人工智能在全球油氣工業(yè)領(lǐng)域的應(yīng)用現(xiàn)狀與前景展望

竇宏恩 張蕾 米蘭 彭翼 王洪亮

中國(guó)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(shí)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(jī)器人、海洋深水作業(yè)的機(jī)器人等。如今，服務(wù)業(yè)中的機(jī)器人服務(wù)員、運(yùn)輸業(yè)中的無人駕駛汽車

0 引言

近年來，智能機(jī)器人AlphaGo和AlphaGozero在與人的對(duì)弈中，分別戰(zhàn)勝了韓國(guó)的圍棋九段李世石和中國(guó)的柯潔，將人工智能(Artificial Intelligence,及各個(gè)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(guó)際科技競(jìng)爭(zhēng)的新焦點(diǎn)，世界主要發(fā)達(dá)國(guó)家將發(fā)展AI作為提升國(guó)力、維護(hù)國(guó)家安全的重大戰(zhàn)略，從國(guó)家戰(zhàn)略層面強(qiáng)化AI布局，競(jìng)相加大研發(fā)投入，組建新的研發(fā)機(jī)構(gòu)，加緊推動(dòng)AI治理體系建設(shè)，力圖在新一輪國(guó)際科技競(jìng)爭(zhēng)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(guó)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(cè)井解釋、油氣層識(shí)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(shí)際應(yīng)用成果。除此之外，機(jī)器人在油罐清潔、井站巡檢、無人機(jī)在管道檢測(cè)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(jì)制造了人類第1臺(tái)計(jì)算機(jī)艾尼阿克(Eniac)。此后，他就提出了發(fā)問:機(jī)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(shí)驗(yàn)”：如果一臺(tái)機(jī)器能夠與人類展開對(duì)話，而不能被辨別出其機(jī)器身份，進(jìn)行多次測(cè)試后，如果機(jī)器能讓真正的人平均做出超過30%的誤判，那么這臺(tái)機(jī)器就通過了測(cè)試，這臺(tái)機(jī)器可被認(rèn)為具有人類智能［3］。圖靈關(guān)于機(jī)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(gè)階段［4-6］。

第1階段：AI的誕生。圖靈實(shí)驗(yàn)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(guó)新罕布什爾州漢諾威鎮(zhèn)的達(dá)特茅斯學(xué)院召開會(huì)議，共同研究和探討機(jī)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(gè)模式識(shí)別程序，此后AI領(lǐng)域開始換發(fā)出蓬勃的生機(jī)。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(tái)人工智能機(jī)器人誕生；專家系統(tǒng)首次亮相；美國(guó)斯坦福大學(xué)計(jì)算機(jī)教授維諾格拉德開發(fā)人機(jī)對(duì)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(guó)，科學(xué)家在AI研究中，對(duì)沒有足夠的數(shù)據(jù)庫(kù)、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(jī)構(gòu)與美國(guó)國(guó)防部高級(jí)研究計(jì)劃署的多個(gè)AI合作研發(fā)計(jì)劃失敗，使大家對(duì)AI的前景產(chǎn)生了懷疑。1973年，英國(guó)著名數(shù)學(xué)家Lighthill針對(duì)英國(guó)AI研究狀況的報(bào)告，批評(píng)了AI的失敗。由此，AI遭遇了長(zhǎng)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(fèi)根鮑姆在第5屆國(guó)際AI聯(lián)合會(huì)議上提出“知識(shí)工程”的概念。此后，AI研究又迎來了以知識(shí)工程研究為中心的蓬勃發(fā)展期。英美等國(guó)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(jì)算機(jī)的發(fā)展，人機(jī)對(duì)話、翻譯語言、圖像解釋、推理機(jī)器人等也得到了研制和發(fā)展。卡內(nèi)基梅隆大學(xué)采用AI程序設(shè)計(jì)成功XCON專家系統(tǒng)，1986年之前，專家系統(tǒng)產(chǎn)業(yè)的價(jià)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(tái)式機(jī)性能都已遠(yuǎn)超當(dāng)時(shí)在專家系統(tǒng)催生下產(chǎn)生的Symbolics、Lisp Machines等和IntelliCorp、Aion等計(jì)算機(jī)硬件和軟件公司的系統(tǒng)。因此，曾經(jīng)轟動(dòng)一時(shí)的專家系統(tǒng)在維持了7年后，命運(yùn)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(guó)際象棋世界冠軍卡斯帕羅夫，AI又一次進(jìn)入了一個(gè)具有重要里程碑意義的時(shí)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(jì)算機(jī)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(jī)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(guó)9段圍棋冠軍李世石。2017年，Deep-Mind升級(jí)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(gè)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(gè)層面的內(nèi)容，而被混亂使用。諸如：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)及強(qiáng)化學(xué)習(xí)等并列使用，人工智能、機(jī)器學(xué)習(xí)與人工神經(jīng)網(wǎng)絡(luò)等并列使用，機(jī)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(gè)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(gè)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(gè)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(duì)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(jí)理解不深，導(dǎo)致對(duì)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(duì)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(jì)算機(jī)程序或者由智能機(jī)器人來完成類人智能要實(shí)現(xiàn)的目標(biāo)和任務(wù)，能夠做到對(duì)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(gè)世界經(jīng)濟(jì)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(jì)算機(jī)科學(xué)、密碼學(xué)、自動(dòng)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(jì)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(shí)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(hào)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(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)(Machine Learning)研究如何利用計(jì)算機(jī)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(jì)算機(jī)在特定領(lǐng)域中具有學(xué)習(xí)能力，獲取知識(shí)或技能，從而實(shí)現(xiàn)人類的某些行為及目的。機(jī)器學(xué)習(xí)可以構(gòu)建出在實(shí)際復(fù)雜環(huán)境下運(yùn)行的 AI 系統(tǒng)，它是AI發(fā)展的核心。

在學(xué)科上，機(jī)器學(xué)習(xí)是涉及數(shù)據(jù)科學(xué)、最優(yōu)化理論、統(tǒng)計(jì)學(xué)、拓?fù)鋵W(xué)、計(jì)算機(jī)科學(xué)、系統(tǒng)辨識(shí)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(jī)器學(xué)習(xí)方法中的一個(gè)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(jiǎn)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(jí)抽象表示)，一種能夠使計(jì)算機(jī)系統(tǒng)從經(jīng)驗(yàn)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(jì)算機(jī)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(jī)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(jī)器能夠具備人的能力識(shí)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(gè)大臺(tái)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(jī)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(shí)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(jī)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(duì)數(shù)據(jù)孤島和數(shù)據(jù)隱私問題提出的一種新的機(jī)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(diǎn)的許多計(jì)算機(jī)通過網(wǎng)絡(luò)互相連接起來的數(shù)據(jù))基礎(chǔ)上的機(jī)器學(xué)習(xí)聯(lián)合模型。模型訓(xùn)練時(shí)，不同地點(diǎn)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(gè)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(jì)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(jī)器學(xué)習(xí)模型［11］。

2.6 自動(dòng)學(xué)習(xí)

自動(dòng)學(xué)習(xí)是指自動(dòng)機(jī)器學(xué)習(xí)(Automated Machine Learning)，致力于研究機(jī)器學(xué)習(xí)自動(dòng)化實(shí)現(xiàn)，用AI 來自動(dòng)地設(shè)計(jì)AI的各個(gè)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(píng)價(jià)有關(guān)的重要步驟進(jìn)行自動(dòng)化地學(xué)習(xí)，使得模型可以自動(dòng)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(dòng)特征工程的目的是自動(dòng)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(qiáng)方法，例如特征選擇、特征降維、特征生成及特征編碼等。自動(dòng)學(xué)習(xí)是將機(jī)器學(xué)習(xí)應(yīng)用于現(xiàn)實(shí)問題的端到端流程自動(dòng)化的過程。自動(dòng)機(jī)器學(xué)習(xí)面向沒有專業(yè)機(jī)器學(xué)習(xí)知識(shí)的用戶，同時(shí)也向?qū)I(yè)機(jī)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(dòng)的方式自動(dòng)實(shí)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(kù)識(shí)別、傳播和記載信息的智能化對(duì)等網(wǎng)絡(luò), 也稱為價(jià)值互聯(lián)網(wǎng)。2009年比特幣社會(huì)網(wǎng)絡(luò)創(chuàng)立，開發(fā)出第1個(gè)區(qū)塊，即“創(chuàng)世區(qū)塊”，用戶可以信任區(qū)塊鏈各節(jié)點(diǎn)(礦工)的分布式記賬模式，節(jié)點(diǎn)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(huì)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(gè)周期，給全網(wǎng)挖礦的礦工出了1道計(jì)算題，讓全網(wǎng)的礦工采用Hash函數(shù)參與計(jì)算當(dāng)前區(qū)塊的數(shù)據(jù)及全部?jī)?nèi)容，得到1個(gè)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(gè)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(jì)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(gè)比特幣，這就是區(qū)塊鏈的原理。礦工每個(gè)記錄，就是1個(gè)新區(qū)塊，會(huì)蓋上時(shí)間戳，每個(gè)新產(chǎn)生的區(qū)塊嚴(yán)格按照時(shí)間順序推進(jìn)。區(qū)塊與Hash值一一對(duì)應(yīng)，每個(gè)區(qū)塊的Hash函數(shù)都是針對(duì)區(qū)塊頭(Head)計(jì)算的， Hash函數(shù)的計(jì)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(kù)安全而不需要行政機(jī)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(chǔ)、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(diǎn)，能解決互聯(lián)網(wǎng)中的信息不對(duì)稱、交易成本高、陌生人信任等難題，被認(rèn)為是繼大型計(jì)算機(jī)、個(gè)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(shí)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(shí)體或流程過程的整個(gè)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(shí)體的虛擬仿真，借助歷史數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)以及算法模型等，模擬、驗(yàn)證、預(yù)測(cè)、控制物理實(shí)體全生命周期的技術(shù)手段，它需要依靠仿真、實(shí)測(cè)、數(shù)據(jù)分析等手段對(duì)物理實(shí)體狀態(tài)進(jìn)行感知、診斷和預(yù)測(cè)，進(jìn)而優(yōu)化物理實(shí)體，同時(shí)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(cè)和采集數(shù)據(jù)，以保證其保真性、實(shí)時(shí)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(gè)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(jìng)爭(zhēng)優(yōu)勢(shì)。

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(cè)量傳感器得到的高質(zhì)量數(shù)據(jù)，得益于各類機(jī)械設(shè)備和儀器儀表的自動(dòng)化和其智能化水平。石油行業(yè)中形成的較高水平的自動(dòng)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(chǔ)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(jì)優(yōu)化，實(shí)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(gè)可以互動(dòng)的動(dòng)態(tài)地質(zhì)模型，通過模型進(jìn)行甜點(diǎn)識(shí)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(cè)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(gè)意義上說，計(jì)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(yùn)含在數(shù)據(jù)中的暗知識(shí)必須借助AI。即使是需要常規(guī)知識(shí)，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(tái)加速智能油氣發(fā)展

油氣工業(yè)平臺(tái)實(shí)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(shí)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(gè)面向生產(chǎn)環(huán)境的數(shù)據(jù)平臺(tái)Mercury(R3)，該平臺(tái)是按照開放式通用數(shù)據(jù)平臺(tái)的體系架構(gòu)設(shè)計(jì)和落地，是一個(gè)具有開放性和透明性的標(biāo)準(zhǔn)數(shù)據(jù)平臺(tái)，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(cāng)，使地震、儲(chǔ)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(gè)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(shí)，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(tái)服務(wù)、微服務(wù)應(yīng)用、信息安全等多項(xiàng)服務(wù)功能，支持大規(guī)模數(shù)據(jù)流處理，有效降低了時(shí)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(gè)市場(chǎng)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(jī)遇，是真正意義上的協(xié)作平臺(tái)，已經(jīng)吸引了近200家包括油氣運(yùn)營(yíng)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(jī)構(gòu)在內(nèi)的會(huì)員單位。它還與國(guó)際油氣生產(chǎn)商協(xié)會(huì)(IOGP)合作，將工程數(shù)據(jù)整合到該數(shù)據(jù)平臺(tái)，向運(yùn)營(yíng)商和業(yè)主呈現(xiàn)運(yùn)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(tái)(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)崮艿刃履茉吹取⑴c者可在該數(shù)據(jù)平臺(tái)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(tái)、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(tái)。該平臺(tái)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(jì)算，構(gòu)建多專業(yè)可操作、數(shù)據(jù)共享的平臺(tái)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(duì)、系統(tǒng)、軟件、新舊數(shù)據(jù)輸入到平臺(tái)環(huán)境中，通過融合實(shí)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(gè)領(lǐng)域技術(shù)人員的業(yè)務(wù)。基于多學(xué)科專業(yè)知識(shí)儲(chǔ)備，利用強(qiáng)大的數(shù)據(jù)庫(kù)，使得建模、數(shù)值模擬、數(shù)據(jù)分析和預(yù)測(cè)等復(fù)雜的計(jì)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(xiàng)石油行業(yè)的重大計(jì)劃——混合云計(jì)算技術(shù)，將創(chuàng)建一個(gè)數(shù)字平臺(tái)，實(shí)現(xiàn)對(duì)全球所有國(guó)家混合云平臺(tái)的無縫訪問，可以在任何盆地為任何運(yùn)營(yíng)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(kuò)展客戶訪問，實(shí)現(xiàn)了行業(yè)開放數(shù)據(jù)平臺(tái)OSDU的第1個(gè)混合云。這種新的方式讓用戶使用多云成為現(xiàn)實(shí)，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(tái)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(shí)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(shí)時(shí)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(gè)完全耦合地下/地面場(chǎng)景制定最優(yōu)油田開發(fā)計(jì)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(jì)算基礎(chǔ)設(shè)施的大小，提供更快速模擬，提高團(tuán)隊(duì)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(tái)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(tái)結(jié)合，這個(gè)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(tái)包括：快速設(shè)計(jì)、開發(fā)和部署企業(yè)級(jí)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(tái)。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(jì)、開發(fā)、實(shí)施和運(yùn)營(yíng)。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(tái)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(shí)間，降低整體成本。據(jù)行業(yè)分析師預(yù)測(cè)，在未來10年云市場(chǎng)、大數(shù)據(jù)、物聯(lián)網(wǎng)以及AI軟件產(chǎn)值將在2023年增長(zhǎng)到2300億美元。企業(yè)AI將獲得11萬億美元的經(jīng)濟(jì)增長(zhǎng)［21］。

20世紀(jì)90年代，道達(dá)爾(Total)就開始將AI機(jī)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(jī)器學(xué)習(xí)算法進(jìn)行渦輪機(jī)、泵及壓縮機(jī)等工業(yè)設(shè)備的運(yùn)轉(zhuǎn)性能預(yù)測(cè)，節(jié)約了數(shù)億美元的費(fèi)用。目前，他們將深度學(xué)習(xí)應(yīng)用于產(chǎn)量預(yù)測(cè)、衛(wèi)星圖像的自動(dòng)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(jià)值，2020年初在巴黎將開放一個(gè)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(gè)加速器，推動(dòng)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(shí)踐，預(yù)計(jì)減少操作成本和投資費(fèi)用，到2025年為公司每年將產(chǎn)生價(jià)值高達(dá)15億美元的價(jià)值［22］。

2017年，BP公司制定了未來油田項(xiàng)目的轉(zhuǎn)型戰(zhàn)略，致力打造數(shù)字能源平臺(tái)。關(guān)閉了其內(nèi)部數(shù)據(jù)中心，全面使用云平臺(tái)，削減了IT運(yùn)行成本大約40%。2017年BP公司已投資500萬英鎊，開發(fā)了一個(gè)地球科學(xué)的AI云平臺(tái)，為BP提供了獨(dú)特的知識(shí)圖譜。2019年，BP在休斯頓投資了一個(gè)稱為貝爾盟技術(shù)(Belmont Technology)的初創(chuàng)公司，開發(fā)了一個(gè)AI助理平臺(tái)Sandy，它可以自動(dòng)將專家提供的地質(zhì)學(xué)、地球物理學(xué)、油藏和歷史項(xiàng)目信息結(jié)合在一起，創(chuàng)建出整個(gè)地下油氣資產(chǎn)知識(shí)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(gè)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(shí)施了Shell.ai 的顛覆性計(jì)劃，旨在推動(dòng)AI平臺(tái)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(tái)、工具和工作方式，使殼牌全球跨學(xué)科團(tuán)隊(duì)實(shí)現(xiàn)共享代碼、最佳實(shí)踐并實(shí)現(xiàn)無縫協(xié)同工作。Shell. ai平臺(tái)有超過160個(gè)正在進(jìn)行中的AI項(xiàng)目，使用這個(gè)AI自助平臺(tái)的數(shù)據(jù)科學(xué)家有800多人，在平臺(tái)參與AI項(xiàng)目的有5 000人以上。過去幾年，已舉辦了黑客馬拉松40多場(chǎng)。數(shù)據(jù)湖中有超過1.1萬億行的數(shù)據(jù)可用于機(jī)器學(xué)習(xí)。在2020年， 85萬個(gè)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(gè)實(shí)時(shí)機(jī)器學(xué)習(xí)模型，監(jiān)控著1 500多個(gè)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(duì)比，地質(zhì)學(xué)家能對(duì)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(jī)械設(shè)備的正常運(yùn)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(kù)基礎(chǔ)上構(gòu)建了大數(shù)據(jù)分析平臺(tái)(IDW)，它是一個(gè)各學(xué)科的集中式數(shù)據(jù)中心，可存儲(chǔ)分析包括生產(chǎn)運(yùn)營(yíng)、采油、鉆完井、油藏工程以及地球科學(xué)等方面的數(shù)據(jù)。康菲石油公司與4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(dòng)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(jì)優(yōu)化，實(shí)現(xiàn)地質(zhì)勘探、油藏研究、鉆井和完井工程、經(jīng)濟(jì)評(píng)價(jià)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。康菲石油公司運(yùn)用IDW形成新的工作方式，促使每個(gè)業(yè)務(wù)部門采用一體化運(yùn)營(yíng)方法來組建業(yè)務(wù)和信息技術(shù)多專業(yè)團(tuán)隊(duì)，在數(shù)據(jù)存儲(chǔ)、處理和可視化，以及將業(yè)務(wù)知識(shí)與信息知識(shí)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(tái)在美國(guó)鷹灘頁(yè)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(guó)石油發(fā)布了勘探開發(fā)夢(mèng)想云平臺(tái)1.0，成為中國(guó)油氣行業(yè)第1個(gè)智能云平臺(tái)。它統(tǒng)一數(shù)據(jù)平臺(tái)、統(tǒng)一技術(shù)平臺(tái)、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(tái)管理者提供了一體化運(yùn)維功能，支持技術(shù)平臺(tái)持續(xù)提升。“夢(mèng)想云”構(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(yíng)、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(gè)勘探開發(fā)研究項(xiàng)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(gòu)成本60%［26-27］。

2018年，中國(guó)石油攜手華為聯(lián)合打造了勘探開發(fā)的認(rèn)知計(jì)算平臺(tái)(E8)。該平臺(tái)由AI計(jì)算、知識(shí)圖譜、AI智能超市、數(shù)據(jù)管理、系統(tǒng)管理5個(gè)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(tái)和場(chǎng)景2個(gè)關(guān)鍵因素進(jìn)行設(shè)計(jì)，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(jī)制，從數(shù)據(jù)處理、機(jī)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(shí)圖譜流水線工具的平臺(tái)。目前AI應(yīng)用到地震初次波拾取、地震層位解釋、測(cè)井解釋、油井工況診斷、油井產(chǎn)量預(yù)測(cè)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(cè)井行業(yè)的研究進(jìn)展主要在數(shù)據(jù)處理與解釋2個(gè)領(lǐng)域取得了較大進(jìn)展。開展了地震屬性分析、巖相識(shí)別、地震反演、斷層識(shí)別、測(cè)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(cè)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(cè)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(guó)Geophysical Insights公司。2008年，該公司就運(yùn)用大數(shù)據(jù)分析、機(jī)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(dòng)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(jī)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(tái)，對(duì)美國(guó)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(shí)時(shí)計(jì)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(diǎn)，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(zhǎng)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(diǎn)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(shí)驗(yàn)室開展研究，利用計(jì)算機(jī)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(dòng)讀取地震數(shù)據(jù)信息、自動(dòng)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(xiàng)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(píng)估油氣田的效率，為研究人員和工程師們提供一個(gè)AI 個(gè)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(shí)時(shí)提供更真實(shí)、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(shí)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(duì)備選方案進(jìn)行識(shí)別和驗(yàn)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(shí)通過鉆探活動(dòng)，確定可行的勘探機(jī)會(huì)，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(xiǎn)［34］。

深度學(xué)習(xí)算法在測(cè)井解釋方面得到應(yīng)用。基于大數(shù)據(jù)的深度學(xué)習(xí)給地質(zhì)儲(chǔ)層參數(shù)預(yù)測(cè)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(cè)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(dòng)識(shí)別，也可以做儲(chǔ)層物性參數(shù)自動(dòng)解釋，改善了常規(guī)的儲(chǔ)層參數(shù)預(yù)測(cè)方法處理復(fù)雜地質(zhì)問題時(shí)預(yù)測(cè)精度不高的問題。

3.3 AI技術(shù)開啟了人類鉆井新時(shí)代

在鉆井領(lǐng)域，旋轉(zhuǎn)導(dǎo)向鉆井、自動(dòng)控壓鉆井、自動(dòng)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(dòng)化、智能化階段。而自動(dòng)化鉆井僅指鉆臺(tái)設(shè)備的自動(dòng)控制，智能鉆井則要通過計(jì)算模型和智能決策技術(shù)形成控制指令，達(dá)到自動(dòng)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(dòng)化智能化(DSA-AI)”。它的最終目標(biāo)是實(shí)現(xiàn)“智能分析決策-自動(dòng)控制執(zhí)行-參數(shù)測(cè)量” 的自動(dòng)閉環(huán)操控。

2008年美國(guó)石油工程師協(xié)會(huì)(SPE)成立了鉆井自動(dòng)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(dòng)化路線圖(DSAR)聯(lián)盟。該聯(lián)盟與DSATS以及IADC的先進(jìn)鉆機(jī)技術(shù)委員會(huì)(ART)分工協(xié)作，共同致力于自動(dòng)化與智能化鉆井技術(shù)的快速推進(jìn)。目前最受鉆井自動(dòng)化團(tuán)隊(duì)歡迎的井下通信技術(shù)是國(guó)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(dòng)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(guó)的CelleHIL模擬器。Sekal公司宣稱DrillTronics是世界上第1套自動(dòng)化鉆井控制系統(tǒng)，具有實(shí)時(shí)監(jiān)測(cè)、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(dòng)化系統(tǒng)，通過優(yōu)化參數(shù)、自動(dòng)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(shí)間4%，每年縮短30~40 d的作業(yè)時(shí)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(gè)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(cè)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(tái)(BEACON)已經(jīng)實(shí)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(chǎng)只有1名定向工程師和1名高級(jí)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(chǎng)減少了3~4人。

2015年Hess公司與國(guó)民油井公司聯(lián)合開展了16口井的閉環(huán)自動(dòng)化鉆井試驗(yàn)。通過測(cè)量傳輸井下鉆壓、扭矩、轉(zhuǎn)速、陀螺測(cè)斜、橫向振動(dòng)、軸向振動(dòng)和環(huán)空壓力等參數(shù)，利用優(yōu)化計(jì)算模型推薦的參數(shù)自動(dòng)控制鉆井過程，試驗(yàn)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(cè)距離提高到了61 m。隨鉆前探/遠(yuǎn)探技術(shù)將探測(cè)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(gè)工業(yè)4.0解決方案，應(yīng)用了智能控制、設(shè)備自動(dòng)化等領(lǐng)先技術(shù)。它采用了一種經(jīng)過時(shí)間檢驗(yàn)的獨(dú)特算法模型，精確地保持井底壓力，以增強(qiáng)井控。Victus是一項(xiàng)將人類智能與機(jī)器智能相結(jié)合而實(shí)現(xiàn)的突破，使用該系統(tǒng)客戶可消除大多數(shù)鉆井危險(xiǎn)［36］。

2019年殼牌石油公司基于機(jī)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(shí)收集鉆井?dāng)?shù)據(jù)，簡(jiǎn)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(dòng)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(shí)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(duì)井中的傳感器所收集的信息進(jìn)行對(duì)比分析，通過程序自動(dòng)調(diào)整鉆頭的馬力和鉆速，將伊格爾福特頁(yè)巖區(qū)的鉆井時(shí)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(jī)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(shí)現(xiàn)高效定向鉆進(jìn)。經(jīng)過180萬步的訓(xùn)練后，將預(yù)測(cè)數(shù)據(jù)與實(shí)鉆數(shù)據(jù)對(duì)比，壓差預(yù)測(cè)誤差為0.21%，旋轉(zhuǎn)扭矩預(yù)測(cè)誤差為2.72%，先導(dǎo)試驗(yàn)是在美國(guó)東部二疊紀(jì)盆地的14口水平井鉆井中進(jìn)行的，證實(shí)該系統(tǒng)可最終實(shí)現(xiàn)全自動(dòng)定向鉆井［38］。

3.4 數(shù)據(jù)驅(qū)動(dòng)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(guó)際石油公司紛紛將AI技術(shù)綜合應(yīng)用在油氣藏甜點(diǎn)識(shí)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(xiǎn)預(yù)警等各環(huán)節(jié)。主要做法：一是利用云平臺(tái)數(shù)據(jù)快速處理軟件對(duì)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(cè)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(dòng)了油氣田地質(zhì)工程一體化技術(shù)的快速實(shí)現(xiàn)。

美國(guó)諸多頁(yè)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(diǎn)”識(shí)別，優(yōu)化井位部署，建立協(xié)同及集成工作流，綜合儲(chǔ)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(jì)優(yōu)化，實(shí)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(gè)各個(gè)環(huán)節(jié)可以互動(dòng)的動(dòng)態(tài)地質(zhì)模型，通過該模型進(jìn)行甜點(diǎn)識(shí)別、油藏模擬和優(yōu)化鉆完井程序。2017年，該方法在美國(guó)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(duì)美國(guó)巴肯頁(yè)巖數(shù)千口頁(yè)巖油井進(jìn)行分析，甜點(diǎn)區(qū)預(yù)測(cè)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(jì)算技術(shù)及AI優(yōu)化算法融為一體，實(shí)現(xiàn)了千萬至十億網(wǎng)格節(jié)點(diǎn)的模擬，成功應(yīng)用于全球油氣藏開發(fā)方案快速設(shè)計(jì)和油氣藏建模及數(shù)值模擬計(jì)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(shí)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(zhǎng)度4 572 m (15 000 ft))、多點(diǎn)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(gè)模塊，提供每個(gè)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(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)井底條件變化，優(yōu)化儲(chǔ)層開采［41］。

Devon公司研究出全美頁(yè)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(gè)州過去10年10萬口水平井的數(shù)據(jù)。每計(jì)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(shí)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。基于設(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(cè)生產(chǎn)井中人工舉升設(shè)備故障程序。該程序每天可自動(dòng)地報(bào)告現(xiàn)場(chǎng)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(xiàng)技術(shù)可將數(shù)據(jù)分析水平提高到一個(gè)新的層次，提供更好的用戶體驗(yàn)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(gè)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(jì)算的油氣生產(chǎn)平臺(tái)，是威德福將數(shù)十年的生產(chǎn)經(jīng)驗(yàn)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(dú)立化自動(dòng)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(shí)時(shí)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(shí)運(yùn)用預(yù)測(cè)技術(shù)防范風(fēng)險(xiǎn)，減少故障停機(jī)時(shí)間，實(shí)現(xiàn)持續(xù)的自主生產(chǎn)優(yōu)化。用戶可以通過該平臺(tái)快速評(píng)估每口油氣井的生產(chǎn)狀況、跟蹤歷史趨勢(shì)，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(xiàng)新技術(shù)已經(jīng)監(jiān)測(cè)和優(yōu)化全球4.6萬口井［43-45］。

威德福公司同時(shí)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(shí)時(shí)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(tái)中，該平臺(tái)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(bào)及實(shí)時(shí)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(tái)能夠集成生產(chǎn)操作者所轄油井各個(gè)要素的工作流數(shù)據(jù)，使分布在全球各地的團(tuán)隊(duì)可以隨時(shí)訪問、共享和存儲(chǔ)任何重要的資料［45］。

2019年ABB公司推出了工業(yè)云平臺(tái)ABB Ability，在油氣數(shù)字化方面展開了6大布局：智能井監(jiān)測(cè)管理、生產(chǎn)動(dòng)態(tài)管理、能源消耗管理、設(shè)備監(jiān)測(cè)與管理、數(shù)字化實(shí)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(jī)和馬達(dá)。在實(shí)際抽油井中，VSD采用機(jī)器學(xué)習(xí)方法對(duì)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(shí)現(xiàn)增產(chǎn)50%，降低能耗30%，將維護(hù)和故障引起的停機(jī)時(shí)間減少了70%。

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

區(qū)塊鏈技術(shù)成為繼續(xù)推動(dòng)各行各業(yè)數(shù)字化轉(zhuǎn)型和智能化發(fā)展的熱點(diǎn)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(shí)有效，各類交易環(huán)節(jié)和流程更簡(jiǎn)單快捷，如各類放射源等危險(xiǎn)品追蹤，大型設(shè)備的核心部件運(yùn)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、埃克森美孚、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(cái)團(tuán)，7家成員單位為董事會(huì)成員，還有馬拉松、諾貝爾能源、殼牌等3個(gè)會(huì)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(dòng)該技術(shù)和項(xiàng)目在油氣勘探、生產(chǎn)、財(cái)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(tái)(BaaS)，為整個(gè)行業(yè)發(fā)揮示范作用。

2019年9月OOC油氣區(qū)塊鏈財(cái)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(tái)的智能合約引擎ConTracks上成功地試驗(yàn)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(yàn)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(zhēng)議，耗時(shí)長(zhǎng)、管理復(fù)雜，導(dǎo)致高成本。區(qū)塊鏈極大地簡(jiǎn)化這一點(diǎn)，使用智能合約來自動(dòng)化投票和工作利益計(jì)算，并使用共享、不變的數(shù)據(jù)，減少了爭(zhēng)議。OOC區(qū)塊鏈聯(lián)盟AFE投票項(xiàng)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(gè)成員節(jié)點(diǎn)之間同時(shí)執(zhí)行保密、安全和不變的AFE投票交換。該項(xiàng)目證明區(qū)塊鏈可用于成功地自動(dòng)分發(fā)AFE選票、聯(lián)合操作協(xié)議(JOA)自動(dòng)賬單整合及隨后的項(xiàng)目工作利益計(jì)算。

2020年6月，應(yīng)用區(qū)塊鏈技術(shù)實(shí)現(xiàn)油田水處理的自動(dòng)化付款，測(cè)試用的區(qū)塊鏈平臺(tái)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(diǎn)測(cè)試集中在美國(guó)北達(dá)科他州巴肯頁(yè)巖油田由挪威石油管理的5口井上進(jìn)行，測(cè)試是與Nuverra Environmental Solutions水處理公司聯(lián)合完成的。在該試驗(yàn)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(dòng)驗(yàn)證，所有水處理體積測(cè)量85%的業(yè)務(wù)得到自動(dòng)驗(yàn)證，未來自動(dòng)驗(yàn)證可能接近100%；發(fā)票的自動(dòng)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(chǎng)活動(dòng)的一致性，降低了財(cái)務(wù)風(fēng)險(xiǎn)，并為運(yùn)營(yíng)商和卡車運(yùn)輸公司增加了25%~35%的資源分配潛力。OOC油氣區(qū)塊鏈實(shí)現(xiàn)了現(xiàn)場(chǎng)驗(yàn)證貨物和服務(wù)，自動(dòng)支付和實(shí)時(shí)費(fèi)用跟蹤，并將其擴(kuò)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(gè)行業(yè)提供成本節(jié)約和效率，這可能會(huì)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(shí)現(xiàn)。對(duì)于提供新的跟蹤、記賬和自動(dòng)化方法的協(xié)議的每個(gè)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(jiǎn)化的合同約定，簡(jiǎn)單說就是知道什么人因?yàn)槭裁丛蛟谀睦锏玫搅耸裁礃拥膱?bào)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(diǎn)。如頁(yè)巖氣在開采過程中，需要不斷對(duì)油井進(jìn)行水力壓裂，需要用卡車不斷運(yùn)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(yùn)送到專門基地進(jìn)行處理。一家向頁(yè)巖油氣田運(yùn)送砂子的企業(yè)每天都會(huì)收到1萬個(gè)發(fā)票，企業(yè)對(duì)于大量需要處理的發(fā)票疲于應(yīng)對(duì)，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(dòng)生成發(fā)票，不必借助人力參與，避免了爭(zhēng)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(shí)時(shí)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(shí)時(shí)過程數(shù)據(jù)，以創(chuàng)建一個(gè)動(dòng)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(yùn)營(yíng)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(huì)”的情景，以最終提高生產(chǎn)率、可靠性。它使業(yè)主和運(yùn)營(yíng)商能夠從運(yùn)營(yíng)資產(chǎn)中的傳感器收集實(shí)時(shí)數(shù)據(jù)，無論其位于何處，都可了解確切的狀態(tài)和條件。可對(duì)鉆井和采油進(jìn)行建模，以確定虛擬設(shè)備設(shè)計(jì)是否可行。Equinor在Johan Sverdrup油田采用數(shù)字孿生改進(jìn)實(shí)時(shí)運(yùn)營(yíng)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(duì)，以及擁有較少的涉眾，對(duì)其資產(chǎn)組合進(jìn)行篩選，來增強(qiáng)價(jià)值驅(qū)動(dòng)，更好地利用資本產(chǎn)生重大價(jià)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(jià)值［49］。

隨著石油管道在線監(jiān)測(cè)技術(shù)的日漸成熟，管道運(yùn)營(yíng)人員可對(duì)管道進(jìn)行實(shí)時(shí)監(jiān)測(cè)，獲取大量管道在線運(yùn)行數(shù)據(jù)。然而，面對(duì)如此繁復(fù)龐雜的數(shù)據(jù)，如何實(shí)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(xiàng)虛擬現(xiàn)實(shí)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(duì)管道的虛擬圖像進(jìn)行旋轉(zhuǎn)，放大和擴(kuò)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(diǎn)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(shí)間變化的地質(zhì)變化狀況。用戶可對(duì)這些重點(diǎn)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(dòng)引起的管道應(yīng)變等潛在危險(xiǎn)。管道數(shù)字孿生技術(shù)還可對(duì)管道周邊的邊坡測(cè)斜儀進(jìn)行全息展示，用戶可清晰觀測(cè)管道隨地面運(yùn)動(dòng)而發(fā)生的移動(dòng)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(shí)踐表明節(jié)省了研究管道數(shù)據(jù)的時(shí)間，有助于用戶更好地監(jiān)控管道運(yùn)行狀況，快速準(zhǔn)確評(píng)估管道完整性［50］。

3.6 國(guó)內(nèi)規(guī)模化智能油氣田建設(shè)已達(dá)到國(guó)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(gè)概念。智能油田建設(shè)是一個(gè)系統(tǒng)工程，建立數(shù)據(jù)銀行和建設(shè)信息平臺(tái)是智能油田發(fā)展的基礎(chǔ)。其核心是利用實(shí)時(shí)數(shù)據(jù)流結(jié)合高性能軟件和高速計(jì)算機(jī)系統(tǒng)，建立快速反饋的動(dòng)態(tài)油藏模型，并將這些模型配合遙測(cè)傳感器、智能井和地面自動(dòng)控制系統(tǒng)，實(shí)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(dòng)態(tài)，更準(zhǔn)確地預(yù)測(cè)油藏未來動(dòng)態(tài)變化，最終實(shí)現(xiàn)全油田范圍的實(shí)時(shí)閉環(huán)資產(chǎn)經(jīng)營(yíng)管理。

AI技術(shù)發(fā)展加速推動(dòng)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(guó)石油、中國(guó)石化、中國(guó)海油和延長(zhǎng)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(guó)石油開始對(duì)油氣生產(chǎn)自動(dòng)化、數(shù)字化進(jìn)行探索。大慶油田1999年在國(guó)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(gè)，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(shí)現(xiàn)了無人值守、電子智能巡檢。

中國(guó)石油推動(dòng)數(shù)字化轉(zhuǎn)型，截至2019年底，累計(jì)建成各類數(shù)字化井14.4萬口、站9 804余座，約占中國(guó)石油井、站總數(shù)的52%和43%。其中，長(zhǎng)慶、塔里木、西南、大港、青海、吐哈、冀東等10個(gè)油氣田實(shí)現(xiàn)全覆蓋，實(shí)現(xiàn)了初步數(shù)字化、可視化、自動(dòng)化，取得了顯著的經(jīng)濟(jì)和社會(huì)效益。 值得一提的是，長(zhǎng)慶油田實(shí)現(xiàn)了12個(gè)采油廠的79個(gè)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(chǎng)實(shí)現(xiàn)無人值守；實(shí)現(xiàn)了6個(gè)采氣廠的31個(gè)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(gè)站點(diǎn)實(shí)現(xiàn)無人值守［51-52］。

十三五期間，中國(guó)石化針對(duì)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(shí)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(shí)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(guó)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(hào)102 733個(gè)，運(yùn)行215支流程、年業(yè)務(wù)辦理量47萬個(gè)、日均辦理量1 303個(gè)，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(yùn)行等6大類業(yè)務(wù)域共531個(gè)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(tái)。

中國(guó)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(dòng)人工智能技術(shù)與中國(guó)海油核心業(yè)務(wù)的深度融合。截至2020年底，中國(guó)海油已在多個(gè)業(yè)務(wù)領(lǐng)域開展試點(diǎn)應(yīng)用。在上游鉆井業(yè)務(wù)中，大力推進(jìn)智能鉆井實(shí)時(shí)數(shù)據(jù)監(jiān)測(cè)系統(tǒng)集成與建設(shè)，建立鉆井風(fēng)險(xiǎn)預(yù)測(cè)模型，實(shí)現(xiàn)分級(jí)實(shí)時(shí)監(jiān)控和風(fēng)險(xiǎn)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(cè)性維護(hù)，電泵停產(chǎn)時(shí)間減少 30%，檢修成本降低20%。智能分注分采系統(tǒng)通過對(duì)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(shí)現(xiàn)了全網(wǎng)智能調(diào)控、無人機(jī)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(shí)，中國(guó)海油也完成了11座無人平臺(tái)的改造，正在建設(shè)20座無人平臺(tái)，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(shí)現(xiàn)公司降本增效和高質(zhì)量發(fā)展［53］。

延長(zhǎng)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(kù)，兼容多種專業(yè)軟件成果數(shù)據(jù)和數(shù)據(jù)模型，實(shí)現(xiàn)數(shù)據(jù)向研究成果的快速轉(zhuǎn)換，實(shí)時(shí)共享，快速查詢，提高工作效率。實(shí)現(xiàn)相應(yīng)區(qū)域的勘探開發(fā)關(guān)鍵數(shù)據(jù)的實(shí)時(shí)提取和一鍵推送，協(xié)助技術(shù)人員快速開展研究，減輕項(xiàng)目開展前基礎(chǔ)數(shù)據(jù)收集和整理80%的工作量。項(xiàng)目研究成果上傳入庫(kù)后自動(dòng)回寫數(shù)據(jù)庫(kù)，實(shí)現(xiàn)了成果的及時(shí)共享。歷經(jīng)8年攻關(guān)探索，截至2020年，全油田14個(gè)采油廠121個(gè)區(qū)塊13萬口單井基礎(chǔ)數(shù)據(jù)庫(kù)初具雛形，平臺(tái)功能逐步完善，應(yīng)用試點(diǎn)范圍不斷擴(kuò)大。

3.7 幾點(diǎn)啟示

大數(shù)據(jù)、云計(jì)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(dòng)數(shù)字化轉(zhuǎn)型的引擎。國(guó)外IT行業(yè)和石油公司的巨頭們?cè)诒敬螖?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?cè)谶@些領(lǐng)域的發(fā)展給我國(guó)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(tái)解除AI應(yīng)用壁壘。國(guó)內(nèi)油公司和服務(wù)公司應(yīng)借鑒國(guó)外AI平臺(tái)建設(shè)技術(shù)與經(jīng)驗(yàn)，努力打造少代碼/無代碼AI技術(shù)平臺(tái)，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(jì)算技術(shù)，創(chuàng)建數(shù)字平臺(tái)，實(shí)現(xiàn)對(duì)所有混合云平臺(tái)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(guó)內(nèi)也能實(shí)現(xiàn)無需將數(shù)據(jù)轉(zhuǎn)移到國(guó)外第三方云數(shù)據(jù)中心，讓用戶使用多云成為現(xiàn)實(shí)，從而促進(jìn)云平臺(tái)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(shí)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(shì)還是要快速融入IT行業(yè)。國(guó)外公司的合作模型和建設(shè)AI的成果經(jīng)驗(yàn)也值得我國(guó)借鑒。

(4)盡可能加入國(guó)際油氣AI聯(lián)盟，打破信息不同的壁壘。國(guó)際油公司之間成立許多有利于AI發(fā)展和場(chǎng)景落地的國(guó)際組織。我國(guó)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(tái)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(chǎng)景落地難的環(huán)境與技術(shù)壁壘。從國(guó)外油氣公司AI發(fā)展所取得的成效看，落地的主要場(chǎng)景、所采取的發(fā)展策略值得我國(guó)借鑒：多家公司聯(lián)合，建立聯(lián)盟，以共同投資，減少風(fēng)險(xiǎn)，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(shí)代，石油就在數(shù)據(jù)之中。AI被譽(yù)為第四次工業(yè)革命的引擎，已在石油工業(yè)各個(gè)領(lǐng)域產(chǎn)生了極為深遠(yuǎn)的影響。展望未來，隨著5G、云計(jì)算、AI技術(shù)的發(fā)展，世界油氣工業(yè)智能化水平將會(huì)越來越高，一次巨大的油氣技術(shù)革命即將到來。預(yù)計(jì)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(shí)代，把油田裝在手機(jī)里將會(huì)變成現(xiàn)實(shí)。

4.1 智慧地質(zhì)

構(gòu)建地質(zhì)云平臺(tái)，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(shí)驗(yàn)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(duì)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(shí)現(xiàn)由地質(zhì)大數(shù)據(jù)向智慧地質(zhì)的升級(jí)，有力地推動(dòng)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(guó)土資源監(jiān)測(cè)及高原高寒無人區(qū)地質(zhì)精細(xì)填圖能力，實(shí)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(chǔ)層和井位，提高探井成功率，促進(jìn)增儲(chǔ)上產(chǎn)。

4.2 智慧鉆井

未來的智慧鉆井主要由智能鉆機(jī)、井下智能導(dǎo)向鉆井系統(tǒng)、現(xiàn)場(chǎng)智能控制平臺(tái)、遠(yuǎn)程智能控制中心組成，它們構(gòu)成一個(gè)有機(jī)的整體，實(shí)現(xiàn)閉環(huán)控制。智能機(jī)器人鉆井系統(tǒng)將取代鉆臺(tái)工人和井架工成為未來鉆機(jī)的核心，現(xiàn)場(chǎng)智能控制平臺(tái)將代替司鉆完成所有操控。電動(dòng)智能連續(xù)管鉆井系統(tǒng)將實(shí)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(shí)代，實(shí)現(xiàn)全自動(dòng)鉆井，一些關(guān)鍵作業(yè)將實(shí)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(jì)算、邊緣計(jì)算、智能傳感器、數(shù)據(jù)存儲(chǔ)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(tái)為中心，無論固定資產(chǎn)、移動(dòng)設(shè)備還是工作人員直接同控制中心建立聯(lián)系。預(yù)計(jì)2030—2035年，全油田進(jìn)入智慧化分析海量數(shù)據(jù)時(shí)代，可實(shí)時(shí)地對(duì)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(yùn)行、智能故障判斷與風(fēng)險(xiǎn)預(yù)警等，最終實(shí)現(xiàn)全部油田資產(chǎn)的智慧化運(yùn)營(yíng)，油氣田進(jìn)入遠(yuǎn)程無人化控制的智慧油田時(shí)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(jì)算、數(shù)字孿生、自動(dòng)化與智能管道監(jiān)測(cè)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(jì)2030—2035年，全面形成具有可觀測(cè)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(yùn)行事故率，有效提升管道安全運(yùn)營(yíng)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(jì)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(shí)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(shí)現(xiàn)全過程的安全、環(huán)保。預(yù)計(jì)2030—2035年，建成具有自動(dòng)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(dòng)行業(yè)大變革，操作人員大幅減少，勞動(dòng)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(huì)朝著更成熟的方向發(fā)展。其關(guān)鍵技術(shù)是機(jī)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(dòng)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(shì)，自動(dòng)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(duì)持續(xù)低油價(jià)進(jìn)行企業(yè)變革和轉(zhuǎn)型的重要推動(dòng)力，成為油氣科技發(fā)展的大趨勢(shì)，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(gè)油氣領(lǐng)域預(yù)計(jì)2030—2035年將陸續(xù)進(jìn)入智慧化時(shí)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(diǎn)領(lǐng)域是智慧地質(zhì)科學(xué)云、油氣藏甜點(diǎn)識(shí)別、油氣儲(chǔ)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(yíng)管理，成為一場(chǎng)聲勢(shì)浩大的技術(shù)革命，將推動(dòng)全球油氣行業(yè)變革，將改變石油行業(yè)的整體格局。