九大油气云平台，全球最先进！

作者 | 中国石油勘探开发研究院 窦宏恩

当前，气候挑战对石油行业提出了转型升级的迫切需求。传统的勘探和生产方式已难以满足当前高效、安全、环保的要求，数字化和智能化技术为石油企业提升竞争力、实现可持续发展提供了新思路。从全球来看，国际石油公司纷纷在本次数字化转型的浪潮中抢占先机，与IT行业翘楚进行紧密合作，取得了显著成果。

The Open Group

OSDU数据平台：

该数据平台将所有相关数据类型的元数据标准化，定义了自动数据获取工作流程，提供了跨所有数据类型的搜索功能，改变了行业的数据存储、共享和分析方式。开放的标准API可用于加载、搜索和交付所有数据，将数据管理标准化，促进整个油气行业的数据共享，使各类数据可以从传统数据库中解放出来，并用于油气工业各领域，提高数据的使用价值和运营效率。加入该数据联盟并参与云技术提供的有亚马逊网络服务（AWS）、英特尔、微软旗下的红帽（Red Hat）、谷歌等科技公司，斯伦贝谢（SLB）、哈里伯顿、贝克休斯等油服公司，bp、雪佛龙、埃克森美孚、壳牌、道达尔能源等油气公司。

斯伦贝谢DELFI认知勘探开发平台：

该平台集成了能源行业软件与AI技术，支持一系列AI驱动的应用程序，扩大了其在整个油气勘探、开发、工程及生产运营全生命周期的应用范围，旨在提高作业效率，实现油藏定量表征和生产优化。

壳牌Shell.ai平台：

该平台由壳牌和微软合作开发。平台增强了对壳牌全部业务的机器学习能力和软件工程能力。旨在将AI技术全面嵌入壳牌的内部平台，从而推动诸多AI产品的开发与应用。壳牌还与贝克休斯、C3.ai和微软等公司合作，实施了开放的AI能源计划，重点是创建行业标准，促进AI技术在整个能源领域的应用。

雪佛龙云原生平台：

该平台由雪佛龙与SLB、微软等公司合作开发，增强了能源行业的数据洞察力。通过应用微软Azure云上的DELFI认知勘探开发环境，雪佛龙可将AI技术整合到其油气业务的各项运营中，以加速传统业务的数字化转型。

埃尼“认知发现”研究平台：

该平台由埃尼公司与IBM合作开发，可为勘探阶段初期决策提供支持，减少勘探与地质复杂性引起的潜在风险。“认知发现”在处理大量地质、物理和地球化学等数据时能提供更真实、精确的地质模型，协助科学决策的制定

哈里伯顿DS365.ai平台：

该平台基于云原生技术，可以快速训练和部署针对油藏、钻井和生产工作流程特定需求的AI服务平台。该平台内含诸多机器学习模型，旨在处理、开发和部署可扩展性模型的复杂问题，从而加速油气工业各业务的数字化转型。

贝克休斯BHC3平台：

该平台由贝克休斯与C3.ai公司合作开发。该平台包括BHC3可靠性和BHC3过程优化等应用程序，利用AI技术来提高设备可靠性、降低维护成本并优化生产流程，显著提高了能源行业各方面的作业效率。该平台还通过BHC3可持续性应用程序支持环境保护，帮助企业进行组织管理，降低能源消耗及碳排放。

威德福ForeSite^®平台：

这是一个基于云的生产优化平台，体现了威德福利用工业4.0技术的承诺。该平台提供了对油藏、油井操作的实时监测，提高了油田各领域数据的处理、操作和决策效率。同时，该公司与DataRobot合作，以推进ForeSite^®和Centro^®数字平台中的AI技术为抓手，通过大规模整合基于物理和AI的模型，增强机器学习和AI产品应用，达到优化公司运营效能的目的。

康士伯集团Kognifai平台：

该平台已成为康士伯集团油气战略的关键组成部分。它能将来自工业领域的高质量数据整合到基于云的生态系统中，从而实现快速创新和决策。该平台支持包括设备性能监控和故障预测系统在内的各种应用，对于提高能源行业的运营效率有显著效果。

AI技术如何引领全球油气行业变革？

斯伦贝谢（SLB）与IBM旗下的红帽（Red Hat）、微软、谷歌等IT行业领导者合作，整合尖端的AI（人工智能）技术和数字解决方案，提高运营效率，支持油气生产的可持续实践。埃克森美孚与微软合作，利用微软的云技术、大数据分析和物联网来优化其在二叠纪盆地的页岩油气业务运营，通过更好的数据驱动决策，提高运营效率和产量。道达尔能源与谷歌合作开发AI解决方案，以改善油气勘探和生产的地下数据分析，包括使用计算机视觉技术来解释地震图像、使用自然语言处理技术来分析技术文件，提高地质和储层评价的有效性和效率等。同时，为了加速数字化转型，道达尔能源还在巴黎建设了数字工厂，将AI技术集成到其上下游业务的运营中。沙特阿美在其位于达兰的第四次工业革命中心（4IRC）建立了AI中心，致力于开发AI解决方案的先进设施。同时，该公司在油田实施了先进过程控制（APC），采用4万个传感器进行监控作业。其中，智能传感器和大数据分析技术的结合显著提高了其油气生产效率。

国际大石油公司在AI领域的发展具有以下特点。首先，AI平台化实现了低代码/无代码，解除了AI应用壁垒。国内石油公司和油服公司应借鉴国外AI平台建设技术与经验，努力打造低代码/无代码AI技术平台，降低AI的应用门槛，使AI在油气各领域的使用更加方便快捷。其次，与IT公司形成战略联盟促使AI技术落地，成为油气公司数字化转型的必由之路。国际石油公司快速融入IT行业的合作模式和AI技术的发展经验值得我国企业借鉴。再次，私有云、公有云和混合云的使用打破数据壁垒。开发利用混合云计算技术，创建数字平台，实现对所有混合云平台的无缝访问。这些云数据分析服务，解决了数据驻留客户的问题，在国内也能实现无须将数据转移到国外第三方云数据中心，便可以让用户使用多云，推动云平台使用更符合安全及保密要求。最后，国际石油公司之间成立了许多有利于AI技术发展和场景落地的国际组织。我国油气公司也可根据需求，采取积极态度加入国际油气AI联盟，打破技术与信息的交流障碍，共享发展成果。

 我国石油企业借助AI技术实现跨越式发展

目前， AI技术已成为国际石油公司提高油气生产效率、降低成本、保障安全的关键手段。我国石油企业面临数字化转型升级的巨大挑战，借助AI技术实现我国油气产业的跨越式发展成为当务之急。

我国急需建立油气行业数据标准体系。要根据我国油气业务和相关数据需求，对现有数据进行梳理和分类，明确各类数据的标准格式、数据结构、数据命名规则等。同时，针对从各类传感器和监控系统中产生的海量数据，制定统一的数据接口和数据传输协议，实现数据的集成和融合，使各种数据库、知识库、数据湖采用统一的数据标准。在此基础上，通过构建AaaS（智能分析即服务）平台，实现数据的统一管理和处理，为AI场景提供高效、稳定的数据支持，使复杂的跨域数据集在AI场景中得到快速调用，实现真正意义上的智能化。建立国家油气行业数据标准体系需基于我国油气行业的业务需求，制定一套全面、系统的数据规范。这有助于提高我国油气勘探、开发、工程和全行业的运营效率。同时，有利于促进国内外技术交流与合作，提升我国油气行业在国际市场的竞争力。

建设涵盖油气全产业链的工业软件AI云化平台，成为推动我国油气行业发展的关键。该平台旨在融合勘探、开发、工程、管道、炼油和化工等业务领域的数据资源，通过云化技术实现数据的高效管理和智能分析。平台应采用类似DeFi（去中心化金融）平台的设计框架，允许不同业务领域独立开展AI项目，同时支持全产业链的AI项目，以确保油气业务各环节的数字化和智能化得到全面覆盖。通过这一平台，油气企业能够实现数据的云原生和云存储，实现数据集中管理、实时监控和智能分析，辅助管理层及时掌握生产状况，识别问题并作出决策。云化部署还可以促进跨地域、跨部门的数据共享和协作，显著提升油气企业的生产效率和管理能力。同时，应从国家层面成立由政府、科研机构、企业（特别是大型IT企业）组成的研发联盟，共同推进平台建设、产业发展、政策制定和实施等。同时，政府应通过财政和税收激励措施，鼓励和引导企业增加科技创新投入，培育具有自主知识产权、自主品牌和自主标准的工业软件，促进工业软件AI云化平台的发展。还要建立并行验证平台和应用研发服务平台，支持国产工业软件的迭代优化，提升其在油气产业中的应用水平。此外，建立工业软件的标准体系和测试验证规范，以及云化集成服务环境，有助于充分验证国产工业软件在油气产业中的适用性和可靠性。

建设我国油气工业生成式AI大模型（GPT）系统成为未来我国油气工业实现智能化的重要途径。GPT技术较为复杂，训练过程中对算力和电力资源的需求极高。因此，可参考国际石油公司同IT大厂的合作模式，将油气GPT基础模型打造成为中央通信枢纽，促进不同团队、部门以及利益相关者之间的沟通协作。GPT系统可以帮助简化信息交换和协调响应工作流程，还能生成实时预警通知。在各种紧急情况下，油气GPT基础模型可以有效缩短响应时间，并自动将事件中获得的经验教训以及对未来行动的建议转化为报告。油气GPT系统可集成油气行业各领域从设备传感器和监控系统中产生的大量数据，开发和维护各领域的数据库和知识库，智能化管理油气行业各领域的内部数据、内部文档、行业标准、大型工业软件和最佳油气工业实践等，使油气全产业链各环节实现实时可视化、人机友好交互和油田自主管控，进入“多个产业链间可感知、自感知、自修复及自决策”的智能时代。