在油气行业发展新质生产力是推动高质量发展的内在需求和重要着力点。我国积极把握全球能源绿色低碳转型的趋势和机遇，提出能源安全新战略、“双碳”目标以及构建清洁低碳、安全高效的现代能源体系的部署，积极培育能源新质生产力，支撑了我国经济社会的高质量发展。
 
近期，华为开展服务油气行业重要客户进行大模型建设。已经与中国石油、中国石化、中国海油、国家管网企业进行深入合作。日前，笔者采访到华为中国政企油气矿山系统部总经理范涛、华为中国政企CMO邱恒，为读者分享华为在油气行业的解决方案和成功实践。范涛向笔者介绍称，2024年年初，华为公司将油气、矿山行业业务整合，成立“油气矿山业务部”，拉通研、营、销、服团队，高效协同，缩短产业链条，快速响应客户需求，与伙伴一起构建健康良性的产业生态。为行业找技术，解决行业难题，加速行业智能化。
 
目前华为油气矿山行业的业务范围主要包括油气、矿山、冶炼、化工等业务领域。坚持“为场景找技术”的原则，以“降本提效增安”为目标，联合伙伴共同创新，推动油气矿山行业智能化进程，持续做好技术突破和应用落地。范涛表示，面向油气行业，华为持续加大投入，深耕NA客户，先后与中国石油、中国石化、中国海油、国家管网签订了战略合作协议，成为战略合作伙伴。他们将与合作伙伴共同联合创新，为油气行业提供端到端的ICT解决方案，将AI、5G、云、大数据等技术和油气行业深度融合，在油田勘探与生产、管道运输、炼油化工、成品油零售等不同领域展开深入合作，助力油气行业实现数智化转型。
 
华为大模型解决方案及落地路径
 
华为推出人工智能的新架构，主要是中心训练与边缘推理的“云边协同”两级架构。架构核心在于华为集团侧部署的训练中心与边缘侧的推理机制可以协同工作。在集团侧，利用正常数据及已知的负样本进行训练开发，随后将训练好的模型推送至边缘侧进行推理。在推理过程中，这一系统不仅能够准确判断已知的负样本，更关键的是它能够识别并捕获那些非正常或异常的未知数据。这些异常数据随后会被标记并定期或定量地送回集团侧进一步的学习研究分析。
 
范涛介绍说：“这种‘边用边学’的循环方式，模型能够不断地适应新的生产环境和异常情况，不仅有效解决了传统架构中难以应对的未知挑战，还提高了其泛化能力和应对新问题的能力。解决传统模型定制化严重、泛化性差的问题。”华为盘古大模型5.0包含不同参数的模型，包括视觉大模型、预测大模型、盘古自然语言大模型、多模态大模型、科学计算大模型等在内的多元化功能，并在全系列、多模态、强思维三个方面进行了全新升级，丰富的创新应用和落地实践，也将持续深入行业解决难题。针对不同类型客户类型和需求，华为可以提供不同的解决方案。面向企业规模小、投资小，人工智能需求不多，华为也可以提供对应的场景化解决方案。
 
华为工业领域大模型落地究竟有哪些路径与方法？范涛表示，大模型分为L0、L1、L2三层。L0即最基础的大模型，比如盘古大模型。L1就是所谓的行业模型，比如，盘古矿山大模型、盘古油气大模型和盘古钢铁大模型，是在L0大模型的基础之上，通过海量行业数据训练而来。L2场景模型则是L1行业模型“化繁为简”后，直接应用在生产、业务领域的场景算法模型。大模型建设的传统路径，通过大量的行业数据与消耗巨大的算力去训练L1行业模型，从而实现L2场景模型的升级迭代。但是，对于油气矿山等很多行业而言，常常面临着数据不足，或者数据收集和处理的工作量极大等困境。而且训练L1行业模型的初始算力要求高，时间周期长，无法支撑L2场景模型的快速上线。
 
为寻求更短路径，结合其在多个行业头部客户的实践和探索，华为提出了一条新的大模型建设路径：在初始阶段，可以直接通过L0大模型结合场景数据集实现L2场景的快速开发。随着场景规划分批落地后，企业收集和标注的行业数据就可以快速地拿来训练L1行业模型，补足L1的能力。“简单来说，新路径的优势在于‘小算力起步，逐步扩容’、行业数据可以分批补充，这使得首批场景应用能够快速落地，验证大模型能力，过程中实现大模型开发人才的培养和能力的积累。”传统路径可以获得能力更强的L2场景模型，而华为提出的“捷径”，L2场景模型的能力主要取决于L0大模型。两种训练路径，不同规模的企业可依据自身行业与场景数据集的成熟度、算力的部署节奏等因素，按需选择。
 
华为助力AI在油气数智化转型
 
中石油昆仑大模型的创新应用场景呈现出业务领域覆盖更加广泛、业务结合更加紧密、“人工智能+”赋能效果更加显著等特点。专业应用场景覆盖范围从勘探延伸到炼化、销售、装备制造等领域，打造能源化工领域的智能“业务专家”；员工助手场景覆盖科研、办公等业务，开启了“AI+”高效办公新模式；行业应用助力从业者成为能源化工领域的“行家里手”；智能油伴场景，以更“拟人”、更“聪明”的形象，为成品油、天然气广大消费者提供“贴心客服”。在中石油昆仑大模型的建设中，华为重点投入了视觉大模型与科学计算大模型。中国石油深入推进以昆仑大模型为核心的‘人工智能+’行动，加快实现人工智能赋能产业升级。
 
2024年5月28日，中国石油举行昆仑大模型建设研讨会，与中国移动、华为、科大讯飞签署了昆仑大模型合作共建协议，正式全面启动昆仑大模型建设，共同探索能源化工行业大模型建设与应用的有效路径，组建人工智能研究机构及工作专班，大力实施智能化发展工程，加快构建人工智能创新发展良好生态，全力打造务实高效、行业一流的人工智能大模型和深度应用场景。中国石油昆仑大模型历经“8.28、11.28”两个重要的时间里程碑，取得了阶段性成果，成为能源化工领域首个通过国家备案的行业大模型。华为始终将中国石油的人工智能大模型建设工作视为重中之重。
 
范涛认为，在顶层设计层面，秉持以业务需求为导向的理念，紧密结合大模型技术，对油气业务领域场景展开科学严谨的规划部署；在建设层面，华为重点投入视觉大模型与科学计算大模型的建设，并取得显著成绩。在昆仑视觉大模型建设中，基于开集检测能力，昆仑视觉大模型识别范围扩展至原先的三倍，识别精确度亦稳步提升，正朝着“万物识别”的目标快速迈进，持续拓宽视觉智能的应用边界；在科学计算大模型建设中，华为全力支撑东方地球物理公司、中国石油勘探开发研究院和中油测井公司开展专业大模型的训练与调优工作。创新构建地震、测井大规模数据集，并攻克多精度数据编码及多模态数据融合技术、Transformer与地球物理的融合技术。经历6个月的研发和实践应用，昆仑视觉和科学计算大模型也成功应用于油气生产的各个产业链。
 
在勘探领域，显著提升了勘探处理解释模型和测井处理解释模型的精度与泛化性，并提升了专家在更多专业任务场景中的工作效率。其中，与东方地球物理公司联合探索全波形反演行业难题，实现了基于声波方程的二维场景的全波形反演处理效率提升了10倍，加快了前沿技术在中国石油勘探领域的应用进程。在炼化领域，构建丁腈橡胶视觉检测大模型，解决人工检测效率低、劳动强度大的问题，实现自动化智能质检。在制造领域，在输送管产品生产质量智能检测场景中，通过视觉大模型解决了输送管焊缝质量检测极度依赖专家经验、微小缺陷不易识别的难题，提升焊缝检测效率和效果。在石油管材及装备失效影像智能分析场景中，通过视觉大模型实现对微观断口失效影像自动分类识别，为石油管材及装备材料失效智能诊断提供技术支撑。
 
推动油气行业新质生产力高质量发展
 
数字化、智能化带来新产业、新模式、新动能，是培育新质生产力的关键引擎和重要实现路径。邱恒告诉笔者，华为深耕ICT领域30多年，自身就是数智化转型的实践者。同时已经面向油气矿山、金融、交通、制造等行业打造了200多个智能化解决方案，并在20多个行业的智能化项目中得到了应用。这些成功经验和应用对各行业都有一定的参考意义。在这一过程中，他们总结出了一套转型实践方法：即架构先行，平台先行，场景创新，迭代前进。过去30多年服务各行业的数字化、智能化经验，提出了行业智能体参考架构，这个架构被划分为五层，包括智能感知、智能联接、智能底座、智能平台和AI大模型，在这些上面是千行万业的创新应用。当然，更重要的是，它不是封闭的架构。华为将聚焦在自己所擅长的产品和技术领域，同时以开放的心态，继续与合作伙伴一起深入理解行业场景，精准把握客户需求，将技术与业务场景深度融合，进行场景创新和迭代前进，共同服务好客户数智化转型的全周期，助力各行业实现新质生产力的高质量发展。