中國儲能網(wǎng)訊：今年以來，我國國產(chǎn)大模型“深度求索”（DeepSeek）在全球范圍內(nèi)引發(fā)了“AI（人工智能）狂潮”。AI時代的到來及深入發(fā)展引發(fā)全球激烈的資本競爭與多領(lǐng)域的關(guān)注，達沃斯論壇年會主題為“智能時代的合作”，美國劍橋能源周會議也聚焦人工智能。
作為我國戰(zhàn)略科技力量的重要組成部分，中央企業(yè)主動服務(wù)國家戰(zhàn)略，加快人工智能發(fā)展。2月19日召開的中央企業(yè)“AI+”專項行動深化部署會上，國務(wù)院國資委對國資央企發(fā)展人工智能作出部署安排。4月8日，中國石化召開人工智能工作領(lǐng)導(dǎo)小組全體會議，要求全力推動國務(wù)院國資委“AI+”專項行動部署落地見效。對于能源行業(yè)來說，既要乘新技術(shù)發(fā)展的東風(fēng)謀求行業(yè)進步，也要妥善應(yīng)對其對能源需求的多方面影響。
3月中旬在美國休斯敦舉行的第43屆劍橋能源周會議上，人工智能（AI）再度成為焦點議題。與會人士認為，人工智能興起帶動數(shù)據(jù)中心建設(shè)等因素，將推動全球能源需求持續(xù)增長。與此同時，人工智能在能源領(lǐng)域的應(yīng)用與擴展也對該行業(yè)產(chǎn)生了重要影響，AI時代，能源行業(yè)發(fā)展機遇與挑戰(zhàn)并存。
AI的盡頭是算力，算力的盡頭是能源：AI時代能源需求將顯著增長
從能源自身的角度看，AI技術(shù)的突飛猛進推動了能源消費的大幅增長。AI技術(shù)的本質(zhì)是將電力轉(zhuǎn)化成算力，而現(xiàn)階段生成式AI模型訓(xùn)練與推理需要消耗巨額電力。譬如，以GPT-4為代表的萬億參數(shù)模型，單次訓(xùn)練耗能相當于3000戶家庭年用電量；而根據(jù)美國互聯(lián)網(wǎng)科技公司Meta披露的數(shù)據(jù)，如果其最新一代開源大模型Llama 2每日處理10億次用戶請求，僅推理階段年耗電量就將超過5萬兆瓦時，約等于一座5萬人口小城市的年耗電量。
進入2025年后，Grok 3和GPT-4.5、GPT-5等新一代AI模型層出不窮，AI技術(shù)的發(fā)展速度已超出所有人預(yù)期。在此背景下，雖然各權(quán)威機構(gòu)的預(yù)測數(shù)據(jù)有所差異，但普遍認為，AI時代能源需求將呈現(xiàn)顯著增長態(tài)勢。其中，彭博新能源財經(jīng)（BNEF）2024年報告指出，AI算力的需求每2.5年將出現(xiàn)翻番增長，導(dǎo)致世界電力需求增速遠超預(yù)期，預(yù)計2030年全球僅AI數(shù)據(jù)中心的電力需求就將達到500~800太瓦時，相當于德國一年的用電量；麥肯錫全球研究院預(yù)測，2030年，全球AI數(shù)據(jù)中心電力需求可能達到1000~1500太瓦時；能源咨詢公司伍德麥肯茲表示，AI技術(shù)發(fā)展將導(dǎo)致美國能源需求持續(xù)上升，到2030年，美國數(shù)據(jù)中心的電力消耗可能翻倍增長，在風(fēng)能、太陽能等新能源短期內(nèi)難以實現(xiàn)對化石能源有效替代的背景下，發(fā)電需求將推動2040年美國天然氣總需求在2023年8865億立方米的基礎(chǔ)上再增加3000億立方米。
從能源基礎(chǔ)設(shè)施的角度看，AI技術(shù)發(fā)展對能源的依賴將推動能源基礎(chǔ)設(shè)施建設(shè)呈現(xiàn)新趨勢。一方面，部分電網(wǎng)和天然氣管網(wǎng)等能源基礎(chǔ)設(shè)施建設(shè)將持續(xù)強化。其中，電網(wǎng)連接需求激增，需要大量投資來強化電網(wǎng)設(shè)施，且運營商將不得不面對管理更高流量、可變供應(yīng)和不斷增長的電網(wǎng)系統(tǒng)帶來的嚴峻挑戰(zhàn)。此外，燃氣電廠規(guī)模擴大帶來的天然氣需求增長，也迫使部分國家和地區(qū)持續(xù)強化天然氣管網(wǎng)基礎(chǔ)設(shè)施建設(shè)。譬如，弗吉尼亞州是美國數(shù)據(jù)中心建設(shè)最集中的地區(qū)，殷拓能源公司等天然氣生產(chǎn)商計劃提升美國山谷管道輸送能力至25億立方英尺/日，將更多天然氣輸往該地區(qū)，以滿足發(fā)電需求。
另一方面，部分能源基礎(chǔ)設(shè)施建設(shè)或?qū)⒊尸F(xiàn)“分布式”和“離網(wǎng)”等特點。首先，DeepSeek改變了傳統(tǒng)AI“規(guī)模至上”的發(fā)展邏輯，其輕量化模型與開源策略降低了AI應(yīng)用門檻，促進中端算力設(shè)施和分布式數(shù)據(jù)中心的普及，并推動算力生態(tài)從“超大規(guī)模中心壟斷”轉(zhuǎn)向“分布式蜂群網(wǎng)絡(luò)”。其次，由于小型模塊化反應(yīng)堆（SMR）和新一代地熱等新能源技術(shù)預(yù)計2030年后逐步成熟，部分大型科技公司已與地熱能和核能項目簽署新的電力購買協(xié)議，探索在“離網(wǎng)”發(fā)電設(shè)施上開發(fā)數(shù)據(jù)中心。
好風(fēng)憑借力，送我上青云：AI技術(shù)為能源行業(yè)高效賦能
在風(fēng)電和光伏發(fā)電領(lǐng)域，AI技術(shù)通過提高發(fā)電效率、預(yù)測設(shè)備故障、提升運維能力等顯著增加了清潔能源的可靠性和經(jīng)濟性。例如，谷歌旗下DeepMind與風(fēng)電企業(yè)合作，通過系統(tǒng)整合風(fēng)速、風(fēng)向、地形等氣象數(shù)據(jù)與歷史發(fā)電數(shù)據(jù)，利用機器學(xué)習(xí)提前36小時預(yù)測風(fēng)電量、優(yōu)化電網(wǎng)調(diào)度，使單個風(fēng)電項目價值提升20%以上。再如，特斯拉旗下SolarCity通過機器學(xué)習(xí)模型分析當?shù)卦茖痈采w、光照強度、溫度等氣象數(shù)據(jù)，預(yù)測用戶家用光伏電池板未來24小時的發(fā)電量，并結(jié)合用戶歷史用電數(shù)據(jù)，預(yù)測家庭負載需求，幫助用戶提前規(guī)劃電動汽車充電等高耗電設(shè)備使用時段，最終實現(xiàn)家庭發(fā)電“發(fā)—儲—用—售”的全鏈條優(yōu)化。
在油氣勘探開發(fā)領(lǐng)域，AI技術(shù)通過數(shù)據(jù)集成分析、智能決策優(yōu)化和自動化控制，顯著提升了油氣資源發(fā)現(xiàn)效率、降低了開發(fā)成本，并提高了作業(yè)安全性，在地震解釋、油氣藏預(yù)測、鉆完井優(yōu)化、壓裂方案設(shè)計、油井實時監(jiān)測與預(yù)測性維護、數(shù)字孿生與虛擬油田、HSE保障等方面均能發(fā)揮重要作用。
以鉆完井優(yōu)化為例，油服公司斯倫貝謝利用自主研發(fā)的AI鉆井系統(tǒng)，在二疊紀盆地實現(xiàn)了“自動駕駛鉆井”，使鉆井效率提高25%、單井成本下降18%；沙特阿美則在賈富拉頁巖氣開發(fā)項目中利用AI技術(shù)輔助超過3公里的長水平段鉆井的精準導(dǎo)向和壓裂優(yōu)化，使單井產(chǎn)量提高30%以上。在我國，針對鄂爾多斯盆地致密氣藏非均質(zhì)性強、傳統(tǒng)鉆井儲層鉆遇率相對較低的問題，中國石油聯(lián)合華為開發(fā)“智能鉆井系統(tǒng)”，利用深度學(xué)習(xí)算法實時識別巖性，在將儲層鉆遇率提升至85%、單井產(chǎn)量增加30%的同時，使鉆井周期縮短15%，并大幅降低了鉆井成本。
在電網(wǎng)運營領(lǐng)域，AI技術(shù)已逐步滲透到電網(wǎng)“發(fā)—輸—變—配—用”各個環(huán)節(jié)，通過實時數(shù)據(jù)分析、智能預(yù)測和自動化控制等手段重塑電網(wǎng)運營模式，不斷提升電力系統(tǒng)的穩(wěn)定性、效率和可再生能源消納能力，未來也將推動電網(wǎng)運營從“自動化”向“自主化”跨越，為構(gòu)建新型電力系統(tǒng)提供高效支撐。
以我國寧夏地區(qū)部分光伏發(fā)電消納為例，一方面結(jié)合風(fēng)云氣象衛(wèi)星、地面輻照儀數(shù)據(jù)，利用“LSTM（長短期記憶網(wǎng)絡(luò)模型）+注意力機制”模型，將光功率預(yù)測精度由85%提升至95%，同時通過AI技術(shù)動態(tài)優(yōu)化燃煤機組調(diào)峰深度，大幅減少棄光現(xiàn)象；另一方面，在“寧電入湘”特高壓通道中，使用AI技術(shù)預(yù)測湖南負荷需求，并結(jié)合區(qū)塊鏈智能合約自動匹配寧夏光伏出力曲線（光伏電池的輸出功率隨著光照強度變化的曲線），2024年跨省區(qū)交易量提升了40%以上。
加快發(fā)展新質(zhì)生產(chǎn)力：我國石油企業(yè)如何擁抱“AI時代”
首先，要加快掌握關(guān)鍵核心技術(shù)，夯實油氣勘探開發(fā)數(shù)智化發(fā)展基礎(chǔ)。緊扣現(xiàn)階段油氣勘探開發(fā)存在的痛點，以“數(shù)據(jù)—算法—工具—系統(tǒng)”的垂直整合實現(xiàn)AI技術(shù)在油氣上游領(lǐng)域的穿透。一是進一步強化數(shù)據(jù)治理，以統(tǒng)一標準整合地震、測井、鉆井等上游數(shù)據(jù)，正確處理數(shù)據(jù)數(shù)量和質(zhì)量的關(guān)系，深入研究高質(zhì)量數(shù)據(jù)集標準體系與建設(shè)路徑，打造更高質(zhì)量的油氣上游數(shù)據(jù)集。二是進一步優(yōu)化算法，針對地震解釋、儲層預(yù)測、井位優(yōu)化、智能鉆井、壓裂優(yōu)化、生產(chǎn)調(diào)控等不同勘探開發(fā)場景研發(fā)AI模型，如將地質(zhì)力學(xué)方程嵌入神經(jīng)網(wǎng)絡(luò)、提升復(fù)雜儲層預(yù)測精度，以深度Q網(wǎng)絡(luò)（DQN）動態(tài)調(diào)整鉆壓、轉(zhuǎn)速來避開斷層等。三是構(gòu)建自主可控的工具生態(tài)，以“軟件定義工具、硬件承載智能”為原則，軟件聚焦勘探開發(fā)核心場景，硬件突破“卡脖子”技術(shù)，實現(xiàn)數(shù)智工具國產(chǎn)化。四是構(gòu)建綜合性應(yīng)用平臺，打通地質(zhì)勘探、鉆井、壓裂、生產(chǎn)等環(huán)節(jié)的數(shù)據(jù)流與決策流，實現(xiàn)勘探開發(fā)全鏈條數(shù)智化閉環(huán)管理，推動油氣勘探開發(fā)技術(shù)從“單點智能”向“系統(tǒng)智能”的跨越。
其次，要聚焦油氣勘探開發(fā)主責主業(yè)，打造能推廣、可迭代的應(yīng)用場景。堅持以場景建設(shè)為牽引，通過“需求識別—技術(shù)匹配—場景驗證—規(guī)模推廣”的閉環(huán)路徑，突出創(chuàng)新鏈、產(chǎn)業(yè)鏈之間的數(shù)智賦能作用，持續(xù)推動油氣勘探開發(fā)主業(yè)向數(shù)智化、低碳化方向升級躍遷，加速形成新質(zhì)生產(chǎn)力，最終實現(xiàn)AI技術(shù)在油氣上游實現(xiàn)從“技術(shù)可用”到“業(yè)務(wù)好用”的價值轉(zhuǎn)化。與此同時，要加快成熟場景普及推廣和迭代升級，深入開展油氣勘探開發(fā)領(lǐng)域原創(chuàng)性、顛覆性、引領(lǐng)性創(chuàng)新成果研究，大力推進語言、視覺、多模態(tài)、科學(xué)計算等大模型技術(shù)在油氣勘探開發(fā)領(lǐng)域更多場景的應(yīng)用，力爭形成一批示范帶動性強的數(shù)智化創(chuàng)新項目。
最后，要加強人才隊伍建設(shè)，提升油氣上游領(lǐng)域全員數(shù)智素養(yǎng)與技能。一是堅持培養(yǎng)和引進相結(jié)合，著力培育一批精通AI理論、技術(shù)與油氣勘探開發(fā)應(yīng)用的復(fù)合型高端人才，打造高水平創(chuàng)新團隊，提高油氣上游數(shù)智化持續(xù)創(chuàng)新能力。二是健全AI技術(shù)在油氣勘探開發(fā)應(yīng)用過程中的“揭榜掛帥”“賽馬制”等項目管理機制，支持和鼓勵優(yōu)秀人才挑大梁、擔重任，最大程度激發(fā)人才創(chuàng)新創(chuàng)業(yè)活力，全面提升數(shù)智化人才儲備質(zhì)量。三是加大全員普及力度，把握AI技術(shù)和產(chǎn)業(yè)發(fā)展的規(guī)律和趨勢，推動上游員工拓展數(shù)智化發(fā)展的思維和意識，做好數(shù)智化戰(zhàn)略部署的執(zhí)行者。
（作者單位：中國石化石油勘探開發(fā)研究院）
