全球500强案例精选，带你了解人工智能在能源行业如何落地

能源行业在全球范围都扮演着国家层面经济命脉的战略产业。近年来，以人工智能、物联网、大数据技术发展所推动的能源技术正成为引领能源产业变革的源动力。包括石油、煤炭、天然气等资源的开采工作，电力的生产、设施部署、销售工作乃至综合性的电网运营工作在内，人工智能及其在各方面的泛化应用已逐步用于优化能源行业的生产、管理以及预测工作。截止2019 年3 月，全球500 强能源行业公司中已有75% 开始实施或落地人工智能技术应用，并开始在多维度优化固有流程，重塑核心价值链。在此之上，针对电力综合运维的“智能电网”概念也正在吸引行业的诸多关注。

数字化技术作为整个行业现阶段发展的核心而言，每年都在进步，但大多数是“老技术新用”，如水平井钻井和多级压裂。其实目前，能源行业所需要的是从基层重新洗牌的重磅技术。而人工智能的出现，可能会成为整个行业革新并在各个环节降低成本的以及猛药。在此背景下，机器之心产业研究团队推出了《挽救持续衰退能源市场的一剂猛药——AI+能源行业研究报告》，并打造 《全球500强 —— 能源行业人工智能应用案例集》 ，从技术与落地层面剖析人工智能技术在能源行业各领域的发展与机会。

本案例集包括机器之心分析师团队从全球500强企业中选取的20个能源领域人工智能案例详解，其细分领域覆盖能源的勘探、开采、存储、运输、销售以及能源服务等场景。基于当前应用案例，计算机视觉与及传感器技术的结合应用在能源的勘探与开发工作中拥有丰富的落地场景。而机器人技术与物联网技术则在能源的生产工作中充满潜力。此外，能源企业在产品的销售、监管乃至运输等场景的需求为互联网公司、数据服务公司等非能源从业者带来了许多跨行业发展机会。

案例集目录选取

部分案例概述

壳牌使用智能地球物理勘探系统判断地层结构

摘要： 壳牌公司利用机器学习、大数据、计算机视觉等技术，利用收集的地震波信息判断地层结构。通过拼接不同地层的切片， 判断油气存储情况。 在图像解释方面，壳牌运用模式识别等智能技术进行断层抓取等操作，以判断地质的成分信息。 同时， 壳牌利用全波形反演技术分析地震波信号，促进生成更准确的地层信息。

道达尔运用谷歌智能勘探系统进行不完美数据处理

摘要： 道达尔从20 世纪90 年代开始使用人工智能的机器学习算法研究表征油气田，如今，团队致力于开发多种机器学习和深度 学习应用程序，用于生产状况预测、卫星图像自动分析，以及岩石样本图像分析等。 2018 年4 月，道达尔正式宣布和谷歌 云签署协议，两巨头强强联合，共同运用人工智能技术为油气的勘探开采提供智能解决方案。 该方案 针对的首要问题是油 气勘探开采地质数据的处理分析。

贝克休斯采用英伟达智能平台提高油藏储存预测准确度

摘要： 英伟达与贝克休斯合作，通过人工智能和GPU 加速计算技术提取石油天然气行业实时数据，提供分析及操作性强的信息， 其合作范围涵盖石油公司的所有作业。 贝克休斯使用英伟达的全套人工智能解决方案，全方位进行作业优化。 运用的产品 包括用于建模训练的 NVIDIA DGX-1 AI 超级计算机； 可在桌面上甚至在带宽受限的偏远海上平台上进行超级计算的NVIDIA DGX 工作站； 以及用于实时、持续深度学习和边缘推测的NVIDIA Jetson 单模块人工智能超级计算机。

全部案例集请查看报告原文。

报告如何获取？

《全球 500 强——能源行业人工智能应用案例集》是机器之心产业研究团队推出的《全球 500 强上市公司人工智能技术应用分析系列》系列报告之一。本系列报告全部被收录于 人工智能领域专业信息及数据平台「机器之心Pro」。

访问「机器之心Pro」，认证成为专业用户，即可免费获取报告。

pro.jiqizhixin.com

PC访问，体验更佳