石油人必读！在中国，如何打造油气行业的“灯塔工厂”？

　    2023年12月27日，世界经济论坛发布报告《全球灯塔网络，加速人工智能大规模应用》，全球153座“灯塔工厂”中，中国有62座，是全世界“灯塔工厂”最多的国家。

“灯塔工厂”项目由达沃斯世界经济论坛与管理咨询公司麦肯锡合作开展遴选，被誉为“世界上最先进的工厂”，具有榜样意义的“数字化制造”和“全球化4.0”示范者，代表当今全球制造业领域智能制造和数字化最高水平。按行业分布来看，中国“灯塔工厂”多集中于大消费领域，包括家用电器、汽车等行业。

　　而在石油与天然气工业领域，世界范围内的灯塔工厂有6座：

　　本文旨在介绍第四次工业革命(4IR)浪潮下的全球灯塔网络，并围绕“AI的成熟标志着4IR拐点的到来”这一话题，探讨油气行业在“工业4.0”模式下的发展趋势。

　　一、全球灯塔网络加速人工智能大规模应用

　　2023年12月27日，世界经济论坛发布报告《全球灯塔网络，加速人工智能大规模应用》[1]，由CATL、富士康工业互联网、汉高、强生、科威特石油公司、麦肯锡公司、施耐德电气和西门子等企业组成的独立专家小组对代表第四次工业革命前沿的全球灯塔网络(GLN)进行了分析。根据报告的分析结果，2023年新晋的灯塔工厂证实了4IR拐点的到来，其中有两大特征颇为显著：一是机器智能已达到前所未有的成熟水平。与过去试图模拟人类智能不同，现在的机器被赋予了专业智能，能够在信息物理系统中胜任复杂的生产任务;二是在产业应用层面，领军企业正重新定义“试点”的范围。为了推动规模化应用，这些企业不再局限于单个用例，而是将视野拓展到整个生产网络，通过全面布局推动转型升级。

　　(1)从“学习”到“应用”的S曲线

　　灯塔工厂在第四次工业革命阶段的发展轨迹呈现出一种S型的曲线特征。一阶段是“学习曲线”，往往历时较长，且早期先行者会在摸索如何使事物运转的过程中不断试错;二阶段是“应用曲线”，此时的技术基石已十分稳固，企业开始在生产网络中部署相关技术;三阶段是“优化曲线”，各行业围绕技术采用的最佳实践进行调整。在此阶段，新的标准与程序逐渐称为常规操作，且成本开始趋于稳定(如下图)。

　　(2)人工智能(AI)定义第四次工业革命

　　人工智能技术(AI)在第四次工业革命中起到举足轻重的作用，位于4IR技术金字塔的顶端。4IR技术金字塔如下图所示。

　　图中金字塔顶层为用于优化、增强或自动决策的机器智能，如启发式模型、应用型AI和生成式AI;员工互联与数字化模块为操作员或流程层面的数字化生产力工具(如增强/虚拟现实、可穿戴设备和工业外骨骼);生产机器人与自动化模块为自动化和流程优化工具(如协同机器人和柔性机器人、自动导引小车AGV、无人机以及3D打印);数字规划和管理工具模块为系统级数字化规划和流程管理工具(如制造执行系统、产品生命周期管理系统、客户关系管理系统和其他企业工具);互联互通和基础设施模块为底层数据、连接和计算工具(如云主机和边缘主机、5G通信和数据湖)。

　　二、 油气行业人工智能关键技术

　　油气人工智能是指服务于油气勘探、开发、生产、集输、设备、炼化、经济全产业链的人工智能技术。其中，数据、算法、算力被称为人工智能的“三驾马车”，是实现油气人工智能产业应用的决定因素。油气人工智能加速了油气行业革新，逐渐形成油气开发新业态。从业务领域角度来看，油气人工智能关键技术主要包括数据治理、机器学习、计算机视觉、知识图谱、数字孪生等[3]。

　　(1)数据治理

　　数字时代，数据已上升为新的生产要素，成为企业资产。油气田勘探开发涉及油气地质、地球物理、油气藏工程、油气储运等多项业务领域，数据具有海量、多源、异构等特点。基于业务驱动，构建数据标准、把控数据质量、确保数据安全、推进数据整合，最大限度提升数据价值，是保障油气人工智能实施的先决条件。

　　(2)机器学习

　　大量的机器学习算法被应用于油气地质、地球物理、油藏工程、石油工程等相关油气勘探开发领域。基于机器学习，一方面实现了数据融合与深度信息挖掘，尤其是构建了任务需求与多源数据之间的复杂非线性映射模型;另一方面，提高了工作效率，减少了时间和人工成本，实现了行业整体“降本增效”。

　　(3)计算机视觉

　　近年来，国内外学者在油田的勘探开发、现场管理、潜力预测等方面都尝试融入计算机视觉技术，为下一步技术与生产深度融合奠定了理论基础。计算机视觉适用于油气勘探开发领域的场景包括但不限于油井示功图工况诊断、油藏构造描述、油田现场管理等。推动计算机视觉技术在油田深度融合有利于节约人工成本，提高开发效率，促进油田的高质量发展。

　　(4)知识图谱

　　结合油气勘探开发数据和业务场景，知识图谱技术可以提供语义搜索、智能问答、知识推荐、决策支持等多种智能服务，帮助用户解决勘探开发中的实际问题。目前知识图谱技术在油气领域的适用场景有语义搜索、智能问答、知识推送、油气藏知识类比设想等。

　　(5)数字孪生

　　数字孪生技术具有巨大的应用潜力，催生着石油石化等流程行业的深度融合研究与实践。建立面向原料及产品需求、公用工程约束频繁变化的石化行业数字孪生系统，可以提升关键生产装置的质量指标预测与关键控制指标预测精度，实现先进控制和优化系统的长期有效应用，实现石化企业提质增效、安全平稳运行的可持续发展目标。目前，数字孪生技术在油气领域的适用场景包括油气勘探开发综合系统数字化、石油工程装备全生命周期数字化、钻井过程数字孪生、石油管道数字孪生建设，以及石化行业数字工厂应用平台等。

　 三、如何打造油气行业“灯塔工厂”

　　“灯塔工厂”的成功不仅在于对人工智能技术(AI)的探索，更关键的因素是“灯塔工厂”实现了人工智能视域下的新质生产力生成。人工智能通过培育高端要素催生智能生产力、通过深度学习神经网络巩固提升智能生产力。智能生产力作为新质生产力的一种，是人类为实现自我解放不断深化对自然力运用的结果;既为人类从劳动中获得解放创造了条件，又作为一种新的生产力替代人类劳动，推动社会生产力快速发展。此外，人工智能具有高效数字化的特征，能够通过技术要素整合优化劳动资料，并借助其强大的信息处理能力有效实现智能效率，其大模型架构也有利于维护智能生产力系统的稳定。可以说，人工智能为劳动者提供了新型的劳动工具，实现劳动资料智能化升级，将社会从信息化带向智能化。

　　笔者认为，要在中国打造油气行业的“灯塔工厂”，实现油气行业智能生产力的增长，需要在以下几个方面做出努力[4]：

　　(1)形成政产学研一体的人工智能人才生态

　　作为生产力中最关键的核心要素，劳动者既决定科技创新能力，又直接影响产业发展水平。只有解决人的问题，生产力才能持续旺盛释放。第一，以传统教育方式改变提高行业整体教育水平。新质生产力体系中的智能劳动者，具有学习性、现代性和多样化、个性化特征，对传统教育模式提出挑战，因此，要形成数据驱动、人技结合、跨界开放、更加公平和可持续的新型教育生态，建立并完善适应智能时代的学习和技能培训体系，对接人工智能人才供给与产业发展需求，形成完整、连续的人工智能人才培养新生态。第二，以人工智能领域为重点形成人才梯度。加强以数据治理、机器学习、计算机视觉、知识图谱、数字孪生等等为重点的创新型复合型数字化高端科技人才培养，是攻克关键领域取得科技突破的重要资源。另一方面，要注重劳动者技能结构的完整性与多样性储备，优化劳动者结构。第三，以智能型人才平台建设推进人才共享。人工智能的高速传播性、深度渗透性和广泛适用性决定了其同时具有共享性特征，人工智能催生的智能生产力，更需平台化贡献机制和充分流动机制发挥效率。

　　(2)建立协同开放的人工智能科技创新生态

　　作为新质生产力的关键核心要素，科技创新及其提升要求以创新资源优化配置、合理布局为基础，进一步完善智能科技创新。第一，以科技为导向夯实发展根基。基于人工智能增强科技原创能力，要重点主攻行业内“卡脖子”技术，实现关键技术国产化。第二，以问题为导向建立技术体系。要超前布局横跨油气行业上、中、下游前沿理论的探索性研究，推动人工智能与油气行业全产业链交叉融合。

　　(3)培育协调互嵌的人工智能产业生态

　　新质生产力的核心支柱是构建现代化产业体系。要尊重产业发展规律，整合科技创新资源、培育新产业集群以形成完整产业链和协调产业结构，合理布局传统产业、战略性新兴产业和未来产业，加快构建新质生产力理念下现代化产业体系的基本框架。第一，大力推进人工智能技术产业化。要以算法为核心、以数据和硬件为基础，在加强人工智能基础理论研究的同时，加大核心技术和关键共性技术的自主研发。第二，加快人工智能技术与油气经济深度融合。要充分发挥人工智能的数据优势，探索“人工智能 + 产业”的技术-产业融合模式，拓展数字化产品与服务，“以数促实”，重构产业链和供应链，实现产业结构优化与升级。