AI作為一個(gè)完整的生態(tài)，和企業(yè)的數(shù)字化轉(zhuǎn)型嵌合在一起，完整且全面的在企業(yè)中發(fā)揮核心作用，這是AI在行業(yè)、企業(yè)落地的最高狀態(tài)。

本篇作者王錄震，中石化石油工程技術(shù)服務(wù)股份有限公司 網(wǎng)信辦主任；中國石油和化工自動(dòng)化應(yīng)用協(xié)會(huì)人工智能分會(huì)理事；悉尼大學(xué)項(xiàng)目管理碩士；AICA首席AI架構(gòu)師培養(yǎng)計(jì)劃第五期學(xué)員。

1995年工作至今一直在信息化管理領(lǐng)域深耕，期間負(fù)責(zé)多個(gè)中國石化集團(tuán)的重點(diǎn)信息化建設(shè)項(xiàng)目。作為新一代的科技信息石油人，我高度關(guān)注新能源、新材料、節(jié)能環(huán)保、高端智能制造和大數(shù)據(jù)、人工智能的融合，深信人工智能將對(duì)傳統(tǒng)能源行業(yè)產(chǎn)生深遠(yuǎn)影響。

首先亮明觀點(diǎn)，我是樂觀派，是AI在行業(yè)落地的積極支持者。

我的信心就是，不用十年，AI一定在石油產(chǎn)業(yè)最核心的環(huán)節(jié)，比如勘探開發(fā)和石油工程方面，發(fā)揮革命性的、重大的作用。

當(dāng)然，和這個(gè)目標(biāo)相比，我們目前的準(zhǔn)備工作還有很大的差距，數(shù)字化生態(tài)基礎(chǔ)也不完善，如果說突破核心環(huán)節(jié)相當(dāng)于建立了新中國，那我們現(xiàn)在是朝著延安在過雪山草地、吃皮帶的階段，而且這個(gè)皮帶可真的是難吃難咽啊。

很多人不敢說這個(gè)話，我敢說。有兩個(gè)原因，第一個(gè)是有一腔熱血。我是一個(gè)出生在勝利油田長在中原油田的“油二代”，從小接受石油工人的傳統(tǒng)教育，我對(duì)石油石化行業(yè)有至深的情感，這件事如果沒有情懷，而只有詩和遠(yuǎn)方是做不成的；第二是有系統(tǒng)性的思考。能源行業(yè)經(jīng)過幾十年的信息化建設(shè)，積累了大量數(shù)據(jù)和成果，尤其是近幾年大數(shù)據(jù)、云計(jì)算和人工智能技術(shù)的快速普及，已具備在個(gè)別領(lǐng)域產(chǎn)生革命性變革的條件，人工智能發(fā)展突破處于“黎明前的黑暗”階段。

石油行業(yè)和其它一些行業(yè)一樣，有很多共性問題。希望我的思考也能夠給其它行業(yè)的AI架構(gòu)師們帶來激發(fā)、對(duì)撞和共創(chuàng)。

AI是技術(shù)問題

但AI落地是管理問題

在這次AICA的學(xué)習(xí)中，我們學(xué)習(xí)到了很多非常高水平的AI知識(shí)，所獲良多。但如果要我稍微挑挑刺的話，那就是希望未來可以增加一些課——一系列探討AI在行業(yè)整體落地過程中涉及管理性因素的課程。本質(zhì)上，這源于互聯(lián)網(wǎng)市場和政企市場的巨大不同。向政企客戶推廣人工智能并不簡單。因?yàn)樗麄儗?duì)人工智能既不剛需，也不追求技術(shù)領(lǐng)先，況且還會(huì)打破現(xiàn)有利益平衡。

請注意我的措辭，我說的目標(biāo)是“AI整體落地”，也就是AI作為一個(gè)完整的生態(tài)，和企業(yè)的整個(gè)數(shù)字化轉(zhuǎn)型嵌合在一起，

完整而且全面的在企業(yè)中發(fā)揮核心作用，這是 AI 在行業(yè)、企業(yè)落地的最高狀態(tài)

。

如果只是希望引入一些AI技術(shù)，單點(diǎn)或小規(guī)模的應(yīng)用AI，則需要考慮的管理因素相對(duì)較低。

首先，要承認(rèn)一個(gè)事實(shí)，就是AI的全面落地是一個(gè)很大的戰(zhàn)略決策，是金錢、資源、時(shí)間窗口、人才隊(duì)伍乃至于企業(yè)績效等方方面面的因素綜合起來的決策，所以它一定是“一把手工程”，是一個(gè)企業(yè)最高層才能下決心推動(dòng)的事情。

而我們知道，傳統(tǒng)行業(yè)的高管，和推進(jìn)數(shù)字化智能化的企業(yè)高管，彼此間的接 觸是不多的。也許某個(gè)AI企業(yè)的高層在行業(yè)上、世界上都很有影響力，但傳統(tǒng)行業(yè)的高管通常不會(huì)對(duì)此心有靈犀，更談不上推心置腹。

所以我的一個(gè)非常樸素的建議就是，一定要利用各種機(jī)會(huì)，推動(dòng)雙方的高管坐下來，認(rèn)真地談一談這件事，只有這樣才能相向而行、互相奔赴。盡管這距離出發(fā)都還早。

其次，高層決定了一件事能不能落地，中層決定了一件事推進(jìn)的順利與否。 我前幾天看了一篇文章，是講中國頂尖的一家AR增強(qiáng)現(xiàn)實(shí)公司是如何實(shí)現(xiàn)把技術(shù)推廣到一家傳統(tǒng)企業(yè)的故事，其中我認(rèn)為最精彩的部分，就是如何說服各個(gè)部門的負(fù)責(zé)人用新技術(shù)的。

并不是每個(gè)人都是因?yàn)橐Ｗo(hù)自己的地盤和話語權(quán)，比如有些關(guān)鍵的業(yè)務(wù)部門，用傳統(tǒng)的方式已經(jīng)把效率做到了80%，你用AI、用新方法，不一定有人家的效率高，反而可能增加不確定性、性能耗損和部門成本。這種問題是沒有辦法強(qiáng)壓的，只能做分管領(lǐng)導(dǎo)和部門負(fù)責(zé)人的工作，用各種方式來說服他們。 AI的落地在基層也是一個(gè)管理問題，因?yàn)榛鶎邮煜と斯ぶ悄艿墓こ處煾玖舨蛔?，這涉及到我們的隊(duì)伍如何管理的問題。

具體到AI的整體落地，涉及的人才隊(duì)伍的問題就更復(fù)雜了，包括百度這樣的通用型AI領(lǐng)軍企業(yè)如何和我們石油行業(yè)這樣的集團(tuán)式架構(gòu)的公司在人才上合作；我們自己內(nèi)部的研究院所、技術(shù)部門、業(yè)務(wù)部門如何協(xié)同，怎么才能建立起人才的培養(yǎng)機(jī)制……不能細(xì)想，細(xì)想都是問題。

對(duì)于這些問題如何解決，我有一些設(shè)想，在文章的第三部分會(huì)提出來，供大家拍磚。我之所以把這個(gè)問題放在第一部分，也是基于一切從實(shí)際出發(fā)，不管是百度還是我們行業(yè)內(nèi)部，如果不意識(shí)到AI落地其實(shí)是一個(gè)管理問題，就很難順利推進(jìn)人工智能和石油行業(yè)這類政企用戶的深度融合。

但是也不必悲觀，關(guān)鍵的在于找到切入點(diǎn)，就像疫苗，第一針是最難的，此后的強(qiáng)化就越來越順利了。這也是世界上一切復(fù)雜事物的解決規(guī)律。

AI做好“三個(gè)助手”

才能大放異彩

參加AICA學(xué)習(xí)的這一段時(shí)間，我其實(shí)是非常感動(dòng)的。百度安排了大量高水平的課程，這背后的資源付出是非?？捎^的。我也了解到了百度近10年來累計(jì)研發(fā)投入超過1000億，在發(fā)展AI等技術(shù)上的決心，有這樣的企業(yè)，中國的AI產(chǎn)業(yè)是大有希望的。

但我必須要講一些有點(diǎn)潑冷水的個(gè)人觀點(diǎn)，那就是百度AI要想進(jìn)入千行百業(yè)尤其是傳統(tǒng)能源行業(yè)，還有幾道關(guān)要過。

比如，我看到了一些算法，從算法水準(zhǔn)上是非常高的，是我的個(gè)人能力望塵莫及的。但如果我是負(fù)責(zé)人，我可能不會(huì)用這樣的算法。因?yàn)槲铱梢钥闯鰜?，寫算法的很?AI，但對(duì)于石油行業(yè)的一些特性規(guī)律，并沒有基本認(rèn)知。

任何行業(yè)都有自己的特性，比如，憑借百度強(qiáng)大的CV視覺技術(shù)能力，在巡檢、安監(jiān)、質(zhì)檢等領(lǐng)域應(yīng)該是大放異彩的，但我舉個(gè)例子，有個(gè)視頻安全監(jiān)測的方案我們拿到實(shí)地去使用，效果不好。為什么呢？一個(gè)是井場的環(huán)境復(fù)雜，網(wǎng)絡(luò)信號(hào)不通暢；另一個(gè)是環(huán)境特殊，攝像頭可能2-3天就臟得看不見了……在實(shí)際場景下還有很多需要再去解決的非AI技術(shù)問題。

我想強(qiáng)調(diào)一下，就是本身技術(shù)壁壘越高的行業(yè)，通用型的AI進(jìn)來就越難。比如石油行業(yè)，是一個(gè)傳統(tǒng)行業(yè)，很多人對(duì)石油行業(yè)的印象可能還停留在鐵人王進(jìn)喜的時(shí)代，但其實(shí)，

石油行業(yè)應(yīng)該在國內(nèi)算的上是算力最集中、信息化水平最高的行業(yè)之一

。

在具體的AI能力上，百度是我們的老師。而對(duì)于百度如何打開在石油行業(yè)或者類似超大行業(yè)的局面，我是有一點(diǎn)小小的見解希望提供的。

我把它叫“三個(gè)助手”理論

第一個(gè)助手，是百度AI要甘當(dāng)“企業(yè)高管的助手”。

百度和石油石化這樣的巨頭企業(yè)全方位合作的時(shí)候，首先要得到企業(yè)高管的認(rèn)可，如何能得到認(rèn)可？！無非是能解決企業(yè)高管頭疼的問題，甘當(dāng)助手、智囊，了解企業(yè)高管的所思所想，創(chuàng)造機(jī)會(huì)加深溝通交流，高質(zhì)量論壇交流和高管輔導(dǎo)必不可少，關(guān)注了解哪些信息會(huì)引起利益相關(guān)方的共鳴。

第二個(gè)助手，是百度AI要以“技術(shù)平臺(tái)的助手”的身份深入行業(yè)。

營造良好的氛圍，讓行業(yè)內(nèi)的其它友商不是感覺“狼來了”，彼此在數(shù)字化生態(tài)圈里各司其職、各顯其能?！凹夹g(shù)平臺(tái)的助手”就是要專心搞底層框架、基礎(chǔ)研發(fā)等生態(tài)式賦能，助力企業(yè)內(nèi)部團(tuán)隊(duì)從項(xiàng)目式建設(shè)為主轉(zhuǎn)向數(shù)字能力產(chǎn)品運(yùn)營來落地行業(yè)應(yīng)用， 讓企業(yè)做好引路人，全力支持基于能力開放的內(nèi)外部合作伙們的生態(tài)共建。在培訓(xùn)上幫助企業(yè)培養(yǎng)大批應(yīng)用實(shí)踐人才，從培訓(xùn)對(duì)象、培訓(xùn)內(nèi)容、師資配備等要素出發(fā)，助力企業(yè)建立科學(xué)合理的培訓(xùn)體系。 2022年全球石油行業(yè)有件大事，斯倫貝謝（Sch lumberger）與工業(yè)AI軟件即服務(wù) (SaaS) 公司Cognite聯(lián)手，為全球能源行業(yè)提供數(shù)據(jù)驅(qū)動(dòng)的解決方案。 斯倫貝謝（Sch lumberger）公司是全球最大的油田技術(shù)服務(wù)公司，公司成立于1927年，現(xiàn)有員工130000多名。這個(gè)公司的業(yè)務(wù)和IT能力都是很強(qiáng)的，斯倫貝謝在油服行業(yè)已經(jīng)很專業(yè)了，但它還是認(rèn)為，要把斯倫貝謝的地下企業(yè)數(shù)據(jù)解決方案與Cognite的開放式工業(yè)數(shù)據(jù)操作平臺(tái)Cognite Data Fusion?集成，還是要充分依賴后者的專業(yè)性，所以才有這樣一種合作。 這也是我對(duì)百度的建議，要適時(shí)傳遞一種信息，把自己放在Cognite的角色上會(huì)比較好，而且一個(gè)“技術(shù)平臺(tái)助手”的身份，也比較容易讓內(nèi)部友商放心。

第三個(gè)助手，是人工智能要充當(dāng)數(shù)字化轉(zhuǎn)型中輔助決策、輔助專家工作、輔助復(fù)雜場景處理的“一線員工助手”的角色。

在石油行業(yè)，有很多類似場景，比如原始資料的收集、知識(shí)圖譜初步成果的提供、數(shù)萬部攝像機(jī)做監(jiān)測預(yù)警等等，一線員工面臨許多棘手問題，如果能實(shí)現(xiàn)“一線呼叫AI強(qiáng)大炮火”，這些非常廣闊的場景，說白了AI都是在提供一個(gè)助手的角色，這個(gè)助手角色會(huì)讓企業(yè)、專家、一線員工越來越輕松，能夠把更多的時(shí)間和精力放在更重要的事情上。我相信從這個(gè)定位切入進(jìn)去，一定會(huì)讓 AI 大放異彩。

AI落地的五步路線圖

由于文章的篇幅有限，我必須把“AI如何在石油行業(yè)落地”這個(gè)大話題，用最簡約的篇幅表達(dá)出來。所以我凝結(jié)成了一個(gè)“五步路線圖”：

第一步 設(shè)定好力所能及的目標(biāo)

我建議優(yōu)先關(guān)注容易完成的小型AI項(xiàng)目，能夠通過快速獲得成功而培養(yǎng)熱情、可靠性和信任，這是很關(guān)鍵的。

第二步 要尋求各級(jí)人員的支持

高級(jí)別人員要通過可信的、有前瞻性的驗(yàn)證來打動(dòng)，一旦下決心，幫助是非常大的；基層研發(fā)人員對(duì)學(xué)習(xí)新技術(shù)普遍熱情較高；真正決定進(jìn)度的是中層，對(duì)這一層級(jí)的關(guān)注點(diǎn)，在前文已有詳細(xì)的介紹。

第三步 要依靠好現(xiàn)有的團(tuán)隊(duì)

AI方面的人力資源缺乏將是一個(gè)長期問題，不能指望天上掉下人才來。對(duì)于中層業(yè)務(wù)領(lǐng)導(dǎo)，最好的辦法是充分的借助現(xiàn)有的團(tuán)隊(duì)，利用他們的才能、鼓勵(lì)他們嘗試以取得經(jīng)驗(yàn)和教訓(xùn)、對(duì)有亮點(diǎn)有成績的員工進(jìn)行激勵(lì)更是明智之舉?？傮w而言，依靠自己的團(tuán)隊(duì)是最可控的，而且要加快發(fā)展AI人才培養(yǎng)機(jī)制，降低人才斷供的風(fēng)險(xiǎn)。

第四步 發(fā)展AI人才中心

AI人才中心和前面說的團(tuán)隊(duì)轉(zhuǎn)型有所不同，AI人才中心更偏向于專精和研發(fā)，而工作團(tuán)隊(duì)更偏向應(yīng)用。AI人才中心的建立，是把百度這樣優(yōu)秀的生態(tài)里的技術(shù)逐步引入、圍繞行業(yè)化的適應(yīng)性逐步進(jìn)行擴(kuò)展的關(guān)鍵節(jié)點(diǎn)，這里的人才要有較高的水平，包括可以設(shè)計(jì)有針對(duì)性的數(shù)據(jù)架構(gòu)，能利用飛槳這樣的深度學(xué)習(xí)框架和平臺(tái)、能判斷相關(guān)的模型算法的潛力，能夠利用開源大生態(tài)，能夠持續(xù)關(guān)注AI的行業(yè)最新進(jìn)展等等，這是AI在企業(yè)內(nèi)部站穩(wěn)腳跟的技術(shù)基礎(chǔ)。

第五步 數(shù)字化平臺(tái)需專業(yè)的人干專業(yè)的事

承載AI的數(shù)字化平臺(tái)在大模型與應(yīng)用層之間需要一個(gè)中間層，這個(gè)中間層向下對(duì)接大模型能力，向上提供個(gè)性化服務(wù)。企業(yè)需對(duì)中間層進(jìn)行鼓勵(lì)發(fā)展，培育一批專精服務(wù)商專門負(fù)責(zé)調(diào)整大型模型以適應(yīng)具體AI應(yīng)用需求。專業(yè)解決方案商的大廠適合布局的環(huán)節(jié)應(yīng)聚焦高投入、大算力需求、大數(shù)據(jù)量級(jí)、通用能力好的環(huán)節(jié)，因此適合布局在算力層、算法層的基礎(chǔ)層和平臺(tái)層的模型生產(chǎn)和訓(xùn)練等環(huán)節(jié)。石油行業(yè)各企業(yè)適合入局的環(huán)節(jié)應(yīng)聚焦在投入少、算力需求不高、中低數(shù)據(jù)量級(jí)、垂直/專業(yè)場景等環(huán)節(jié)，適合布局在中間層、應(yīng)用層，而平臺(tái)層的數(shù)據(jù)平臺(tái)的應(yīng)由總部統(tǒng)一建設(shè)、運(yùn)維。

數(shù)字化生態(tài) 前景光明

雖然我對(duì)AI的未來抱有極大的信心，但是，未慮勝，先慮敗。我先來概括一些可能導(dǎo)致AI落地失敗的情況： 第一種情況是戰(zhàn)略層、項(xiàng)目管理層和技術(shù)層沒能充分一致。在戰(zhàn)略層上，對(duì)AI項(xiàng)目要有和公司業(yè)務(wù)戰(zhàn)略保持一致的清晰愿景，尤忌為了拿經(jīng)費(fèi)立項(xiàng)目，項(xiàng)目一定要立在戰(zhàn)略發(fā)展的大愿景、大方向上； 第二是我反復(fù)強(qiáng)調(diào)的，AI是技術(shù)問題，AI落地是組織問題、管理問題，如果沒有對(duì)應(yīng)的組織架構(gòu)設(shè)計(jì)及變革，再多優(yōu)秀的人也無法發(fā)揮作用； 第三是允許失敗，AI作為前沿，要允許失敗概率，要能夠冷靜總結(jié)，穩(wěn)扎穩(wěn)打。 再從積極面看，AI是數(shù)字化轉(zhuǎn)型中的關(guān)鍵要素，是通向數(shù)據(jù)、算力、模型、場景等等的“四通八達(dá)的立交橋”，我們不斷的數(shù)字化轉(zhuǎn)型，最終目的是營造基于數(shù)字化生態(tài)的下一代石油工程平臺(tái)，而這個(gè)生態(tài)又反過來反哺AI，AI技術(shù)又能夠極大的豐富完善整個(gè)數(shù)字化的生態(tài)。 目前，百度已經(jīng)在與我們協(xié)作，打造中石化的石油工程一體化云平臺(tái)，我們計(jì)劃用兩到三年的時(shí)間，完成井場、站庫高風(fēng)險(xiǎn)區(qū)視頻圖像智能分析及安全預(yù)警系統(tǒng)開發(fā)，以及建立統(tǒng)一的人工智能樣本庫，圍繞勘探開發(fā)領(lǐng)域數(shù)據(jù)資料的智能采集、處理、解釋，建立勘探開發(fā)、石油工程生產(chǎn)樣本庫集，力爭形成行業(yè)標(biāo)準(zhǔn)，推動(dòng)跨企業(yè)樣本共享。 回到最初的問題， 我們到底能不能在10年里，用AI讓中國的石油工程取得革命性的躍遷。我的答案是肯定的，雖然有很多細(xì)節(jié)不能透露，但大家可以聽一聽這幾個(gè)課題的名字，就足夠震撼了，它們是：

針對(duì)頁巖氣藏開發(fā)過程中生產(chǎn)規(guī)律認(rèn)識(shí)不清、產(chǎn)能預(yù)測不準(zhǔn)確的問題

基于機(jī)器學(xué)習(xí)方法建立一套數(shù)據(jù)驅(qū)動(dòng)的頁巖氣開發(fā)主控因素分析及預(yù)測模型，優(yōu)化布井方案、壓裂施工過程及生產(chǎn)方式，提高氣井產(chǎn)量。

針對(duì)氣藏儲(chǔ)、氣層非均質(zhì)性強(qiáng)、傳統(tǒng)研究模式側(cè)重單因素分析的問題

建立一套利用氣井地質(zhì)工程參數(shù)快速預(yù)測產(chǎn)能的致密氣藏人工智能算法模型與壓裂參數(shù)優(yōu)化方法，從而提高天然氣采收率，助力精細(xì)高效氣田開發(fā)。

針對(duì)儲(chǔ)層埋藏深、物性差、巖性復(fù)雜、開發(fā)效益差的問題

通過大數(shù)據(jù)機(jī)器學(xué)習(xí)充分挖掘各業(yè)務(wù)環(huán)節(jié)數(shù)據(jù)蘊(yùn)含的信息，建立科學(xué)高效的分析、預(yù)測、優(yōu)化機(jī)器學(xué)習(xí)研究工作流，提高單井產(chǎn)能、提高區(qū)塊開發(fā)效益。

針對(duì)斷溶體油藏埋藏深、儲(chǔ)層結(jié)構(gòu)復(fù)雜，資料相對(duì)較少，儲(chǔ)集體精細(xì)預(yù)測難

基于精細(xì)地質(zhì)分析及人工智能方法，建立基于半監(jiān)督深度學(xué)習(xí)的縱波阻抗反演方法，斷溶體輪廓、縫洞帶、溶洞訓(xùn)練樣本的獲取方法，以及基于P2P對(duì)抗神經(jīng)網(wǎng)絡(luò)的沉積相建模方法，提高斷溶體油藏建模的高效性和準(zhǔn)確度。

針對(duì)深層碳酸鹽巖儲(chǔ)層沉積相建模精度低等難題

通過沉積過程模擬及井震反演手段構(gòu)建優(yōu)質(zhì)的學(xué)習(xí)訓(xùn)練樣本，建立基于替代模型的地層沉積反演技術(shù)，改進(jìn)和完善適用于小樣本的深度學(xué)習(xí)建模算法，形成相應(yīng)的深度學(xué)習(xí)軟件模塊，應(yīng)用來提高布井成功率。 從最早自蘇聯(lián)引入電子式計(jì)算機(jī)用于地震波分析，到今天廣泛應(yīng)用超級(jí)計(jì)算 機(jī)，再到明天的ABC合流的數(shù)字化生態(tài)，中國的石油工業(yè)從來都是一個(gè)令人熱血沸騰的行業(yè)。 希望通過我們這一代人的努力，讓AI真正落地生根，讓智能生生不息，讓生態(tài)進(jìn)化不止。