有著“工業血液”之稱的石油，作為一種不可再生資源，不僅關乎現代城市的運轉，還與人們的衣食住行息息相關。相關數據顯示，一個人的一生在“衣食住行”方面要消耗掉的石油高達9000公斤，相信這一數字令大多數人驚嘆不已。

如何更加便捷高效地開采石油，一直都是油氣行業不斷尋求突破的難題。9月24日，在華為全聯接2020上，華為發布了智能體，這是業界首次針對政企智能升級提出的系統化參考架構。客戶和伙伴可以基于智能體打造自己的智能方案，使能千行百業智能升級，共建全場景智慧。作為油氣行業代表，中國石油大學（北京）人工智能學院院長肖立志教授在主題演講中分享了油氣智能體如何幫助找油找氣的實踐。

中國石油大學（北京）人工智能學院院長肖立志教授發表演講

油氣是流體礦藏，埋在地下數千米深的巖石微小孔隙中，看不見、摸不著。因此，開采過程十分繁瑣：首先要在開采石油之前進行地面和井孔地球物理勘探，然后確定油氣水在地下的分布情況及其變化信息；進而根據綜合判斷，來確定采取怎樣的技術措施進行鉆井和生產。雖然我國的油氣含量相對豐富，但地質條件十分復雜、劣質化嚴重，常規的找油找氣方法面臨著嚴峻的挑戰。

隨著數據驅動的人工智能時代到來，找油找氣難題也迎來了全新的思路和方法。肖立志院長介紹，當前油氣勘探要實現“降本增效，增儲上產”的目標，必須借助AI等新技術才能應對開采過程中的諸多挑戰。他表示，當AI成功應用于各行業后，油氣行業也開始思考AI對其能帶來怎樣的效用。

油氣智能體，是石油工業智能化的新引擎。華為云與多家石油公司和大學建立了深度合作關系，基于油氣智能體把AI應用到地震勘探領域，目前已經在地震解釋等方向進行了初步的探索與實踐，并取得初步成效，邁出了油氣智能體應用的“第一步”。

油氣智能體的智能中樞提供了感知、認知、決策等關鍵技術，助力開發具有油氣行業特色的AI模型。同時，油氣智能體還可以提供一系列的智能工作流，將模型融入業務流程中，實現AI在油氣行業產業鏈各個環節的落地，從場景上實現行業專家的協同與共享，大幅度提升工作效率。以中國石油為例，沉淀行業能力后，借助華為云知識計算解決方案，快速構建石油測井領域的專業化模型，實現了油氣水層的智能識別，評價時間縮短70%以上，準確率達到了專家水平。

中國石油大學（北京）人工智能學院院長肖立志教授發表演講

肖立志院長表示，深度學習需要大量帶有標注的訓練樣本，而地震數據的人工標注成本很高、質量差。為了解決數據標注問題，聯合華為云把地質知識融入數學模型，通過模擬仿真，生成大量的斷層樣本數據。這種仿真方法可以大幅減少人工參與程度，提升數據標注的效率。

AI是智能體的核心，華為云AI開發平臺ModelArts讓油氣勘探使能的AI應用開發更為便捷。具體來說，它可以幫助行業專家在短時間內掌握AI開發的能力。基于ModelArts構建的華為云知識計算解決方案，將油氣行業積淀的知識與AI技術結合，有望未來在油氣全產業鏈上開發出大量的智能應用，以點帶面，加速推動石油工業進入智能化時代。

基于華為云ModelArts可以高精度、高效率地完成模型訓練任務。同時，在華為云強大算力的加持下，可以訓練海量仿真樣本，實現基于AI的地球物理數據解釋，協助專家提高解釋效率，使所需時間由數月減少到數小時。

儲層預測是一個復雜的跨學科領域，利用油氣智能體進行多模態數據建模，并與專家知識進行融合，可以解決這一難題。基于油氣智能體，油氣企業和研究機構可以將地震解釋結果與測井數據、行業專家知識進行融合，通過AI進行知識的表征并用于模型推理，最后可以得到精確的儲層參數預測結果。由此構建的智能模型與同類AI方法相比，預測精度至少提升了20%。

簡單來說，油氣行業已經開始逐步運用油氣智能體探索地下世界，以地震解釋工作為例，油氣智能體在地震解釋強相關的數據采集、斷層檢測、層位拾取、地震反演、測井數據融合、儲層參數預測等環節上，都能夠發揮巨大作用，以協助專家將解釋時間縮減。

不僅僅是勘探開發，未來，在油氣行業的管道儲運、煉化銷售等中下游場景，以及油田管理上都可以借助油氣智能體實現智能化升級。對于油氣行業的智能化轉型，肖立志院長展望道：“油氣智能體，將掀起石油工業全產業鏈變革的滾滾浪潮。未來，在上游勘探開發與生產領域，實現智能油氣田；在中游管道儲運領域，實現智能物流和智能倉儲；在下游煉化銷售等方面，實現智能工廠和智慧加油站等應用場景。”
責任編輯:pj