在油氣行業發展新質生產力是推動高質量發展的內在需求和重要著力點。我國積極把握全球能源綠色低碳轉型的趨勢和機遇，提出能源安全新戰略、“雙碳”目標以及構建清潔低碳、安全高效的現代能源體系的部署，積極培育能源新質生產力，支撐了我國經濟社會的高質量發展。
 
近期，華為開展服務油氣行業重要客戶進行大模型建設。已經與中國石油、中國石化、中國海油、國家管網企業進行深入合作。日前，筆者采訪到華為中國政企油氣礦山系統部總經理范濤、華為中國政企CMO邱恒，為讀者分享華為在油氣行業的解決方案和成功實踐。范濤向筆者介紹稱，2024年年初，華為公司將油氣、礦山行業業務整合，成立“油氣礦山業務部”，拉通研、營、銷、服團隊，高效協同，縮短產業鏈條，快速響應客戶需求，與伙伴一起構建健康良性的產業生態。為行業找技術，解決行業難題，加速行業智能化。
 
目前華為油氣礦山行業的業務范圍主要包括油氣、礦山、冶煉、化工等業務領域。堅持“為場景找技術”的原則，以“降本提效增安”為目標，聯合伙伴共同創新，推動油氣礦山行業智能化進程，持續做好技術突破和應用落地。范濤表示，面向油氣行業，華為持續加大投入，深耕NA客戶，先后與中國石油、中國石化、中國海油、國家管網簽訂了戰略合作協議，成為戰略合作伙伴。他們將與合作伙伴共同聯合創新，為油氣行業提供端到端的ICT解決方案，將AI、5G、云、大數據等技術和油氣行業深度融合，在油田勘探與生產、管道運輸、煉油化工、成品油零售等不同領域展開深入合作，助力油氣行業實現數智化轉型。
 
華為大模型解決方案及落地路徑
 
華為推出人工智能的新架構，主要是中心訓練與邊緣推理的“云邊協同”兩級架構。架構核心在于華為集團側部署的訓練中心與邊緣側的推理機制可以協同工作。在集團側，利用正常數據及已知的負樣本進行訓練開發，隨后將訓練好的模型推送至邊緣側進行推理。在推理過程中，這一系統不僅能夠準確判斷已知的負樣本，更關鍵的是它能夠識別并捕獲那些非正常或異常的未知數據。這些異常數據隨后會被標記并定期或定量地送回集團側進一步的學習研究分析。
 
范濤介紹說：“這種‘邊用邊學’的循環方式，模型能夠不斷地適應新的生產環境和異常情況，不僅有效解決了傳統架構中難以應對的未知挑戰，還提高了其泛化能力和應對新問題的能力。解決傳統模型定制化嚴重、泛化性差的問題。”華為盤古大模型5.0包含不同參數的模型，包括視覺大模型、預測大模型、盤古自然語言大模型、多模態大模型、科學計算大模型等在內的多元化功能，并在全系列、多模態、強思維三個方面進行了全新升級，豐富的創新應用和落地實踐，也將持續深入行業解決難題。針對不同類型客戶類型和需求，華為可以提供不同的解決方案。面向企業規模小、投資小，人工智能需求不多，華為也可以提供對應的場景化解決方案。
 
華為工業領域大模型落地究竟有哪些路徑與方法？范濤表示，大模型分為L0、L1、L2三層。L0即最基礎的大模型，比如盤古大模型。L1就是所謂的行業模型，比如，盤古礦山大模型、盤古油氣大模型和盤古鋼鐵大模型，是在L0大模型的基礎之上，通過海量行業數據訓練而來。L2場景模型則是L1行業模型“化繁為簡”后，直接應用在生產、業務領域的場景算法模型。大模型建設的傳統路徑，通過大量的行業數據與消耗巨大的算力去訓練L1行業模型，從而實現L2場景模型的升級迭代。但是，對于油氣礦山等很多行業而言，常常面臨著數據不足，或者數據收集和處理的工作量極大等困境。而且訓練L1行業模型的初始算力要求高，時間周期長，無法支撐L2場景模型的快速上線。
 
為尋求更短路徑，結合其在多個行業頭部客戶的實踐和探索，華為提出了一條新的大模型建設路徑：在初始階段，可以直接通過L0大模型結合場景數據集實現L2場景的快速開發。隨著場景規劃分批落地后，企業收集和標注的行業數據就可以快速地拿來訓練L1行業模型，補足L1的能力。“簡單來說，新路徑的優勢在于‘小算力起步，逐步擴容’、行業數據可以分批補充，這使得首批場景應用能夠快速落地，驗證大模型能力，過程中實現大模型開發人才的培養和能力的積累。”傳統路徑可以獲得能力更強的L2場景模型，而華為提出的“捷徑”，L2場景模型的能力主要取決于L0大模型。兩種訓練路徑，不同規模的企業可依據自身行業與場景數據集的成熟度、算力的部署節奏等因素，按需選擇。
 
華為助力AI在油氣數智化轉型
 
中石油昆侖大模型的創新應用場景呈現出業務領域覆蓋更加廣泛、業務結合更加緊密、“人工智能+”賦能效果更加顯著等特點。專業應用場景覆蓋范圍從勘探延伸到煉化、銷售、裝備制造等領域，打造能源化工領域的智能“業務專家”；員工助手場景覆蓋科研、辦公等業務，開啟了“AI+”高效辦公新模式；行業應用助力從業者成為能源化工領域的“行家里手”；智能油伴場景，以更“擬人”、更“聰明”的形象，為成品油、天然氣廣大消費者提供“貼心客服”。在中石油昆侖大模型的建設中，華為重點投入了視覺大模型與科學計算大模型。中國石油深入推進以昆侖大模型為核心的‘人工智能+’行動，加快實現人工智能賦能產業升級。
 
2024年5月28日，中國石油舉行昆侖大模型建設研討會，與中國移動、華為、科大訊飛簽署了昆侖大模型合作共建協議，正式全面啟動昆侖大模型建設，共同探索能源化工行業大模型建設與應用的有效路徑，組建人工智能研究機構及工作專班，大力實施智能化發展工程，加快構建人工智能創新發展良好生態，全力打造務實高效、行業一流的人工智能大模型和深度應用場景。中國石油昆侖大模型歷經“8.28、11.28”兩個重要的時間里程碑，取得了階段性成果，成為能源化工領域首個通過國家備案的行業大模型。華為始終將中國石油的人工智能大模型建設工作視為重中之重。
 
范濤認為，在頂層設計層面，秉持以業務需求為導向的理念，緊密結合大模型技術，對油氣業務領域場景展開科學嚴謹的規劃部署；在建設層面，華為重點投入視覺大模型與科學計算大模型的建設，并取得顯著成績。在昆侖視覺大模型建設中，基于開集檢測能力，昆侖視覺大模型識別范圍擴展至原先的三倍，識別精確度亦穩步提升，正朝著“萬物識別”的目標快速邁進，持續拓寬視覺智能的應用邊界；在科學計算大模型建設中，華為全力支撐東方地球物理公司、中國石油勘探開發研究院和中油測井公司開展專業大模型的訓練與調優工作。創新構建地震、測井大規模數據集，并攻克多精度數據編碼及多模態數據融合技術、Transformer與地球物理的融合技術。經歷6個月的研發和實踐應用，昆侖視覺和科學計算大模型也成功應用于油氣生產的各個產業鏈。
 
在勘探領域，顯著提升了勘探處理解釋模型和測井處理解釋模型的精度與泛化性，并提升了專家在更多專業任務場景中的工作效率。其中，與東方地球物理公司聯合探索全波形反演行業難題，實現了基于聲波方程的二維場景的全波形反演處理效率提升了10倍，加快了前沿技術在中國石油勘探領域的應用進程。在煉化領域，構建丁腈橡膠視覺檢測大模型，解決人工檢測效率低、勞動強度大的問題，實現自動化智能質檢。在制造領域，在輸送管產品生產質量智能檢測場景中，通過視覺大模型解決了輸送管焊縫質量檢測極度依賴專家經驗、微小缺陷不易識別的難題，提升焊縫檢測效率和效果。在石油管材及裝備失效影像智能分析場景中，通過視覺大模型實現對微觀斷口失效影像自動分類識別，為石油管材及裝備材料失效智能診斷提供技術支撐。
 
推動油氣行業新質生產力高質量發展
 
數字化、智能化帶來新產業、新模式、新動能，是培育新質生產力的關鍵引擎和重要實現路徑。邱恒告訴筆者，華為深耕ICT領域30多年，自身就是數智化轉型的實踐者。同時已經面向油氣礦山、金融、交通、制造等行業打造了200多個智能化解決方案，并在20多個行業的智能化項目中得到了應用。這些成功經驗和應用對各行業都有一定的參考意義。在這一過程中，他們總結出了一套轉型實踐方法：即架構先行，平臺先行，場景創新，迭代前進。過去30多年服務各行業的數字化、智能化經驗，提出了行業智能體參考架構，這個架構被劃分為五層，包括智能感知、智能聯接、智能底座、智能平臺和AI大模型，在這些上面是千行萬業的創新應用。當然，更重要的是，它不是封閉的架構。華為將聚焦在自己所擅長的產品和技術領域，同時以開放的心態，繼續與合作伙伴一起深入理解行業場景，精準把握客戶需求，將技術與業務場景深度融合，進行場景創新和迭代前進，共同服務好客戶數智化轉型的全周期，助力各行業實現新質生產力的高質量發展。