探索大模型应用助力油气行业智能化发展_新浪财经

编者按：党中央、国务院高度重视新一代人工智能的发展。今年2月19日，国务院国资委召开“AI赋能、产业焕新”中央企业人工智能专题推进会。会议强调，中央企业要主动拥抱人工智能带来的深刻变革，把发展人工智能放在全局工作中统筹谋划，深入推进产业焕新，加快布局和发展智能产业。今年全国两会《政府工作报告》提出，深化大数据、人工智能等研发应用，开展“人工智能+”行动。集团公司快速响应党和国家号召，于5月28日公布了昆仑大模型建设的合作伙伴和总体思路，迅速采取举措，加快人工智能大模型技术研究和应用落地。

　　人工智能大模型实现了通用性、创新创造能力的飞跃，将成为人工智能技术研究的主流，引领新一轮产业转型，在发展新质生产力过程中起到关键作用，对包括油气行业在内的各行各业产生极为深刻的影响，并形成巨大机遇。打造油气行业大模型，深化大模型场景落地，已经成为油气行业智能化发展的重要任务。

昆仑数智数据智能事业部人工智能业务部部长金玮

大模型技术的性能和迁移性显著超越此前模型，具备支持行业智能化的巨大潜力

　　自ChatGPT模型于2022年底问世以来，大模型以其强大的多轮对话能力、多场景多任务适应能力和与人的交互体验，在全世界引发热烈反响。

　　目前的大模型属于生成式人工智能（AI Generated Contents，AIGC）范畴，主要指语言大模型，也包括计算机视觉（Computer Vision，CV）大模型和多模态（Multimodal）大模型。大模型的训练数据量、参数量、计算量显著大于此前的人工智能模型，可实现在超高维度空间上对人类全部知识的高度压缩映射。

　　大模型基于海量数据训练形成基本的语言能力，并通过基于人工干预的模型调优，形成了包括对话能力、代码生成能力在内的一系列基础能力。大模型普遍具有自动形成推理结构和分析逻辑、长距离上下文一致、代码生成和理解等支撑相对复杂任务的基础能力。同时，大模型还能够理解基于自然语言的需求描述或示例，结合补充的业务信息知识，实现基础能力迅速向不同任务和场景迁移，有效解决人工智能技术在场景落地时研发成本高、数据不足、模型能力不稳定且迁移性差等问题。

　　大模型的上述突出能力也令其具有较大的工程应用潜力。基于提示词工程、强化学习、外部知识库等技术，大模型能迅速实现从基座模型能力向场景应用落地转化，模型的场景调优成本很低甚至无须模型调优。这不仅使得模型场景落地的研发成本和业务知识需求显著降低，而且令模型场景落地的标准化、流程化水平以及相应标准化工具的可用性显著提高。

　　众多科技企业正全力推进行业大模型技术落地工作，打造通用的基座模型、通用的工具能力和标准化的行业智能应用。建设服务专业领域的行业大模型，并深度赋能业务，已成为众多企业在人工智能技术领域的关键工作任务。

　大模型技术在油气行业应用潜力巨大，但面临应用层面和工程层面的业务理解、数据打通等挑战

　　目前，大模型的主要应用形式包括聊天对话、智能写作、辅助编程、智能搜索、知识问答等，主要应用场景可分为通用（如经营管理、办公）和专业（如能源、金融）两类。

　　人工智能大模型技术在助力油气行业适应市场变化、提升生产效率等方面前景广阔，潜在的业务需求场景丰富。在勘探开发领域，行业大模型可以帮助工程师快速分析地质、储层、油藏等复杂信息，为勘探技术方案、研究报告等专业文档的编写提供辅助支持。在炼油化工领域，行业大模型可以针对化工研究中特定的物理和化学特性，智能化模拟组合全新的化工原料，帮助炼化企业产品向差异化、高端化的方向发展。在销售等领域，行业大模型可以快速获取和分析生产、市场等数据，生成行业和市场分析研究报告，为企业管理决策提供依据。

　　与此同时，油气行业大模型技术落地，在应用层面和工程层面分别存在一定的困难。

　　在应用层面，一是场景洞察难。石油天然气工业数智化场景覆盖采集、分析、控制、呈现、决策等业务链。在实际场景应用上，是否真正具备价值、如何实现可量化的商业价值评判，是技术、经验、商业模式、交付能力、生态等多方面共同作用的结果，这导致洞察难度大、试错成本高。二是结论解释难。生成式人工智能属于典型的黑盒编解码架构，推理预测过程不可解释。同时，大模型提供的数据服务，存在生成幻觉、错误引导等风险，需要通过具有业务属性的结果解释来满足终端用户的理解与使用要求。

　　在工程层面，一是应用构建和集成难。企业现有业务信息系统，均以流程驱动为主、以数据和模型驱动为辅。大模型与现有业务系统及流程对接难度大。此外，跨多个分布式系统带来的组织、角色、权限统一管理与数据资产安全应用问题，给大模型应用的嵌入带来了不确定性。二是跨专业语言对齐难。垂直领域大模型涉及勘探、开发、生产、营销、运营等多个不同专业，跨专业间的术语、专业知识、业务模式等复杂体系急需统一模式进行对齐。此外，对于同类专业内部，终端用户的业务专业语言与开发者的技术语言也同样急需对齐。三是数据获取难。能源工业数据资产多为私域数据资产，存在数据获取渠道和获取可行性上的限制，数据的流通与共享存在一定困难。同时，不同来源的数据资产涉及范围广、数量大、质量不一致，需要完备的数据存储、治理、传输、表征和应用链路，以保证数据资产的全链路可靠。

加快大模型技术研究与应用落地，建议重点关注掌握自主可控的大模型技术，实现场景深化应用

　　大模型技术在通用和油气专业场景展现出传统技术不可替代的价值，将为产业新旧动能转换和能源经济高质量发展提供有力支撑。建议贴近油气产业链价值增量，基于油气工业理解和数据资产积累，建设油气行业的一体化大模型平台和场景大模型应用，解决应用组装、场景嵌入、高价值内容生成、复杂任务链路执行、复杂决策辅助等系列难点问题，以大模型智能体集群支撑业务模式重塑、生产效率提升和生产安全可控。

　　一方面，要培育自主可控的油气行业大模型关键核心技术。

　　培育人工智能大模型关键核心技术，目标是掌握大语言模型数据集建设技术，大模型分布式构建、训练、调优、推理技术，以及与之相配套的开发工具。具体包括：一是研究模型基础技术，具备源码层面的大模型开发能力；二是研发模型工程技术能力与工具链，具备部署及持续优化千亿参数级大模型的能力；三是试点通用大模型的技术落地，结合油气行业真实业务需求实现大模型技术的应用落地。

　　另一方面，要打造通用智能助手、行业知识服务、智能伙伴等三类大模型应用。

　　一是通用智能助手。优先在基础通用大模型（L0）上加载通用语料，结合提示词（Prompt）技术，快速搭建并推广员工日常办公辅助AI工具，提升办公效率，培育大模型应用环境和文化。

　　二是行业（专业）知识服务。依托行业大模型（L1）、专业大模型（L2），加载沉淀的行业和专业知识，构建行业和专业知识库，提供行业和专业知识服务，为智能业务协同辅助奠定基础。

　　三是智能伙伴。结合专业知识和AI智能体（Agent）技术，打造辅助业务系统的智能助手（Copilot），实现智能化与当前面向业务的数字化系统深度集成，并优化甚至重构再造现有业务流程，大幅提升企业的整体运营效率和响应速度。

企业声音

大模型助推油气行业新质生产力发展

大庆油田数智化项目经理部副经理常天旭：近年来，以大模型为代表的人工智能技术掀起了油气行业智能化升级浪潮。面对方兴未艾的大模型技术，如何推动其真正赋能油气行业，加快形成新质生产力？

　　从深层次看，大模型作为驱动新质生产力的重要技术底座，是通过对历史经验、专业知识和数据信息的深度学习，以自然语言的方式实现高效、智能、灵活的人机交互。形象地讲，大模型就像一所高等学府，通过不断地培育，塑造出具备综合性、专业性的虚拟技术人才。与我们企业的技术专家相比，人工智能大模型积累的学识、经验更为广泛。

　　就现阶段的大模型技术而言，石油企业的应用目标可定位在打造多学科的综合性技术专家上。只要是有规律可循、有经验可依、有数据可查的常态化工作，都可以考虑探索和应用大模型技术。如此一来，大模型能够为企业快速提供不知疲倦的专家劳动力和技术劳动力，促进工作效率实现跨越式提升，最终推动企业核心竞争力和经营效益的提高。

　　目前，大庆油田已经成立专项工作组，计划在勘探开发、生产运行、新能源等领域开展模型建设工作，逐步构建地震解释、测井解释、油藏模拟、措施优选、设备故障诊断、防汛助手、风光能量场、松辽盆地地热分布等场景模型，为人工智能大模型技术与石油业务融合应用作出示范。

　　未来可期，道阻且长。油气行业面临勘探开发地质条件日趋复杂的严峻挑战。大模型凭借其超强的多参数求解能力，有助于解决复杂的油气问题、提升生产运行效率，助推油气行业新质生产力发展。（王志田采访）

让大模型成为生产的强力助手

广东石化规划和科技信息部信息工程高级专家陈运庆：

　　广东石化规划建设生产运行大模型、经营销售大模型、安全环保大模型、设备仪表大模型等专业大模型，推动炼化“大语言模型+专业模型”的建设与应用。

　　例如，生产运行大模型，包括了生产运行问答推理+流程导航+报表问数大模型，可快速获取所需的信息，减少查阅资料和文件的耗时，缩短业务工作周期，提高工作效率。经营销售大模型，则包含了经营销售问答推理+流程导航+报表问数大模型。通过自然语言处理和对话管理技术，实现用户通过问答形式自然地与信息系统交互，自动完成业务流程的发起、查询、输入、更新和执行等任务。

　　当前，广东石化正在建设的炼化装置运行大模型智能辅助系统，已形成了成熟的解决方案。这个系统以乙烯、常减压Ⅰ、常减压Ⅱ3套装置为应用试点，实现知识问答、知识积淀、智能问数和应用导航。用户能够不断通过“一问一答”丰富装置运行的知识库，智能积淀装置运行过程中产生的人工经验。它可以将用户的自然语言过滤提取为与数据查询相关的关键字，在数据湖中进行数据归集和可视化展示。

　　这套系统正在延伸至广东石化其他类型的装置，最后将覆盖所有主体生产装置。（高云龙采访）

“按需分步”推进数字化转型

安徽销售设备信息部主任许永州：随着信息技术的发展，我们正步入一个全新的时代——大模型时代。在这个时代里，人工智能技术如雨后春笋般涌现，为各行各业带来了前所未有的变革力量。成品油销售企业要拥抱新技术，采取科学的实践策略，持续推动数字化转型，力争在未来竞争中占据先机。

　　在思想认识上要拥抱大模型，融入新时代。首先，我们要认识到，大模型不仅仅是技术的革新，更是思维方式和业务模式的转变。在大模型时代，数据成为驱动企业发展的核心资源，人工智能则成为挖掘、分析这些数据的关键工具。成品油销售企业应积极拥抱这一变革，将AI技术融入日常运营，通过数据分析优化库存管理、预测市场需求、提升客户服务体验等，实现从传统业务模式向智能化、数字化转型的飞跃。

　　在实践策略上要“按需分步、实效为王”。大模型的建设应用并非一蹴而就。成品油销售企业应采取“按需分步”的实践策略，根据自身需求和资源条件逐步推进AI技术的集成与应用。通过引入成熟的检索增强生成技术（RAG），企业可以自动分析市场报告、客户反馈等文本信息，快速提炼关键洞察，为决策提供数据支持。利用智能代理（AI AGENT）构建客户服务系统，实现24小时在线服务，解答客户疑问，处理订单和投诉，在提升客户满意度的同时，减轻人工客服的压力。结合企业特定业务场景，开发或定制合适的本地化大模型，针对成品油销售的特点进行深度学习与训练，提高预测的准确性和个性化服务能力。（欧元菊采访）

推动大模型技术与业务深度融合

　西部钻探科技信息部副主任曾诚：大模型技术能够通过使用海量数据和深度学习来理解、生成和预测，提升人机交互效果，将彻底改变传统企业的管理、操作和经营方式，推进企业管理从精细化向精益化跨越。信息化决策系统与智能化装备交互应用，将推进作业智能化、无人化，加快从经验钻井向科学钻井转变。商业智能应用将为经营管理提供准确的趋势分析，为更科学地制定发展战略规划提供支持。西部钻探正引用大模型技术，搭建数字化经营管理平台、专家知识库，升级知识图谱，提升管理效能。

　　建立大模型需要冗杂的数据信息，对数据的质量、广度和深度提出了更高要求。一是目前数字系统普及率、业务数字化覆盖率比较低，依然存在线下纸质报表，无法形成提供学习的数据。二是数据的产生、存储要打破专业壁垒，统一整合到一体化平台上，实现数据共享共用。三是历史数据需要花大量精力去治理。建立大模型依靠强大的计算能力，需要消耗中央处理器（CPU）和图形处理器（GPU）等硬件资源，专项投资硬件资源费用巨大，需要长久投入和统一集中管理。工程技术企业具有技术密集型、劳动密集型相结合的特点。部分员工的工作思路、方式方法还没有发生转变，管理方式、作业效能还没有实现智能化。

　　推动大模型技术在技服企业的应用，要用好集团公司统一建设的信息化大平台资源，找准大模型技术与工程技术服务专业的结合点，将集团统建的视频和语音识别等基础功能融入企业现有的系统中，加快推进各专业领域与大模型技术的深度融合。（马宏旭采访）