蒋旺成：工业AI的难题与破局，构建最懂油气的大模型

8月15日，2024石油石化行业人工智能技术交流大会在北京石油科技交流中心开幕。来自行业的相关学者和专家围绕“发展新质生产力，助力石油石化人工智能赋能数智化转型”这一主题进行探讨和深入交流。

本次大会由中国石油工程建设协会信息与自动化专业委员会与中国石油、中国石化、中国海油、国家管网、中国中化、中国航油等单位的相关部门联合举办，华为油气矿山军团解决方案总裁蒋旺成受邀出席并分享了关于工业领域AI难题如何破局的主题演讲。

会上，蒋旺成从华为角度解读了对新质生产力的理解，以大模型为代表的新科技引领产业的创新，打造可普遍推广的能力和方法，为油气领域提质增产、效率提升、安全保障带来价值。

同时，他对大模型的常见理解误区也做了阐述，大模型并不简单的等同于ChatGPT，也不能完全替代现有的小模型和机理模型，它们是互补关系，可能需要长期共存。此外，在工业领域自动化已经成熟运用多年的情况下，智能化从两个维度进一步提升，实现工业“AI+自动化”。智能化的感知为自动化提供输入支撑，实现更好的自动化，智能化的应用弥补自动化的能力不足。

场景规划层面，人工智能的价值体现在于场景的落地，基于业务主航线，各油气企业应投入对业务有深刻理解的业务专家，并通过规范化的组织和流程来保证价值场景的规划、开发与推广使用的严谨性和科学性。

华为当前在油气领域已经与业界专家团队进行了部分场景的探索，比如地震资料智能解释和设备的预测性维护等，更多的场景挖掘需要企业重视并投入。

结合华为多年探索和商业落地经验，蒋旺成在演讲中提出了工业领域的大模型落地的路径与方法。他解释，大模型分为L0、L1、L2三层。L0即最基础的大模型，比如盘古大模型。L1就是所谓的行业模型，比如，盘古矿山大模型、盘古油气大模型和盘古钢铁大模型，它们是在L0大模型的基础之上，通过海量行业数据训练而来。L2场景模型则是L1行业模型“化繁为简”后，直接应用在生产、业务领域的场景算法模型。

大模型建设的传统路径，通过大量的行业数据与消耗巨大的算力去训练L1行业模型，从而实现L2场景模型的升级迭代。但是，对于油气等很多行业而言，常常面临着数据不足，或者数据收集和处理的工作量极大等困境。而且训练L1行业模型的初始算力要求高，时间周期长，无法支撑L2场景模型的快速上线。

为寻求更短路径，结合华为在多个行业头部客户的实践和探索，蒋旺成在会上提出了一条新的大模型建设路径：在初始阶段，可以直接通过L0大模型结合场景数据集实现L2场景的快速开发。随着场景规划分批落地后，企业收集和标注的行业数据就可以快速的拿来训练L1行业模型，补足L1的能力。

简单来说，新路径的优势在于“小算力起步，逐步扩容”、行业数据可以分批补充，这使得首批场景应用能够快速落地，验证大模型能力，过程中实现大模型开发人才的培养和能力的积累。

不过，蒋旺成也强调，传统路径可以获得能力更强的L2场景模型，而华为提出的“捷径”，L2场景模型的能力主要取决于L0大模型。两种训练路径，不同规模的企业可依据自身行业与场景数据集的成熟度、算力的部署节奏等因素，按需选择。

最后，蒋旺成表示，在油气领域华为会持续打造更好的智能化的底座，提供安全可信的根技术，并积极与业界专家团队一起，探索人工智能在各种场景的应用，打造属于油气行业的新质生产力。