管理咨询公司埃森哲在最新发布的《能源技术愿景2019》报告中指出，分布式账本技术、人工智能、虚拟现实和量子计算这四项技术有潜力改变油气行业未来，其中人工智能带来的影响最显著。
埃森哲调查发现，76%的上游企业和80%的下游企业认为，上述四种技术结合将给业务带来更广泛影响，80%的上游企业和90%的下游企业目前正在试验上述四种技术中的一种或多种。42%的上游企业高管和30%的下游企业高管认为，人工智能将在未来3年给油气行业带来重大影响。
资讯公司伍德麦肯兹企业分析主管Martin Kelly坦言：“将数据和分析相结合可以创建新的业务模型，人工智能是石油和天然气行业正在经历的数字化转型的关键组成部分。”
事实上，机器学习的进步和数据存储成本的下降，是促使油气公司加速人工智能应用的主要动力，而劳动力老龄化和专业人才匮乏则进一步加速了人工智能的部署。“我们在许多领域都有专家，但他们终会退休，而他们的很多知识都是通过经验积累的，而这些经验根本无法复制。”埃克森美孚数据科学部门负责人Sarah Karthigan坦言。
Sarah Karthigan强调：“人工智能、大数据、区块链等金融科技正在以迅猛态势改变能源行业的发展模式，我们可以通过这些技术更高效、更安全地运行旗下项目和工厂，同时还能实现减少排放的环境目标。”
普华永道在一份报告中预计，到2025年，油气公司通过将人工智能部署于上游业务，可以节省1000亿至1万亿美元的资本和运营支出。
挪威能源咨询顾问公司雷斯塔也做出了类似预测，称油气公司可以在未来十年内通过数字化和运营自动化节省数十亿美元。3000多家油气公司去年在油井及其相关基础设施运营方面花费了约1万亿美元，如果加速自动化和数字化，可以减少约10%的开支。雷斯塔同时强调，在油田服务市场，人工智能在监测和预测设备故障方面的应用将持续上升。
“油气生产商希望通过自动化和数字化将油气钻井成本降低10%至20%，将海底技术成本支出降低10%至30%。”雷斯塔油田服务研究负责人Audun Martinsen表示，“除了节约成本，数字化举措还可以优化油藏枯竭策略、改善员工健康、安全和环境，同时减少温室气体排放。”
“与人脑相比，人工智能可以在几秒钟内计算出大量数据。”壳牌首席数字产品经理Claudia Zuluaga直言不讳，“这个行业正在经历双重转型，一个是脱碳，一个是数字化转型。”
预算比重大幅增加
《华尔街日报》日前报道称，石油巨头技术研发和合作方面的投资预算，人工智能所占比重正在大幅增加。埃克森美孚、雪佛龙、壳牌、道达尔和BP都在不同程度地发展人工智能。其中，埃克森美孚、雪佛龙、壳牌均选择与科技巨头微软合作，道达尔则与另一科技巨擘谷歌携手，BP更青睐初创技术公司。
BP旗下风投公司1月底投资500万英镑助力人工智能初创公司Belmont Technology，后者使用人工智能开发了一个融合物理、地质、历史和油藏信息的地球科学云平台，为BP提供独特的“地下资产图谱”。
埃克森美孚2月与微软建立了合作伙伴关系，通过后者的“数据湖”（Data Lake）平台改善上游生产活动，同时计划每年投入约10亿美元用于机器学习的研究。埃克森美孚将从美国二叠纪盆地以及西德克萨斯盆地的油井和其它生产资产中收集数据，利用微软的人工智能程序优化油气井性能、分析钻井和完井数据，同时控制成本。
路透社指出，这是石油领域迄今最大规模的一次云计算应用，覆盖了多达95亿桶石油当量的石油资源和160多万英亩的土地。此外，埃克森美孚还通过一个可监控数百万个传感器数据的人工智能程序，管控旗下分散全球各地的所有炼油厂和化工厂，旨在监测石油流量等重要数据和信息。
雪佛龙与微软以及全球最大油服商斯伦贝谢于9月达成了三方合作协议，旨在将最新的云计算和人工智能技术引入能源领域并加速该行业的数字化转型，从而更迅速、更准确地提升整个行业价值链的绩效。
道达尔则希望通过人工智能更好地解析地震勘测数据，以实现更高效地勘探开采活动。该公司进一步追加对人工智能的投资，目标是在2025年前通过推进数字化增加整体收入，削减运营成本，努力实现现有储备油气产量最大化。
道达尔科学计算程序主管Philippe Cordier表示，道达尔今年在数字技术上投资约2亿欧元，占其研发预算的30%，其中人工智能的比重越来越大。眼下，道达尔和谷歌正在非洲西部几内亚湾测试一个人工智能程序，该程序有助于解析地下三维图像中的数据，评估潜在油气藏的勘探前景。
“寻找石油和天然气尤其在近海区域是一个昂贵的过程，有时可能需要数年时间，地质学家们花费大量时间查看地震图，以了解正在探索区域的地质组成，人工智能程序将极大地缩短时间、提高效率，同时能够获得更可靠和相对准确的开发和生产预测规模。”Philippe Cordier透露。
壳牌上下游领域都尝到了人工智能的“甜头”，其通过人工智能程序帮助钻井机操作人员更准确地了解环境，操作流程加速的同时，机器磨损和报废率出现了降低，而位于鹿特丹的欧洲最大炼油厂Pernis也处于人工智能的监控之下。《金融时报》指出，壳牌通过5万个传感器全面监控Pernis，后者每年处理原油2000万吨，任何故障或计划外停机都会造成巨大损失，人工智能程序可以提前4-75天预测潜在故障并予以预警。
值得关注的是，壳牌在人工智能方面的应用还延伸至电动汽车领域，该公司正在美国加州测试用于电动汽车的人工智能程序，旨在通过不同时段采用不同的收费价位，用以分散使用时间，帮助消费者省钱。
