最近ChatGPT火遍全球，热度空前，人们对它表达了极大热情，同时也在担忧：自己的工作会不会被人工智能取代？

技术进步和每个人密切相关，石油行业也不例外。传统工程师可能需要花费几天或数月才能做完的工作，人工智能在几分钟甚至几秒钟内就能完成。如此强大的效率，实在让人又忧心、又期待。

随着资源勘探不断深入，开发难度日益增大，页岩油气、超深层油气等复杂油气藏对开采技术提出了越来越高的要求。发展人工智能，为资源开发寻求更强大的助力，早已不是“可选项”，而是“必选项”。

1、“石油公司+IT企业”跨界组合

与互联网科技公司联手布局智能化转型，是顶级石油公司的通用策略。

2021年，壳牌、贝克休斯、微软和C3 AI公司合作，共同推出了“开放人工智能能源倡议”——Open AI Energy Initiative (OAI) 。

这是一个开放式的人工智能解决方案生态系统。同年，壳牌推出了三种新的人工智能应用产品，均可通过OAI获取。

它们分别是：壳牌液化天然气工艺优化器、壳牌腐蚀高级风险建模和分析产品、壳牌自主完整性识别产品。

壳牌表示，这些应用将带来显著的时间和成本效益，随着越来越多的应用加入OAI生态系统，期待同合作伙伴一起，为未来能源系统构建下一代平台。

除壳牌之外，几大国际石油巨头也都在人工智能领域有所布局。

埃克森美孚、雪佛龙选择与微软合作，开发智能云平台；bp投资Belmont Technology和Beyond Limits公司，研发人工智能平台“Sandy”；道达尔能源则和谷歌牵手，在油气勘探开发地质数据的处理分析领域探索智能化解决方案。

因为石油作业环境的特殊性，从钻井、开采再到运输、加工，石油工业场景中很多高危或者不适合人工完成的工作，逐步都实现了机器换人。这使得石油行业的整体工业自动化程度相对其它传统制造业要更为完善，也是目前AIoT（人工智能物联网）在石油行业应用比较普遍的原因。

2、AIoT 可以解决哪些石油生产难题

AIoT 主要可以解决石油生产过程中的几个核心问题：第一，监控实时化；第二，管理高效化；第三，分析智能化。

首先，基于 AIoT 的相关技术，可以在各个关键环节放置数据采集的装备，经过数据传输和分析，从而对设备进行实时监控，实现安全预警。比如在加油站油品输送的过程中，跑冒滴漏会引发事故。但人一般不可能实时地去盯着管道阀门看，这时候，通过传感器监测管道的压力并实时传输到后台，如果发现压力数值异常，就可以及时采取应对措施，而不用等到管道出现问题再处理，同时还能减少人工操作的纰漏。

除了利用传感器等装备进行数据传输和监测，防止气体泄露的另一个措施是使用无人机进行智能巡检。据孙杰介绍，在管线运行过程中，如果出现密封环松动或者破损，会造成大量气体泄漏，严重的甚至会导致爆炸等安全事故，对安全运输产生危害。

而无人机可以预先航线规划，在管线正上空 50m~80m 进行仿地飞行，通过交替飞行方式，持续对管线地表进行甲烷浓度监测。具体来说，由于配备了三轴增稳云台，可以使监测激光光束持续稳定指向被测区域，最低能检测的浓度达到 5ppm.m。并且，无人机是实时监测被测区域，以坡形图显示，搭配 H20t 可见光，可以形成红外热成像。在巡检任务结束后，无人机还能自动生成巡检报告——包含报警点位置、报警浓度及现场照片等等。

总的来说，通过无人机巡检不仅精确度比人眼更好，巡检效率也更高，通常一天下来可以巡检几个来回。

其次，石油生产的第二个特点，是要求设备不中断运行。孙杰向 InfoQ 举例，假设钻机在地下钻探的过程中停止运行，不仅会影响钻井施工的正常进行，而且还会造成巨大的经济损失。这意味着，对设备的检测、维修维护工作一定要前置，不能等事故发生再亡羊补牢。过去，这个工作主要由有经验的老师傅完成，如果钻头出现异响，无论是轴承磨损还是卡钻、损坏，都要依赖他们的经验去判断具体问题，决定是否要更换钻头。

不过，这样的问题处理对人的经验和能力培养周期非常长，时间成本也很高。“现在有了 AIoT 这些技术，我们已经可以把老师傅们的经验转变成算法模型，让机器去识别判断设备问题，进行预测性检修，通过对钻井环境、设备等数据的实时采集、实时传输、实时分析，辅助管理者做判断，从而缩短决策的响应时间，提高管理效率。

值得强调的是，其中的数据从采集、汇总到分析，同样都不是靠人工去完成，而是按照固定的数据标准自动进行的。孙杰强调，这就是 AIoT 的第三个应用价值——实现分析的智能化。

过去通过人工去做汇总和分析，平均时长需要两到三个小时，甚至有时候一天之后才能得到分析的结果。但基于智能化的预测和分析，所有工作都是实时、自动进行的。比如领导想要知道单井或者是某个作业区的产量，只需要根据预先设置的参数，把相关参数输入到对应模型中，去让机器自动分析再输出结果——通常，这在几分钟或者几十秒内就能输出所需要的分析报表，非常方便管理者及时决策。

3、相关技术多点开花

经过多年的技术发展和创新应用，人工智能技术在油田钻井和开发、油田生产和管理、安全防护等方面取得诸多成功实践，呈现多点开花的良好局面。

长庆油田通过应用物联网、大数据、云计算、人工智能等新技术，构建大科研、大运营、大监督三大支撑体系，筑牢统一数据湖、统一云平台两大基础，为场站无人值守、油气井智能生产、风险作业可视化监控、智能装备应用等业务领域提供支撑。

新疆油田公司把油气生产中的物联网建设作为形成 "无人值守、集中监控 "的新型生产管理模式的抓手，在全国油田率先实现了油气生产数据的自动采集、生产状态的实时监控、物联网建设模式的复制、复制的标准化，并全面 应用的运行，是为了实现。新疆油田公司数据公司负责人介绍，通过实施物联网工程，实现了井场、小站库的无人值守、定期巡查，井区实现了大量区域视频覆盖，替代了现场人工重复劳动 一线员工的数据抄写和样品采集频率降低，油气水井常规问题发现时间率提高到95%以上，故障率降低38%以上。

同时，还有许多油气公司和服务公司正在积极探索机器人、无人机、可穿戴设备、虚拟现实等技术和设备在油田生产、作业运行、装备维护、技术培训等工作中的应用。例如，英国石油公司在墨西哥湾的雷马平台上使用机器人进行水下管道探伤，美国佛蒙特大学的研究人员用机器学习算法预测加拿大油气井的甲烷漏失。

人工智能技术如何在石油和石化行业的数字化转型中实施？无论是公司层面还是行业层面，油气人工智能系统的建立基本上必须遵循三个阶段：规划与指导、协调与建设、持续运营。在规划和指导阶段，行业和企业应促进石油和天然气行业与工业互联网之间的技术整合，加快应用程序的开发和使用。 在协同建设阶段，应更加关注算法可解释性研究、认知计算、芯片和编译器，以及智能计量和检测设备的开发和应用。油气人工智能产、学、研、用合作的共赢利益共同体。

文章来源： InfoQ，GEF全球能源聚焦，马哥能源频道