近年来，我国对油气的需求不断攀升。统计数据显示，2018年我国石油净进口量为4.4亿吨，原油对外依存度达到70.9%。为了加大油气供应，国内石油企业加大了石油勘探力度，提出了更高的要求，这对勘探开发领域带来了前所未有的压力。一方面，勘探难度越来越大，我国已探明石油储量中低渗、超低渗储量占70%，已开发油田综合含水率达89.35%，原油储量和产量的提升面临巨大压力；另一方面，石油生产成本居高不下，企业效益难以控制。此外，生态环境保护和绿色发展对石油开发提出了新的挑战。

那么，如何消除勘探痛点，将蕴藏在地下的更多油气资源开采出来，以满足国家日益增长的能源需求？国内外专家研究认为，人工智能是解决石油勘探开发业务面临的一系列难题的技术和途径。人工智能技术正在给勘探开发领域带来颠覆性变革。

石油勘探领域的颠覆性变革

近几年来，国内外越来越多的石油企业选择拥抱人工智能，或自主研发，或与IT巨头联手，加大人工智能等新一代信息技术在勘探开发领域的应用，试图通过新技术的应用，促进企业数字化转型。而在此过程中，不同石油公司的智能化水平差距正在不断拉大。

国内方面，中国石油将包括认知计算平台在内的华为云工业智能体新技术引入生产实践，用知识图谱、自然语言处理和机器学习等人工智能技术进行知识体系的构建、计算和应用，为油气勘探开发科研、生产管理提供智能化分析手段，支撑油气勘探开发增储上产和降本增效，帮助决策者从海量的数据中洞悉规律，来提升效率和管理水平。

2019年1月4日，中国海油旗下海油发展工程技术分公司成功开发了中国海油在勘探开发领域的人工智能应用。该款具有自主知识产权的人工智能软件，可以基于储层、裂缝、流体、压裂改造等属性描述的大数据，建立全空间模型，自主向测试的产能数值进行深度学习，并预测三维空间产能指数。

国际方面，2016年，埃克森美孚宣布与麻省理工学院合作设计用于海洋勘探的人工智能机器人。该机器人具有自学能力，能够在艰苦条件下自主操作，并能按自身意愿改变任务参数，探测异常的情况。

2018年4月24日，法国油气巨头道达尔宣布同谷歌云签署协议，联合发展人工智能技术，为油气勘探开发提供全新智能解决方案。根据道达尔，人工智能将率先应用于油气勘探开发地质数据的处理分析。

石油巨头壳牌已经逐步结束了石油智能化的尝试期，转而迈进了推广期，将大规模普及石油人工智能。2018年9月20日，石油巨头壳牌宣布将和微软公司扩大合作，在石油行业大规模推行人工智能的应用，AI覆盖领域包括油气钻井、油气生产、加油站零售、财务管理、员工管理等。

英国石油公司BP通过投资人工智能，加强其在上游业务中的人工智能化和数字化。2019年1月，BP投资了总部位于休斯顿的技术初创公司BelmontTechnology，开发一个名为“Sandy”的人工智能助理。Sandy可以自动将BP专家提供的地质学、地球物理学、油藏和历史项目信息结合在一起，创建出BP整个地下资产知识图，供BP的工程师查询数据、提问并快速得到答案。

意大利石油巨头埃尼于2019年5月公布了和IBM联合开展的AI研究成果“认知发现”，为埃尼在勘探阶段初期的决策提供支持，以减少勘探与地质复杂性可能导致的潜在风险。

国内勘探开发新模式需要智能引擎

人工智能和各行业结合是一个长期的过程，原因是存在一系列的门槛和限制，在人工智能技术和国内石油勘探领域结合过程中，面临五大门槛：

第一：“限”数据不能出局，数据共享不方便；

第二：“专”油气勘探开发领域是多学科，知识密集型行业，大量行业知识在老专家的脑中，行业和AI结合是人工智能在领域应用的关键；

第三：“慢”，AI开发效率低，标注、训练、部署整个过程非常耗时；

第四：“贵”，AI基础资源，尤其是算力稀缺且昂贵；

第五：“缺”，AI人才的短缺，中国的AI人才缺口就超过500万人。

针对以上五大门槛，构建油气勘探领域人工智能专有平台是AI推广的一个必然选择。这个平台应该具备以下特点：

1) 自建人工平台提供算力和算法预装解决数据不出局的问题；

2)具备快速构建行业知识图谱的流水线打造专家助手，提升专家效率；

3)构建平民化的油气行业人工智能开发平台提升普及率，提升开发效率；

4)采用开放的硬件架构，采用AI专用训练芯片，解决传统AI训练GPU贵的问题。

5)具备行业油气人工智能算法模型的市场，构建行业生态，解决人才短缺问题。