原创：
溜达兔
IT大嘴巴
数字化转型如今已经成为了整个产业关心的话题。今年六月初，联合国发布了《世界数字经济报告》，再一次将数字经济放在了举足轻重的地位。报告指出，从通信、互联网，再到建立在相应软硬件基础上的数字经济生态，已经成为全球最重要的商业乃至产业基础设施，成为驱动全球经济发展的关键引擎。
就中国市场来说，伴随着前些年的“互联网+”战略和最新的数字化转型升级，所有的企业特别是制造业企业尤其侧重于转型的需求。特别是在人工智能、大数据日益应用广泛的今天，智能制造这个目标已经越来越清晰，也成为未来中国经济发展的源动力之一。
在这样的目标推动下，作为行业领先的ICT资源整合服务提供商，中建信息也在不断尝试推动行业数字化转型，通过持续不断的融合技术、聚合数据、赋能应用，助力中国建材集团激活面向智能时代的全新商业模式及业务增长点。日前，我们有幸采访到了中建信息总经理助理、能力中心总经理王乔晨，请他谈谈中建信息在数字化转型中进行的举措和未来的发展方向。
提到中建信息这个名字，许多人可能还有些陌生。事实上中建信息多年来一直以云计算、大数据、物联网等新兴技术为支撑，也与包括华为、SAP、微软等多家行业顶尖企业成为了亲密合作伙伴。面对数字化转型的大趋势，中建信息已经在率先布局，并提供了面向制造业的多种解决方案。
“比如，中国建材集团是我们重要的客户之一，但是以往集团的许多传统业务需要借助于人为的观察和判断。如今借助于人工智能技术，则可以实现自动化处理，也有助于制造业场景的智能落地。”说到自家的智能应用，王乔晨如数家珍。
事实上在许多制造企业中，都存在着类似的应用困境，而智能制造的出现提供了有效的解决方案。在智能工厂或者说自动化的工业场景中，有很多地方可以借助图像让生产变得更为便利，比如某个生产线上的机械臂就需要“看得见”的精准控制。如果能够建立起相关架构、在接近边界的部分对图像进行处理并将该结果反馈到骨干系统中的话，就能够更加充分地利用图像数据了。
“通过智能的数据收集、进行机器学习（深度学习）而得出结论，能够结合专家系统对整个生产线生产运行或是管理层的经营决策等提出智能辅助支撑，这样才能实现真正的融汇贯通，实现真正的智能制造”
，王乔晨补充道。
当然，实现这样的制造并非是轻而易举的。但就目前的制造业情况来说，也只有类似中国建材集团这样的超大型企业或者是某一个地区的行业机构能够实现类似的控制。本来，从设备的部署到数据的采集、清洗、分析到最终的回馈生产环节，面临着大量的挑战，数据的准确性和安全性也是需要关注的问题。因此，在王乔晨看来，这样的工作也需要来自于社会各界的多方面支持和努力，从政府层面、从企业层面乃至于提供技术的生态伙伴或者研究机构层面，需要多方携手才能实现。
由此看来，智能制造不仅仅是一项长期的工程，还是需要多方协作的系统性工程。那么对于企业来说，在数字化转型过程中需要面对哪些挑战，这些挑战是否有相应的对策呢？王乔晨还是以中建信息的案例“现身说法”，在他看来，中建信息已经在智能制造领域深耕多年，也积累了不少的经验可以进行分享。具体到企业来说，所面临的数字化转型问题主要分为以下三个方面：
首先，是业务模式的转变。在传统意义上，制造业给人的感觉就是机器轰鸣的工厂和乌烟瘴气的生产车间，尤其是一些重工业企业更为严重。但是在当下的数字化时代，制造业需要借助于智能的力量，需要利用IT系统进行突破。而这样做的第一步，就是找到合适的人、采用合适的方案，要深入行业的核心，仔细分析行业需求和业务定位，才能有针对性的进行智能化。.
其次，还需要更多来自于一线的合作伙伴支持。以中建信息为例，原本它的许多合作伙伴都来自于上游企业，但是在数字化转型的过程中，则需要更多的接触一线客户，因为只有倾听来自于一线的声音，才能给出具体的解决方案。更进一步的，还需要站在客户的层面上给出具体的解决方案，才能孵化出真正的智能化。
当然，基于上面两点，人才的因素也是至关重要。针对不同的制造业客户，需要有不同的专业人才相对应，用王乔晨的话说就是“先打点，再进行纵深的挖掘，最后实现更广阔的延展”。也只有如此，中建信息才能够在智能制造领域有足够广阔、足够深度的行业解决方案，进而在自身平台上将这些解决方案推广出去，实现多领域的全面覆盖。
从2017年中建信息迈出了数字化转型的第一步开始，如今通过2年多的实践与成长，通过向服务化和平台化转型升级不断深入，通过与厂商、合作伙伴开展战略合作方式，中建信息选择智能制造、人工智能等重点领域，为行业企业客户数字化转型提供全面服务。仅在过去的2018年，中建信息通过对数字化工作平台的不断迭代升级、通过不断优化下属业务板块布局和产品线结构，营收超过130亿元，同比上年增长15.07%，实现归母净化2.16亿元，同比上年增长24.71%。
目前中建信息实现了包括自动化设备整合、包括应用软件&应用系统的整合、包括客户自身解决方案等等全新的开发与整合，实现了供给客户某一个应用场景的、端到端的解决方案。甚至对于客户来说，可以无感知的实现不同应用场景的数字化切换。
应该说，随着数字化转型的进一步落地，中建信息的渠道、客户资源价值进一步提升，由传统增值分销商向企业ICT资源整合服务提供商的转型也全面启动。通过与大量合作伙伴之间的关联来增加客户粘性，撬动自身的生意，同时也为合作伙伴补充他们缺失的能力和资源，这便是中建信息等增值分销商在云时代下进行数字化转型的深层价值。
当下，数字技术与经济社会各领域深度融合，数字化对经济增长的促进作用已经毋庸置疑。对于制造业来说，数字化转型所带来的就是智能制造的结果，这也是中国实现从制造业大国向制造业强国转变中不可或缺的关键因素。中建信息作为企业ICT资源整合服务提供商，也通过智能制造的多场景解决方案和众多的行业合作伙伴，共同推动中国制造业的数字化转型，让更多企业借助于人工智能技术走上智能制造之路。
AI在油气勘探中的应用
Raghav Bharadwaj
工业智能化助手
油气行业通常分为三个部分：上游，中游和下游。上游涉及石油和天然气的勘探和开发。中游通常指运输和储存阶段。下游包括炼油和销售石油所涉及的各种过程。
（Credit: Sputnick News）
在石油和天然气需求不断增加的今天，勘探和开发新的油气田项目有了更高的要求。在通常被称作勘探和生产（E&P）的油气上游产业，寻求优化生产，并能够降本增效的方法是油气勘探开发（E&P)领域人工智能的主要应用方向。
在本文中，将分享一些AI在油气勘探开发过程中的应用。为了更好的了解AI在油气行业上游所发挥的作用，在此先抛出3个问题，来贯穿下面所要分享的内容。
在生产阶段，油气公司往往需要将原油和成品油储存在大型储罐中，并通过管道输送。原油腐蚀是行业设备故障的常见风险。而来自不同油田的原油通常在其化学成分上有所不同，同时，原油的腐蚀性也取决于其储存的环境。
油气工业传统的解决方式是通过工程师基于经验，再根据原油和储存区域的特性设计防止腐蚀的方案。然而油气行业从业者的年龄差距往往很大，大多数工程师超过55岁或低于35岁。这意味着在实际业务上，油气公司难以基于合理的流程，通过重复的方式从资深工程师那里将经验和知识进行高效的转移。
在重复中获取经验和知识。人工智能在此领域，能够对知识实现数字化与结构化，并为新的工程师提供协助。以期待出现初级工程师与AI的结合，达到高级工程师的水准，并进一步实现降本增效。
大型石油和天然气公司在全球多个不同地点开展业务。快速访问其数据记录可能是其业务流程的重要组成部分。在许多情况下，这些数据记录可能需要进行数字化、结构化和ETL，以便确保记录完整、便有索引。显然，将数据从笔头变成电脑中的二进制，再到结构化，这需要大量的人工参与。
而人工智能工具或许可以帮助石油和天然气公司数字化记录并自动分析地质数据和图表，进而可能识别问题，例如管道腐蚀或更换备件。
油井操作员通常每天都会报告油田的检查和维护操作。在大多数情况下，这些报告可能是纸质或PDF格式的非结构化或半结构化文档。而通过AI，石油和天然气公司可以使用计算机视觉和自然语言处理等人工智能技术自动从这些文件中提取数据。
这些数据的很大一部分包括勘探，生产和油藏数据日志，如地震勘探，测井，常规和特殊岩心分析，流体分析，静态和流动压力测量，压力瞬变测试，定期井生产测试，每月产生的液体量（石油，天然气和水），以及每月注入的流体（水，气体，CO2，蒸汽，化学品）的记录。
埃克森美孚正与麻省理工学院的研究人员合作，共同开发深水勘探机器人，实现勘探过程的自动化。来自麻省理工学院计算机科学与人工智能实验室（CSAIL）的麻省理工学院的Brian Williams教授曾在为美国宇航局的好奇号贡献过智慧，他设计了人工智能软件，帮助火星车积极探索周围环境。
麻省理工学院的团队正在与埃克森美孚的工程师合作，为水下探测机器人应用类似的AI软件。这些机器人将用于自动化自然渗漏检测和表征过程。传统上，石油和天然气公司使用一群潜水员和人类地质分析师从事水下异常的勘探。通过自动水下机器人，埃克森美孚可以保证让他们的员工不受伤害。
机器人收集地震数据，并通过机器学习能够更准确地执行。埃克森美孚声称这些机器人将在海底缓慢移动并进行勘探活动。
AI的这种应用可以帮助油气公司降低勘探成本和时间。然而，埃克森美孚与麻省理工学院合作的主要目标似乎是获得先进技术方面的经验。埃克森美孚高级科学顾问，麻省理工学院访问学者Hans Thomann 说：
“我们与麻省理工学院合作开发了一系列程序，刻意放大我们的瞳孔，仔细观察我们通常不会看到的东西。我们专注于基础科学，与大学不同领域的专家合作，以获得足够的知识并推动这些领域。“
原文作者 Raghav Bharadwaj ，原标题为 ：AI for Exploration & Production (Upstream) in the Oil and Gas Industry – Current Applications
