中化新网讯 8月1日至3日，2024年第三届中国油气人工智能科技大会在北京召开。中国工程院院士、中国石油勘探开发研究院教授刘合出席大会并表示，大模型必将推动油气行业新质生产力发展。大模型应用需从数据、算力、算法三方面扎实开展工作，稳步实施。
刘合指出，推动大模型行业应用的关键要素有三：数据、算力和算法。数据是大模型行业应用的基石。当前，数据已成为新生产要素，数据的数量和质量直接影响大模型的应用。针对不同场景的数据进行收集和标注，是确保大模型能够准确适应并服务具体场景的关键。算力是大模型行业应用的保障。大模型的训练过程需要处理海量的数据，并通过多次迭代优化模型参数。这一过程需要极高的计算资源，算力的强弱直接决定了模型训练的速度和效率，进而影响模型的开发周期和成本。算法是大模型行业应用的工具。不同的算法适用于不同的任务和数据类型，能够捕捉到数据中不同的特征和信息。算法的选择和优化直接影响到模型的性能上限。
基于这三大要素，油气行业大模型应用还面临诸多挑战。一是数据之困。油气行业数据采集成本高昂，且数据采集、存储等标准不统一，系统技术架构不统一，数据权限管理不统一，跨企业、跨部门之间数据资源共享难以实现，数据价值挖掘困难。二是算力投资和安全难以平衡。自建算力的话，面临怎么建、谁来建、怎么用等问题，代价大、投入产出比高；而租赁算力的话，不能完全保证数据的安全和隐私。三是算法方面存在定制化与迭代双重考验。目前，人工智能、大模型主要解决的是单点突破，如何建立涵盖油气全盆地、全产业链的数智中心，推动形成智能决策分析、智能生产优化等科研生产新模式，是油气行业推动智能油田建设过程中需要解决的问题。四是“百模大战”带来跟风效应。国内需协同多方合作，打破“混战”僵局。五是版权问题。大模型的开源生态“百花齐放”，但开源的模型不等于可以商用。油气行业应用大模型要谨慎处理版权问题。六是大模型概念混淆。油气领域所说的勘探开发（大）模型大部分时候是指油气勘探和开发领域中应用的地质模型，“大”更多时候体现在地理空间上。而大模型是人工智能领域的深度学习模型，大模型的“大”，体现在模型、参数、数据等方面。七是大模型应用时应注重轻量化和端侧部署。
刘合建议，油气行业可先行实施场景模型和数据质量好的L2行业基础模型（即油气领域大模型），解决业务需求。加强数据全生命周期管理，构建一批高质量开源数据集，推动油气行业大模型研发生态建设。统筹考虑通算、智算、超算设施建设规划，建设以智算为重点的融合算力设施。加强“AI+能源”复合团队建设，推动大模型技术自主可控。“大模型不是万能的，要逐步推进、有序实施油气行业大模型，切实解决油气业务痛点。”刘合强调。
