至顶网软件频道消息:
除了对于变化的怀疑,各能源企业还在斟酌新型技术到底能否真正实现。
人工智能(简称AI)已经证明了自身对于石油与天然气公司的价值,但在行业之内大量采用AI技术仍然面临着一系列障碍。Tessella公司(专门提供工程与咨询服务,旨在帮助全球各能源公司通过数据确定提升钻井平台运作及企业整体运营效率的方法)能源部门主管Ray Hall指出,“石油公司在AI技术的采用方面面临着诸多挑战。除了对于变革的天然抗拒之外,对于现有知识是否充分以及新型技术能否真正实现等仍存在疑虑。”
Hall同时表示,“我们的相当一部分客户已经在各大技术方案供应商身上投入了巨额资金。然而,尽管分析结论具有吸引力,但实际回报却令人失望。”
Hall解释称,石油企业多年以来一直在供应链平台以及炼油规划当中利用模型预测控制(简称MPC)等分析方法。
Hall指出,“他们一直在运用结构化数据处理方案以及分析技术。然而,由于这些旧有技术极少与新型分析技术相结合(例如通过机器学习提升业绩水平),因此各企业往往在这一领域缺少值得关注的进展。”
从竞争的角度来看,最重要的是石油与天然气企业由于面临着其它行业所难以想象的多方面挑战,因此在克服AI及其它新兴技术难题方面处于主动地位。
一方面,石油与天然气行业存在着长期的价格不确定性。Hall表示,“单桶原油超过100美元的日子已经一去不复返,全球需求下降与生产能力上升使得油价一路走低,同时意味着石油企业必须大幅度降低生产与炼油成本。”
这意味着应用新型技术以提高效率,能够帮助各石油与天然气企业实现显著的成本节约效果。Hall强调称,“举例来说,机器人也许能够在生产资产中发挥作用以处理钻井与开采流程。”
除此之外,这一领域还面临着从业人员老龄化问题。Hall指出,“分析领域已经就此作出大量预测,而且人们普遍意识到,未来五到十年当中将有高达40%的石油与天然气员工退休。用人力取代这部分具备丰富经验的劳动力将极具挑战性; 利用认知与机器学习解决方案增加自动化决策支持,从而降低对于经验的依赖就显得非常重要。”
最后,随着对于石油及天然气资源依赖性的降低,这一行业内的从业企业亦需要转变自身业务以成为掌握可再生能源的完整能源供应商。
Hall表示,“为了实现这一目标,各企业需要以有利可图的方式同时运营化石能源与可再生能源。这将需要建立起一套更为现代化的技术环境,从而更为有效地满足客户需求并优化能源结构。”
Tessella公司已经帮助多家石油企业利用AI技术改善业务流程。举例来说,其曾经与一家石油公司客户合作,帮助后者提升对现有钻井设备使用寿命及腐蚀水平的了解,并希望借此获得更为可观的开采收益。
Hall介绍称,“该公司拥有大量历史数据,但却缺乏充分的分析与理解。我们收集了全部油井运营数据历史记录,并利用一系列AI统计技术识别数据结构,找到历史数据与腐蚀水平之间的关联性,而后立足潜在变量以了解历史记录中的哪些因素与腐蚀情况有关。”
这项工作允许客户更为自信地基于风险作出决策,进而充分了解各类不确定性、风险与敏感性因素。Hall总结称,“这将带来巨大的反响。了解腐蚀状况对于项目实施至关重要。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。