然而，華為的故事遠不止于此。
12月5日，華為在北京舉辦了“華為中國政企業務油氣礦山媒體溝通會”活動。華為中國政企油氣礦山系統部總經理范濤和華為中國政企CMO邱恒出席，介紹了華為如何通過ICT技術激發油氣礦山行業新質生產力。
在會議現場，石油link深切地感受到華為正以另一重身份強勢崛起——AI油服引領者。
據了解，11月28日，中國石油發布了700億參數昆侖大模型，推進“人工智能+”行動。在這一里程碑式的成就背后，華為不僅參與了頂層設計，還建設了昆侖視覺大模型、科學計算大模型。
11月29日，國家管網集團正式上線應用“管網”大模型，旨在通過人工智能賦能10萬公里油氣管網建設運營和資源配置，而華為為此提供算力底座和技術棧支持。
那么，華為究竟是如何跨越行業界限，成長為AI油服引領者，加速行業智能化發展步伐的呢？
01
AI油服引領者的崛起
時勢造英雄，英雄亦適時。
自巴黎氣候協定簽署以來，全球能源結構在各國政府和國際組織的推動下不斷進行調整，可再生能源的發展勢頭日益強勁，帶給了傳統油氣行業綠色低碳轉型的巨大挑戰。
與此同時，全球油氣資源的劣質化趨勢也日益明顯，油氣勘探開發活動不得不從常規油氣田轉向非常規油氣田，從淺層淺水油氣田轉向深層深水油氣田，提高油氣采收率和降低生產成本也成了行業亟待解決的重要課題。
面對這些挑戰，油氣行業迫切需要通過轉型來提質增效，助力綠色低碳、能源變革。
而數字化、人工智能等新一輪技術革命的出現，為油氣行業尋求突破提供了契機。這些前沿技術備受矚目，吸引了國際石油巨頭以及頂尖油服企業在內的眾多行業參與者。
在這一波技術浪潮中，華為作為一個跨界的特殊玩家，憑借其深厚的技術創新實力脫穎而出。
作為全球領先的ICT基礎設施和智能終端提供商，早在90年代，華為就開始IT建設和業務管理的變革，從IPD研發流程管理到ISC供應鏈管理，逐步建立起信息化的IT系統。
到2014年，華為正式啟動了數字化轉型，更是在2018年前瞻性地全面布局人工智能戰略。
為進一步提升團隊高效協同、快速響應客戶需求，華為中國政企油氣礦山系統部總經理范濤在媒體溝通會透露，今年年初，華為將油氣、礦山行業業務進行了整合，集中資源服務全國4W+家客戶，通過拉通研、營、銷、供、服團隊，高效協同，縮短產業鏈條，為油氣、礦山客戶打造適配行業需求的場景化解決方案。
目前，華為油氣礦山的業務涵蓋了油氣、礦山、冶煉、化工等眾多領域。在油氣業務方面，華為已與中石油、中石化、中海油、國家管網簽訂了戰略合作協議，提供端到端的ICT解決方案。
通過合作，華為將AI 、5G、云、大數據等技術和油氣行業深度融合，賦能油田勘探與生產、管道運輸、煉油化工、成品油零售等不同領域，助力油氣行業實現數智化轉型。
02
華為AI的獨門心法
成功從來不是偶然，所有的厚積薄發，都有跡可循。
當前，加速推進行業數智化轉型已成業界共識，而華為成為AI油服領域的佼佼者，離不開其強大的創新研發能力。
數據顯示，華為公司擁有研發人員超過11萬，占比超過55.5%，近十年累計研發投入費用超過11100億元。
除此以外，華為能將數字世界帶向油氣行業，關鍵在于解決了“隔行如隔山”的跨界挑戰。
眾所周知，油氣行業產業鏈長，工作場景復雜多變，而傳統的人工智能模型往往針對特定場景開發，不同小模型對應不同場景，難以在不同場景之間遷移和復制，這種高度的定制化不僅限制了模型的通用性，還將顯著增加企業的運營成本。
面對諸如此類AI在油氣礦山行業落地的難題，華為中國政企油氣礦山系統部總經理范濤表示，華為針對性地研發了人工智能的新架構，采用“云邊協同”兩級架構。
通俗點來說，就是在集團側部署訓練中心，負責模型的訓練開發，在邊緣側對訓練好的模型進行推理，過程中識別并捕獲異常數據，定期或定量地送回訓練中心進一步學習和分析。
這種“邊用邊學”的循環方式，使得模型能夠不斷適應新的生產環境和異常情況，不僅解決了傳統模型定制化嚴重、泛化性差的問題，還解決了傳統架構中難以應對的未知挑戰。
2024年6月，華為正式推出工業領域的盤古大模型5.0，其基于海量數據，擁有強大的擬合能力，包括視覺大模型、預測大模型、盤古自然語言大模型、多模態大模型、科學計算大模型等在內的多元化功能，并在全系列、多模態、強思維三個方面進行了全新升級，可為油氣行業提供更加智能、高效的解決方案。
不僅如此，針對應用場景數據不足，數據收集和處理工作量巨大的挑戰，華為還創新性地打破了L0、L1、L2三層模型逐步構建的傳統路徑，提出了全新的大模型應用落地策略，以滿足不同類型的客戶類型和需求。
具體而言，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。
正是這種以技術為基石、以客戶為中心的理念，構成了華為AI在油氣行業成功的底層密碼。
03
油氣AI，從數智化底座開始
在AI技術日新月異的今天，算力、存力和運力已成為各行業革新與進步的關鍵要素。對于油氣行業而言，AI技術的融入并非一蹴而就，這三大數智化底座的全面升級顯得尤為重要。
多年來，華為憑借深厚的數智化技術積累，正逐步將其“智慧”延伸至油氣行業的各個細分領域，為行業發展AI技術提供了堅實的支撐。
以地震勘探技術為例，這兩年地震勘探為了能夠將復雜的地下情況看的更清楚，正朝著高分辨率、三維、多波多分量方向發展，采集的地震數據量龐大且復雜，部分單體數據達到PB（1024TB）級，在處理過程中甚至達到十幾個PB的數據量。
作為行業主流的地震數據處理解釋軟件，東方物探自主研發的國內首款一體化大型軟件GeoEast，每個版本都會融入更加前沿、更加智能的物探技術，因此導致其算力、存儲需求的暴增。
為了解決這一問題，東方物探選擇與華為合作，依托其領先的算力、存力、運力資源，來提升GeoEast的處理解釋性能。
據華為中國政企CMO邱恒現場介紹，在存儲領域，華為構建了鯤鵬通用計算平臺，采用對稱分布式架構，并運用了集群模式、自動負載均衡及全局緩存等技術，來實現系統資源的高效管理和配置。
這一設計不僅縮短了地震資料處理的周期，還便于實現節點擴容以及系統性能和容量的線性擴展。
針對高性能計算需求，鯤鵬的計算節點與管理節點均配備了鯤鵬服務器，尤其浮點運算上的性能優勢，有效減輕了地震資料處理中的龐大計算壓力。
而在網絡傳輸方面，鯤鵬實施了計算、存儲、管理三大網絡的獨立分離策略，即計算網絡采用萬兆以太網，管理網絡則使用了千兆以太網，而存儲網絡則選用了高速的10GE以太網或40GE IB網絡，以確保數據傳輸的迅速與高效。
經測試，華為鯤鵬的引入顯著提升了GeoEast的性能。以時間偏移（PSTM）和深度偏移（PSDM）為例，相同場景下鯤鵬處理速度提升2至3倍。
同樣，中石化石油物探技術研究院有限公司在信息化建設過程中，也采用了華為OceanStor海量存儲、高速核心交換機、定制化高性能服務器集群等先進核心設備，建成了中石化最大的超算中心，為高效、準確發現油氣資源提供算力支持。
依托這一高性能計算平臺，物探院實現了對海量地震數據的高速處理，大幅縮減了數據處理時間，提高了數據處理的精度和效率。
更重要的是，借助大數據技術，研究人員能從復雜的地震數據中挖掘出更多有價值的信息，為油氣勘探提供更加精準的井位建議和儲量預測，讓油氣行業邁入數智世界。
04
重構油氣行業數智版圖
當前，數智化浪潮正以前所未有的力量席卷全球，而傳統油氣行業，這個一度在數字化建設上相對滯后的領域，正迎來數字化變革的全新洗禮。
正如國際能源署（IEA）發布的首份《能源數字化轉型》報告所預見的那樣，云計算、人工智能、物聯網等數字技術為能源行業的重大挑戰提供了全新解決方案，顯著提升了能源系統的安全性、效率、普及性和可持續性，促進了新商業模式的涌現，更在逐步重塑現有的能源市場格局。
2023年，華為針對千行百業復雜的數智化轉型場景，提出要讓“數智世界，一觸即達”的愿景。
華為中國政企CMO邱恒表示，華為希望通過“伙伴+華為”體系，以自主創新的技術、深入場景的方案、適銷易用的產品，配合在身邊的、貼心周到的服務團隊，以及豐富的“自身+行業標桿轉型經驗”的復制，讓更多行業客戶與“數智世界，一觸即達”。
以國家管網為例，其依托華為算力底座和技術棧，成功構建了“管網”大模型，并上線了超過20項應用場景，覆蓋了從辦公、工程建設到生產調控等多個核心業務領域。這一項目還成為了油氣行業中首批通過國家相關部門行業大模型和算法“雙備案”的代表性人工智能應用。
值得一提的是，在生產場景中，“管網”大模型能夠實時診斷壓縮機組的潛在故障，推動從計劃性維檢向預知性維檢的轉變。而且，通過AI語音輸入和儀表讀數的自動識別功能，有效減輕一線員工的工作負擔，使得工作量減少了約10%。
在安全場景中，“管網”大模型同樣表現出色。它利用AI技術識別管道本體的缺陷特征，推演安全風險擴散趨勢，并精準識別LNG槽車裝運過程中的10余種危險行為，實現了全天候、全方位的監管。
據透露，國家管網未來還將規劃建設80余個應用場景，華為也將基于在大模型、AI平臺、算力等方面的技術沉淀，繼續支持國家管網集團進一步提升“能源動脈”的數智化水平。
事實上，同樣的變革故事，正在油氣行業不斷上演。
目前，華為先后與中石油、中石化、中海油、國家管網、萬華化學簽訂了戰略合作協議。也和新奧、華潤、中燃等國內眾多燃氣企業也與華為建立了緊密的合作關系，共同探索企業的數智化轉型，以提高生產效率，降低運營成本，提升安全運營。
或許我們可以預見，在這場重構油氣行業數智版圖的變革中，一幅智慧能源的新藍圖正逐步走進現實。
