雙輪驅動 平衡之路

油氣行業既要抓住當前AI技術帶來的變革機遇，又要應對隨之而來的安全挑戰。

隨著大模型等關鍵技術的不斷突破，AI應用加速迭代更新，多樣化應用場景不斷涌現。與此同時，在這些AI的應用過程中暴露出數據泄露、數據偽造等安全威脅。面對新情況、新問題，油氣行業既要抓住當前AI技術帶來的變革機遇，又要應對隨之而來的安全挑戰。

油氣AI有門檻

盡管DeepSeek激起了油氣行業AI革新的浪潮，但雪佛龍首席執行官Mike Wirth認為，當前AI在油氣領域應用仍存在一些局限。這些局限性，在于油氣行業的一些特殊性。

“‘三桶油’在數字化轉型方面做了很好的基礎工作，目前通過數據共享、業務協同和智能化建設，已逐步邁向智能化發展新階段。”中國工程院院士劉合在一次講話中表示。但客觀現實，決定了AI等技術在油氣領域落地需要長期的探索與攻關。“互聯網、金融等領域的AI技術應用，已向效率化、工業化生產的成熟階段演進。油氣行業需要融合專業領域知識，且業務場景復雜，面臨著數據獲取成本高、數據質量待提升等現狀，目前無法單純依靠數據驅動。國內外油氣上游領域，總體上處于數字化和AI技術與典型應用場景融合賦能的起步探索階段。” 劉合指出了油氣領域數智化轉型所面臨的挑戰。

油氣領域最早應用AI的環節主要集中在問答客服、信息檢索、數據查詢等高頻場景，可實現大模型能力直觀映射的場景。隨著技術的成熟，AI逐步向更復雜的環節擴展。在勘探開發領域，AI技術被用于地震數據處理、測井解釋和油氣層識別，提高了儲層識別的準確率和開發方案的優化水平。在儲運環節，AI通過計算機識別和數據分析，提升了管道安全性和調度效率。在煉化領域，AI優化了生產過程、預測設備故障并提高了產品質量。但其并非所有環節完全實現了智能化。例如，深水勘探和非常規油氣開發仍面臨著技術瓶頸，數據孤島和異構數據整合問題制約了AI的全面應用。“可以認為，AI在油氣領域的應用正從簡單場景向復雜鏈路延伸，但全產業鏈的智能化仍需要克服技術、數據和行業適配等挑戰。”昆侖數智數據智能事業部副總經理金緯說。

當前，AI與油氣行業的結合存在著一些難點。在周磊看來，油氣行業跟傳統的金融、電信不同的是，有控制系統。讓AI控制物理設施的風險很大。因為一旦出現故障，損失的可能就是生命。因此，錯誤成本、容錯機制、行業接受度，因行業、業務不同而有區別。

在煉化行業，AI也要區分對待。“AI在煉化企業的應用，最重要的是要關注防火防爆等安全問題，特別是在安全環保、節能降耗、降本增效方面。”中科煉化信息中心經理蔡榮生說。

AI+油氣還面臨著數據孤島與算力限制的挑戰。這意味著除安全外，行業面臨著數據質量不足、標準化缺失等問題。“在AI應用研究中，構建學術性應用場景容易，但實現工程化應用場景很難。”中國石油大學（北京）AI學院創院院長肖立志說。其應用落地的復雜性難題，須從多個維度解決。這包括構建數據集與標簽體系，使場景與算法適配，以及建設配套基礎設施等。而應用落地的成熟度，在很大程度上取決于數據的準備程度及治理水平。

油氣行業的數據多來自地下，數據采集裝備自動化程度以及管理的不同會導致數據標準不統一、樣本缺失、數據質量難以保證。不同于互聯網數據，大多數油氣地質數據獲取成本較高，多為“小樣本”，數據量無法滿足深度學習要求，難以獲得供機器學習的“教材”。“如果訓練的數據樣本不夠多且不夠真實可靠，訓練就失去了意義。”劉合進一步說。

江漢油田勘探開發研究院地球物理所研究員博士劉智潁博士表示：“隨著AI技術的發展，特別是大模型的應用，對算力的需求會顯著增加。”這也是國內外油氣企業面臨的問題。當前，油氣行業的算力資源主要用于傳統的勘探和開發研究。現有的計算基礎設施，難以滿足大規模預訓練模型和深度學習模型對算力的高要求。大規模預訓練模型，需要大量的計算資源進行訓練和推理。而現有的算力資源，無法支持如此高強度的計算需求。以大規模地震數據處理為例，進行高分辨率三維地震成像和復雜地質結構的預測，需要耗費巨大的計算資源。而傳統的算力配置，根本無法滿足這種需求。

數據安全須考量

在能源和油氣領域，AI應用的安全性是核心挑戰之一。從當前實踐看，安全風險與數據治理、技術落地難度共同構成了三大核心矛盾。這其中，安全問題的特殊性尤為突出。在昆侖數智數據智能事業部副總經理金瑋看來，安全問題來自數據安全、系統風險和非安全類挑戰三個方面。

在數據安全方面，油氣勘探開發數據涉及礦權、儲量等核心戰略信息，具有高度的敏感性。這種“安全與效能”的權衡，在油氣領域尤為尖銳。數據泄露或偽造，甚至可能威脅國家能源安全。在安帝科技有限公司董事長周磊看來，數據投毒、脫敏不足等問題，使用第三方污染數據集可能植入惡意觸發器，導致模型輸出異常或敏感數據泄露等。

3月8日，全國人大常委會工作報告針對AI領域安全問題提出，2025年將圍繞AI、數字經濟、大數據等新興領域加強立法研究。這無疑為AI技術的安全防護指明了另一個方向——立法監管。周健提到，希望國家出臺相關政策來統一數據共享和保護的標準，并通過法律來約束，更好地促進新興業態、新興產業的高質量發展。

在系統性風險方面，油氣生產系統高度復雜。AI模型若部署在基座層或智能體環節存在漏洞，可能引發全生產鏈的連鎖風險。例如，煉化裝置中數十萬傳感器實時生成百萬級數據變量，傳統人工經驗難以捕捉異常信號，而AI若被攻擊或誤導將導致重大事故。大模型部署在政府和企業內部的基座模型、知識庫或智能體中的任一環節一旦出現安全隱患，極有可能誘發整個生產環境暴發系統性風險。在油氣行業，由于油氣勘探開發領域的生產數據往往具有戰略屬性，與礦權、儲量等核心數據緊密相關，所以，這樣的安全風險往往更為致命。

AI應用中出現的這些問題，需要在不斷探索實踐中解決。“安全是油氣AI應用的關鍵瓶頸，但要置于‘雙輪驅動’框架下解決。一方面要構建封閉式數據治理體系，另一方面要推進跨領域安全標準制定。唯有平衡安全防控與技術迭代，才能釋放AI對油氣產業的變革潛力。”劉智穎說。

亟待復合型人才

在專家看來，要解決AI應用的局限性問題，離不開與AI結合的復合型人才的培育。我們不得不承認這樣一個事實：行業專業人才對AI技術的掌握程度參差不齊，缺乏既懂能源化工專業知識又精通AI算法的復合型人才。這阻礙了AI技術在企業內部的深度場景化推廣。

在中國石油數智研究院創新中心主任蘇伊拉看來，首先要突破傳統用人機制，構建青年主導的創新生態。在算法研發、產品設計等核心崗位嘗試設立“青年首席科學家”“青年項目總監”等職位，允許青年人才直接參與戰略級技術路線規劃。建立“非邊界人才引入”機制，允許跨學科、跨領域人才參與核心研發，擴大技術創新的多樣性。破除傳統評價壁壘，改革以職稱、論文為核心的單一評價體系，建立以實際貢獻、技術突破為導向的考核標準，提高青年創新能力權重，推動“產學研用”協同評價，鼓勵青年人才通過產業實踐實現技術轉化。

不僅如此，AI+油氣風生水起，有人會擔心，AI會不會替代了一些油氣工人的職位？在AI時代，產業工人面臨失業危機還是迎來轉型機遇？這一問題的背后，隱藏著技術進步與人類發展的復雜辯證關系。一方面，AI的迅猛發展確實讓一些重復性、規律性強的工作崗位逐漸被替代。另一方面，AI的崛起更像是一場技術賦能的革命。它為產業工人提供了重新定義自身價值的契機。

在剛結束的兩會上，來自各行各業的代表委員普遍認為，AI與產業工人并非簡單的替代關系。雙方應相互賦能、協同發展。同時，國家與企業要有所作為，讓產業工人在企業數字化發展中實現同步升級。

“企業需要搭建‘訓戰結合’的培養體系，培育實戰化成長平臺。”蘇伊拉說。通過各類專項人才培訓項目，將理論學習與實戰項目相結合，鼓勵有志于AI的人才積極參與重大科技創新項目，提升他們的技術商業化能力。設立突擊隊或創新工作室，在為他們提供前沿領域研究權限的同時，提供算力資源、高性能設備等，提升研發效率。連接產業級場景，讓青年團隊主導智能化改造項目，實現技術能力的躍升。

構建多層次人才交流平臺，是培育油氣AI人才的重要一步。鼓勵相關人才參與國內外頂級技術研討交流，建立與國內外高校、專業機構的合作機制，在新技術研發、創新平臺搭建、人才共建等方面制定有針對性的措施和鼓勵政策，促進各級研發機構及生產單元開展跨界協作，逐步形成技術、人才和資源的大生態。

唯有各方攜手共進，才能讓產業工人在AI浪潮中抓住機遇、戰勝挑戰，以AI技術賦能順利推動行業轉型升級，實現經濟的高質量發展，共創產業發展的嶄新未來。

未來已來。海上智能油田探索團隊的負責人林楊，為我們描述了未來油氣生產的情形：數轉，云算，人干。穿越重重局限，AI與油氣行業協同生產發展的未來不再是夢。

責任編輯：趙 玥

zhaoyue6954@126.com