人工智能技術(shù)發(fā)展對(duì)石油工程領(lǐng)域的影響及建議

（中國(guó)石化石油工程技術(shù)研究院）

人工智能是通過(guò)提高機(jī)器的計(jì)算力、感知力、認(rèn)知力、推理能力等智能水平，使其具有判斷、推理、證明、識(shí)別、感知、理解、溝通、規(guī)劃和學(xué)習(xí)等思維活動(dòng)，讓機(jī)器能夠自主判斷和決策，完成原本要靠人類智能才能完成的工作。作為新一輪產(chǎn)業(yè)變革和科技革命的新引擎和核心驅(qū)動(dòng)力，人工智能已經(jīng)成為引領(lǐng)未來(lái)發(fā)展的戰(zhàn)略性新興技術(shù)，正在對(duì)各行業(yè)產(chǎn)生深刻影響。近年來(lái)，隨著人工智能在油氣勘探開(kāi)發(fā)領(lǐng)域的不斷應(yīng)用，智能制造、智能井、智能油田等技術(shù)逐步完善與豐富，正在對(duì)石油工程行業(yè)產(chǎn)生深刻影響。發(fā)展人工智能技術(shù)，對(duì)加速推進(jìn)石油工程業(yè)務(wù)的轉(zhuǎn)型升級(jí)和關(guān)鍵技術(shù)的升級(jí)換代，助推油氣公司高質(zhì)量發(fā)展和保障國(guó)家能源安全具有重要意義。

1 人工智能加速推動(dòng)石油工程產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，成為產(chǎn)業(yè)變革的新引擎

油氣公司著力構(gòu)建基于人工智能的數(shù)字業(yè)務(wù)模式和流程，將其應(yīng)用于生產(chǎn)服務(wù)、裝備制造等業(yè)務(wù)，提高生產(chǎn)效率和管理水平，促進(jìn)企業(yè)轉(zhuǎn)型升級(jí)。據(jù)埃森哲（Accenture）公司預(yù)測(cè)，未來(lái)3～5年，人工智能技術(shù)在油氣上游數(shù)字化技術(shù)（大數(shù)據(jù)、物聯(lián)網(wǎng)、移動(dòng)設(shè)備、云計(jì)算、機(jī)器人、人工智能、可穿戴技術(shù)和通信工具）中的投入關(guān)注度，將由目前的16%提高到23%，增幅僅次于機(jī)器人和可穿戴技術(shù)（圖1）[1]。

圖1 油氣公司數(shù)字化技術(shù)投入關(guān)注度

1.1 人工智能促進(jìn)石油工程產(chǎn)業(yè)向少人或無(wú)人操作方向發(fā)展

人工智能與石油工程現(xiàn)場(chǎng)作業(yè)和裝備制造相融合，不斷提高其智能化水平，未來(lái)發(fā)展方向是實(shí)現(xiàn)鉆井作業(yè)和智能制造的少人或無(wú)人操作。內(nèi)伯斯（Nabors）公司正在研發(fā)鉆井智能化控制系統(tǒng)，并收購(gòu)了挪威鉆井自動(dòng)化系統(tǒng)公司，將該公司的鉆臺(tái)機(jī)器人與鉆機(jī)、頂驅(qū)系統(tǒng)、壓力控制系統(tǒng)等整合實(shí)現(xiàn)鉆機(jī)的智能控制[2]。智能化鉆機(jī)通過(guò)實(shí)時(shí)獲取井底鉆壓、扭矩、井下振動(dòng)、黏滑、井底壓力等工程參數(shù)和地層巖性參數(shù)，利用智能鉆井決策分析平臺(tái)做出分析，及時(shí)控制地面鉆機(jī)設(shè)備和井下控制工具，自動(dòng)優(yōu)化鉆井參數(shù)，提高鉆井作業(yè)效率和安全性，同時(shí)可減少現(xiàn)場(chǎng)作業(yè)人員。斯倫貝謝公司借助遠(yuǎn)程決策系統(tǒng)，把對(duì)井下工具的導(dǎo)向指令直接發(fā)送到鉆井泵，實(shí)現(xiàn)井眼軌跡的遠(yuǎn)程控制。該技術(shù)在墨西哥南部的一口井中應(yīng)用，作業(yè)者從一個(gè)遠(yuǎn)程控制中心成功向旋轉(zhuǎn)導(dǎo)向工具發(fā)送了21個(gè)自動(dòng)下行控制指令來(lái)增斜。該系統(tǒng)目前在咨詢方式下工作，目標(biāo)是在經(jīng)過(guò)油田測(cè)試以后，能夠在完全自主模式下運(yùn)行[3]。據(jù)挪威國(guó)家石油公司估算，引入人工智能可將海上鉆井平臺(tái)的員工數(shù)量減少一半，并使工作效率提高25%。杰瑞石油裝備公司研發(fā)的智能制造控制中心通過(guò)數(shù)控中心、機(jī)器人、智能儀表等智能設(shè)備，將作業(yè)數(shù)據(jù)和作業(yè)情況實(shí)時(shí)傳輸?shù)绞脱b備生產(chǎn)控制中心，直接了解到設(shè)備的運(yùn)行狀態(tài)、生產(chǎn)績(jī)效，同時(shí)監(jiān)測(cè)生產(chǎn)異常，節(jié)省了人工，提高了效率，為下一步實(shí)現(xiàn)智能制造打下了基礎(chǔ)。

油田服務(wù)承包商、設(shè)備制造商是勞動(dòng)密集型企業(yè)，產(chǎn)業(yè)向智能化轉(zhuǎn)型后，未來(lái)的石油工程產(chǎn)業(yè)將向技術(shù)密集方向發(fā)展，利用低成本勞動(dòng)力競(jìng)爭(zhēng)的商業(yè)模式將遭遇嚴(yán)峻挑戰(zhàn)。發(fā)展裝備智能制造已成為世界各國(guó)競(jìng)爭(zhēng)的焦點(diǎn)，勞動(dòng)力成本對(duì)投資的吸引力下降后，石油裝備制造的投資會(huì)一定程度流向資本密集的國(guó)家和地區(qū)。

1.2 人工智能加深石油工程全產(chǎn)業(yè)鏈一體化融合

隨著數(shù)據(jù)成為新的生產(chǎn)要素，人工智能技術(shù)正在通過(guò)數(shù)據(jù)連接打通產(chǎn)業(yè)鏈各個(gè)環(huán)節(jié)，加快推動(dòng)石油工程產(chǎn)業(yè)向一體化方向發(fā)展。

1.2.1 促進(jìn)多部門(mén)協(xié)同，實(shí)現(xiàn)生產(chǎn)運(yùn)營(yíng)一體化

以往油氣公司收集大量鉆機(jī)和井的數(shù)據(jù)卻很難用于解釋分析，而且工程師在進(jìn)行油井動(dòng)態(tài)等基礎(chǔ)分析工作時(shí)，通常需要先花費(fèi)幾個(gè)星期來(lái)收集地下儲(chǔ)層、設(shè)備運(yùn)行、設(shè)備維護(hù)及經(jīng)濟(jì)性等方面的相關(guān)數(shù)據(jù)。為此，康菲石油公司構(gòu)建了大數(shù)據(jù)分析平臺(tái)（IDW）[4-5]，這是一個(gè)涉及多部門(mén)的集中式數(shù)據(jù)存儲(chǔ)中心，可存儲(chǔ)和分析包括地質(zhì)、油藏、鉆井、開(kāi)發(fā)和生產(chǎn)運(yùn)行等各環(huán)節(jié)數(shù)據(jù)，通過(guò)大數(shù)據(jù)分析、人工智能算法等，指導(dǎo)精確布井、高效鉆井和壓裂設(shè)計(jì)優(yōu)化，實(shí)現(xiàn)地質(zhì)勘探、油藏研究、鉆井和完井工程、經(jīng)濟(jì)評(píng)價(jià)的協(xié)同，大幅提高鉆井作業(yè)效率和單井產(chǎn)量，降低噸油成本。該平臺(tái)在美國(guó)鷹灘頁(yè)巖油氣區(qū)應(yīng)用后，鉆機(jī)周期縮短了50%，單井產(chǎn)量提高了20%。

除了優(yōu)化鉆完井作業(yè)之外，人工智能、數(shù)據(jù)分析還可用于成本管理、生產(chǎn)監(jiān)控與優(yōu)化、井位部署、競(jìng)爭(zhēng)對(duì)手分析和資本項(xiàng)目執(zhí)行等?？捣剖凸具\(yùn)用IDW形成新的工作方式，促使每個(gè)業(yè)務(wù)部門(mén)采用一體化運(yùn)營(yíng)方法來(lái)組建業(yè)務(wù)和信息技術(shù)多專業(yè)團(tuán)隊(duì)，在數(shù)據(jù)存儲(chǔ)、處理和可視化，以及將業(yè)務(wù)知識(shí)與信息知識(shí)相結(jié)合等方面起到了重要作用。

1.2.2 增強(qiáng)多學(xué)科互通，實(shí)現(xiàn)技術(shù)一體化

圖2 斯倫貝謝公司DELFI勘探開(kāi)發(fā)信息平臺(tái)

在油氣工程數(shù)字化轉(zhuǎn)型過(guò)程中，斯倫貝謝在微軟Azure云計(jì)算平臺(tái)和Azure Stack混合云平臺(tái)上開(kāi)發(fā)了DELFI勘探開(kāi)發(fā)信息平臺(tái)（圖2）[6-7]。該平臺(tái)改變了油氣勘探開(kāi)發(fā)的工作模式，主要表現(xiàn)在：（1）利用大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、可視化呈現(xiàn)、高性能計(jì)算等數(shù)字化技術(shù)，幫助勘探開(kāi)發(fā)所有參與者共同提高作業(yè)效率，最大限度優(yōu)化生產(chǎn)，降低綜合成本；（2）更大范圍、更大程度增強(qiáng)地球物理、地質(zhì)學(xué)、油藏工程、鉆完井和生產(chǎn)領(lǐng)域的跨界互通，打破學(xué)科界限，真正實(shí)現(xiàn)技術(shù)一體化；（3）推動(dòng)甲乙方作業(yè)協(xié)作，使勘探開(kāi)發(fā)所有參與者在一個(gè)共同環(huán)境中制定計(jì)劃，跟蹤作業(yè)進(jìn)展，及時(shí)獲取所需的全部信息和專業(yè)技術(shù)指導(dǎo)，最大限度解決制約項(xiàng)目執(zhí)行水平、影響工作效率的專業(yè)壁壘和溝通不暢；（4）實(shí)現(xiàn)系統(tǒng)開(kāi)放共享，DELFI平臺(tái)核心組成部分通過(guò)開(kāi)源處理，為甲方和合作伙伴提供一個(gè)開(kāi)放并可擴(kuò)展的數(shù)字化生態(tài)系統(tǒng)，使其能在系統(tǒng)上開(kāi)發(fā)或連接自己的專業(yè)軟件，實(shí)現(xiàn)無(wú)障礙接入。

2 人工智能推動(dòng)石油工程技術(shù)向智能化轉(zhuǎn)型，成為技術(shù)變革和創(chuàng)新的新動(dòng)力

2.1 人工智能助力石油工程技術(shù)增儲(chǔ)上產(chǎn)

利用人工智能技術(shù)將靜態(tài)模型與地球物理解釋、油氣生產(chǎn)數(shù)據(jù)緊密結(jié)合，形成高精度預(yù)測(cè)模型，能提高地下油氣資源和儲(chǔ)層的認(rèn)識(shí)、優(yōu)化油田生產(chǎn)，提高單井產(chǎn)量。2017年11月，IEA發(fā)布《數(shù)字化與能源》報(bào)告指出，數(shù)字化技術(shù)可使全球技術(shù)可采儲(chǔ)量在現(xiàn)有1.4×1012t油當(dāng)量基礎(chǔ)上，增加750×108t（增幅5%），相當(dāng)于當(dāng)前全球年油氣消費(fèi)量的10倍（圖3）[8]。

圖3 數(shù)字化技術(shù)對(duì)全球油氣技術(shù)可采資源量的影響

2.1.1 提高儲(chǔ)層認(rèn)識(shí)優(yōu)化生產(chǎn)，增加油氣發(fā)現(xiàn)和可采儲(chǔ)量

將機(jī)器學(xué)習(xí)、大數(shù)據(jù)分析等技術(shù)成功用于地震數(shù)據(jù)解釋、地層屬性分析，特別是直接用于薄層油氣藏解釋、直接烴類指示等方面，可以減少地震解釋的不確定性，提高油氣發(fā)現(xiàn)率。殼牌公司利用人工智能配合高性能計(jì)算技術(shù)，應(yīng)用海量地震數(shù)據(jù)生成詳細(xì)的可視化圖像，更快、更準(zhǔn)確地定位油氣資源，在美國(guó)墨西哥灣Deimos油田復(fù)雜構(gòu)造鹽下發(fā)現(xiàn)了超過(guò)1.5×108bbl的石油儲(chǔ)量，打破了該地區(qū)枯竭少油的觀念。

油氣開(kāi)發(fā)的儲(chǔ)層壓力隨著時(shí)間推移和開(kāi)采方式的發(fā)展而改變，預(yù)測(cè)最優(yōu)的操作決策非常具有挑戰(zhàn)性。科威特國(guó)家石油公司構(gòu)建了基于數(shù)據(jù)分析和人工智能的油田地上地下一體化的智能工作平臺(tái)，進(jìn)行油田中長(zhǎng)期產(chǎn)量預(yù)測(cè)、注水優(yōu)化及生產(chǎn)參數(shù)優(yōu)化。工作流程為：（1）采用數(shù)字化工具記錄生產(chǎn)歷史，方法主要包括節(jié)點(diǎn)分析、遞減曲線分析、虛擬計(jì)量和數(shù)值模擬等；（2）采用統(tǒng)計(jì)分析工具監(jiān)測(cè)實(shí)時(shí)生產(chǎn)狀況，方法主要包括線性回歸、蒙特卡洛等；（3）利用人工智能技術(shù)進(jìn)行短期預(yù)測(cè)，主要方法包括模型識(shí)別、神經(jīng)網(wǎng)絡(luò)、模糊邏輯等；（4）應(yīng)用數(shù)值模擬進(jìn)行中長(zhǎng)期產(chǎn)量預(yù)測(cè)。該系統(tǒng)在油田現(xiàn)場(chǎng)應(yīng)用，提高了油氣產(chǎn)量，支撐了科威特石油公司2030年之前實(shí)現(xiàn)日產(chǎn)油400×104bbl的戰(zhàn)略目標(biāo)[9-10]。

2.1.2 優(yōu)化壓裂參數(shù)，提高油氣單井產(chǎn)能

非常規(guī)儲(chǔ)層完井和產(chǎn)能優(yōu)化需要進(jìn)行大量地質(zhì)建模、裂縫模擬和產(chǎn)能模擬。受數(shù)據(jù)、技術(shù)水平和計(jì)算時(shí)間等因素的限制，目前北美只有不到5%的壓裂井會(huì)基于高端模擬結(jié)果進(jìn)行設(shè)計(jì)。斯倫貝謝提出利用云計(jì)算進(jìn)行裂縫和儲(chǔ)層并行模擬，結(jié)合數(shù)據(jù)分析和人工智能算法，建立代理模型，優(yōu)化井距、壓裂段數(shù)、簇?cái)?shù)、流體類型、支撐劑類型、支撐劑粒度、泵注速度等參數(shù)。代理模型是一個(gè)綜合預(yù)測(cè)工具，可以在幾分鐘內(nèi)幫助工程師完成完井設(shè)計(jì)敏感性分析。如果新區(qū)塊的地質(zhì)和油層物理參數(shù)與老區(qū)塊的特征類似，代理模型不需修正即可使用；如果新區(qū)塊地質(zhì)參數(shù)與老區(qū)塊完全不同，則需要重新建立代理模型。代理模型建立流程如圖4所示[11]。在鷹灘頁(yè)巖氣井試驗(yàn)表明，代理模型與實(shí)際生產(chǎn)數(shù)據(jù)吻合度達(dá)到90%，大幅提高了油氣單井產(chǎn)量。

圖4 代理模型建立流程

2.2 人工智能助力石油工程技術(shù)降本增效

2018年，BP公司發(fā)布的技術(shù)展望報(bào)告顯示，隨著人工智能、數(shù)據(jù)分析、傳感器、超級(jí)計(jì)算等數(shù)字工具得到應(yīng)用，可降低油氣開(kāi)采成本20%以上[12]。在數(shù)據(jù)采集、傳輸技術(shù)發(fā)展的協(xié)同下，人工智能技術(shù)可以在鉆井設(shè)計(jì)、鉆井實(shí)時(shí)優(yōu)化、井筒完整性監(jiān)控、風(fēng)險(xiǎn)識(shí)別、程序決策、預(yù)測(cè)性維護(hù)等方面發(fā)揮積極作用，實(shí)現(xiàn)降本增效（圖5）。

2.2.1 優(yōu)化鉆井參數(shù)，提高機(jī)械鉆速

圖5 人工智能技術(shù)在石油工程降本增效中的應(yīng)用

為了提高實(shí)鉆井眼軌跡與預(yù)設(shè)值的吻合度，減少后期糾正井眼軌跡的工作量，同時(shí)降低鉆井成本。Oceanit Laboratories Inc和殼牌公司合作研發(fā)了智能定向鉆井系統(tǒng)[13]，該系統(tǒng)通過(guò)采集包括鉆頭、大鉤載荷、重力工具面、磁性工具面、井斜數(shù)據(jù)、鉆壓與轉(zhuǎn)速、立管壓力、機(jī)械鉆速等鉆井歷史資料，將有效數(shù)據(jù)存儲(chǔ)在鉆井日志和錄井?dāng)?shù)據(jù)中，收集的鉆井參數(shù)通過(guò)篩選、過(guò)濾、歸一化，選擇適當(dāng)?shù)膮?shù)用于構(gòu)建和訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)利用強(qiáng)化學(xué)習(xí)方法來(lái)細(xì)化訓(xùn)練歷史數(shù)據(jù)，通過(guò)自主學(xué)習(xí)模擬施工人員日常操作，訓(xùn)練后的人工神經(jīng)網(wǎng)絡(luò)可以最大限度地減少井眼軌跡偏差，減小井眼彎曲度，提高鉆井機(jī)械鉆速。在美國(guó)二疊紀(jì)盆地，利用14口水平井定向鉆井?dāng)?shù)據(jù)，基于當(dāng)前工具面、鉆壓、鉆井液排量、機(jī)械鉆速、壓差、旋轉(zhuǎn)扭矩預(yù)測(cè)未來(lái)的壓差和旋轉(zhuǎn)扭矩，經(jīng)過(guò)180萬(wàn)個(gè)訓(xùn)練步驟后，壓差預(yù)測(cè)誤差僅為0.21%，扭矩預(yù)測(cè)誤差僅為2.72%。

2.2.2 預(yù)測(cè)鉆井液漏失，減少非生產(chǎn)時(shí)間

油氣鉆井過(guò)程中，鉆井液漏失會(huì)造成很大一筆成本支出。密蘇里科學(xué)技術(shù)大學(xué)采用機(jī)器學(xué)習(xí)的方法，準(zhǔn)確預(yù)測(cè)伊拉克Rumaila油田Dammam地層鉆井過(guò)程中的鉆井液漏失體積、ECD和ROP等參數(shù)[14]，與傳統(tǒng)方法相比，該方法預(yù)測(cè)精度與實(shí)際情況更吻合。該方法步驟如下：（1）從鉆井技術(shù)日?qǐng)?bào)中收集500口井的關(guān)鍵鉆井?dāng)?shù)據(jù)。（2）利用最小二乘法回歸方法創(chuàng)建ECD、ROP和鉆井液漏失模型。（3）對(duì)所有參數(shù)進(jìn)行測(cè)試，找出模型中需要的重要參數(shù)。該過(guò)程采用變量重要性（VIP）測(cè)試關(guān)鍵參數(shù)，假設(shè)VIP閾值為0.8，如果關(guān)鍵鉆井參數(shù)的VIP值超過(guò)0.8，則在模型中需要考慮。在過(guò)濾掉低相關(guān)系數(shù)的鉆井參數(shù)后，模型中各鉆井參數(shù)的相關(guān)性系數(shù)將重新計(jì)算。（4）在VBA中對(duì)影響鉆井液漏失、ECD和ROP的參數(shù)進(jìn)行敏感性分析，目的是測(cè)試哪些參數(shù)對(duì)模型影響最大。

3 我國(guó)油氣公司發(fā)展石油工程領(lǐng)域人工智能的建議

目前，我國(guó)油氣公司石油工程業(yè)務(wù)正處于轉(zhuǎn)型發(fā)展的關(guān)鍵期，建議把握住歷史機(jī)遇，堅(jiān)持技術(shù)創(chuàng)新與推廣應(yīng)用，從公司經(jīng)營(yíng)、數(shù)據(jù)融合與共享、技術(shù)戰(zhàn)略布局、政策保障等方面發(fā)力，搶占未來(lái)發(fā)展制高點(diǎn)。

3.1 積極應(yīng)對(duì)人工智能推動(dòng)石油工程產(chǎn)業(yè)升級(jí)帶來(lái)的挑戰(zhàn)，提升上游核心競(jìng)爭(zhēng)力

人工智能對(duì)石油工程產(chǎn)業(yè)不僅是機(jī)遇，也會(huì)帶來(lái)挑戰(zhàn)。我國(guó)油公司石油工程業(yè)務(wù)競(jìng)爭(zhēng)優(yōu)勢(shì)在于產(chǎn)業(yè)鏈全、人力成本低，在智能化轉(zhuǎn)型過(guò)程中，這些優(yōu)勢(shì)可能被削弱，需要加快推動(dòng)石油工程生產(chǎn)服務(wù)、裝備制造等全流程和全產(chǎn)業(yè)鏈的綜合集成，充分挖掘人工智能在鉆完井作業(yè)智能化、裝備制造智能化、油田勘探開(kāi)發(fā)一體化中的作用，提升上游核心競(jìng)爭(zhēng)力。

3.2 搭建統(tǒng)一的大數(shù)據(jù)和云計(jì)算平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)一體化融合

智能化轉(zhuǎn)型過(guò)程中，數(shù)據(jù)成為重要資源。需要在公司內(nèi)部建立統(tǒng)一的石油工程人工智能大數(shù)據(jù)和云計(jì)算平臺(tái)，通過(guò)油田分公司、油田服務(wù)公司與科研機(jī)構(gòu)的共同參與，加強(qiáng)石油工程各環(huán)節(jié)的數(shù)據(jù)共享，打破數(shù)據(jù)孤立分散、相互隔絕的局面，通過(guò)不同專業(yè)和部門(mén)之間信息數(shù)據(jù)共享，實(shí)現(xiàn)一體化數(shù)據(jù)融合。要規(guī)范數(shù)據(jù)的采集、傳輸、存儲(chǔ)、轉(zhuǎn)換、集成和應(yīng)用，提升數(shù)據(jù)一致性和可靠性，協(xié)同推動(dòng)智能裝備、技術(shù)和產(chǎn)品的研發(fā)，通過(guò)系統(tǒng)集成實(shí)現(xiàn)產(chǎn)業(yè)化。

3.3 強(qiáng)化科技創(chuàng)新力度，逐步構(gòu)建石油工程人工智能生態(tài)系統(tǒng)

研究石油工程人工智能發(fā)展戰(zhàn)略，制定人工智能與石油工程融合發(fā)展的技術(shù)路線圖，明確發(fā)展方向、目標(biāo)和路徑。采用“以點(diǎn)帶面、點(diǎn)面結(jié)合”的策略，首先開(kāi)發(fā)開(kāi)放的石油工程人工智能應(yīng)用軟件平臺(tái)，再針對(duì)容易實(shí)現(xiàn)的單一石油工程人工智能子領(lǐng)域開(kāi)展研究，最后集成各單項(xiàng)技術(shù)形成石油工程人工智能生態(tài)系統(tǒng)。近期，建議單項(xiàng)技術(shù)重點(diǎn)攻關(guān)四維地震、地質(zhì)工程一體化、鉆井參數(shù)優(yōu)化、鉆井風(fēng)險(xiǎn)預(yù)警、油藏智能導(dǎo)鉆、完井參數(shù)優(yōu)化等技術(shù)。同時(shí)，做好人工智能算法、石油工程人工智能技術(shù)標(biāo)準(zhǔn)體系等基礎(chǔ)研究，盡快突破技術(shù)瓶頸。

3.4 加大內(nèi)部政策扶持力度，加速推進(jìn)人工智能體制機(jī)制和人才梯隊(duì)建設(shè)

充分利用國(guó)家和行業(yè)相關(guān)扶持政策，積極開(kāi)展“人工智能+石油工程”的融合，探索以科研院所和石油工程現(xiàn)場(chǎng)作業(yè)和施工單位為依托，與阿里巴巴、華為等國(guó)內(nèi)頂尖信息企業(yè)、高等院校聯(lián)合籌建石油工程人工智能技術(shù)重點(diǎn)實(shí)驗(yàn)室，提供專項(xiàng)資金支撐石油工程智能業(yè)務(wù)發(fā)展。同時(shí)，加快石油工程人工智能技術(shù)人才梯隊(duì)建設(shè)，通過(guò)吸引海內(nèi)外高層次人才和創(chuàng)新團(tuán)隊(duì)，在系統(tǒng)內(nèi)培養(yǎng)既懂專業(yè)、又掌握人工智能技術(shù)的人才，形成結(jié)構(gòu)優(yōu)化的石油工程人工智能人才梯隊(duì)。