至顶网软件频道消息: 尽管目前市场上各行业有关人工智能的接受度仍然不甚理想,但不容置疑的是未来这方面业务将会带来十分可观的收益。
目前,部分企业——包括能源公司在内——在选择采用人工智能(AI)工具方面的进度有些缓慢,究其原因可能是考虑到安全性、成本等问题,或仅仅是因为其对AI的最佳应用实例与相应的回馈效益缺乏一定的了解从而导致没有采用AI工具。
据了解,AI的应用可能会在企业内部——诸如石油与天然气供应商等——产生立竿见影的效果,具体包括削减开支、提高生产力,甚至能够彻底革新这类企业的运作方式。
举例而言,AI在能源行业的主要应用实例可能具体包括寻找最佳钻井地点以减少“误报”次数;快速分析历史数据,并借此为贸易公司提供最佳船舶建议;此外,AI还能够将供应、天气与自然灾害等因素纳入考虑范围,从而为运输燃油的船舶提供最具成本效益与时间效率的路线。
技术咨询公司SapientRazorfish旗下有关人工智能的全球主管Rashed Haq表示,对于石油与天然气公司而言,以下几项主要因素将推动其尽早采用AI。
其一即是生产成本。Hap表示:“石油与天然气行业的价格长期存在不稳定性,故而该领域内的企业越早改善其生产、精炼与分销成本,其收益将越高。在另一方面,应用AI即能够降低勘探与生产的成本。尽管目前并非每个公司都部署了所有的AI使用实例,但AI技术已经广泛应用于不同的流程中,所以我们估计——随着时间的不断推移——AI技术能够将【勘探与开采】方面的成本降低10%左右。”
另一项因素则是该行业内劳动力的逐步老龄化。Hap解释称:“现在已有报道显示,石油与天然气行业内30%至40%的劳动力将会在未来十年内退休,而这些劳动力的离去必然伴随大量技术经验的流失——而这是企业发展所依赖的。因此,转向机器人流程自动化,建立以知识为基础的专家助手即可充分抗衡行业内劳动力老龄化趋势对技术型人才流失的影响。这不仅仅关乎于成本节约问题——据估计,AI技术可以节约近20%至40%的成本,还是一个潜在的运营能力问题。”
此外,企业的综合行政管理(G&A)费用将会呈现持续上涨的趋势。Hap补充道:“在过去的几十年里,大部分企业的G&A呈现不成比例地增长,并且G&A的增长可能会为许多公司造成每桶3美元的成本差异。然而,在采用了AI技术之后,即使是处于G&A低端水平的公司都会有较为明显的改善。”
最后,AI还可以处理公司所面临的安全与风险管理问题。对此,Hap表示:“因为安全与风险管理无法提前得以验证,故而有关这方面的改善总是一个棘手的难题。”
“基于AI的早期预警系统具有明显的优势。甚至在应用了AI技术之后,误报次数得以减少——正如部分公司已经实施的一般——并且各条警报不再必须进行人为介入,故而可节省高达50%的工程时间。”
在各种类型的AI应用中,有助于解决此类问题的AI技术能够在地震分析中提供更好的决策以降低勘探成本;钻井、管道与其他资产的机器学习预测维修;此外,还有优化物流运作以提高库存水平,减少损耗等等。
Hap表示,其他应用场景还包括通过机器人或智能过程自动化以完成许多重复任务,具体包括船舶审查自动化以及更低成本与设备寿命更长的自动化钻井。
最后,Hap补充道:“有些任务在缺乏AI帮助的情况下几乎无法完成,换而言之,这些不仅仅是在降低体力劳动的成本,而是使得该流程在本质上实现可行生——例如将基于单变量的钻井计划与战略转化为基于多因素的使用实例,这种实时使用实例可改善钻井方向与渗透率等。”
好文章,需要你的鼓励
戴尔、微软、Salesforce等科技领导者发布2026年AI预测,认为AI代理安全防护和投资回报率是客户关注焦点。戴尔CTO预测AI将转向本地部署以加强控制;ServiceNow强调AI价值必须体现在业务收益上;Snowflake重视数据治理在AI代理管控中的作用;Salesforce认为AI将成为品牌形象代言人;微软强调信任是AI代理部署的关键要素。
MBZUAI和法国综合理工学院联合开发的SchED算法能让AI写作速度提升3-4倍。该算法通过监测AI生成文本的置信度,采用进度感知的动态阈值策略,在保持99.8%-100%原始质量的同时显著减少计算时间。实验覆盖多种任务类型,证明了算法的有效性和鲁棒性。
苹果计划在2026年推出多款重磅新品,包括配备miniLED面板和A19 Pro芯片的27英寸外接显示器、搭载homeOS系统的7英寸智能家居控制设备、首次采用OLED屏幕的全新MacBook Pro、具备7.8英寸内屏的iPhone Fold折叠手机、售价699美元起的入门级MacBook,以及升级OLED显示技术的iPad mini。
西安交通大学研究团队发现,AI视觉语言模型容易受到功能词(如"是"、"的"等)的干扰而遭受攻击。他们开发了功能词去注意力(FDA)机制,让AI减少对这些词汇的关注。测试显示,该方法可将攻击成功率降低18%-90%,而正常性能仅下降0.2%-0.6%。FDA无需额外训练即可集成到现有模型中,为AI安全防护提供了简单有效的解决方案。