AI賦能油氣勘探開發（科技名家筆談）

2024年6月，筆者到訪之江實驗室並與國家最高科技獎獲得者、中國科學院院士李德仁進行互動交流。在對談中，李院士不經意地問：“你們油氣行業的科研工作是假設驅動還是數據驅動？”筆者略加思索後回答：“油氣行業，尤其是上游的勘探開發研究，目前還是以假設驅動為主，也就是先構建一個地質模型，再以此為指導開展迭代研究。”李院士頷首認同。半年多來，筆者一直在深入思考李院士提出的上述問題，並進一步結合近年來洶湧澎湃人工智能發展浪潮，探尋現代信息科技尤其是人工智能給油氣資源開發領域帶來哪些變革。

一些學者認為，人工智能（AI）是第四次工業革命的標誌和引擎，但回顧工業革命演變史，筆者認為人工智能也許是新時代的“人類進步加速器”，將成為促進人類發展新的革命性力量，深刻地改變人類生產生活方式且成為新的時代標誌，並引領人類從工業革命時代逐步進入人工智能時代。油氣行業發展必須與人工智能時代相適應，儘快從假設驅動為主邁向數據驅動為主。

各有千秋 相輔相成

傳統認識中，假設驅動（Hypothesis-Driven）和數據驅動（Data-Driven）作為兩種不同的方法論，適用於不同的情境且各有優缺點。

假設驅動是基於現有知識，依賴理論、經驗甚至直覺提出事物如何運作的假設，再通過觀察、實驗、調查或其他形式的數據來驗證這些初始假設，比如通過露頭觀察、薄片掃描、岩心分析、地球物理探測等直接獲取的地質信息來驗證預先構建的地質模型，本質上是一種以“試錯法”不斷校正逼近真相的過程。其優點在於有明確的方向和目標，可以快速聚焦於特定的問題或解決方案；缺點是最初的主觀性假設可能不準確，導致後續驗證工作出現主觀設計上的偏差。“油氣在地質學家的腦海裏”，即是油氣行業假設驅動的典型理念。

數據驅動強調用數據説話、讓數據作主，通過儘可能多收集相關數據，使用統計分析、概率計算等數據分析方法來挖掘數據中的模式、趨勢和關聯，本質上是一種基於數據的“設計法”尋求最優解的過程。其優點在於可以更加客觀地揭示之前未被注意到的洞見；缺點是數據代表性與質量問題、過度擬合以及對大量數據處理能力的需求。但隨着人工智能時代的到來，機器學習、數字孿生、量子計算等技術組合應用給數據驅動方法論帶來了強大的內核升級，必將打破擁有海量數據的油氣行業固有發展路徑和邏輯。

假設驅動與數據驅動從來不是非此即彼的對立選擇，而是相輔相成、不可割裂的兩種思維方式。就像人類和AI的關係，遠非簡單的取代與被取代所能概括，實際上是一個相互學習、共同提升的過程。在假設驅動的創造性思維方面，AI目前還難以與人類相提並論，它對特定問題的優化與求解，還不是真正意義上的理解與創造。相比之下，數據驅動的AI因其強大分析能力不斷地拓寬人類的認知邊界，但人類的泛化能力和創新思維仍然尤為寶貴。

石油勘探開發是典型的綜合性應用學科，成功找到油氣並商業開發是一項複雜的探索發現過程，需要地質勘查、地球物理探測、鑽井、儲層改造、油氣開採等多種技術手段、大量數據積累以及不斷優化的預測模型支撐。

假設驅動 認知先行

早期油氣發現主要依賴直覺和經驗驅動，出露地表形成的油氣苗是尋找地下油氣的主要依據。

美國賓夕法尼亞州泰特斯維爾城附近的一條小河因常常漂着原油，被當地居民稱為“石油溪”。1859年，埃德温·德雷克在石油溪旁鑽成了世界第一口商業性油井——德雷克井，成為現代石油工業發源地。

中國早期油氣勘探開發活動也多圍繞油氣苗展開，如新疆“黑油山”附近發現克拉瑪依油田，甘肅“石油溝”旁邊發現玉門油田，青海“油砂山”附近發現油砂山油田。

地質理論假設驅動大油氣田發現。19世紀中葉，地質學家們發現美國賓夕法尼亞地區油氣均位於砂岩層的最高部位，推動背斜找油等相關理論形成，為後續全球大規模油氣發現奠定基礎。之後，加拿大石油地質學家T.S.亨特、蘇聯地球化學家B.A.別納科依、美國地質學家W.E.普賴特等基於數據分析和油氣勘探開發實踐，發展了海相生油理論，引領中東等地海相油氣大發現。

中國地質學家謝家榮、李四光等人基於對中國地質特徵的認知和推斷，提出了陸相生油理論，打破了國外傳統觀念束縛，推動大慶、勝利油田發現，成為假設驅動尋找油氣資源的典型範式。

最近，我國石油科技工作者提出的煤巖氣地質理論已得到成功的實踐驗證，亦是假設驅動尋找新類型油氣資源的例證。

數據驅動 快速迭代

當前油氣發現仍主要依賴於人腦智慧和實驗驗證，通過假設驅動提出科學問題，利用數據驅動進行輔助驗證。但隨着油氣賦存方式的複雜化，傳統經驗已經難以支撐油氣發現，特別是非常規油氣逐漸成為勘探開發主體的當下。儘管人工智能技術還存在一定的侷限性，還不能完全解釋數據背後的地質規律和滲流機理，很難對複雜地質條件做出客觀準確的判斷，但科學家們已意識到數據資產的重要性和數據技術的變革性。

2024年6月，之江實驗室開發的GeoGPT地學大語言模型通過備案，已實現文獻閲讀、信息提取、地質圖解譯與生成、知識圖譜構建等功能，成為人工智能助推地球科學研究模式變革的標誌性事件，它的強大功能使我們對智慧油氣藏的遐想成為可能。2024年11月，中國石油發佈了700億參數崑崙大模型，還帶來了43個石油行業的專業應用和通用應用創新場景。油氣勘探領域，國內首次構建了涵蓋地震處理、地震解釋、測井處理解釋3個專業模型，相比傳統方法，在泛化性、精度等方面都有了大幅提升。

人的壽命和知識掌握能力是有限的，相比之下，人工智能在記憶能力、高維複雜、推理深度等方面具有強大而獨特的優勢，可以快速修正並迭代完善假設驅動形成的經驗模型，極大地提升人類科學發現效率。

不久的將來，如果人工智能油氣大模型能夠擁有全球油氣勘探開發的歷史和即時數據，並實現從推斷（inference）到推理（reasoning）的躍升，就具備了科學假想的潛力，從而突破科學家的認知邊界，實現真正的行業顛覆。

對於需要和“歷史億萬年、地下上萬米”打交道的油氣行業來説，全生命週期將是涉及海量流程節點的複雜系統工程，以人工智能為技術手段的數據驅動方法將在各個環節中扮演越來越重要的角色，引發的數智化變革將深刻改變油氣行業的產業運營模式、科研攻關方式、生產管理範式、勘探開發效率等方方面面。

行業重塑 擁抱未來

筆者在油氣行業已工作30餘年，見證了該行業的榮光，也一直在思考和探索數據驅動是否將成為石油行業發展的核心驅動力。

近年來，基於系統科學思想與方法，提出的非常規油氣規模效益開發“一全六化”工程方法論，其中最為關鍵的一環就是以數據驅動為引領的數智化管理，主要以大數據系統、數字化管控、智能化決策為基礎，打造全面感知、自動生產、即時優化、預測預警、協同研究、一體運行的生產運營新模式，將成倍甚至成數量級地提高油氣田生產作業效率。除此之外，奉行數據驅動理念，組織科研力量嘗試探索新的資源類型、破解新的技術瓶頸，例如，用“AI+生物學”發明一種終極採油法，實現極限提高油氣採收率；用“AI+化學反應動力學”探索氫氣、氦氣、二氧化碳與岩石礦物間原位物理化學過程，打造地下能源存儲及反應工廠。

“未來像盛夏的大雨，在我們還來不及撐開傘時便撲面而來”。2022年底，ChatGPT就像是一場突如其來的盛夏大雨，以前所未有的速度席捲全球，開啓了人工智能的新紀元。2024年，諾貝爾物理學獎和化學獎都頒給了從事人工智能的研究學者。近期，DeepSeek在全球掀起的熱議浪潮，再次刷新人類對人工智能的認知，更預示着一場前所未有的人工智能科技革命甚至是時代變革的加速演進。

一言以蔽之，AI賦能科學探索的新範式已彰顯出巨大的優勢，也必將在油氣新資源發現、採收率極限提高以及與新能源融合發展等方面展現出前所未見的潛力。

2024年，中國石油已將“數智石油”列為第五大戰略舉措。毫無疑問，AI將重塑油氣行業，以數據驅動為主、假設驅動為輔的新模式將會推動油氣行業朝着更加高效、更為智能、更可持續的方向快速前進。作為石油科技工作者，我們要以更加積極的姿態不斷識變、應變、求變，主動擁抱“AI+油氣”時代的到來。

（作者李國欣為中國石油天然氣股份有限公司副總地質師兼中國石油勘探開發研究院黨委書記，獲得國家科技進步獎一等獎、“孫越崎能源大獎”等獎項）

中國科協科學技術傳播中心、陳嘉庚科學獎基金會與本報合作推出