AI+能源：智能时代的合作

  

  今年以来，我国国产大模型“深度求索”（DeepSeek）在全世界内引发了“AI（人工智能）狂潮”。AI时代的到来及深入发展引发全球激烈的资本竞争与多领域的关注，达沃斯论坛年会主题为“智能时代的合作”，美国剑桥能源周会议也聚焦人工智能。

  作为我国战略科技力量的重要组成部分，中央企业主动服务国家战略，加快AI发展。2月19日召开的中央企业“AI+”专项行动深化部署会上，国务院国资委对国资央企发展人工智能作出部署安排。4月8日，中国石化召开人工智能工作领导小组全员会议，要求全力推动国务院国资委“AI+”专项行动部署落地见效。对于能源行业来说，既要乘新技术发展的东风谋求行业进步，也要妥善应对其对能源需求的多方面影响。

  3月中旬在美国休斯敦举行的第43届剑桥能源周会议上，人工智能（AI）再度成为焦点议题。与会的人表示，人工智能兴起带动数据中心建设等因素，将推动全球能源需求持续增长。与此同时，AI在能源领域的应用与扩展也对该行业产生了重要影响，AI时代，能源行业发展机遇与挑战并存。

  从能源自身的角度看，AI技术的突飞猛进推动了能源消费的大幅度增长。AI技术的本质是将电力转化成算力，而现阶段生成式AI模型训练与推理需要消耗巨额电力。譬如，以GPT-4为代表的万亿参数模型，单次训练耗能相当于3000户家庭年用电量；而根据美国互联网科技公司Meta披露的数据，如果其最新一代开源大模型Llama 2每日处理10亿次用户请求，仅推理阶段年耗电量就将超过5万兆瓦时，约等于一座5万人口小城市的年耗电量。

  进入2025年后，Grok 3和GPT-4.5、GPT-5等新一代AI模型层出不穷，AI技术的发展速度已超出所有人预期。在此背景下，虽然各权威机构的预测数据有所差异，但一致认为，AI时代能源需求将呈现显著增长态势。其中，彭博新能源财经（BNEF）2024年报告说明，AI算力的需求每2.5年将出现翻番增长，导致世界电力需求增速远超预期，预计2030年全球仅AI数据中心的电力需求就将达到500~800太瓦时，相当于德国一年的用电量；麦肯锡全球研究院预测，2030年，全球AI数据中心电力需求可能达到1000~1500太瓦时；能源咨询公司伍德麦肯兹表示，AI技术发展将导致美国能源需求持续上升，到2030年，美国数据中心的电力消耗可能翻倍增长，在风能、太阳能等新能源短期内难以实现对化石能源有效替代的背景下，发电需求将推动2040年美国天然气总需求在2023年8865亿立方米的基础上再增加3000亿立方米。

  从能源基础设施的角度看，AI技术发展对能源的依赖将推动能源基础设施建设呈现新趋势。一方面，部分电网和天然气管网等能源基础设施建设将持续强化。其中，电网连接需求激增，需要大量投资来强化电网设施，且运营商将不得已面对管理更高流量、可变供应和一直增长的电网系统带来的严峻挑战。此外，燃气电厂规模扩大带来的天然气需求量开始上涨，也迫使部分国家和地区持续强化天然气管网基础设施建设。譬如，弗吉尼亚州是美国数据中心建设最集中的地区，殷拓能源公司等天然气生产商计划提升美国山谷管道输送能力至25亿立方英尺/日，将更多天然气输往该地区，以满足发电需求。

  另一方面，部分能源基础设施建设或将呈现“分布式”和“离网”等特点。首先，DeepSeek改变了传统AI“规模至上”的发展逻辑，其轻量化模型与开源策略降低了AI应用门槛，促进中端算力设施和分布式数据中心的普及，并推动算力生态从“超大规模中心垄断”转向“分布式蜂群网络”。其次，由于小型模块化反应堆（SMR）和新一代地热等新能源技术预计2030年后逐步成熟，部分大型科技公司已与地热能和核能项目签署新的电力购买协议，探索在“离网”发电设施上开发数据中心。

  在风电和光伏发电领域，AI技术通过提高发电效率、预测设备故障、提升运维能力等明显地增加了清洁能源的可靠性和经济性。例如，谷歌旗下DeepMind与风电企业合作，通过系统整合风速、风向、地形等气象数据与历史发电数据，利用机器学习提前36小时预测风电量、优化电网调度，使单个风电项目价值提升20%以上。再如，特斯拉旗下SolarCity通过机器学习模型分析当地云层覆盖、光照强度、温度等气象数据，预测用户家用光伏电池板未来24小时的发电量，并结合用户历史用电数据，预测家庭负载需求，帮助用户提前规划电动汽车充电等高耗电设备使用时段，最终实现家庭发电“发—储—用—售”的全链条优化。

  在油气勘探开发领域，AI技术通过数据集成分析、智能决策优化和自动化控制，明显提升了油气资源发现效率、降低了开发成本，并提高了作业安全性，在地震解释、油气藏预测、钻完井优化、压裂方案设计、油井实时监测与预测性维护、数字孪生与虚拟油田、HSE保障等方面均能发挥重要作用。

  以钻完井优化为例，油服公司斯伦贝谢利用自主研发的AI钻井系统，在二叠纪盆地实现了“无人驾驶钻井”，使钻井效率提高25%、单井成本下降18%；沙特阿美则在贾富拉页岩气开发项目中利用AI技术辅助超过3公里的长水平段钻井的精准导向和压裂优化，使单井产量提高30%以上。在我国，针对鄂尔多斯盆地致密气藏非均质性强、传统钻井储层钻遇率相比来说较低的问题，中国石油联合华为开发“智能钻井系统”，利用深度学习算法实时识别岩性，在将储层钻遇率提升至85%、单井产量增加30%的同时，使钻井周期缩短15%，并大幅度降低了钻井成本。

  在电网运营领域，AI技术已逐步渗透到电网“发—输—变—配—用”所有的环节，通过实时数据分析、智能预测和自动化控制等手段重塑电网运营模式，不断的提高电力系统的稳定性、效率和可再次生产的能源消纳能力，未来也将推动电网运营从“自动化”向“自主化”跨越，为构建新型电力系统提供高效支撑。

  以我国宁夏地区部分光伏发电消纳为例，一方面结合风云气象卫星、地面辐照仪数据，利用“LSTM（长短期记忆网络模型）+注意力机制”模型，将光功率预测精度由85%提升至95%，同时通过AI技术动态优化燃煤机组调峰深度，大幅度减少弃光现象；另一方面，在“宁电入湘”特高压通道中，使用AI技术预测湖南负荷需求，并结合区块链智能合约自动匹配宁夏光伏出力曲线（光伏电池的输出功率随着光照强度变化的曲线%以上。

  首先，要加快掌握关键核心技术，夯实油气勘探开发数智化发展基础。紧扣现阶段油气勘探开发存在的痛点，以“数据—算法—工具—系统”的垂直整合实现AI技术在油气上游领域的穿透。一是进一步强化数据治理，以统一标准整合地震、测井、钻井等上游数据，正确地处理数据数量和质量的关系，深入研究高质量数据集标准体系与建设路径，打造更高质量的油气上游数据集。二是逐步优化算法，针对地震解释、储层预测、井位优化、智能钻井、压裂优化、生产调控等不同勘探开发场景研发AI模型，如将地质力学方程嵌入神经网络、提升复杂储层预测精度，以深度Q网络（DQN）动态调整钻压、转速来避开断层等。三是构建自主可控的工具生态，以“软件定义工具、硬件承载智能”为原则，软件聚焦勘探开发核心场景，硬件突破“卡脖子”技术，实现数智工具国产化。四是构建综合性应用平台，打通地质勘探、钻井、压裂、生产等环节的数据流与决策流，实现勘探开发全链条数智化闭环管理，推动油气勘探开发技术从“单点智能”向“系统智能”的跨越。

  其次，要聚焦油气勘探开发主责主业，打造能推广、可迭代的应用场景。坚持以场景建设为牵引，通过“需求识别—技术匹配—场景验证—规模推广”的闭环路径，突出创新链、产业链之间的数智赋能作用，持续推动油气勘探开发主业向数智化、低碳化方向升级跃迁，加速形成新质生产力，最终实现AI技术在油气上游实现从“技术可用”到“业务好用”的价值转化。与此同时，要加快成熟场景普及推广和迭代升级，深入开展油气勘探开发领域原创性、颠覆性、引领性创新成果研究，大力推进语言、视觉、多模态、科学计算等大模型技术在油气勘探开发领域更多场景的应用，力争形成一批示范带动性强的数智化创新项目。

  最后，要加强人才队伍建设，提升油气上游领域全员数智素养与技能。一是坚持培养和引进相结合，着力培育一批精通AI理论、技术与油气勘探开发应用的复合型高品质人才，打造高水平创新团队，提高油气上游数智化持续创造新兴事物的能力。二是健全AI技术在油气勘探开发应用过程中的“揭榜挂帅”“赛马制”等项目管理机制，支持和鼓励优秀人才挑大梁、担重任，最大限度激发人才创新创业活力，全方面提升数智化人才储备质量。三是加大全员普及力度，把握AI技术和产业高质量发展的规律和趋势，推动上游员工拓展数智化发展的思维和意识，做好数智化战略部署的执行者。

  《石油技术杂志》近期指出，在石油等重资产行业应用人工智能需要耐心。因为这一些行业精确性至上，如果核心部件寿命预测有误，会引发故障、停机与安全隐患，99%正确就是100%错误。

  油气行业运营模式很复杂，安全要求近乎苛刻，哪怕AI系统仅出现1%误差，也可能引发一系列难以收拾的残局。以石油管道监控为例，如果AI对管道腐蚀程度的判断准确率为99%，那么剩下的1%错误可能会引起对腐蚀严重区域的漏检，一旦薄弱环节发生破裂，将出现原油泄漏，污染周边土壤、水源和空气。

  人工智能的“幻觉”是导致1%错误的核心症结。人工智能模型依靠海量数据来进行训练，但数据的偏差、不完整，以及算法的漏洞，可能使模型陷入误区，产生与真实的情况不符的“幻觉”。在石油开采过程中，如果人工智能依据有偏差的数据对油层储量和开采难度进行预测，那么1%的不准确可能使企业在开采计划、设备投入和人员调配等方面作出错误决策，导致开采成本大幅度的增加，甚至有可能因过度开采引发地质灾害。

  虽然人工智能模型在ChatGPT、DeepSeek等现象级应用的带动下有了突飞猛进的发展，但油气行业由于高风险和对失败零容忍的特性，在AI应用的道路上进展相对缓慢。

  但也不能因噎废食，人工智能为油气行业带来的潜在价值是不容忽视的。它像一位智能管家，通过对设备正常运行数据的实时监测和深度分析，提前制订精准的维护计划，有效预防设备故障，大幅度提高生产效率。如通过对钻井设备的智能监控，能提前发现钻头磨损、设备过热等问题，及时维修，避免设备突发故障导致的停工停产。此外，在可持续发展方面，人工智能通过优化能源利用流程，减少了能源浪费，确保企业在环保法规的框架内运营，降低碳排放。

  人工智能在油气行业顺利扎根需要遵循严格的规范和准则。首先，数据完整性是“大厦”的基石，在项目开展前，要精心制定数据策略，确保训练模型的数据准确无误、来源可靠、范围合理。其次，严格的测试环节不可或缺，AI系统上线前，必须在模拟真实环境的受控空间内进行全方位、多层次的测试，并由使用该系统的企业把关，才能建立起对AI的信任，提高其在行业内的可持续采用率。最后，人类智慧的引领作用必须贯穿始终，在关键决策环节，不能盲目依赖人工智能，专家的经验和判断要发挥监督、验证作用，确保决策的准确性和安全性。

  人工智能在油气行业的应用是充满挑战与机遇的漫长征程。“99%正确就是100%错误”时刻提醒我们，以严谨的态度攻克技术难关，确保AI系统准确、安全和可靠，才能使其成为推动行业转变发展方式与经济转型、实现可持续发展的强大引擎。

  本报讯 国际能源署（IEA）预测，全球电力需求2027年前将以每年4%的速度增长，这将是近年来最快的增速。

  国际能源署表示，需求激增主要是工业生产用电量强劲增长、空调需求增加、以运输部门为首的电气化加速，以及数据中心的迅速扩张推动的。强劲的需求量开始上涨大部分将来自发展中国家，其对全球电力总需求的贡献估计为85%。

  国际能源署署长比罗尔表示：“全球电力需求量开始上涨加速凸显了世界各地能源系统正在发生的重大变化，以及新电力时代的到来。但这也给各国政府在确保安全、负担得起和可持续的电力供应方面带来了挑战。”

  国际能源署预测，受能源转型政策驱动的交通运输电气化将顺顺利利地进行，并将继续推动整体电力需求激增。（李 嵩）

  本报讯 国际能源署（IEA）近期表示，发达国家和新兴经济体的电力需求激增，导致2024年全球能源需求增速加快。国际能源署在《全球能源回顾》报告中表示，创纪录的高温、工业和电气化需求增加，以及AI和数据中心的兴起，导致2024年全球用电量增长了4.3%。

  2024年全球电力需求增幅几乎是过去十年中等水准的两倍。2024年全球能源总需求量开始上涨2.2%，高于2013年~2023年年均1.3%的全球能源总需求增幅。

  新兴和发展中经济体2024年仍占全球能源需求量开始上涨的80%以上。此外，国际能源署的报告发现，在经历了几年的下滑后，发达经济体2024年能源需求量开始上涨了近1%。

  国际能源署称，虽然全球能源需求增长的很大一部分是由可再次生产的能源满足的，但天然气、煤炭和核能的消费也随着需求量开始上涨而增加。

  随着电力消耗增加，2024年天然气需求量开始上涨了1150亿立方米，而过去十年，天然气需求每年增长约750亿立方米。此外，煤炭需求也上升了1%。

  国际能源署署长比罗尔表示，“能确定的是，全球用电量正在迅速增长，从而带动能源需求整体增长，这足以扭转发达经济体多年来能源消费下降的趋势。结果是，对主要燃料和能源技术的需求2024年都有所增加，其中可再次生产的能源占增长的最大份额，其次是天然气”。

  比罗尔称， 国际能源署多年来一直表示，如果全球有机会在2050年前实现净零排放目标，就不需要投资新的油气田，但需要对现有油气田来投资，以保障全球能源安全。（李 峻）