人工智能新技术凭借强大的数据处理能力和智能分析功能，可极大促进油气勘探开发技术变革，以DeepSeek为代表的开源模型持续突破大模型技术边界。本版以胜利石油工程为例，探讨石油工程企业数智化转型的实践与展望，敬请关注。

□丁剑北 李亚男 张 玉 张 琳

3月8日，胜利石油工程智能信息技术支持中心，杨林杰在办公室黑板前不停踱步。黑板上画着DeepSeek大模型神经网络，这位毕业于中山大学信息与通信工程的入站博士，盯着它们，就像盯着一座通往未来的桥。

杨林杰身后电脑屏上，呈现着DeepSeek网页，LOGO上写着“胜利智信”，这是他们在距离DeepSeek-R1发布8天后，完成本地化部署的结果，目前已利用其实现超3000份石油工程文档的高效检索与智能对话。

就在DeepSeek发布前的2024年12月5日，杨林杰所在的胜利石油工程便成立了中国石化首个石油工程AI大模型团队。而在2023年，围绕贯彻落实“端牢能源饭碗、推进技术先导”“发展新质生产力”等重要指示精神，该公司便已开启智能化实践，并投入大量资源用于转型布局。

向DeepSeek，向这个时代所有可吸收借鉴的智能化成果叩问，胜利石油工程获得了一个充满前景的答案。

物联网+DeepSeek推动设备管理革命

3月3日，山东东营市利津县滨1689-301HF井场，胜利石油工程70169队司机长肖路路走进机房开始巡检。

他拿起MRO（物联网）智能平板，点开巡检维护界面，对着压风机上的RFID（电子标签）一扫，平板立刻显示该设备运行、保养维护参数，并提示需要巡检的项点。巡检是否及时、检查项点是否全面，MRO都能发现。

工作结束后，只需在系统点下提交，设备运行保养参数便自动生成入库。而在传统交接班时，肖路路需对近百项维护保养数据追溯累加、手动填报，仅此一项就要耗时30分钟左右。

“之前人工填数据，有时会估算数据，这次估得不准，下次的数就会错上加错。”在70169队队长刘智看来，MRO的到来，让现场设备从“经验管理”迈入“智能管理”。

胜利石油工程装备种类多、数量大、地域分散、搬迁频繁，老旧高耗能装备较多，管理难度大，对于近年来新配备的自动化装备，又缺乏必要手段实现有效串联。

向“智”求道，早在2016年开始攻关研发的MRO系统，成为破题关键。

MRO系统核心原理是依托物联网传感设备，全面采集关键装备数据，实现设备管理的实时感知、动态监控、故障预警等，从而将地上设备有效串联、全面管控。

就在肖路路巡检时，几十公里外，作为MRO系统研发团队带头人，胜利石油工程智能信息技术支持中心物联工程专家于丽丽正在电脑前观测系统预警界面。“哪个在用设备有异常，系统马上弹出报警，从井场到公司领导，各级管理者都能在第一时间接收。目前系统可对16类设备异常进行预警。”她介绍。

MRO系统还能运用数据统计分析，增强装备选型论证、报废处置的科学性，实现从投资购置到报废处置的装备全生命周期管理。

经过不断完善，该系统已实现对顶驱、自动化机具等28类设备的在线监测，以及对300余项设备运行数据的实时感知，已在该公司28支钻井队推广应用、接入及管理关键设备336台（套）。

2023年8月，胜利石油工程在引入MRO系统的基层队废止了九大类45项人工填写报表。2024年11月，该系统入选工业和信息化部发布的《2024年物联网赋能行业发展典型案例公示》，成为当年中国石化唯一入选项目。

探索并未止步。2025年1月，胜利石油工程年度工作报告再次“点题”MRO，“要继续迭代升级MRO等系统，为实现智能钻井提供硬核支撑”。

“目前，公司MRO系统仅对动力设备进行感知，对机械轴承等静态部位还未有效覆盖。同时，现阶段植入MRO系统的一些关键参数有的还源于经验，比如系统认定的设备保养周期，是基于厂家建议及以往经验推测，不是基于设备真实折损情况。就像私家车，4S店要求三个月一保，但三个月里我没开车呢？这就是浪费。”于丽丽说。

1月15日，DeepSeek正式上线，让于丽丽看到了MRO的崭新未来。

以DeepSeek为代表的大模型，本质上是一个使用海量数据训练而成的深度神经网络模型，其巨大的数据和参数规模可实现对复杂数据的学习推理，展现出类似人脑的功能。未来，通过搭载声震温一体传感器，可让MRO感知设备所有部位的真实运行折损情况。通过引入DeepSeek等大模型，对感知到的真实参数进行逻辑推理，进而“精准到天”地预测出设备管理节点。

“系统什么时候提示该维修了，员工就什么时候来；什么时候提示该更换报废了，后勤就提前做好进料。现阶段物资备料、人力紧张的矛盾，都会得到极大缓解。”于丽丽说，“这就意味着设备管控真正实现了‘从经验预防向精准预测’的转变，带来设备管理的变革。”

安全+DeepSeek智慧守护员工本质安全

3月2日，于丽丽坐在办公室电脑前，打开系统进入70169队现场虚拟图，随机点开场地工李延波定位建模，系统即刻呈现李延波本人视频监控。点击“追踪”功能，系统则以动画形式还原出半个小时内李延波的活动轨迹。

当MRO系统把地上设备管起来后，2024年5月，针对队伍分布点多、线长、面广，人员难统一管理的实际，聚焦提升员工本质安全，该公司又发起一项智能化攻关，中国石化首套石油工程井场安全智慧管控系统应运而生。

安全智慧管控系统通过让员工佩戴智能胸卡、手表等感知设备，搭配利用北斗高精度定位技术，可实时采集员工心率、血压、运动轨迹等数据，实现作业人员健康动态感知、三维立体亚米级轨迹定位等功能。

结合传感数据，系统再利用视频智能识别技术，对每名作业人员的行为、状态进行分析，实时识别预警违章情况，进而构筑起严密的监管防线。自2024年10月研发上线后，该系统已在4支钻井队试点应用，可实现对人员违章、缺员超员、劳保穿戴不规范等31类违章操作智能识别，识别准确率达85%以上。

以前，最让刘智头疼的是承包商监管。如今，系统将5844名承包商人员信息纳入库中。承包商入场，系统自动核实人员身份、资质证件，自动讲解入场须知。施工时，承包商一旦进入非准入区域，本人身上胸卡、各级监管系统会即刻发出警报。

随着系统深入普及，于丽丽最担心的还是其智慧识别功能。

“员工在井场打手机，系统能够识别。员工在井场把一个计算器放到耳前，系统也会判定为打手机。”于丽丽说，系统对违章行为识别的准确率还不够。

DeepSeek可能助力这一问题的解决。“借助DeepSeek学习推理能力，针对现场作业人员的实时视频，系统就能逐帧分解、逐帧识别违章。”于丽丽设想，通过导入标准化操作视频及大量图像文本，进行训练微调后，搭载DeepSeek大模型的安全智慧管控系统，将对现场员工的每一次操作进行“AI检阅”。

“重要的是，首先得告诉DeepSeek什么是标准，它才能给出一个标准答案。”杨林杰说。

作为中心AI大模型团队带头人，在杨林杰看来，无论是MRO还是安全智慧管控，它们产生的数据还不能很好满足DeepSeek训练需要。另外，DeepSeek是语言模型，怎么描述系统采集到的设备、动作参数，制定合理的编码规则，更待实现。

“DeepSeek就像通往智能化未来的桥，但究竟要从哪个切入点登陆，需要我们探索。”杨林杰说，DeepSeek的出现，让整个中心既欢喜又承压。

石油钻井+DeepSeek引领行业从“经验钻井”向“智能钻井”转变

紧邻山东省东营市庐山路和南二路两条主干道，牛页2号台整洁的井架、标准化的井场，让过往市民眼前一亮。

如今，拥有钻机管柱自动化处理系统的牛页2号台，只需主副司钻配合，动动摇杆即可完成管柱自动输送、井口自动作业等。钻井液智能坐岗系统就像“AI泥浆工程师”，可以实现自动工况识别、高准确度报警、自动灌浆。

紧盯产业链布局“智慧链”，该公司两年来向“智”而行，2024年，被评为国家“两化融合管理体系升级版贯标AAA级优秀企业”、石化信息化水平评价和网络安全水平评价双A级企业。对于该公司而言，智能化转型的蓝图才刚刚展开，DeepSeek的出现，又让这张蓝图充满更多想象空间。

面临施工价格持续降低的压力，降下的定额从哪儿找？低成本战略向哪里推进？

胜利石油工程智能信息技术支持中心经理何洪涛认为，未来通过技术装备提速提效的空间会越来越小。真正的攻坚方向在占据总成本1/3的人工成本上。当“智能钻井”真正实现时，随着员工劳动强度大幅降低，每支钻井队人员规模将降至现有一半以下，生产模式会从三班倒变成两班倒。

何为“智能钻井”？

何洪涛的理解是至少要实现三个“智能化”。

首先要实现以井场智联控制为核心的地面智能化。依靠MRO物联网、智能坐岗等技术，通过数据采集分析、大模型逻辑推理，实现地面设备的自动化控制、自动化操作。最突出的标志就是钻台无人化、井场少人化。

其次是以智能导航为路径的井下智能化。核心就是围绕地质工程一体化，通过智能化手段，让钻头在地下像“安了导航”一样，以最高效、最经济、最环保的方式钻遇油层。

“现在我们正在攻关自动定向技术，这些技术一旦突破，我们想让钻头往哪儿打，它就往哪儿打。”何洪涛说，“第二步，就是让AI替代我们，让人工智能决策钻头走向。”

要实现第二步，就需要借助“第三个”智能化——以DeepSeek为代表的大模型决策智能化。“地上地下，凡是需要思考推理决策的，都交给控制中心的大模型，让DeepSeek等大模型来应对复杂岩层，决策控制钻井参数、泥浆性能、钻头选型等。”

而实现这一智能化，最显著的特征就是——“井上员工只考虑执行就好”。

看似遥远的蓝图，正被一星一点绘就。

事实上，自2023年以来，胜利石油工程就已先后着手研制包括钻井装备自动化控制集成软件、压裂智能设计决策等十套核心智能软件系统。

2024年，面向未来，该公司又出台了《胜利石油工程公司发展新质生产力实施方案》，部署了37项重点措施，其中22项具体工作与大模型等智能化技术有关。

从最初只有30人的基层单位，到2024年发展为拥有近150人的专业经营单位，智能信息技术支持中心的挂牌成立，本身就是该公司推进智能化转型的实措。

“听说我们缺人，公司连续三年每年都招来1~2名博士研究生，8~9名硕士研究生和本科生。听说我们搞实验没地，公司马上选好合适的装备和井场。”何洪涛感叹，“这真是举全公司之力。”

何洪涛也在布局。聚焦“三个智能化”，中心下辖的物联控制中心、电气控制中心、智能研发中心各领主攻方向，开启了蹄疾步稳的研发，目前已立项攻关24项自动化智能化课题。

“胜利油田目前有超 10 万口井的开采资料，这些资料大多以语言文档记录，先天符合DeepSeek‘口味’。”几经碰撞，杨林杰团队把目光转向了地质工程一体化，“通过导入海量文档对DeepSeek训练微调，便可搭建出地质工程一体化模型，实现井位部署自动计算优化、钻前设计智能优化、钻中智能监测决策，这将为实现智能钻井提供基础保障。”

不远的将来，由胜利石油工程自主设计、国内首台全自动化钻机将落地动工，届时，该公司会集成所有智能化技术，初步打造“智能钻井”1.0版本。

“智能钻井的发展有望将现有探明储量增加40%、非常规油气开发成本降至30美元/桶以下。”何洪涛对未来无比期待。加载DeepSeek等大模型的智能钻井一旦实现，将引领石油工程行业迈入“智探深地”时代，“端牢能源饭碗”的时代答卷在数智化加持下，也将迎来更加精彩的回答。

延伸阅读

中国石化

接入时间：2025年2月5日

部署情况：完成DeepSeek在国产化算力环境中的全尺寸部署，并接入长城大模型应用系统。

技术特点：采用推理加速技术，使模型推理计算效率提升近一倍。

测试与应用：编制《石油化工行业大模型测试题集（推理思考版）》，测试结果显示DeepSeek-R1对石油化工行业知识的理解能力较强。

未来规划：继续完善人工智能技术体系，提升大模型训练质量，推动行业智能化转型。

中国石油

接入时间：2025年2月8日

部署情况：昆仑大模型完成DeepSeek大模型的私有化部署。

应用场景：昆仑大模型的问答应用“行业大家”新增DeepSeek深度推理能力，用户可切换至“深度思考”模式，体验知识推理和场景理解等服务。

模型层面：昆仑大模型的AI中台模型广场已上线DeepSeek-V3与DeepSeek-R1模型版本，并实现全尺寸适配。

未来规划：加快行业大模型迭代升级，聚焦能源化工主营业务，打造特色应用场景。

中国海油

接入时间：2025年2月14日

部署情况：中国海油“海能”人工智能模型平台完成DeepSeek系列模型（DeepSeek-R1 671B完整版本及蒸馏版本）的私有化部署。

应用场景：通过API接口服务海油ERP系统、海油商城等多个业务应用，满足不同业务场景的智能化需求。

技术特点：采用全国产化算力，确保数据在集团内网环境中的高效处理和自主可控。

中国中化

接入时间：2025年2月14日

部署情况：人工智能平台成功接入DeepSeek系列模型，包括DeepSeek-R1和DeepSeek-V3。

应用场景：利用DeepSeek的深度推理能力优化生产流程，降低能耗和成本；在油藏开发、地震资料处理、化工产品研发等领域实现应用。

数据解析：对数百个行业标准和技术规范进行智能解析，探索高质量行业数据集的构建。

未来规划：通过实时监测和分析生产数据，优化生产参数，预测市场趋势，降低运营成本。

新闻会客厅

段鸿杰 胜利油田数智化管理服务中心经理

问：DeepSeek的接入被视为石油化工企业数字化转型的重要一步。从企业的整体数智化战略来看，DeepSeek如何与其他数字化技术（物联网、大数据等）相结合，为企业构建一个更加智能化的生态系统？

答：油田物联网设备能实时采集油水井实时压力、温度、油水比等信息，目前已在集团公司油气生产信息化平台（PCS）实现了数据汇集，把物联网海量结构化数据以宽表形式进行语料训练，让DeepSeek发挥独特的推理能力优势，智能化建立业务数据之间的逻辑关系。对用户而言，通过智能问答即可实现对海量数据的查询和智能对比分析，比如用户可随时询问某井近5天生产情况、某井近两个月的产量变化等。

大数据是油田企业的宝藏，集团公司建设了勘探开发业务协同平台（EPBP）及数据湖。大数据利用DeepSeek的机器学习算法，基于历史数据可对油田业务进行预测，比如基于海量的钻井风险事故大数据进行聚类分析，预测新井钻探过程中的复杂安全事故；比如基于海量地震数据体，使用DeepSeek技术发现相似地震属性，在储层预测方面发挥重大作用。

问：DeepSeek大模型的接入是否会对石油化工行业的上下游产业链产生影响？未来大模型在石油化工行业的发展趋势是什么？大模型在处理石油化工行业敏感数据时，如何平衡数据利用和隐私保护？

答：DeepSeek大模型的接入一定会对石油化工行业上下游产生深远影响，而且是不可预知的革命性影响，从工作习惯到工作机制甚至用工数量等方面都会发生变化。

未来大模型在石油化工行业及其他行业都会向业务纵深发展，从通用对话大模型向业务密切相关的行业延伸。比如油田企业会建设自己的地震数据处理大模型、勘探井位部署大项目、测井数据分析预测大模型等。从数据角度看，各企业的数据是有保密要求的，这不仅不会随着DeepSeek的到来而改变，反而会对业务数据更加严格管控。因此各企业需要建设私有化部署的大模型，以此大模型为基础，连通企业数据湖，打造业务基础大模型，同时在一定程度上慢慢厘清企业内部私人写作和业务数据分析之间的界限，私人写作可以借助网络大模型，而企业数据相关人工智能应用需使用私有化部署的大模型。