隨著原油開采成本增高、煉油利潤空間縮小等多種因素影響，我國油氣行業面臨著前所未有的巨大壓力。我國能源消耗巨大，在錯綜復雜的國際油價形勢與數字化轉型的浪潮中，如何保證把能源的飯碗端在自己手中，如何加大國內油氣勘探開發力度，如何解決待發現、待開發油氣資源品質變差條件下油氣行業高質量發展的問題，加速推進數字化轉型智能化發展，發展油氣領域人工智能技術，實現從“0-1”的技術突破，打造高水平科技自立自強的原創技術策源地，是油氣企業的必答題和不二選擇。

中國石油集團公司超前謀篇布局，“十三五”以來，先后啟動了十余項人工智能技術研發項目，率先成立了集團公司人工智能技術研發中心，“以點帶面”逐步推動人工智能在油氣勘探開發領域的落地應用。

國際實踐與發展方向

近年來，國際石油公司紛紛推出以智能油田建設為代表的數字化轉型解決方案，不斷加大數字化投入，積極利用數字化手段驅動技術突破、一體化服務及業務創新。其主要特征是通過大數據、人工智能、邊緣計算等新技術應用，實現并完成油氣田企業生產在全面感知、智能操控、預測預警以及優化決策方面的定目標與成效。其中，具代表性的公司有：

BP構建提出e-field：主要內容是以整合新技術手段和業務流程為關鍵，實時連續并遠程的資產監控和管理勘探開發、生產到銷售的整體過程，從而實現企業生產的全流程化管理。殼牌構建提出Smart Fields：以構建地上地下一體化完整模型，集成知識、流程及新技術，實現對單個或一組油氣田資產的持續性生產與決策優化。雪佛龍的i-field：通過儀器進行實時的信息采集，重點實施“智能完井、實時生產監控與優化”，使采油工程師能夠進行實時調控，最終能夠根據生產需要建立創新的解決方案。挪威國家石油：開展無人平臺建設，2018年10月投產的無人平臺OSEBERG-H采用全無人化設計，建造成本下降20%，每年僅需1~2次維護。道達爾：利用飛艇和無人機向復雜勘探區域快速投放傳感器實現高效可靠地震資料采集，基于大數據平臺開發井下故障的AI預測算法可精確定位故障發生點，單井每次節約500萬～700萬美元的維修成本。

國際油公司普遍以數據生態為基礎，以業務流程為核心，構建勘探開發智能云平臺，以解決信息資源集成共享難的問題。縱觀國際信息化發展趨勢，可以發現信息資源進入了從“N”到“1”的平臺化協同共享新時代。例如，IDC構建從“N”到“1”的數字平臺包含數據生態、敏捷架構、全業務框、數據安全、人工智能5個戰略核心要素;斯倫貝謝構建的DELFI勘探開發認知環境基于PaaS云平臺，搭建開放數據生態，支撐E&P全業務鏈協同共享與智能化。

大數據以及新興的人工智能、物聯網、云計算、區塊鏈、5G通信等信息技術發展和應用逐步成熟，特別是基于人工智能的物探和測井智能解釋、智能油藏描述、數字孿生鉆井、智能壓裂等技術的實踐應用，將徹底顛覆傳統的工作模式。

轉型尚處起步階段

當前，全球油氣工業的數字化和智能化轉型總體處于探索起步階段，主要研發方向及重點是智能油氣田、智能鉆井、智能管道、智能煉廠。我國油氣行業上游信息化與國際領先油公司相比仍存在較多差距，主要體現在以下幾方面。

物聯網的覆蓋率和應用水平需要進一步提高。物聯網是油氣田數字化轉型的重要基礎。而現實中，總體數字化率較低是常見的問題之一。此外，存在油氣田間發展不均衡、個別油氣田物聯網覆蓋率較低、所采集的數據未完全實現向其他系統推送、數據分析應用能力偏低等問題。

數據質量和共享能力需要進一步提升。數據是信息化業務應用的重要基礎。由于油氣開發領域存在樣本規模小、數據質量差的特點，且在開發過程中往往需要跨部門和跨地域溝通和配合，導致上游數據存在數據多頭采集、數據質量不高、數據利用率偏低、共享不足等問題。同時，由于未充分發揮完整的數據價值，導致可靠的數據資產暫時未真正形成。數據價值未充分發揮即數據利用率和應用層次較低，數據共享程度不足即跨業務領域數據未有效集成共享，數據質量不高即數據孤立、分散，完整性不夠，質量難以保證和有效控制。

平臺建設和應用需要加快完善。平臺應用存在不足，活躍用戶偏低，技術能力及應用效果有待提升完善。具體體現在數據湖建設滯后;缺少必要的專業軟件;應用云化開發進展緩慢，上游應用統一入口、全面單軌運行需要項目和資金支持;平臺服務能力不足等方面。

支持業務應用仍存在短板。信息系統雖然在核心業務和關鍵環節上能夠提供一定的支撐作用，但在上游全業務鏈、資產全生命周期方面尚未形成全覆蓋;部分系統功能交叉重疊，自建系統高達數千個，“信息孤島”現象突出;系統應用主要側重在數據管理、報表統計與簡單分析，缺乏生產優化分析、業務管理決策等深層次應用。例如，信息系統覆蓋不全表現在勘探生產管理未全覆蓋勘探生產項目，無法形成完整的統計分析和報表等。

信息化與業務的融合需要持續加強。信息化建設過程中，業務主導和參與度不足，“兩張皮”現象在部分環節仍然存在，缺少兼具業務與信息化能力的復合型人才，項目建設的質量和應用效果受到影響。業務與信息融合不夠的典型現象，表現在個別業務人員認為信息化是添麻煩、重復性工作，沒有創造業務價值;信息技術人員未能充分理解業務，系統功能性能不能滿足業務需求，用戶體驗差等。

網絡安全防護能力亟待提高。網絡安全理念和防護意識有待加強，網絡安全防護體系需要進一步完善，工控安全防護能力薄弱，網絡安全技術能力與水平亟待提升。例如，網絡安全理念方面，弱口令、明文外發等現象仍然存在，無視安全制度;網絡安全防護體系方面，缺乏上游完整的網絡安全規章制度與標準;工控安全方面，缺乏統一的工控安全標準規范，工控安全防護薄弱。

文化理念、數字人才等方面面臨挑戰。企業文化變革是數字化轉型的前提，然而油氣田企業在業務場景標準化和數字技術應用之間存在認知偏差與溝通鴻溝，轉型的文化理念土壤尚未形成。當前，不少企業認為數字化轉型只是信息化系統的實施或新技術的試點，沒有意識到數字化轉型是涉及企業全業務、跨職能的系統性改革工程。數據責任的多樣性妨礙了對數據的一致性管理，會帶來安全缺陷，并給數據分析業務造成不必要的麻煩。

縱觀國內外石油企業數字化轉型，多數企業選擇與信息技術公司合作的模式，合作范疇集中于數字技術在油氣勘探開發中的結合應用，單獨針對人才培訓的合作并不多見。多年來，石油技術人才培養雖然專業化程度高，但也比較單一、少有復合型人才。

道阻且長需抓重點

我國多數油田處于開發后期，成本高、單井日產量少。我國油田上游數字化轉型、智能化發展任重而道遠，是一個長期復雜的系統性過程，需要對公司的組織、流程、業務模式進行認真地梳理和研究。結合國內外油氣行業數字化轉型的實踐，我國油氣田企業推進數字化轉型智能化發展應把握好以下幾點。在戰略上，建議企業從設備預防性維護、資產完整性管理、線上線下一體化營銷生態等迫切需要解決的瓶頸問題入手，再根據技術應用中出現的管理問題進一步優化組織架構，推動管理變革，為今后更大規模的數字化轉型打下組織基礎。同時，要大力推進開放式創新，加強與外部研究機構合作，積極參加數字化、智能化技術創新聯盟，建立創投基金等支持和鼓勵人工智能、機器人、物聯網、區塊鏈等領域的跨界合作，培育充滿生機和活力的創新生態系統。

建議強化平臺基礎，支持數據、業務共享和研究協同。通過數據中臺、業務中臺、技術中臺的循環迭代，形成平臺化、服務化、敏捷化的中臺共享生態，實現業務板塊、業務職能協作互通，成為創新驅動力。持續升級和完善勘探與生產專業云，按需統一建設服務中臺，實現勘探開發領域專業能力共享服務，支持模塊化開發、敏捷迭代;建設勘探開發專業軟件云，為協同研究提供共享軟件環境。

加強中臺的生態運營建設，實現業務中臺、數據中臺的協作閉環。對企業的核心能力進行數字化形式轉變并沉淀到企業平臺中，構建以企業服務為中心的新形式，同時以構建的業務中臺、數據中臺為中心形成數據閉環運轉的運營體系，使企業以更高的效率開展業務創新活動，以數字化資產的形態構建企業的核心競爭力。其中，中臺不但是企業數據集中地和業務策源地，也是企業能夠擁有發現自身問題的顯微鏡及遠眺預測未來問題的望遠鏡這兩種能力的過程。

構建數據共享生態。實現“六全”數據共享生態：數據標準全統一、源頭采集全覆蓋、數據通道全可溯、業務數據全鏈接、數據治理全方位、數據服務全自助。在建立數據資產管理體系的同時，要注重數據安全防范。數字化在推動油氣行業發展的同時，也使油氣公司更多的勘探開發、工程技術服務建立于互聯網之上，網絡安全風險(網絡攻擊、數據泄露等)與日俱增。所以，應從各個角度審視自己的數字生態系統，制定有效的安全戰略和安全管理計劃，加強員工安全知識與意識培訓，最大限度地應對和防范數字化安全風險。

業務主導數據治理助力數字化轉型提速。業務主導數據治理在線運行，以用促治：建立歷史數據遷移入湖、新數據通過數據服務API調用入湖、應用數據問題反饋，歷史數據治理流程、新數據治理流程、數據補采治理流程等數據治理閉環體系。

數據資產價值最大化。面向數據統一入湖管理，梳理數據源頭數據，建立數據資源目錄;為數據全量入湖范圍提供劃分標準并為數據資源全域地圖建設提供支撐。面向數據共享應用，以主題域對象聚合標準化數據服務，建立數據資產目錄;以實體數據中盆地-區帶-圈閉-油氣藏-區塊-井為核心，生成數據資產門戶視圖;應用信息化新技術，實現數據資產價值最大化，構建起油氣上游領域的全感知、全鏈接、全場景、全智能的全數字化生態，為“數智中國石油”建設賦能。

吸納和培養相結合，加快符合型人才隊伍的建設。具備油氣專業、經濟、法律、產業政策等多學科知識同時具備卓越的實踐能力和管理技術的復合型數字化人才缺口，已成為一個不得不面對的現實。在數字化轉型過程中，必須充分調動各方面人才的積極性、主動性和創造性，積極主動地投身并引領這場變革。一方面，要不斷吸納各領域人才，采用多專業融合的組織模式，即將人工智能專家、數學家、軟件工程師等與油氣專業工程師密切組合，建立多專業協同工作組，使數字化技術與油田業務無縫對接。另一方面，要制定相應的人才培養戰略，廣泛組織數字化技術培訓，打造既精通油氣業務又懂數字化技術的復合型人才隊伍。