>各行業(yè)實(shí)踐證明，人工智能將成為新質(zhì)生產(chǎn)力的強(qiáng)力支撐

>大模型及平臺(tái)能力將推動(dòng)人工智能應(yīng)用的快速開發(fā)和規(guī)劃的推廣復(fù)制

>油氣企業(yè)應(yīng)用人工智能大模型，要從場(chǎng)景規(guī)劃、架構(gòu)設(shè)計(jì)、運(yùn)營(yíng)體系三個(gè)方面進(jìn)行全面思考與布局

華為油氣礦山軍團(tuán)解決方案總裁 蔣旺成

新質(zhì)生產(chǎn)力的核心在于創(chuàng)新，關(guān)鍵則在于“質(zhì)”，促進(jìn)生產(chǎn)力提升的方式應(yīng)該達(dá)到“有足夠競(jìng)爭(zhēng)力門檻”的目標(biāo)。這意味著不僅要有新的技術(shù)突破，而且必須能夠大規(guī)模復(fù)制、普惠全行業(yè)。

如今，各行業(yè)實(shí)踐證明，人工智能將成為新質(zhì)生產(chǎn)力的強(qiáng)力支撐。其中，大模型及平臺(tái)能力識(shí)別準(zhǔn)、漏報(bào)少、泛化性強(qiáng)，是人工智能高質(zhì)量發(fā)展的保障，將推動(dòng)人工智能應(yīng)用的快速開發(fā)和規(guī)劃的推廣復(fù)制。

過去幾年里，我們看到很多企業(yè)已經(jīng)在不同程度上開展了人工智能的應(yīng)用，但在傳統(tǒng)的開發(fā)模型中，面臨著五大挑戰(zhàn)：

一是算法精度低，準(zhǔn)確率和誤報(bào)率難以達(dá)到工業(yè)級(jí)的要求；二是負(fù)樣本無法窮舉，工業(yè)場(chǎng)景很多異常樣本無法獲取，并隨著時(shí)間推移不斷出現(xiàn)新的變化；三是算法通用性差，基于某個(gè)場(chǎng)景的應(yīng)用，到了新的場(chǎng)景后需要重新開發(fā)或者優(yōu)化；四是數(shù)據(jù)出園區(qū)，生產(chǎn)數(shù)據(jù)需要拿到企業(yè)之外訓(xùn)練，帶來數(shù)據(jù)安全的問題；五是人才儲(chǔ)備不足，面向人工智能開發(fā)的人員技能門檻要求高。

面對(duì)這些人工智能落地難問題，引入新的架構(gòu)和大模型技術(shù)成為破局的關(guān)鍵。新的架構(gòu)主要指中心訓(xùn)練與邊緣推理的兩級(jí)架構(gòu)。大模型則包含視覺大模型、預(yù)測(cè)大模型、自然語言大模型、多模態(tài)大模型及科學(xué)計(jì)算大模型等不同方向。

在“大模型熱”的時(shí)候，我們更需要冷靜分析，厘清其范疇。首先，大模型不局限于自然語言處理或者對(duì)話應(yīng)用，如ChatGPT。本質(zhì)上，大模型提出了一個(gè)人工智能的新范式，即通過預(yù)訓(xùn)練（Pre-trained）的機(jī)制，采用Transformer或其他架構(gòu)達(dá)到生成式（Generative）的目標(biāo)，從而實(shí)現(xiàn)人工智能效果的顯著提升。其次，大模型并不等同于泛人工智能或者通用人工智能，也不能包治百病。AI大模型、傳統(tǒng)模型（也稱“小模型”、專用模型）以及機(jī)理模型，各有其優(yōu)勢(shì)，企業(yè)應(yīng)該按需采用。

截至目前，能源領(lǐng)域、冶煉領(lǐng)域、勘探開發(fā)領(lǐng)域、煉油化工領(lǐng)域的龍頭企業(yè)都已經(jīng)進(jìn)行了大量有益的嘗試。尤其是“數(shù)實(shí)融合”，即“行業(yè)Know-how+人工智能大模型”的模式能夠加速大模型的落地，已得到了初步成功的驗(yàn)證。綜合這些行業(yè)龍頭企業(yè)的實(shí)踐經(jīng)驗(yàn)，我認(rèn)為，油氣企業(yè)應(yīng)用人工智能大模型，要從場(chǎng)景規(guī)劃、架構(gòu)設(shè)計(jì)、運(yùn)營(yíng)體系三個(gè)方面進(jìn)行全面思考與布局。

首先，場(chǎng)景規(guī)劃的布局。各業(yè)務(wù)部門圍繞主航道，從場(chǎng)景價(jià)值、可復(fù)制性、技術(shù)可行性、需求緊迫性等多維度評(píng)估篩選，做好場(chǎng)景排序與分階段實(shí)施規(guī)劃，形成企業(yè)維度的場(chǎng)景藍(lán)圖。

其次，布局大模型的部署架構(gòu)。企業(yè)應(yīng)明確算力規(guī)劃、數(shù)據(jù)管理、不同類別大模型架構(gòu)設(shè)計(jì)等問題，在企業(yè)的兩級(jí)私有云基礎(chǔ)上布局，實(shí)現(xiàn)算法與算力資源的云邊協(xié)同、邊用邊學(xué)和共建共享。

再次，構(gòu)建團(tuán)隊(duì)保障、能力建設(shè)、流程機(jī)制保障等完整運(yùn)營(yíng)體系，保證企業(yè)人工智能的長(zhǎng)期運(yùn)營(yíng)與持續(xù)發(fā)展。

最后，“行業(yè)Know-how+人工智能大模型”的模式需要向油氣行業(yè)專家學(xué)習(xí)，需要持續(xù)加深對(duì)行業(yè)的業(yè)務(wù)場(chǎng)景認(rèn)識(shí)，把人工智能開發(fā)與運(yùn)營(yíng)的能力賦予油氣企業(yè)，從而激發(fā)企業(yè)的內(nèi)生動(dòng)力，讓人工智能的能力外溢，實(shí)現(xiàn)場(chǎng)景應(yīng)用的規(guī)模復(fù)制與快速推廣，為全行業(yè)注入新質(zhì)生產(chǎn)力。