本次大會由中國石油工程建設協會信息與自動化專業委員會與中國石油、中國石化、中國海油、國家管網、中國中化、中國航油等單位的相關部門聯合舉辦，華為油氣礦山軍團解決方案總裁蔣旺成受邀出席并分享了關于工業領域AI難題如何破局的主題演講。

▲ 華為油氣礦山軍團解決方案總裁蔣旺成

會上，蔣旺成從華為角度解讀了對新質生產力的理解，以大模型為代表的新科技引領產業的創新，打造可普遍推廣的能力和方法，為油氣領域提質增產、效率提升、安全保障帶來價值。

同時，他對大模型的常見理解誤區也做了闡述，大模型并不簡單的等同于ChatGPT，也不能完全替代現有的小模型和機理模型，它們是互補關系，可能需要長期共存。此外，在工業領域自動化已經成熟運用多年的情況下，智能化從兩個維度進一步提升，實現工業“AI+自動化”。智能化的感知為自動化提供輸入支撐，實現更好的自動化，智能化的應用彌補自動化的能力不足。

場景規劃層面，人工智能的價值體現在于場景的落地，基于業務主航線，各油氣企業應投入對業務有深刻理解的業務專家，并通過規范化的組織和流程來保證價值場景的規劃、開發與推廣使用的嚴謹性和科學性。

華為當前在油氣領域已經與業界專家團隊進行了部分場景的探索，比如地震資料智能解釋和設備的預測性維護等，更多的場景挖掘需要企業重視并投入。

結合華為多年探索和商業落地經驗，蔣旺成在演講中提出了工業領域的大模型落地的路徑與方法。他解釋，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，它們是在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，結合華為在多個行業頭部客戶的實踐和探索，蔣旺成在會上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的拿來訓練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。

不過，蔣旺成也強調，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。

最后，蔣旺成表示，在油氣領域華為會持續打造更好的智能化的底座，提供安全可信的根技術，并積極與業界專家團隊一起，探索人工智能在各種場景的應用，打造屬于油氣行業的新質生產力。