AI对于石油行业而言，绝不是一个非此即彼、非黑即白、有用或者无用的简单命题，而是一个如何不断深入去提升效率，逐步证明自己价值的过程。
本篇作者安鹏，中国海洋石油集团有限公司信息技术中心 技术中台工程师；AICA首席AI架构师培养计划第五期学员。
肉眼可见的是，中国在未来将面临更复杂的能源格局，在这个时间点上通过AI的加入把我们自己的能力提升起来，其实是一个战略性的机遇窗口。
“上易下难”的生成式热浪
今年，整个行业最热的话题莫过于大模型，我想一开始就传递一个积极的信息，就是我们这个行业对生成式大模型新技术很重视。
作为央企中体量比较大的企业，中海油首先关注的是大模型的政策方向。当生成式大模型刚出来的时候，监管层面就提出了一些关于监管的想法。和很多人当时感到有些前途不明朗所不同的是，我从这个消息一出来就觉得是个好消息。因为这些信息意味着，政策制定者高度关注这个领域了，所以才有动作。
有动作，就说明了重视；没有人去关注的领域，不会有那么及时的政策配套。
所以到8月31号，百度的“文心一言”等首批大语言模型“上了户口”，我就感觉 到，鼓励生成式人工智能技术在各行业、各领域的创新应用，生成积极健康、向上向善的优质内容，探索优化应用场景，构建应用生态体系等等，已经形成社会共识并落实，这是极大的行业利好。
就我们中国海油层面，我们的企业高层领导的思想是非常与时俱进的，我们的很多高层在一些层面很高的会议，反复谈及鼓励生成式大模型在内部落地，大模型应用应该形成体系化这样的一些看法，这对我们做具体工作的人是极大的鼓舞。
不过，虽然高层的决心很大，但我们执行层还是感到，把大模型体系化的在海洋石油乃至整个石油行业落地，难度很大，所以是“上易下难”。就是决心已下，正在艰苦的推进中。
我先谈一些具体的落地工作中让人振奋的细节。
一个重要的信息是，以前我们对AI的引入是单点式的、小团队作业的，集中在某个细分场景的细分痛点上。虽然已经有了人工智能顶层设计，规划了各大领域的人工智能应用场景，当时在具体实施层面还缺乏统筹。
这个过程中，应该说不同的子体系都有反映自己的诉求。比如在管理侧，大家提出在管理、财务体系中引入生成式能力，解决知识管理、票据处理的问题。又比如在我们非常核心的领域，海上采油平台核心设备的“预测性维护”等场景，业务专家提出用大语言模型迭代新应用……这些细节无论其何时成熟，都说明了我们做好了体系化落地的准备。
再拉通到整个石油行业来看，中石化作为行业代表已经和百度签订了战略合作，共同推进AI能力在石油行业的应用，这个成果如果做出来，也是会全行业推广的。
所以，政策层、高管层、实操层、协作层面等等，我们都动起来了，这是一个好消息。
对石油行业而言
AI还是新生事物
但如果要理解AI之于石油行业的整体结合过程，我愿意拉长视角和大家从更大的层面聊聊我的感受。
我是AICA第五期的学员（2021 年）。现在来谈AI和石油行业的关系，是一个非常合适的时间。
虽然对整个石油行业来说，AI整体上还是一个新生事物，但我们在过去的几年里，快速进行了拥抱AI技术的准备。
拿我自己来说，2016年，也就是AlphaGo大战李世石这一年，我还在读石油勘探方向的研究生，当时我就很有触动，我和导师就提出说，能不能做AI在石油勘探方向的研究。
当时我的导师非常支持我的决定，但在石油系统的高校里，当时是找不到能教你如何用AI去搞石油勘探的老师的，只能自学。
这大概就是2016年石油行业对AI的态度，不仅是生产体系里没有，连科研院所里也很少有AI方向的人才。
于是我就自学，用了将近一年的时间，学习了当时比较主流的一些深度学习框架，学会了写算法和比较简单的模型，也结合当时的一些应用从AI角度进行了研究，两年不到的时间里我发表了13篇论文，其中4篇是比较有影响力的。其实，如果搁在现在，这些论文能不能发出来，已经不是那么确定了。这反映的其实是AI在石油行业里快速渗透的一个侧面，很是鼓舞人心。
从另一个宏观格局来看， 我2018年去美国参加我们行业的顶会⸺国际勘探地球物理年会，这个会是在美国进行的。在那一年的年会上，AI作为石油行业里重要的专题，已经有100多篇有质量的论文了。而此前一两年只有几篇、十几篇，要知道100多篇的分母可是1000多篇论文，说明AI在当时的论文出产已经占到顶会论文的十分之一强。
如果现在去看，可能更多了。这从另一个侧面反映了在整个国际上，油气勘探行业都在积极拥抱AI，如果我们不抓住这个历史机遇，那我们就可能落后了。
肉眼可见的是，中国在未来将面临更复杂的能源格局，在这个时间点上通过AI的加入把我们自己的能力提升起来，其实是一个战略性的机遇窗口。
另一个快速提升的就是石油人对于AI的认知是在飞跃的。
我在2017年的时候，跟着老师去给一个油田做科研项目的时候，自发的用了一些AI的能力。其实就当时而言，行业对AI的认知还是比较浅显——一部分人认为AI是万能的，另一部分认为AI对于石油勘探的核心场景价值不大。
从现在看这些观点有点小儿科，AI对于石油行业而言，绝不是一个非此即彼、非黑即白、有用或者无用的简单命题，而是一个如何不断深入去提升效率，逐步证明自己价值的过程。
我们已经做好了拥抱AI的准备
说石油行业已经做好了拥抱AI的准备，并不是一句空话。
首先，从基础设备的角度来看，我们正在越来越具备部署AI的条件。包括我们整个行业的数字化转型都在如火如荼的展开，还有我们数据中心的建设也非常快，我们在上海、深圳、北京，都建了自己的数据中心，在海外的迪拜、东南亚、新加坡，包括在北美的墨西哥，还有在欧洲，都建了自己的数据中心。
而且，最近几年，云平台的发展，改变了以前我们那种单体式的业务系统的建设模式。我们对于底层平台的能力支撑方面也是投资比较大的，以前各个系统自己买服务器、自己开发系统，现在是整合起来给各个用户单位提供底层的IaaS、PaaS资源，并且在上面搭建AI中台。至少从数据、从通信能力、从部署格局的角度，AI落地已经不是那么难了。
特别是我们中海油，海上通讯是大难题，现在我们的手段是卫星散射、微波、4G、5G都会用，这也为AI落地在铺平道路。
其次，从数据的角度，我们推进了数据湖的建设。以前只是单纯地把数据存过来，没那么多应用，都是冷数据。现在我们一方面建数据湖，另一方面进行数据治理，这其实非常重要，因为没有这些治理过的数据，AI的研发就没有燃料。
最后，我们也越来越感到高层在关注AI的进展，我们也提出了“智能油田”。我觉得现在领导关注的问题已经比较贴合实际应用了，比如很关注投入产出比的问题、准确性和效率的问题，这说明中高层、高层对AI的考虑已经很实际了，已经不再是早期的“有用没用”的思考了，而是非常具体的考量。
我也可以分享一个小细节，钻井勘探是我们的一个基本作业，有领导就问我用AI支持这个场景会更好吗，我在当时的条件下的回答说，是否更准确还不好说，但是效率提升了。
前途中遇到的困难与解决的办法
当然，AI在石油行业的核心场景中发挥作用还处于初步探索阶段，目前主要场景包括自动巡检、安全监测、预防性维护、经营管理等方面，但最深最典型的场景，还有待突破。
我还是拿钻井来说，钻井的成本是很高的，陆地上打一口井至少要几千万，海上成本就更高了。钻井的过程中就要用到各种设备去进行地质结构的探测，包括各种波、各种电磁手段、把二维的图形转换为三维等等，这些都是有沿袭多年、行之有效的办法。
但是，这些数据本身自己不会说话，它需要专门的地质学家去做综合的研判，包括地下的各种地质构造、成油构造等，这个决策严重依赖行业专家，这也是我们行业的特点。
那AI能不能短期内取代这个专家呢？很难。
一个原因是目前AI在石油行业的推广为期还很短，我自己就是一个例子，2016年才开始自学AI。这么短的时间里让AI取代专家是不太现实的。
当然，我们石油系统的AI专家和百度这样通用型的AI专家在AI能力上还是有差距的。而打一口井，经常是1个亿的成本起步。所以这个非常高的决策成本加上还相当不成熟的AI能力，短期内是没有人会让AI去做重要判断的。所以可以说，AI已经开始进入了核心场景了，但在核心决策环节上，还欠火候。
但是，如果把AI设在一个助手的角色，那就非常合适了。
我们说到，专家要凭借方方面面的资料来做决策，最核心的是他自己的经验和专业素质，但这些资料的研究也要花很多功夫，如果我们把AI训练好了，让AI能够在给专家提供决策依据，显而易见的提升了辅助决策的效率，那AI也就进入了核心场景了。先进去，再发展，是一个比较顺的过程；它比先把AI放在一个很高的位置上，最后结果让人觉得差强人意，更能体现AI的价值。
另一个值得重视的是，整个石油体系的AI人才建设还没有系统化、梯队化。
我刚才讲了一个核心观点， 就是我们行业的AI专家，在AI水平上和百度这样的AI前沿公司的专家还是有差距的；而我没有说的后半句话是，尽管存在这样那 样的不足，但我的判断是，我们这个行业推广AI的普及和应用，最后还是靠我们自己的专家起主力作用，因为这个行业的专业背景太深了，一个很高级的AI专家也许花很长时间也没有办法进入这个领域的核心。所以，我说起作用的还是靠我们自己的专家，这并不是看轻百度。
那百度可以怎么为我们赋能呢？我觉得百度的重点还是提升通用AI的能力，提升整个中国AI的宏观水平，让我们的AI能力和世界同频。同时也注重垂直行业赋能，这个赋能的过程，更多的要放在帮助我们行业里的专家提升AI能力上。所以，百度对我们是空军的作用，至少在目前。
那如果百度想更深入这个领域发挥作用怎么办呢？我给百度支个招，就是百度应该和油服公司结成伙伴。
大家可能不是很熟悉石油体系， 我们体系里除了核心的石油公司还有很多专门的技术服务公司，比如西方地球物理公司、东方地球物理公司，还有大家都知道的斯伦贝谢这样的公司，大的石油公司如壳牌、BP都有自己的长期合作油服公司，形成了油气公司+油服公司+IT公司的格局。
IT企业拥有较强的数字化技术研发和应用能力，石油公司拥有油气资源的所有权、生产运营的产业链和深耕油气行业的知识和经验，油服公司则是二者之间良好的黏合剂。在油气行业数字化转型过程中，越来越多的石油公司、油服公司和 IT技术公司开始进行跨界合作，充分发挥各自优势。
我个人觉得，百度没有必要把自己进化成一个油服公司，但一定要做成IT公司里最懂石油的AI公司，这样就形成了一个三角形的稳定结构。所以我建议百度要广泛的拜访专业的油服公司，那里有你们的知己，那里的人也更懂AI和石油的关系，他们是一道桥梁，是连接器，促使你们形成一个稳固的合作后，再赋能给油气公司，我觉得这是一个最佳的组合，也是石油这个领域专有的一种合作方式。
相关链接
点击下方链接或阅读原文，即刻报名了解百度AICA首席AI架构师培养计划第八期。
百度 AICA 首席 AI 架构师培养计划第八期
关注【飞桨PaddlePaddle】公众号
获取更多技术内容~
