原油价格在2008年达到了创纪录的高点,每桶原油的价格冲到了150美元以上,刺激了投资者的淘金热,这些投资者一直在投资这个前景无限的行业,依靠价格的起起落落获利。然而,困扰着埃克森美孚、壳牌以及英国石油公司等全球能源公司的现实证明结论与现状恰恰相反。
虽然经历了价格上涨带来的资金流入和现金流增加,但是这些庞大的行业巨头在2005至2014年期间,还是经历了长达十年的衰退。这种衰退主要是由于税收、服务成本和开发费用的上涨导致的运营成本上升造成的。因此,有超过25万名石油工人失去了他们的工作,超过三分之二的石油钻井平台已经退役,而一大堆顶级玩家则发现自己只能申请破产。
随着规模化挑战的不断持续,大型石油公司也遭受了严重的功能性和结构性低效。使用过时的技术和方法来衡量生产力推迟了很多必要的内部增长。每年损失数十亿美元,石油公司现在就需要能够立竿见影的解决方案,以便更聪明地工作,收复失地并提高收入。
在今天这样一个向着太阳能和绿色能源大踏步迈进的时代里,对气候变化和全球经济转变的讨论也在为这种趋势推波助澜——可是石油和天然气行业仍然是一个庞大的市场,负责产生世界上举足轻重的一部分财富。
成立于2009年的Seven Lakes Technologies是一家为上游石油和天然气公司提供智能解决方案的企业软件公司。这家创业企业打造了个性化的数据解决方案和技术,被用于跟踪关键指标并发现运营效率低下。他们的目标非常简单:降低生产成本、提高生产力并建立高效的工作流程。
我同Seven Lakes公司的首席执行官Shiva Rajagopalan进行了交谈,谈到了新兴的趋势,新技术的采用以及这些转变在2018年将如何塑造大型石油和天然气公司的未来。
请描述一下石油行业目前的状况,以及为什么说现在是颠覆这个领域的最佳时机?
Shiva Rajagopalan:石油和天然气公司经历了市场的动荡,现在有了经过精细调整的精益团队,并确切地知道该在哪里用力。尽管有了所有的这些改变,实现生产目标仍然是一种非常模糊而神秘的行为。这种情况必须改变。培养一大批人来解决这个问题是不会成功的。我们现在必须用容易使用的预测技术——例如人工智能等拥抱了颠覆性的技术——来武装员工。
人工智能等新兴技术将会如何塑造石油和天然气行业的未来?
Shiva Rajagopalan:人工智能技术有望给现场以时间,以便他们可以缩短意外停机时间。与许多其他的行业一样,人工智能也会自动执行单调的任务。人工智能允许司泵专注于高价值的问题,而不是陷入数据查找任务。人工智能可以识别钻井数据中的细微模式,并有助于在每个钻井在问题真正出现之前很久,就预测出需要的维修。人工智能石油和天然气系统能够逐渐地理解每个运营要素,随着时间的推移,这种理解会变得越来越深入,这让它能够快速识别模式,并且——也更为重要的是——能够更好地生成即时和持续的预测结果。有了足够的正确数据,我们可以仔细观察油井的性能,确定潜在的高压点,并进行推算。用同样的方式,我们可以确定一口井何时需要人工举升,并提供进行举升所需的计算。通过建立人工智能系统,机组成员可以快速反应,并积极开展工作,大大缩短停机时间。
困扰石油天然气行业的最大盲点或挑战是什么?新技术如何解决这些问题?
Shiva Rajagopalan:石油和天然气行业很大程度上是建立在企业家精神之上的,白手起家从零到数十亿美元的规模。没有先进的技术、系统和流程,这一切都是不可能的。石油和天然气行业的IT部门都知道这一点,但是他们所做的只是拼凑各种技术,却没有真正理解整套装备看起来应该是什么样子。无法实时可视化油田正在发生的情况。油价的持续走低以及随后出现的市场下滑导致了数量巨大的裁员、投资减少以及利润日益趋紧。石油和天然气行业已经日益精益,利用现有的资源尽可能地优化业绩,以保持盈利能力和产品目标。现在,每一家主流的石油和天然气公司都希望在不增加资源的前提下提高产量。同时,每一家供应商都希望为他们提供最新的生产优化软件。双方都听说过人工智能的潜力,即加快流程、降低成本,但他们才刚刚开始了解这种现代技术的能力。
这将对全球的石油和天然气市场产生什么样的直接影响?
Shiva Rajagopalan:在石油天然气领域拥抱颠覆性技术方面,美国一直是领导者。随着人工智能在生产计划和优化方面的整合,我们只会看到对这种技术的应用普及开来。人工智能支持的优化将提高全球石油和天然气储量的开采和生产效率,在为世界提供所需的能源的同时,保护自然资源和环境,产生改变游戏规则的影响。
考虑到所有正在发生的变化和趋势——你如何看到石油和天然气行业在未来两至五年内的发展?
Shiva Rajagopalan:我们现在已经看到出现了三个重大的转变,这将改变我们所知道的石油和天然气业务的未来。
1. 动态路由司泵,以解决价值最高的问题
通过使用人工智能,聚焦那些目前需要注意的高生产资产,而不是在所有的钻井上花费大致相同的时间,动态路由已经让E&P公司掌握了主动权。例如,如果一家租赁公司正在维修15口油井,其中有12口油井运行顺畅,而3口井出现了故障,优先处理出现了故障的钻井对于提高整体产量来说是非常有意义的。
2. 实时的油运收据
想想看围绕着传统手写油运收据(流动票据)然后再手工将其录入到Excel电子表格这项工作的低效率吧。简单的数据录入错误到处都是,可能会导致重大的问题,而手工双重检查则会浪费宝贵的时间,从几个月到几年。通过开发人工智能系统,将现场工作人员和位于角落的经理办公室连接起来,我们可以对石油和天然气公司的生产情况有一个完整而准确的观察。尽管大多数SaaS供应商只是获得了基本流动票据图片的能力,但是自2012年以来我们已经证明,使用我们的移动现场数据采集软件来解读手写票的准确率有可能达到99%,直接导致同比产量增加了2%至4%。
3. 在恰当的时机让钻井上线
我们经常会说风险巨大是这个行业DNA中写就的特点。然而,为了充分地从这些风险中获得回报,这个行业的公司的发展就不能仅仅局限在钻井方面。为了让项目保持在预算之内,并且能够准时完成而且有利可图,我们进行了很多不必要的挣扎,必须停止这种挣扎。随着当前集成工作流程管理方面的创新,我们不再受到传统系统彼此之间无法轻松对话的束缚。这意味着更好的预算预测和工作流程,这对于石油和天然气公司适当扩大资本预算并保持项目按时进行来说,是至关重要的。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。