油气AI之道，华为如何应对？

以ChatGPT为代表的AI大模型的爆火，再一次引发人工智能产业的新一轮竞争与变革。作为传统工业产业的油气行业，在加快推进能源革命和能源转型的新形势新趋势下，如何抓住人工智能技术爆发的历史机遇以实现产业的转型升级和价值增长就显得尤为重要。

华为，作为深耕油气行业多年的AI巨头，正在给出自己的解决之道。

近日北京召开的“中国国际油气勘探技术年会”上，华为以《AI驱动油气勘探生产智能化升级》为主旨，在以“融合前沿技术，突破关键瓶颈，助推'双碳’目标”为会议主题的报告中，进一步探讨了AI在勘探开发领域的关键理论与技术方向。

自2018年华为发布全场景AI解决方案起，华为秉承“深耕基础，厚植技术”的理念，坚定在人工智能产业持续投入，目前拥有超过20+的硬件合作伙伴，500+的ISV合作伙伴，600+解决方案，20+城市基于昇腾建设人工智能计算中心，72个智能基座，70万+开发者，130万+的昇思MindSpore下载量。

基于此，华为以ModelArts一站式AI开发平台、DataArts 数据平台等平台为基础，以通用AI、知识计算等根技术为手段，通过盘古大模型、天筹求解器等工具助力，围绕业务的MLops，打造AI运营管理中心，通过提供全域感知服务、决策优化与控制服务、知识计算服务等，在油气行业的勘探开发、油气生产、炼油与化工、加油售油等细分领域积极探索华为的油气AI解决之道。

基于丰富的技术手段及性能优异的基础硬件支持，华为以“云边协同、训推一体”的基本理念，构建油气整体AI架构，加速AI在油气行业应用落地。在集团层面打造集团人工智能训练中心，进行大模型和大数据的统一训练，在油田公司层面打造分级人工智能融合赋能平台，进行区域调优及中心推理，最终在作业区及井场站通过站端边缘推理实现人工智能的直接应用。基于此架构，数据和算法实现“上通下达”，模型持续优化，实时更新。

当前，华为与油气公司、合作伙伴共同推进，在地震大模型、井下评价可视化、油井生产优化等诸多勘探开发场景已实现了AI的成功应用。

以地震大模型为例，大量无标注的地震数据基础上，利用自监督学习技术，在华为盘古CV大模型训练框架下训练形成地震大模型，其中包含了丰富的地震数据特征，行业开发及业务人员无需从0开始训练，而是基于预训练的大模型做微调式的训练。这种模式使得地震AI模型开发周期大大缩短，从月级提升到天级，同时有效降低数据使用量和计算资源，模型精度也得到显著提升。同时，华为在此基础上还开发了层位解释和储层识别AI算法，应用于地层层位智能识别、走滑断裂识别、碳酸盐岩缝洞体预测等，大幅提升地质勘探预测研究的工作效率以及准确率。

基于大模型的走滑断裂识别技术

基于大模型的碳酸盐岩缝洞体预测技术

井筒状态不可知、井下状态难以可视化，是油井生产的难点之一。针对井下工程质量和压裂效果评价缺少有效手段的痛点，华为联合合作伙伴共同开发AI井下评价可视化技术。目前，基于AI训练推理的射孔参数识别模型，能够大幅提升井下作业参数识别效率和准确度。

射孔参数识别模型

油井生产还面临着产量计量人工工作量大，设备维护成本高，工况诊断准确率低，智能方法面临“小样本”等挑战。此外，生产制度优化无法及时响应地层能量波动，产量、效率、效益动态不匹配，产生不必要能耗，设备空抽影响油井寿命等问题，也在制约油井进行高效高质的生产作业。对此，华为融合自动机器学习、对抗神经网络、知识图谱技术等，不断丰富和完善抽油机井工况样本，扩展抽油机井工况识别类型和工况趋势预测模型，来有效提高诊断结果的准确率，助力油井绿色高效生产。

●基于知识图谱的措施推荐：应用人工智能平台图谱工具构建区块、井、工况、生产措施等本体模型，从数据库、作业井史等抽取知识构建油井知识网络。同时通过专家总结经验，构建推理机，形成针对油井维护措施的知识图谱；根据抽油机井工况自动分析计算维护措施特征数据，通过维护措施知识图谱快速匹配对应措施处理建议。

基于知识图谱的措施推荐

●基于对抗神经网络的工况小样本扩充技术：针对断脱、双凡尔漏失、油管漏等工况类型的“小样本”问题，基于对抗神经网络，模拟真实工况类型特征，生成新的功图数据，达到建模样本数量充足、均衡的目的，全面提高工况诊断整体准确率。

基于对抗神经网络的工况小样本扩充技术

而在为油气企业带来无限可能的同时，华为始终与行业客户、伙伴一路同行，依托华为全栈平台及产品能力，为油气全产业链提供智能化分析工具，支持企业决策者从海量的数据中洞悉规律、提高决策效率、提升管理水平，助力油气企业面向未来的智能化发展。

华为也将坚持在产业链长、细分领域众多、应用场景复杂的油气领域深耕笃行，继续开创不一样的华为油气AI之道。

我们也期待看到更多能落地的油气产业的AI应用案例出现，让AI加快推动生产力的发展。