作者简介
胡文娟 中海石油气电集团有限责任公司高级工程师，钻研方向为天然气行业大模型利用。 闫昭坤 中国信息通讯钻研院人为智能钻研所工程师，钻研方向为大模型研发、落地及征询。 孟丹妮 中海石油气电集团有限责任公司工程师，钻研方向为天然气行业大模型利用。 许珊 中国信息通讯钻研院人为智能钻研所高级工程师，钻研方向为人为智能征询。 蒋博丞 中国信息通讯钻研院人为智能钻研所工程师，钻研方向为大模型研发、落地及征询。 许丽姣 中海石油气电集团有限责任公司工程师，钻研方向为天然气行业大模型利用。 陈广拓 中海石油气电集团有限责任公司工程师，钻研方向为天然气行业大模型利用。 张义 通讯作者。中国信息通讯钻研院人为智能钻研所高级工程师，钻研方向为人为智能与新型工业化。
论文引用体式： 胡文娟, 闫昭坤, 孟丹妮, 等. “人为智能+”推动天然气行业高质量发展蹊径钻研[J]. 信息通讯技术与政策, 2025, 51(8): 35-41. “人为智能+”推动天然气行业高质量发展蹊径钻研 胡文娟1 闫昭坤2 孟丹妮1 许珊2 蒋博丞2 许丽姣1 陈广拓1 张义2 （1.中海石油气电集团有限责任公司，北京 100028; 2.中国信息通讯钻研院人为智能钻研所，北京 100191） 提要：当今，人为智能作为新兴产业的代表，已成为全球科技海潮的沉要驱动力。从最初的单一逻辑推理到如今的自主深度进建、复杂事务处置和智能决策支持，人为智能塑造了新时期发展的新范式，并深刻影响了社会、经济、文化等各个领域。作为国度能源储蓄和民生保险的关键领域，能源行业在人为智能的推动下，正加快实现从“人为性”向“智能性”的转型。自动化出产、远程监测、数据分析、产量仿照、智能运输等新兴技术，逐步成为提升出产效能和推动产业结构升级的主题驱动力。 关键词：人为智能；大模型；天然气 0 引言 随着人为智能技术的持续发展，全球已达成共识，在人为智能领域占据优势，已成为国度竞争力的沉要体现。在能源绿色低碳转型与数字化出产运输的大布景下，人为智能正以前所未有的方式横向融合、纵深发展，深刻沉塑传统天然气行业的发展模式[1]。 基于此布景，本文聚焦于我国人为智能在天然气领域的政策导向、全球天然气行业发展趋向与技术利用，分析我国天然气行业的近况与技术发展，并探求人为智能若何推动天然气行业的高质量发展[2]。 1 人为智能推动天然气行业高质量发展的政策解析 当前，天然气行业的表部发展环境在产生显著变动，供需关系也经历了深刻的调整。在我国加快推动能源结构转型的关键时期，作为清洁能源支柱的天然气正迎出处人为智能主导的革命性升级[3]。2022年8月，科技部、国度发展和鼎新委员会、工业和信息化部等九部门结合颁布了《科技支持碳达峰碳中和执行规划（2022—2030年）》，该规划旨在通过系统化的人为智能等科技创新系统，助力中国在2030年前实现碳达峰指标，并为2060年碳中和指标奠定技术基础。2023年3月28日，国度能源局颁布了《关于加快推动能源数字化智能化发展的若干定见》，该定见旨在推动人为智能等数字技术在能源领域的创新利用，出格是在能源设备状态鉴别、靠得住性评估及故障诊断等方面的技术发展[4]。 我国高度器沉能源行业，采取一系列政策措施，以高效推进天然气行业在保质增量协调发展、低碳减排绿色发展、人机协同高效发展等方面的进取[5]。人为智能创新已成为天然气行业科技利用的沉点发展方向，支持行业转型升级的主题力量[6-7]。 2 人为智能推动天然气行业高质量发展的行业蹊径索求 在全球领域内，人为智能已成为列国推动天然气产业升级和实现可持续发展的关键技术[8]。无论是国际上还是国内，天然气行业都在人为智能技术的推动下，索求出切合各自国情和市场需要的蹊径[9]。全球多个天然气出产和消费大国，正积极利用人为智能提升行业效能、降低成本并推动绿色转型[10]。在这一过程中，列国基于分歧的技术特点和发展需要，在逐步实现智能化运营、自动化决策和数字化治理，为天然气行业的将来发展奠定基础[11-12]。 2.1 人为智能推动天然气行业高质量发展的全球近况 全球能源转型与可持续发展日益受到关注，天然气行业作为支柱领域，正迎来人为智能与天然气交叉发展的加快推动[13]。凭据英国石油公司（BP）颁布的《2024年世界能源统计》，全球天然气产量和消费量别离达到41 244亿立方米和41 278亿立方米，别离同比增长1.2%和2.5%[14]。全球天然气市场仍维持增长，人为智能在该领域的利用需要愈发火急[15-16]。 中国、俄罗斯、巴西和美国是全球重要的天然气出产和进口国度，其年产量位列全球前列。列都城在积极关注人为智能推动天然气行业的高质量发展[17-18]。例如，壳牌巴西公司（Shell Brasil）与意大利Saipem公司等企业结合开发了FlatFish自主水下无人机，集成了水下导航、图像鉴别与自主决策等多项人为智能技术。该无人机可能在超过2 000 m[19]水深领域内精确执行海底设施检测工作，大幅提高了深海作业的效能与安全性。这一利用充分体现了人为智能驱动的智能硬件在深水能源作业中的巨大潜力。 此表，巴西国度石油公司（Petrobras）与美国微软公司于2022年结合推出了ChatPetrobras大模型企业副手，为员工提供文本天生、翻译、提要提取等服务。该系统深度集成了代码天生部署与跨系统知识检索等流程，构建了能源行业的对话式智能工作平台。 全球列国人为智能推动天然气行业高质量发展的内表部前提各不一样，我国也必要凭据自身特点索求适合蹊径。 2.2 我国人为智能推动天然气行业高质量发展示状 我国天然气行业具备巨大的社会需要、宽泛的利用场景、丰硕的数据资源和融合延长的产业链。当局不休美满顶层设计并深入供需侧鼎新，为天然气行业提供了辽阔的发展空间。凭据2024年统计数据，我国天然气产量和进口量别离为2 464亿立方米和1 841亿立方米[20]，显示出天然气行业在绿色低碳转型中的不变增长。 人为智能推动天然气行业高质量发展的作用日益凸显，尤其在提升储能与运输效能和解决能耗问题方面展示出巨大潜力。行业龙头企业中国石油、中国石化和中国海油已在智能化方面获得显著成就。2025年5月，中石油推出拥有千亿量级参数规模的“昆仑大模型”具备超大规模推算能力，覆盖地质图像鉴别、专业汇报解析等业务场景，并支持软硬件生态的全面适配。2023年12月，中国石化成功油田开发拥有高百亿级参数规模的“胜幼利”大模型融合油气领域专业知识，具备优良的说话理解和工业推理能力，在复杂场景中阐发出优良的泛化能力。中国海油与中国电信、科大讯飞等结合开发的“海能大模型”融合内部数据资源，沉点利用于稳产增产、设备守护等主题工作，为海上作业的智能化转型提供支持。 总而言之，国内表在人为智能推动天然气领域高质量发展的索求在稳步推动，并出现出分歧的发展蹊径。国际上，重要的天然气出产国已经通过智能化技术提升了作业效能、降低了碳排放，并在现实利用中获得了显著成就。国内则通过顶层设计和政策支持，推动人为智能在天然气勘探、运输、存储等各个环节的深杜爪用，形成了适合我国国情的索求蹊径。 3 人为智能的技术近况 自21世纪以来，人为智能技术在算法创新与算力提升的双沉推动下实现了迅猛发展。以图形处置单元加快与散布式推算为代表的算力基础逐步成熟，深度进建成为人为智能领域的主题驱动力。从循环神经网络（Recurrent Neural Network，RNN）到Transformer架构，模型结构不休演进，推动天然说话处置从语义理解走向说话天生的阶段。进入21世纪20年代，基于“预训练—微调”新范式的大型模型与天生式人为智能的鼓起，标志取人为智能进入了全新的发展阶段。此表，深度进建与强化进建的融合，也显著提升了人为智能在自动驾驶等复杂决策场景中的感知与节造能力。 在能源行业，人为智能的利用起初集中在电力负荷预测、电网调杜着化、设备故障诊断等领域，助力传统能源系统向智能化运维和数据驱动的治理模式转型。近年来，天生式人为智能逐步从“辅助分析”阶段迈向“智能天生”阶段，不仅实现了从知识进建到工作产出的能力跃迁，还推动了决策效能、运行安全与知识传承等方面的内容性提升。 瞻望将来，尤其是2025年后，人为智能的大模型有望深刻沉构天然气行业的技术架构和组织状态。大模型将成为天然气行业供需侧辅助调度配置的关键工具，在技术层面突破行业“瓶颈”，推动产业链各环节的智慧化升级，并在市场端形玉成新的业务模式，为天然气行业的高效、智能化发展提供坚实的支持。 4 天然气行业中大模型技术的利用场景 人为智能的大模型技术在为天然气行业的各个环节带来深刻的刷新。通过壮大的数据处置与分析能力，大模型不仅援手提升了安全出产保险能力，还优化了运营效能。在以下几个关键领域，大模型正逐步显露其巨大潜力。 4.1 高质量发展的场景索求：保险安全出产 天然气行业的安全出产至关沉要，大模型技术通过多维数据分析与智能预测，为安全防护提供了强有力的保险。以下是大模型技术在保险安全出产中的重要利用。 一是精准监测天然气运输风险。大模型通过整合管网压力、阀门状态、车辆轨迹等多维数据，利用时空分析与异学问别算法构建动态评估模型。该模型可能实时监控管路泄漏、压力突变等潜在风险，天生风险热力争并辅助定位隐患，从而在运输全过程中筑牢安全防线。 二是智能优化接管站能源利用。在天然气接管站，大模型深度分析海量的能源亏损数据，挖掘出能耗法规与潜在节能点，构建精准的能源亏损预测模型；诜制绻た鱿碌哪茉葱枰げ，能耗治理系统可能智能地调整能源分配战术，从而削减因能源浪费引发的安全隐患，确保能源的合理高效利用。 三是提前预判设备守护机遇。大模型结合设备传感器采集的振动、温度、压力等运行参数，构建设备健全状态评估模型。通过不间断地检测与分析设备实时数据，提前预测潜在故障并确定合理的守护机遇，有效躲避因设备故障导致的安全变乱，保险天然气出产设备的不变运行。 4.2 高质量发展的场景索求：提高运维效能 大模型技术不仅可能保险安全出产，还可能显著提升天然气行业企业的运维效能。以下从资源采购、市场销售和运维治理3个方面，探求天然气行业高质量发展场景的具体利用。 4.2.1 资源采购 大模型通过多元化的数据分析优化资源采购决策。首先，它整合短期业务数据（如卸货量、存货量），优化液化天然气船调度；其次，基于中期买卖与宏观经济数据，预测天然气需要与价值走势；最后，整合持久全产业链数据（如气象、产量信息等），通过算法模型进行动态决策优化。推动资源采购向智能化、预测式决策转型，实现“数据驱动—模型推演—全周期效力提升”的一体化治理。 4.2.2 市场销售 大模型技术在推动市场销售的高质量发展方面可凭据功夫周期进行划分。在短期内，大模型凭据客户的汗青用气量、消费趋向等，天生用户画像，预测需要量；在中期内，大模型成立船舶运输年度打算智能优化模型，合理配置运力资源；从持久看，大模型可能对客户全性命周期进行价值分析，评估其在整个性命周期中的价值贡献，从而领导差距化营销和精准服务战术。 4.2.3 运维治理 大模型能够有效解决数据异构、信息孤岛等问题，通过整合来自分歧层级、分歧股权布景和分歧业务的数据，买通数据壁垒，实现集中治理和高效利用。大模型还通过科学决策支持，援手治理层提供精准决策凭据，并推进组织间的高效协同。通过智能化的信息传递与工作分配，确保各个部门之间的信息通顺，提升整体运营效能和执行力。 大模型技术的利用场景正逐步拓展，尤其在保险安全出产和提升运维效能方面，阐扬着沉要作用。从精准监测运输风险、智能优化接管站能源利用，到提前预判设备守护，再到提升资源采购、市场销售与公司治理效能，人为智能在推动天然气行业向智能化、高效化的将来迈进。 5 人为智能推动天然气行业高质量发展的蹊径选择与落地 随着天然气行业智能化需要的不休加深和数字化转型的持续推动，人为智能已经成为推动行业升级的沉要力量。因而，选择相宜的技术蹊径并推动其落地执行至关沉要。通过合理规划蹊径选择与部署流程，可能确保技术利用与行业需要的高度符合，从而实现提升出产效能、保险安全以及推动绿色低碳转型的指标。 5.1 蹊径选择 随着数字化转型的深刻推动和行业智能化需要的不休增长，大模型出现出系统化、分层化和定造化的发展趋向。为了满足分歧业业和业务场景对模型能力的差距化需要，业界逐步形成了基于利用领域与专业深度的三层模型结构系统，蕴含L0基础大模型、L1行业大模型和L2场景模型。在利用大模型技术高效推动行业发展时，必要凭据三个层级模型的个性，并选取相宜的蹊径发展具体的部署流程。 目前，行业中主流的大模型落地蹊径重要蕴含两种。 第一种是L0→L1→L2蹊径：该蹊径从底层的通用大模型启程，逐步构建行业大模型和场景大模型。利益在于系统齐全且适应性强，合用于尺度化水平较高的行业场景，数据量要求适中，但对数据质量的要求较高，如图1所示。
图1 人为智能推动天然气行业高质量发展的L0→L1→L2蹊径
第二种是L0→L2→L1蹊径：该蹊径从具体业务场景动手，首先构建L2层场景模型，而后综合多场景能力，向上融合形成L1层行业大模型。此蹊径更具实用性与定造化，合用于工作复杂、需要异构的行业场景，如图2所示。
某大型国企已逐步选择L0→L2→L1蹊径，并构建了底层能力驱动、场景优化与行业模型集成的三层架构。该企业基于自有算力基础与大模型一体化平台，构建L0通用模型平台，具备宽泛适应性，支持跨领域工作，如文本天生、说话理解和知识问答等。此平台为大模型技术提供了基础能力起源。接着，该企业针对主题业务场景，如公函写作、智能监控和产业协同，急剧构建L2垂直模型，满足天然气调杜着化、设备预测性守护等具体需要。通过深度定造和动态调优，L2模型为细粒度业务工作提供智能支持，并具备壮大的场景感知能力；诙喔鯨2场景模型的能力整合，企业构建了L1行业大模型，融入行业专属数据和知识图谱，形成可支持行业共享与跨场景协同的模型，推动天然气行业的智能化转型。
5.2 蹊径落地
在确定大模型的部署蹊径后，主题指标是成立高效运作的四大中心：数据中心、大模型中心、算力中心和智能体及利用中心（见图3）。这些中心共同支持大模型技术的有效执行，并推动人为智能在天然气行业的利用落地。
图3 天然气行业大模型有关平台分层建设架构图
5.2.1 数据中心
高质量的数据集是大模型落地的基础。天然气行业的数据建设应遵循系统化与尺度化准则，涵盖资源采购、市场销售、安全出产、产业协同与监督合规等主题场景。在执行过程中，应明确每个业务场景的数据指标，并确保数据采集、洗濯、加强与守护等环节可能满足行业个性和技术要求，确保模型训练的不变性和实用性。
5.2.2 大模型中心
大模型中心掌管模型的算法开发、精调优化、评估与版本治理，并支持分歧业务场景下的模型适配与能力沉淀。该中心需建设一个全性命周期治理机造和安全评估系统，推动“预训练—精调—部署”的关环研发系统。在大模型的选型上，需综合评估其机能、适配性、部署可行性和成本效益，拔取最切合天然气行业需要的模型，如DeepSeek、GLM、文心一言等。
5.2.3 算力中心
算力中心承担大模型训练与推理所需的算力资源两全、调杜纂运维工作。天然气行业的算力需要差距较大，通常在亿级至千亿级之间颠簸。因而，算力中心必要凭据模型参数规模、并发要求强度和训练周期等成分进行精密化配置，合理选择本地部署与公有云部署的平衡点，确保高效、不变地支持模型的运行。
5.2.4 智能体及利用中心
智能体及利用中心的主题工作是将大模型技术利用于具体的业务场景，掌管需要分析、智能体设计、检索加强天生集成与产品化打磨，并推动多场景智能体系统的构建。通过构建可复造、可评估、可推广的智能体利用模板和部署规划，智能体中心确保技术可能在天然气行业内的多种业务场景中落地利用。例如，在文档问答、工作副手和多端交互利用中，智能体中心可能为企业提供高效、智能的操作平台，进一步提升企业的业务执行力。
大模型技术的蹊径选择与落地执行是人为智能推动天然气行业高质量发展的沉要环节。通过选择适合的蹊径和搭建美满的四大中心，天然气行业能够高效推动技术部署，显著提升出产工艺、运维、能耗、供给链调度和决策五大维度的效能，保险安全出产，优化运营治理。将来，随着大模型技术的进一步发展和利用，天然气行业将迎来越发智能化、自动化的转型升级。
6 实现语
本文梳理了人为智能在能源行业的典型利用蹊径，回首了其技术演进与机造，沉点探求了大模型技术在天然气行业的利用实际与蹊径选择。在天然气行业数字化转型不休深入的布景下，人为智能已成为提升治理效能、推动产业协同、优化运营流程和强化风险防控的关键工具。
随着大模型在天然说话处置和数据分析等领域获得突破，其在能源行业的推作为用愈加显著。石油等领域确当先企业已实现专有大模型的构建和利用，推动行业迈向智能化。然而，天然气行业由于组织结构复杂、场景需要多样以及高安全要求，仍需索求适配性更强的模型蹊径。
瞻望将来，随着大模型的持续演进，人为智能将在更多天然气利用场景中创造价值，成为能源行业智能化升级与高质量发展的主题驱动力。通过构建“模型—算力—平台”协同的技术系统，天然气行业有望实现从部门智能化到全面智慧化的飞跃。
Exploring the path of empowering the natural gas industry with “AI+” HU Wenjuan1, YAN Zhaokun2, MENG Danni1, XU Shan2, JIANG Bocheng2, XU Lijiao1, CHEN Guangtuo1, ZHANG Yi2 （1. CNOOC Gas and Power Group, Beijing 100028, China; 2. Artificial Intelligence Institute, China Academy of Information and Communications Technology, Beijing 100191, China） Abstract: Currently, artificial intelligence (AI), as a representative of emerging industries, has become a major driving force in the global technological wave. From its early stages of simple logical reasoning to the current era of autonomous deep learning, complex task processing, and intelligent decision-making support, AI has shaped a new paradigm for the development of the modern era, profoundly impacting various fields such as society, economy, and culture. As a key sector for national energy reserves and public welfare, the energy industry is accelerating its transformation from “manual” to “intelligent” driven by AI. Emerging technologies such as automated production, remote monitoring, data analysis, production simulation, and intelligent transportation are gradually becoming the core drivers for improving productivity and upgrading the industrial structure. Keywords: AI; large models; natural gas industry
客服1