点思考

一、背景

2025年8月26日,国务院正式印发了关于深入实施人工智能加行动的意见,提出要充分发挥我国数据资源丰富,产业体系完备,应用场景广阔的优势,加强人工智能与各领域深度融合,助力传统产业转型升级,培育新兴产业发展新动能,推动经济高质量发展,人工智能的快速发展正在对全球经济社会产生深远影响,成为激发经济增长活力和推动高质量发展的新动能。国家数据局发布的全国数据资源调查报告显示,2024年我国开发或应用人工智能的企业数量同比增长36%,高质量数据集数量同比增长27.4%,有力支撑人工智能训练和应用。利用大模型的数据技术企业和数据应用企业,同比分别增长57.21%和37.14%。数据正在成为促进人工智能加速发展的关键要素,以数字化与智能化为核心特征的第四次工业革命正在深刻改变着传统产业的发展模式,尤其是以大数据、人工智能等为代表的新一代信息技术,将加速向各行各业进行渗透,赋能,传统产业结构升级和高质量发展。为了深入贯彻落实党中央国务院关于人工智能发展的总体战略部署,推动“人工智能+石油化工”融合发展,全行业正在积极开展人工智能应用探索和高价值场景建设,中国石油将数字石油纳入公司战略体系,将昆仑大模型建设以应用作为智能化发展工程的核心,重点围绕26条业务线,119个业务域,优化形成“十域百景千应用的全景”视图。中国石化以集团战略发展为主线,坚持AI加业务双轮驱动,全面推进人工智能和产业深度融合,有效赋能科技研发、勘探开发、炼油化工、安全环保、企业运营等核心业务的创新发展,形成覆盖算力、算法、数据三大要素的全栈式人工智能应用生态。中国海油发布“人工智能+”专项行动方案,重点聚焦“场景领航、数据脉动、平台筑基、人才引智”4个方面,通过研究范式、生产模式,管理体系的三维协同创新,逐步建立起数据驱动决策,智能优化运营的新型发展模式,在提升勘探开发研究效率,保障安全生产,优化资源配置等方面取得显著成效。在行业大力推动人工智能应用探索的同时,我们也应理性看待,目前还存在很多问题和挑战,如投入和产出问题,数据质量和标准化问题,数据孤岛和融合问题,数据安全与隐私保护问题,模型精度和可靠性问题,算法优势优化和解释性问题,高水平人才匮乏问题等等。

虽然面临诸多问题,但未来行业AI发展前景广阔。在石油化工行业数字化和智能化发展进程中,首要任务是做好顶层设计,同时要不断夯实数字化、智能化的发展能力,充分发挥行业人工智能场景丰富的优势,加强产学研用协同,构建行业人工智能发展生态,共同推动人工智能加石油化工深化发展。

二、石油石化AI应用典型高价值场景

1.中国石油

中国石油围绕“业务发展、管理变革、技术赋能”三大主线,坚持“价值导向、战略引领、创新驱动、平台支撑”总体原则,科学部署,精心组织,全力打造务实高效、行业一 流的人工智能大模型和深度应用场景,推动“数智中国石油”建设步入快车道。

强化顶层设计,集聚创新资源。结合能源化工产业链特点与智能化发展需求,坚持以顶层设计带动人工智能大模型在垂直行业的落地应用,创新提出四层架构设计理念,形成“1+4+N”大模型架构体系,明确行业大模型、应用场景、数据集、AI中台、算力中心等五个方面的建设目标,高标准高质量实施“人工智能+”行动,对内服务百万员工、对外赋能行业发展。与中国移动、华为、科大讯飞等公司强强联合,深化在数字化转型、5G创新应用、算力、人工智能等方面的合作,深入研究能源化工领域行业大模型、专业大模型和场景大模型建设,共同履行好央企使命、服务好国家战略。组建人工智能研究机构及工作专班,强化人工智能研发应用关键技术研究,大力实施智能化发展工程,加快构建人工智能创新发展良好生态。

坚持“深沉厚重、大气谦和”的总体要求,打造700亿参数昆仑大模型。在通用大模型的基础上,统筹开展高质量数据集建设和行业大模型训练,按需迭代升级各层级大模型。训练形成700亿参数语言、3亿参数视觉、160亿参数多模态的行业大模型,成为能源化工领域首个通过国家备案的行业大模型。构建我国首个勘探全领域专业大模型,涵盖地震处理、地震解释、测井处理解释3个专业大模型,相比传统方法,在泛化性、精度等方面有了大幅提升。率先探索能源化工行业数据建设标准,研究形成行业、专业、场景三级数据管理与安全体系,数据集规模超过280TB,高质量精标问答对数量超过65万对。创新研发融合多家训推工具链的AI中台,通过重构与集成,实现了商业大模型在一个中台的统一纳管,算力、模型、服务的统一管理和协同调度能力显著增强。构建国产算力体系,加强算力统一管理,按需提供算力服务,有序开展大模型训练,算力规模达到821PFLOPS(每秒浮点运算次数)。初步形成“三阶十步”建设方法体系,涵盖顶层设计、项目实施、项目运营三个阶段,以及场景规划、模型训练等十个步骤。

丰富拓展应用场景,推动提升生产运行效率。聚焦油气勘探、开发、炼化、销售产业链以及产业金融、装备制造等领域,围绕“突出主业、体现价值、知识密集、语料丰富、技术可行”五个方面,筛选具有典型代表性、体现能源化工行业特色的应用场景,统筹开展技术创新、示范推广、规模应用。地震正反演全过程求解效率提高10倍,解释效率提高9~12倍,储层流体性质识别准确率提升至90%,“动设备”诊断、质量检测、工程设计等应用场景快速落地,常减压装置外操人员劳动强度降低50%,丁腈橡胶质检效率提升20%,输送管焊缝缺陷识别效率提升40%,失效影像检测诊断效率提升80%。行业问答、客户服务、员工助手等普适应用全面推广,以点带面赋能产业焕新初见成效。

2.中国石化

第一阶段(2025年),全面形成布局、重点突破阶段。建立集团统一的人工智能技术平台、智算能力、大模型体系和技术支撑体系;建立数据治理、标签的标准和工具,建设高质量行业数据集;聚焦科技研发、生产制造、工程设计、经营管理等业务中战略意义强、经济领域保障高的场景,开展高分子新材料研发、地震资料智能处理解释预测、智能设备、炼化装置生产智能优化、生产装置安全风险智能识别、集团标准化智能优化等60个场景建设;建设集团通用人工智能助手,为广大员工快速掌握集团的制度规定、标准规范和日常办公提供贴身服务,赋能全员工作等效提升。

第二阶段(2026年~2027年),快速推广、泛化赋能阶段。建成人工智能核心技术自主创新体系,持续提升模型的复杂推理、多模态理解生成、轻量化部署等能力;加快示范场景推广应用,实现场景应用重叠盖80%业务领域,推动装备主体智能专题应用,实现机器代人,关键高危岗位实现无人化,初步形成智能科研、智能制造、智能运营的新模式新模式,人工智能技术应用转化为提升的现实生产力,助力公司高质量发展。

第三阶段(2028年~2030年),深度赋能、业态塑新阶段。紧盯世界一 流大模型发展,持续启动人工智能平台能力,优化多模态大模型体系,深入应用具身智能、群体智能等新技术;AI技术与科技研发、生产制造、经营管理等核心业务深度融合,驱动资源配置优化、工艺流程再造和安全管理范式升级,全面形成智能科研、智能制造、智能运营的新模式,人工智能技术成为公司创新发展的强劲引擎,推动石油石化产业链、供应链上下游创新良好发展。

突出应用导向,聚焦行业升级、企业转型、战新产业培育,打造一批战略意义强、经济效益好的高价值应用场景,打造智能科研、智能制造、智能运营新模式新模式,构建人机物联网融合新模式、决策新工作机制,促进石化产业链、供应链上协同创新发展。

在科研领域,将人工智能科研立项、科研决策、实施方案设计、技术成果成果转化等科研业务全流程,加强新材料、新产品、新工艺等设计研发场景建设,打造人工智能科研科研新范式,以“经验指导科研”向“智能分析及预测、自动验证”推进科技研发,加快创新进程,提高研发效率。

在生产领域,把提质增效、优化创效产业作为数智升级的主攻方向,重点推进地震资料智能处理解释预测、智能装备、炼化装置生产智能优化、生产装置安全风险智能识别、集团一体化智能优化等高价值场景建设与应用,运用人工智能技术驱动资源配置优化、工艺流程再造和安全管理范式升级。积极探索装备身智能应用,推动关键高危岗位实现机器代人。推进“田厂站院”技术升级,促进全链协同、质效提升、产业焕新。提升油气勘探开发的地面地下实时油气、透明盆地模型支撑、勘探开发工程良好、研究决策智能辅助、生产异常智能管控、技术经济闭环优化等六大能力,支撑上游油气勘探开发增储上产和高质量发展;推动炼油化工从分子炼油、桌面炼向数字炼油、数字化工延拓展,提升数据价值创造和智能化管控水平,打造更多国家卓越级、领航级智能工厂,构筑石化油产业竞争新优势;构建智能化人、货、场经营模式和服务场景,推动商品销售业务加速向“综合能源+综合服务+数字经济”新模式转型。

在经营领域,把科学决策、防范市场创效作为数智服贸易升级的重点,加快公司治理体系体系现代化建设。推进智慧经营建设,打造横向业务联动、纵向形成企业的经营管理数智化新模式,实现智能决策分析、风险动态管控和跨域一体化良好,提高精细化管理和科学决策水平。推进数智服贸易建设,强化产销储运有序,构建智能营销生态体系,提升全球化服务能力,打造具有中国石化特色的现代化数智服贸易。

3.中国海油

中国海油“海能”人工智能模型正式发布。该模型可为实现海洋油气行业资源最优配置、提升工作效率、精益现场管理、优化商业模式、释放创新活力等提供数智支持,赋能海洋油气产业加快培育发展新质生产力、实现高质量发展。

“海能”(HI-ENERGY)人工智能模型围绕智能油气田、智能工程、智能工厂、智能贸销、智能QHSE、智能供应链、智能管理、智能办公等8大类100多个业务场景模型,聚力实现小模型和大模型兼备、专业场景和通用场景兼容、生产和经营管理全覆盖,支持集团上中下游业务。

中国海油优选具有海油特色的五个专业场景模型和六个通用场景模型发布,涵盖中国海油上、中、下游和经营管理等业务支持。期间,中国电信和科大讯飞在展台上展现最新成果,中国电信展示了算力布局、5G、量子及安全、行业云等讯息,并为海油用户提供超值的政企套餐;科大讯飞展示了通用办公场景、讯飞听见一体机、讯飞强国学习机、翻译机、机器狗、人形机器人等产品。

01.“海能”五大专业场景模型

在上游领域,重点以智能油气田建设为目标,实现传统人工经验决策模式向以数据驱动、业务协同、智能调控的新运营模式转变;在中下游领域,通过AI技术融合,构建智能化贸销业务链。

注采联动模型:以稳油控水为目标,基于油田20余年积累的海量数据,融合人工智能与专家经验,通过”智能诊断-方案制定-远程调控”闭环管理,实现精准注水、故障预防和油藏优化,提升油田采收率、延长设备周期推动降本增效。

安全钻井模型:安全钻井模型利用机器视觉技术,实现海洋钻完井作业的智能化安全监控,0.1秒内识别风险,不安全行为数量减少95%,替代传统人工巡检、紧盯监控画面的传统模式,保障作业人员安全,提升作业速度与质量为海洋油气开发提供智能化支持。

燃机诊断模型:燃机诊断模型可实现对海上和陆地的燃机、汽机等设备状态评估、异常检测和自动故障诊断,模型准确率达90%,支持智能监盘、一屏集中监管,大幅缩短排故时间,每年可节约近亿元的运维费用。

智能制造模型:智能制造模型可有效解決海洋工程协同不足和安全风险高的问题,实现生产要素全链条信息交互与任务调度,提升生产协同效率和安全性。

油气贸销模型:油气货销模型融合AI技术,实现LNG价格智能预测、进口通关提速、物流运输智能监管和油气销售精准营销,在资源采购环节,成功打造我国行业首套进口LNG现货价格智能预测体系,在提升采购效率方面实现返税周期压缩70%、违规比例降低80%以上;在物流运输环节,打造智能化物流监管中心,具备槽车运输轨迹、DES槽车危险驾驶行为警报等功能;在油气销售环节,与国家部委共建大数据绿色交通分中心,引入全国800余万辆重型卡车、3万余辆LNG槽车点位数据,以个性化营销方式增强客户黏性,推动政企协作与市场拓展,提升整体业务效益。

02.“海能”六大通用场景模型

同时,“海能”人工智能模型在管理领域、辅助办公方面、招采方面也有出色的表现,将AI技术应用于员工健康、辅助办公、招标采办等场景的赋能。配套搭建的人工智能平台,可以提供数据处理、模型训练、模型评估、应用发布等全流程的工具链,支持各类智能化应用的流水线发布。

  • 智能招采模型:智能招采模型聚合内外部数据,实现企业实力评估与风险筛选,几分钟内生成招标文件初稿,支持标书比对与自动评分,快速识别异常行为,显著提升招标编制和评标效率。

  • 问医助手模型:问医助手模型整合医疗知识库,支持随时随地健康咨询,解决偏远山区和海上员工问医不便的问题,缩短就医咨询时间,为海油员工提供便捷的健康保障。

  • 智能写作模型:在文字写作方面,AI智能办公可通过自然语言处理技术,实现素材搜索、智能排版、辅助创作、精准校对等功能,对于在多类型文章写作方面需求很大的海油员工可以极大提升文档处理效率和准确性。

  • 智能会议模型:在会议记录方面,利用语音识别、声纹识别和大模型等技术,实现实时转写与翻译、录音转写、智能摘要和纪要生成等功能,有效解决了会议记录难整理和效率低下的问题,确保了会议纪要的及时输出和质量提升。

  • 智能翻译模型:在翻译工作方面,智能翻译模型基于Transformer架构,结合文档解析和图文识别技术,提供了图片翻译、文本翻译、文档翻译和文档转换等功能。这些功能解决了翻译不准确和文档译后格式杂乱的问题,大大提高了翻译人员的工作效率和质量,对于海油员工在处理涉及国际项目和技术合作的文件时尤为重要。

  • 智能培训模型:在培训方面,海能培训模型通过PPT助手,视频智作,一键生成PPT和音视频材料,大大提高课件制作效率;虚拟人讲师讲解PPT,随时授课更灵活;培训后大模型生成小测验,快速检测成果看得见。海能培训模型,培育更多知海、懂海的高素质复合型人才。

03.人工智能建成五大成效

中国海油科技与信息化部总经理单彤文介绍,近年来,中国海油加强人工智能顶层设计,通过应用人工智能技术,目前已收获五大智能成效:

  • 智能油气田:助力建成国内首个海上智能油田 – 秦皇岛32-6,入选2021年央企数字化转型十大成果;建成世界首个可遥控生产超深水平台 – 深海一号,向建成超深水智能油气田迈出关键一步。

  • 智能工程:建成智能制造示范工厂,智能化生产线助力生产功效提升23%,人员减少30%;建成数字化运营平台,实现工程建设管理可视化,助力工作效率提升35%,人员减少20%。

  • 智能工厂:惠州石化——建成国内首个“双频5G+工业互联网”智能炼厂;珠海电力——实现国内首次“物联网+人工智能”燃气发电。

  • 智能贸销:打造“海油商城”智能客服,触达用户一千一百余万,有效实现产品拓市扩销。

  • 业财融合:建成业财一体化决策分析平台。强化业财融合,构建3千余个基础指标模型,覆盖90%以上的桶油成本,专项成本管控能力明显提升。

三、AI建设过程中的几点建议

1.统一石油石化行业人工智能的认知

到底什么是人工智能、大模型、大语言模型、智能体等概念?统一对这些概念的认知非常重要。目前,很多业务认为的人工智能,尤其是问答式场景,基本通过NPL和Sql就能实现,且有的问答Sql就能实现,因此区分BI和AI的不同非常有必要,毕竟BI和AI在运行一次的成本有较大差异。

2.厘清石油石化行业人工智能的边界

哪些流程和场景必须使用人工智能,哪些场景不能使用人工智能,是需要有个边界的。企业不像社会,讲究平权。人人都可以使用人工智能,有些岗位必须是人需要推理的,如果你只知道结果而不知结果如何推理而来,那是对工作的不负责任。责任必须优先于效率,人工智能可以使人省力,但是不是让人变得慵懒和愚蠢。飞机固然速度快,但不是没个人都可以开的。持证应用人工智能就像有驾照才能开车一样重要。

3.开展石油石化行业人工智能的治理

治理是人工智能有效发挥价值的制动器,毕竟人工智能不会对产生的决策失误负责。因此,大模型推理的透明性、过程的可监管性尤为重要。况且有些人工智能并不是推理,如果推理不可逆,原则上只是概率。因此,人工智能治理是亟待开展的工作。机器进化,人类退化,不是人工智能的底层逻辑。

4.形成石油石化行业人工智能的标准

因此,在人工智能蓬勃发展的今天建立相关标准应纳上日程,尤其是行业人工智能标准,比如人工智能相关术语在行业中的解释、人工智能的边界标准、人工智能的监管标准、人工智能的伦理标准等。在标准的框架开展人工智能应用才能保障在企业应用的基础上形成产业合力。

0
相关文章