雪佛龙如何利用生成式人工智能提升石油勘探与生产效率

Home AI News CN 雪佛龙如何利用生成式人工智能提升石油勘探与生产效率

在石油和天然气业务中有效利用数据

石油和天然气行业产生大量数据。例如，新墨西哥州的地震勘测文件大小可达一拍（petabyte）。雪佛龙公司首席信息官比尔·布劳恩指出，处理这些数据的规模之大：“将数据转化为决策图像需要100 exaflop的计算能力，这真是庞大的计算量。”

自2008年以来，雪佛龙一直在使用图形处理单元（GPU），早于许多行业意识到这种处理能力的必要性。如今，该公司正利用先进的生成性人工智能工具，从庞大的数据集中提取更深刻的见解和更大的价值。布劳恩表示：“人工智能非常适合拥有大量数据的大型企业，它正是我们所需的工具。”

来自二叠纪盆地的见解

这一挑战并非雪佛龙所独有；整个行业都面临着大型数据存储库的困扰。布劳恩提到了位于德克萨斯州西部和新墨西哥州东南部的二叠纪盆地，雪佛龙在该地区拥有大量土地。该区域宽约250英里，长约300英里，估计蕴藏有200亿桶石油，贡献了美国40%的石油生产和15%的天然气产量。他指出：“在过去十年中，它们是美国生产故事的重要组成部分。”

德克萨斯州铁道委员会要求所有操作员公开披露现场活动，这是该地区的一个独特优势。布劳恩强调：“所有信息都是公开记录。这为学习竞争对手的经验提供了机会，如果你不这样做，他们就会向你学习。这极大地促进了行业学习。”

推动主动合作与安全

雪佛龙的业务覆盖广泛，数据质量可能各异。布劳恩指出，生成性人工智能可以有效填补数据点之间的地质信息空缺。“这是完善模型的完美应用，”他说。以井的长度为例，人工智能能够提醒团队潜在的操作干扰，促使他们进行主动沟通，以防止中断。此外，雪佛龙还利用大型语言模型（LLM）制定工程标准、规格、安全公告及警报，不断优化这些模型以实现最佳精度。

布劳恩解释道：“当需要精准构建时，我们不希望生成性人工智能过于创造性。它必须调校得极为精确。”

该公司还在探索机器人模型，以提升安全性。他表示：“目标是让机器人执行危险任务，而人类则从安全距离监控操作，这样可以降低成本和责任。”

促进团队协作

传统上，能源行业的团队在物理和数字环境中都存在孤岛现象。雪佛龙致力于通过团队之间的融合来打破这一壁垒。布劳恩解释说：“当机器学习工程师与机械工程师共同面对挑战时，表现最好的团队就会出现。”

雪佛龙还投资于让工程师回到学校攻读数据科学和系统工程的高级学位，将数据科学家或“数字学者”与运营团队结合，推动创新方法。布劳恩表示：“我们通过从小胜利开始，不断积累经验，逐步成熟。”

利用技术应对环境问题

与各行各业一样，能源行业的环境影响也是一个重要关注点。碳捕集与封存（CCS）——捕捉并永久储存二氧化碳——变得越来越重要。布劳恩强调，雪佛龙运营着全球最大的碳封存设施之一，尽管对储层的长期表现仍存在不确定性。

为应对这些不确定性，雪佛龙利用数字孪生模拟技术，确保碳被有效封存，同时生成合成数据以进行预测分析。布劳恩还强调了管理数据中心和人工智能应用的大量能源消耗的重要性，以保持清洁运营，他表示：“如何尽可能清洁地管理这些通常偏远的地点，始终是我们讨论的起点。”

Vanta成功融资1.5亿美元，利用人工智能创新重塑科技合规性

AI军备竞赛加剧：OpenAI推出免费GPT-4o Mini微调，直面对抗Meta全新Llama 3.1发布