石油圈
聚焦能源领域的人工智能和大数据
编辑 | 蒙苏
第九届道达尔中国科学论坛今日在北京隆重举行。本次论坛聚焦能源领域的人工智能和大数据创新。
道达尔中国科学论坛（Total China Scientific Forum）创办于2009年，是一个国际性的开放创新交流平台，至今已成功举办八届，主题涉及二氧化碳利用、水管理、未来交通等能源议题。论坛每年邀请150名国内外业界精英出席，就能源领域的技术创新前沿话题进行交流与分享。
今年论坛特邀高等院校从事人工智能、大数据、物联网等领域资深研究员，企业首席技术官、数字官及其研发团队，能源及化工领域技术创新、管理和应用团队等参加，分享人工智能、大数据等创新技术的发展动态及趋势，国内顶尖研究机构成果，互联网及创投企业的创新解决方案以及能源巨头应用人工智能和大数据案例。
以下摘录两位行业精英和专家在今日上午的发言，聆听他们对人工智能大数据在油气上游领域的应用难题、成果和前景。
全亮 罗兰贝格执行总监
人工智能大数据的商业价值和应用前景
人工智能是数字技术演进的一个阶段，它的特点就是将人类的智能通过机器来执行。对比传统非智能化的数字科技，它主要有两个特征：一是它有自我学习的能力，它能从大量数据中自动挖掘其中的规律和知识，从而改变和优化自己的行为，第一个特征带来的结果就是人工智能是一个持续优化的技术，提供持续优化的服务；第二个特征是，人工智能本身建立在大数据的基础上，所以能更广泛地对数据进行整合分析，更广泛地整合原有分隔的商业和业务。
基于以上两个特征，我们总结一下人工智能在商业领域能够带来价值的三个方面：
一是能够提升收入。举个例子，我们可以更精准地对于客户习惯进行分析，来提升客户体验，设计虚拟客服和助手，帮助我们更好地理解客户的需求，包括客户的投诉信息，通过这些分结构化的数据信息来改善我们的服务，比如可以通过AI分析客户消费习惯，进行精准营销，更好地设计定价策略。
二是能够进一步持续提升运营经营效率，从而降低运营成本。比如通过人工智能来分析生产和运营的过程，能使我们质量控制更精益，使运营效率提升，基于大量的数据分析还可以改善供应链和物流，从而进一步降低生产经营的成本。
三是人工智能能带来新的业务模式和商业机遇。通过人工智能可以整合不同的业务之间的关系，形成更好的协同效应，设计成新的商业模式。
目前市场上已经有一些先锋初创企业，它们每个在细分领域的一点应用，累加起来能够形成未来在人工智能领域的突破。所以我们建议，企业在人工智能和大数据的应用过程中，能够和这样的企业达成伙伴关系，更好地应用已有的一些成果。
谈到人工智能，人们更多会关注技术本身，但是在设计的过程中我们发现，人工智能带来的不仅是在一个领域的技术突破，更多的是带来业务模式的改变，能够整合更多原本分散的资源，为客户形成一个整体解决方案。所以在进行人工智能战略设计的时候，我们首先要分析业务战略和商业战略，贴近市场、客户去分析这个行业服务的未来的终局是什么，在这里人工智能可以带来什么样的机遇。
在这个战略思考之上，我们需要有企业的员工认知，需要突破原有的业务条线的思考方式，需要去跨业务、跨领域地思考未来该如何服务，形成更大的协同。
在以上两个基础上，我们才考虑这些人工智能技术该怎样应用，是否该有数据基础和分布路径。
具体到油气行业，在勘探领域，人工智能可以帮我们更好定位，在HSE管理上，人工智能可以更好规避风险，在现场管理上可能够帮助精益，在能源交易上也会有人工智能应用。未来能源行业的边界会越来越模糊，不管是油气还是电力，未来会有更多跨行业应用，而人工智能在跨行业解决方案上能够提供更多帮助。
谈到人工智能近两年在市场上又有冷却的现象，我认为，任何技术的发展不是一蹴而就的，虽然在市场炒作上会有风口，但真正技术落地是个循序渐进的过程，不会像市场炒作那么快。人工智能在将来一定会是数字化发展的一个重要里程碑，只不过这个过程不会像炒作来得那么快，而是一步一个脚印在向前推进。
龚斌 中国地质大学教授
大数据驱动下的“智能油藏”
人工智能已经在很多通用行业深刻影响我们的生活，比如在医疗、金融、汽车等等，大家比较熟悉的Google的AlphaGo，只是通过学习棋谱成为一个战无不胜的九段高手，还有IBM的Watson的医疗大数据分析……相比之下，在油气的勘探开发领域是什么情况呢？
首先，数据非常多，包括地质数据、地质力学数据、油藏数据、工程数据、经济数据等等。我们的目标就是，综合这些数据信息，把握全区综合甜点，地质甜点是要以储量为目标，回答一个地方有没有油，工程甜点是要一产量为目标，回答这个地方的油是不是流的出来的问题，经济甜点是说整个过程做完后，这个区域有没有钱赚。
大数据在油气勘探开发和通用行业之间对比，有什么异同？在大数据应用比较好的行业领域，它的数据都是均匀的，比如AlphaGo吃进去的每份棋谱，Watson用的每一份医疗数据，彼此之间大致是均匀的状态。在油气勘探开发领域，数据尺度/分辨率高度不均，空间密度差异大，时间频率差异大。从数据的确定性来说，通用行业的数据直接获取、确定性高，油气勘探行业几乎所有解释数据都是间接获得，不确定性极强。另外，油藏领域井与井作为样本它们彼此之间是干扰的，但是在通用行业这种干扰性比较小。还有，数据产生的对象和决策的对象，在油藏勘探开发领域是分离的，比如我们在井上获得大量数据，但我们决策的问题是井与井之间是什么状态，油在什么地方。而通用行业在这方面是高度一致的。这就决定了从数据到决策的途径，我们这个行业相比于通用行业更复杂。
在我们这个行业对应的从数据到决策有两条途径，第一个是强调模型的方式建模，我们收集大量数据建立模型，通常对应到我们的地质模型，这个模型好不好通过做历史拟合评判，当它的演算可以拟合历史，我们认为它也可以预测未来；另外一个是强调数据的方式，这个避免了模型和数据之间的纠缠，避免了我们做拟合。
我们运用大数据做高精度地质建模、高效油藏数值模拟，运用比如无结构网格、动态模拟技术等，对地下油藏进行比较精确的描述。在这个基础上，我们行业长久以来希望的自动历史拟合就可以完成。
最后我们要做一个终极方案，把所有数据全部集成在一个统一平台上，从数据和模型两个层面帮助我们做决策。
这个过程，就是通过量化和可视化的三维模型承载油气田勘探开发全生命周期的所有测量数据及认知；通过人工智能算法，在不断丰富的数据驱动下，实现模型持续更新，使得模型的不确定性不断降低；任何时刻，在充分考虑所有数据及认知的基础上，自动做出最科学、合理的预测和决策。
未经允许，不得转载本站任何文章：
