近段時間，隨著ChatGPT的橫空出世與DeepSeek的騰空躍起，人工智能(AI)以及智能體等新興技術、架構及模型成為石油能源領域關注的熱點。在數智油氣田建設處于數字化轉型、智能化發展的關鍵階段，長期致力于中國數字油田研究與建設，并在數智油田發展實踐發揮了重要作用的長安大學智慧油氣田研究院榮譽院長、首席專家高志亮教授，近期又創新提出了“整合數智油氣田學”，以此培育和形成石油領域新質生產力。為此，本刊記者為此對高志亮進行了專訪。

　　高志亮
長安大學智慧油氣田研究院榮譽院長、首席專家高志亮

　　記者：自ChatGPT提出以來，數智油氣田領域的從業者都在熱衷于構建石油能源大模型，發展油氣智能體，但您為什么卻提出了一個令人意外的“整合數智油氣田”理念?

　　高志亮：當前人工智能確實很熱，尤其是大模型、小模型、智能體等，石油領域也熱衷于嘗試建設。但數字油田建設與發展是有基本規律的，我們不能違背規律而走捷徑。也就是說，發展人工智能技術想繞過數智油氣田建設與發展中存在的問題而創建新的模式，我認為這是不可能的，更重要的是數智油氣田也不能只顧建不管效能。

　　數智油氣田建設必須解決效能難題。所以，整合數智油氣田是數字油田建設走向智能油氣田建設過程中，實現數字化轉型、智能化發展必須完成的一個環節。因此，我提出了這一基本思想和理念。

　　記者：幾年前，您曾提出數字油氣田“半場”論，現在又創立了“整合數智油氣田”的理論概念，它們之間存在什么樣的關系呢?

　　高志亮：中國數字油氣田建設自1999年提出以來，經過20多年的建設，我們已完成了“上半場”的任務，這就是1999—2019年，基本完成了油氣田的數字化、數據化和初步的智能化，而到了2019年之后，就需要解決油氣田可信價值數據的價值生產與價值作用問題，然后邁向智慧油氣田，我將其定位為“下半場”，也就是2019—2039年。

　　然而，“下半場”卻遇到了一個前所未有的困難，比如智能油氣田建設再也沒有“用數字說話，聽數字指揮”那么豪邁的大場面出現，給傳統建設的數字油氣田帶來了很多困惑。

　　這是因為，我國數字油氣田建設20多年來，只顧埋頭追趕先進，卻忽視了建設中的效率、效益和效能問題。我們利用先進技術就是為了提高效率、提升效益和獲得效能，特別是能夠改變油氣田企業的管理運行模式。然而，在當前數智油氣田建設過程中并沒有看到這一點。比如過于關注單項技術創新和單一設備、裝備安裝應用;開發了無數個管理信息系統，構建了終端云，結果是“云多不下雨”，數字“鴻溝”加深和線性“技術疊加”的單一工程單一化，不足以完整地解決油氣田存在著非線性復雜業務的全局性難題。令人揪心與困惑，我們需要深度思考并解決。

　　記者：數智油氣田建設“下半場”的難題到底該如何破解呢?您有何建議。

　　高志亮：我認為，必須先解決“整合”問題，用整合破解難題?，F在最大的困惑是數智油氣田建設如此先進，人工智能化如此前沿，但油氣田企業還在依靠傳統的組織管理、機制體制和運營方式，很難適應先進的數智油氣田建設甚至成為障礙，包括“三降低”(降低勞動強度、降低成本、降低能耗)、“三提升”(提升效率、提升效益、提升管理水平)并不理想。傳統的效能問題尚未有效解決，新的勞動強度又生成了，數據治理、數據交付管理、數據運維崗位人員都想逃離，甚至見到這么多的數據“就想吐”。然而，勘探、地質研究、壓裂分析、油氣藏與儲層識別等大量工程技術研究卻深感數據量不足。可怕的是，油氣田企業守著財富即油氣田數據空間與可信價值數據，但并沒有獲得數據乘數價值作用效應與足夠的效能。

　　所以說，數字油田建設已進入了“深水區”，破解難題任務更重。下一步怎么辦?我想首先是需要理論創新，通過整合數智油氣田指導企業實踐，沒有別的更好的辦法。

　　記者：“整合數智油氣田”是您在業內首次創立的一種新的理論、原理和方法，這是我國數字油氣田建設發展史上的重要創新。怎么理解呢?

　　高志亮：1999年數字油田提出以來我就開始關注，到2005年創立長安大學數字油田研究所，一直進行追蹤研究。20年來我先后走訪過20多個油氣田公司和100多個采油廠、聯合站、作業區，走遍大江南北，對我國數智油田建設有著深入的了解和研究。

　　在數字油田建設時期，我提出了采、傳、存、管、用、智的“六字方針”和“油田數據學”。在智能油田建設時期，提出了“小型化，精準智能”原則與“數字采油法”，創立了數字與數據科學。在智慧油田建設方面，我又提出來全數據、全智慧、全信息“三全”理論與“整合數智油田學”，就是將業務、數據、技術、算法和算力進行科學配置。這些本身都是整合的方法與過程。

　　我們人類不是在整合，就是在整合的路上。數智油氣田建設發展到今天，面臨重大升級轉型，出現了很多技術瓶頸、業務重疊、方法交錯等問題，這個時候就需要整合，如數字與智能的整合，就出現了數智技術;數智技術與油氣田企業管理運行整合，以提高油氣田企業效能，完成企業再造;利用數智油氣田建設與AI技術，將勘探、開發、生產中的相關重疊的業務整合，完成勘探開發生產一體化，實現“小企業，大產業”的油氣田企業組織建制模式。為此，樹立整合思想和理念，尋找整合技術與方法。這是數智油氣田建設發展到一定階段，指導石油企業和數智油氣田建設升級上臺階的必然產物。

　　整合，是指將零散的東西通過某種方式彼此銜接，從而形成一個有價值、有效能的整體。整合數智油氣田，是在數智油氣田建設中通過治理、協調、重組等手段，將原本分散、獨立或互不相關的元素、參數、系統組合成一個內部互相聯系、協同工作的整體或模型。在這個過程中，各部分、參數、功能、要素、價值被有機地結合在一起，使得整體的功能和效能得到顯著提升。

　　為此，我提出創立整合數智油氣田學，主要包含三大理論，即數字與數據科學理論、系統工程方法論和運籌學與控制論。這門學科是專為數智油田建設與發展創建的一個新的理論學說，也是一種數智油氣田建設與發展系統工程效能優化配置的學說，將指導數智油田建設邁上一個新的臺階，使油氣田企業提升整體效能，形成數智油氣田新質生產力推動企業完成再造與高質量發展，實現中國式的數智油氣田未來。

　　記者：在整合數智油氣田建設方面，您有哪些具體的實踐與體驗?

　　高志亮：首先，在油田物聯網建設時期，我特別重視系統組成。它是以數據為中心構成的傳感器技術、通信技術、數據庫技術、數據標準化和管理信息系統建設的一個整合“數據鏈”，有理論、原理和方法，20多年來始終如一地落實實踐，形成生產數據、數據資產和數據價值增值的過程。

　　其次，大數據與智慧油氣田建設的整合，這是一個前瞻性的數智油田建設過程。我倡導數據、業務、技術、算法、算力的科學配置，這是系統科學和運籌學與控制論中的最優化思想，必須解決數據應用過程中的前端與后端兩個“一公里問題”。只有整合，沒有別的辦法，也是解決非線性復雜問題最好的辦法。

　　再次，職業化人才與專業化團隊的整合。多年來，我一直主張數字油田建設需要培育職業化人才和專業化團隊，他們必須是一支既懂數智油氣田技術業務，又懂數據、算法與算力科學配置的專業人員。

　　我們的做法是高校研究機構與企業化管理運營相結合。2006年，依托長安大學數字油田研究所成立的西安貴隆數字化工程科技有限責任公司，有效落實“采傳存管用智”方針，構建了以數據為中心的油田物聯網系統，擁有一支懂油氣田、懂數智技術專業化的從科學研究、技術研發再到安裝運維“一條龍”的團隊。同時，組建貴隆公司外籍院士工作站，與長安大學、延長油田合作成立陜西省秦創原“科學家+工程師”團隊，加強了職業化人才儲備與專業化團隊的建設。

　　我們團隊研發的“數能轉換定律”，2024年4月在第49屆日內瓦國際發明展會上獲得金獎，這是整合數智油氣田技術的核心理念。該成果在延長油田吳起采油廠薛岔作業區建設的數智油田進行應用示范，降本增效成效明顯。

　　記者：春節前夕，土生土長的中國人工智能大模型DeepSeek正式發布，引起全球關注。當前，AI技術日新月異，在整合數智油氣田建設方面將發揮哪些作用?

　　高志亮：我認為，AI是個好辦法，但不一定是最好的辦法。模型即規則，大模型、小模型就是“整合”技術與方法的一個典范，它以數據為核心，將技術、算法、算力和需要進行配置，采用參數訓練、生成、演化、蒸餾和標準等整合。而石油能源領域要利用AI或大模型、小模型，必須先做好整合數智油氣田建設，不要急于做小模型，更不要急于做大模型。開源的DeepSeek就是一個很好的榜樣，可以借助嘗試與創新整合數智油氣田小模型建設。

　　當然，油氣田AI應用也存在不能令人滿意的問題，主要還是傳統線性做法，即使利用了深度學習、智能體等，但帶入了傳統線性技術的缺陷，并沒有達到非線性科學高度整合的效果。因此，油氣田AI應用需繼續努力，希望走出油氣田專業化的小模型之路。