白癜风治疗医院哪家最好 https://disease.39.net/yldt/bjzkbdfyy/本文内容来自北京市科学技术协会主办、北京科学中心承办、北京科技报社协办的首都科学讲堂。讲堂每周邀请院士专家开讲，传播科学知识、科学方法，弘扬科学精神、科学文化，促使公众全面、正确理解科学。
随着新一轮科技革命和产业变革的深入发展，智能化成为能源行业重要的核心战略目标。人工智能技术应用在石油勘探开发领域“如日方升”，落地都面临了哪些机遇和挑战？在“双碳”目标的新时代背景下，油气行业如何进行数字化转型？“智慧油田”又该如何建设？
本期首都科学讲堂邀请中国工程院院士、中国石油勘探开发研究院教授刘合，为公众解读人工智能如何助力“双碳”目标实现。主讲嘉宾：刘合中国工程院院士、中国石油勘探开发研究院教授、能源与矿业工程管理专家
▲“双碳”目标下，人工智能发展的应对策略（上）
▲“双碳”目标下，人工智能发展的应对策略（下）
人工智能的兴起
首先要跟大家讲的是人工智能的兴起。人工智能是人类未来的新兴战略技术，简单地说，是解决已知机理问题的自动化，对于未知机理问题扩充边界，目前主要分为三大阶段。
第一阶段是计算智能，这一阶段人工智能的主要工作是能存会算——像人类一样计算和传递信息。例如我们现在所做的一些工作包括神经网络、遗传算法等。人工智能被用来帮助用户存储和处理海量数据，是认知和感知的基础。
第二阶段是感知智能，这一阶段人工智能可以通过感知外界“看懂”“听懂”外界环境信息后，做出判断并采取一些行动。例如可以“捕捉”犯罪现场的摄像头或者可以听懂人类口语指令的智能音箱。它的价值就是在于高效地帮助人类完成看和听的工作。
第三阶段是认知智能，包括一些可以自主行动的机器人，它们已经能够像人类一样思考行动，比如无人驾驶汽车等，它的价值是可以全面辅助和替代人类的工作。
人工智能当前已经渗透到各行各业，与我们的日常工作生活息息相关，并已广泛应用于军事、计算机视觉、语音识别、智能教育、医疗零售等各个领域和行业。例如我们日常拍照常常会使用的一些修图软件，出行时驾驶路线的智能推荐，都是通过人工智能的深度学习技术来实现的。还有我们使用到的多国语言翻译器等等，使用了人工智能的自然语言处理技术。
人工智能也推动了第四次工业革命，包括在深度学习（自学习、自组织、自适应、自行动）、数据挖掘等方面取得的突破进展和成果，比如我们比较熟悉的基于深度学习技术的AlphaGo等。
随着人工智能技术不断扩展，所解决的问题也不断增多和深化。我国人工智能的发展也在各个应用领域取得了突破性进展。
实现碳达峰、碳中和是当前党中央着力解决资源环境约束突出问题的手段，也是实现中华民族永续发展作出的重大战略部署。随着国民经济发展，人民生活水平提高，结合我国制造大国的国情，人工智能也是我国助力推进“双碳”战略目标实现的重要手段。
中共中央、国务院发布的《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》中指出，年，我国单位生产总值二氧化碳排放比年要降低18%，非化石能源比重在20%以上。年，单位生产总值二氧化碳排放要比年降低65%，非化石能源比重要超过25%左右。年，能源利用效率要达到国际先进水平，非化石能源的比重在80%以上。
实现“双碳”战略目标的路径多元，包括能源绿色低碳转型行动、节能降碳增效行动、工业领域碳达峰行动、城乡建设碳达峰行动、交通运输绿色低碳行动等等。这些路径的实现，也离不开油气工业工业化、信息化、数字化和智慧化的助力。
为什么说这“四化”可以助力“双碳”战略目标实现？“双碳”战略目标离不开数字化转型，而数据治理是数字化转型核心工作之一。“双碳”目标的一个核心就是准确的数据，这样我们才能知道“减多少、排多少”。那么人工智能在这方面就起到很大的作用。例如在油气工业领域里，人工智能的可搭载立体摄像头、避障系统、机载传感器、检测碳氢化合物泄漏、识别涡轮机和其他设备的异常声音和振动，具有强大的适应能力和数据收集能力。
年起，波士顿Spot机器狗也开始在位于挪威海Skarv油田的AkerBP公司石油和天然气钻井平台上巡逻，有着检查、检测碳氢化合物泄漏、收集数据和生成报告的能力。
油气人工智能现状
我来自中国石油，接下来讲讲油气行业人工智能发展的现状和未来趋势。
人工智能发展已经成为了当前油气行业的大势所趋，有很多应用场景下的突出性技术：包括智能解释分析技术、大数据分析技术以及多专业数据的集成分析等，还有一些装备智能化、操控智能化，也都在向无人化、少人化的方向发展。
油气发展过程中的算法及相关平台建设，我们也使用人工智能技术来实现勘探开发预测，提升管理能力和精准数据上的支撑，助力进一步提高决策能力，更科学地开发、更高效地生产、高效卓越地运营以及合理安排投资，获取最大的资金回报率。
石油工业是个比较复杂的全产业链系统，人工智能贯穿了勘探、开发、生产、管道、储运、炼化等全链条，应用范围可以从作业区、采油气厂、油气田公司到股份公司，涵盖勘探开发全业务链的信息化支撑体系，在量化决策、降本增效、增储上产、转变生产组织模式等方面都取得了重要成效。
目前来看，我国油气智能化建设基本处于加速发展阶段，国外油气公司包括挪威国家石油公司、壳牌、BP、雪佛龙、美孚等也纷纷将人工智能作为“双碳”目标下的重要发展战略，实现了采集、监测、传输、处理、分析、模拟、研究、决策、执行的闭环管理，有效地推动了管理变革和流程再造，提升了企业的竞争能力。
国内的油气行业信息化和数字化的建设也经历了单机应用、分散建设、集中建设、集成应用，基本实现了数字化油田建设的目标。目前正在通过数据共享、业务协同和智能化应用建设，逐步迈向智能油气田的阶段。
中国石油全面推进数字化转型、智能化发展工作。我们成立了“集团公司勘探开发人工智能技术研发中心”，构建产学研用平台；建成梦想云A6、认知计算E8等平台，为人工智能应用提供算力和平台；通过点线面整体布局，推动油气勘探开发人工智能场景的落地。
在勘探领域，人工智能应用的场景包括薄片智能鉴定、地震波智能拾取、地震层位自动解释、测井油气层识别等。在油藏工程领域，包括单井产量预测和递减规律的预测以及油藏分层注水与优化；在钻完井领域，工况自动诊断、交互式的压裂分析系统等。通过点和面相结合，逐步推进人工智能技术在石油勘探开发中的落地应用。
油气、地矿、冶金等行业人工智能的发展整体步调还是滞后于交通、金融、医疗等通用行业的。相比而言，滞后原因有以下几个：第一是通用行业包含的业务场景比较简单，可方便地为机器学习模型提供精准的训练样本，数据标注不需要过多地依赖专业知识，标注标准比较统一，过程不存在多解性、主观性，标注结果较为精准，比如人脸识别等应用。第二是通用行业的数据质量比较好，可以快速获取海量数据，几个常用深度学习数据集几乎可以覆盖整个通用行业所需要的所有的数据，包括无人驾驶汽车和一些自主销售系统等。第三是通用行业的开源代码较多，研发生态环境较好，可以大大缩短应用部署时间。
所以综上所述，油气行业人工智能发展与通用行业相比，还有很大的追赶空间。挑战与机遇并存
油气行业属于资源型企业，受地域影响大，客观条件和资源能力对人工智能的应用发展带来一定的挑战。
第一个挑战来自数据，数据获取成本高、数据质量问题突出。勘探开发、工程，生产管理、管道等分系统的管理体制是条块化的，数据的建立管理也是条块化的。条块化的数据相对来说比较独立，这样就会形成一些数据孤岛。
当前我们最深的钻井井深已超过米，这里由于野外环境、井深高温高压的环境、遇到的储层环境等，数据采集的难度比较大。
同时，数据获取的成本很高，因为地下采集的海量数据都有多解性（不同时间和不同工作模式下，数据结果是不一样的）、即时性和不可验证性，数据质量的问题也使数据治理和数据共享方面面临很大挑战。
还有就是数据安全问题。数据安全涉及我国能源安全。哪些数据是开放的，哪些数据不开放，跟通用行业相比，相关处理的难度和成本是比较高的。
第二个挑战是业务场景的复杂，无法单纯依靠数据驱动。通用行业人工智能的应用场景一般比较简单，比如车辆是固定的，人脸是固定的，日常物品是固定的，所见即所得。而在能源行业，业务场景比较复杂，要融合专业领域的知识，无法单纯靠数据来驱动。
第三个挑战是能源行业人工智能的研发生态环境尚未成熟，相关人员培养需要时间，前沿技术发展的动力还不足。
第四个挑战是人工智能应用短期见效慢，认识不足，体制机制跟不上。人工智能的落地应用投入的时间周期较长，产品成本较高，复合型人才的培养成本也很高，短期内投入产出比相比并不高。
但是现在来看，人工智能在油气行业的发展其实已经迎来了很好的机遇。随着新一轮产业革命的兴起，发展数字经济已经成为国家战略，国家相关部门深入学习领会产业的数字化、网络强国的战略思想，围绕数字经济发布了一系列重要政策和指导意见，尤其是年以来，政府发出一系列信号，要加大数字经济和实体经济的结合，鼓励传统企业向数字化转型。这些政策和建议对我们今后的发展能起到非常重要的作用。
全球的油气行业面对百年未有之大变局，国际上的油气企业已经和IT公司纷纷联手，加快数字化布局。只有这样才能够真正提质增效，才能真正解决面临的问题和挑战，才能真正使得利益最大化。
当前信息化建设为人工智能应用已经奠定了良好的基础。各大公司已经纷纷建成一体化平台，为人工智能应用提供了算力，比如国外的Petrol、DELFI等，国内的中国石油的梦想云、认知计算平台等。
人工智能助力“双碳”目标
在人工智能的发展愿景下，基于物联网技术的基础，油气行业已经开展了一些人工智能的应用，比如智慧油气田、智慧管道、智慧炼厂、智慧加油站。
那么关于油气行业中人工智能的发展，我有以下几项建议。第一就是加强数据治理，实现数据共享和质量管控。建立数据质量的管理框架，将业务、技术、方法融合，实现数据质量持续自动化地检查提高。尝试利用区块链等技术，建立可信、透明、可追溯的数据交换与业务协同体系，加强数据治理。
第二就是把行业机理模型和AI技术融合，培养复合人才。油气行业专业知识壁垒比较高，需要能够融合行业的知识和人工智能技术交叉知识的复合型人才。
我们目前在数值模拟方向做了很好的尝试。传统的数值模拟模型，运行过程中不能够实时动态地来调整和拟合。我们做的第四代分层注水的工作，就需要把静态数据变成动态数据，通过采集实时动态的数据，及时输入到数值模拟的模型中去，让模型能够不断地迭代、演化，来提高预测能力，通过反馈回来的数据，使得注够水、注好水的目标实现得更快，采出率更高。
另外，由于业务场景的复杂程度较高，知识和数据的双驱动必须要同步进行，需要我们做更多工作，采用神经网络技术和算法，提高数据的可靠性、鲁棒性和可解释性，通过不断迭代，把模型建立得更加准确。
第三是要共建智慧能源的合作生态。加大我们底层技术的投入，包括算力、算法、数据三位一体的AI新生态。重塑能源的生产、营销和管理的方式，对能源结构、能源效率和能源安全等产生重要的显著影响。
第四是管理问题。转变传统观念和认知，要与时俱进进行数字化转型和智能化发展，把数字化转型和智能化发展真正地落到实处，使得“双碳”目标真正实现。
人工智能赋能能源行业实现碳达峰和碳中和，碳中和的远景将加速推动能源清洁低碳转型，新一代信息技术引领新一轮的产业革命，加快能源革命的步伐，这会是我们必然的选择。
数字技术创新能源新模式、新业态，助力能源绿色变革也是我们的目标，智能化技术将成为新能源转化的关键，这是一个必然途径。在清洁能源提高消纳能力上，各个油田在这方面做了很多的工作。比如我们有很好的场地和土地，可以运行我们的风电或光电，以此补充一部分电能，这些补充的电能持续提升我们的绿电消纳能力的同时，也使得油气行业的能耗降低到最低水平。另外，一些高能耗企业要流程再造，特别是在炼化行业上，通过零碳或是绿氢等方式把能耗或外排降下来。
还有就是能源的调度跟优化系统，比如说我们黑天和白天用电的问题，如何使区域能源真正地实现能源互补，如何建立一个微电网等。最后，我们在一些碳排放交易上，比如说我国现在的二氧化碳区，对中国石油来说，二氧化碳埋存CCUS，有很好的应用场景，包括一些低渗透油田、稠油田，二氧化碳区能够提高这部分油田的采收率。在提高效率的同时也进行了埋存，中国石油在这方面也做了大量工作。在减碳方面或排放方面，也需要我们更精准地计量。
最后我也要讲一下人工智能的落地还需要一些注意事项。我个人认为人工智能的发展还是要稳步推进，要以点带面、逐渐推广。AI在油气行业的应用落地，跟人有关，跟场景有关，跟现有装备有关，需要不断地深化。
一是需要业务驱动、需求导向。人工智能应用以业务部门牵头，以需求为导向，多学科协同创新。光靠一家是做不成的，需要业务驱动和需求导向。
二是强调创新性、注重实效性。人工智能强调的创新，是用人工智能技术新算法去解决勘探开发中的瓶颈问题，要讲究实用、实效，切忌新瓶装旧酒。
三是强化认识、统一思想。人工智能在石油行业展现出巨大的潜力，然而大家对人工智能的理念和概念理解得还不是很透彻，这在一定程度上阻碍了人工智能的应用。要加强培训、强化认识、统一思想，这是人工智能推广应用的必备环节。
企业的人工智能应用落地道阻且长，但是未来可期。在智能化、“双碳”战略目标的新时代背景下，数字化转型、智能化发展是能源行业极为核心且不可避开的重要战略目标。
“十三五”国家信息化的规划把物联网、云计算、大数据、人工智能、区块链等新技术作为深化结构性改革和推动可持续发展的关键引擎，事实证明该战略取得了显著的成效。面对当前的低油价和疫情的严峻形势，加快信息技术的创新，加快数字化转型，最大程度地释放数字的红利，是石油行业走出困境，逆境求生的重要途径。针对油田提质增效难题，建议将人工智能、区块链技术作为切入点，开展系列攻关，逐步实现全行业数字化转型、智能化发展。
（本文图片、视频来源于第期首都科学讲堂）
传播科学知识弘扬科学精神
让科学普及与科技创新两翼齐飞
