产业竞争情报
> 能源化工
> 石油
> 石油工程
> 业界视点
摘 要：为了加快我国油气人工智能一级学科体系建设和人才培养模式转变，解决油气行业人工智能人才不足与社会及企业需求不协调的矛盾，文章依据教育部2018 年印发的《高等院校人工智能创新行动计划》，分析了全球人工智能研究与人才的竞争态势，指出只有建设好人工智能学科体系，才能推动我国高校和研究院所全面提升人工智能人才培养质量，助力教学与科研不断发展。深入研究了国内外15 所高校和研究机构的人工智能学科建设现状，指出国内外综合性大学、工科院校、研究院学校都未将人工智能作为一级学科建设，明显滞后于企业业务需求和社会需求，影响了人工智能的人才教育和人才培养。剖析了油气行业人工智能学科建设在理论教学、实践训练、项目实践等方面存在的挑战，提出了油气行业人工智能人才培养模式和学科建设的方向与系统框架，构建了“AI+油气业务”和“油气业务+AI”相结合的复合型人才培养体系，更新人才培养模式，推动人工智能学科创新发展及人工智能技术在油气行业的广泛落地应用。
关键词：石油天然气；人工智能；学科建设；机器学习
当前，人工智能（AI） 技术不断突破，正在推动经济社会各领域向智能化加速跃升，也为石油领域的数字化智能化转型提供了新路径。本文探讨高校和研究院所，特别是石油高校和研究院所的人工智能学科建设，分析目前学科建设现状、存在的问题与面临的挑战，对推动油气行业的学科建设具有重要的现实意义。
近年来，人工智能已经成为改变世界格局的新技 术，各国竞相将AI 发展作为国家发展战略。2016 年美国出台《国家人工智能研究与发展战略规划》，2017 年发布了《人工智能未来法案》，2019 年时任美国总统特朗普签署《美国人工智能倡议》行政命令。美国通过对人工智能开展多层级、多角度的战略部署，制定相关标准规范，推动人工智能领域快速发展。
2017 年7 月，中国国务院发布《新一代人工智能 发展规划》指出，到2030 年，我国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。2021 年3 月，国务院发布《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》提出，“十四五”期间将通过一批具有前瞻性、战略性的国家重大科技项目，带动产业界逐步突破前沿基础理论和算法，研发专用芯片，构建深度学习框架等开源算法平台，并在学习推理决策、图像图形、语音视频、自然语言识别处理等领域创新与迭代应用。
人工智能领域的竞争主要是人才的竞争，当前全 球人工智能领域人才分布不平衡。《全球人工智能人才报告2020》显示，在美国工作的人工智能研究人员占全球的47.9%，在中国工作的占11.4%，之后依次是英国5.3%、法国4.9%、德国4.7%、加拿大3.9% 和日本2%。国外著名高校纷纷引进人工智能领域卓越学者，扩大人才培养数量，提升在人工智能领域的领导力。美国麻省理工学院、斯坦福大学和卡内基梅隆大学先后启动了人工智能领域的基础研究和人才培养计划。我国虽位于第二梯队，但差距较大，人才储备不足，尤其是高端人工智能人才更为短缺。据报道，我国人工智能的人才缺口超过500 万，供需比例仅为1∶10。
学科建设的完善程度与发展状况，直接影响科学 研究与技术的进步，只有建设好人工智能学科体系，才能推动我国高校和研究院所全面提升人工智能人才培养质量，助力教学与科研不断发展。
20 世纪50 年代，美国的人工智能专业在一些大 学起步，出现了一批人工智能研究项目和实验室。20 世纪80 年代，一些院校设立了人工智能研究生专业，初步配备了跨学科软硬件支持，促进了人工智能专业人才培养、技术转化与推广应用。近年来，英国政府投入大量资金扶持人工智能产业和初创公司，从2017 年起，新增450 个与人工智能相关博士点，支持建立了图灵研究所，以加强关键算法的研究。
我国非常重视人工智能人才培养。2018 年4 月，教育部发布的《高等学校人工智能创新行动计划》明确指出，到2020 年，基本完成适应新一代人工智能发展的高校科技创新体系和学科体系的优化布局，高校在新一代人工智能基础理论和关键技术研究等方面取得新突破，人才培养和科学研究的优势进一步提升，并推动人工智能技术广泛应用。支持高校在计算机科学与技术学科设置人工智能学科方向，首次提出推进人工智能领域一级学科建设，完善人工智能基础理论、计算机视觉与模式识别、数据分析与机器学习、自然语言处理、知识工程、智能系统等相关方向建设。
2022 年7 月，教育部发布《人工智能领域研究生 指导性培养方案（试行）》 指出，进一步深化人工智能领域研究生培养改革，引导建设高校加强前瞻性基础研究，实现变革性原创成果突破，培养满足创新型国家建设急需的高层次基础理论人才和复合型创新人才。截至2022 年底，国内已有100 余所大学设立了人工智能专业，部分大学成立了人工智能学院和人工智能研究院，以加强我国人工智能领域的人才培养。然而，到目前为止，国内外还没有一所高校和研究院所建制人工智能一级学科。
英美等国人工智能研究开展较早，发展相对较 好。尽管英国、美国的高校还没有将人工智能作为独立学科进行建制，但人工智能专业已出现在本、硕、博阶段，主要以跨院系、跨学科的方式进行培养和科研。很多院系提供多种学位授予，学生可以根据自身能力与职业规划，选择硕士或博士层次、学术学位项目或专业学位项目。
（1）麻省理工学院。该校在计算机科学和人工智 能方面有着深厚的积累，从早期的理论到后来的实践，已经历了大半个世纪。目前，人工智能方面的人才培养主要集中在施瓦茨曼计算机学院。该院与计算科学与工程中心、电子工程与计算机科学系、数据系统和社会研究所、运算研究中心构建共享结构，进行协同培养、研究和创新。计算机科学与人工智能实验室（CSAIL） 是该校最大的实验室，也是世界上最重要的信息技术研发中心。CSAIL 的研究领域涉及算法与理论、人工智能与机器学习、计算生物学、计算机架构、图形与视觉、人机交互、编程语言与软件工程、机器人、安全与密码学，系统和网络是该校特色的交叉学科人才培养与研究平台。
（2）卡内基梅隆大学。人工智能的人才培养主要 集中在计算机学院、软件工程研究所、机器人研究所、人机交互研究所、语言技术研究所、机器学习实验室。课程有数学基础、感知、认知、运动4 个核心领域，研究范围涵盖从数理到计算机、艺术到经管多个与人工智能相关领域。学科核心涉及方法论、技术及工程等，学生来自设计、社会科学、商业和计算机科学等不同背景。该校还建立了交叉学科的实验室与中心，促进人工智能研究与应用。
（3）斯坦福大学工程学院。计算机科学系负责 人工智能人才培养，科研项目主要在斯坦福人工智能实验室（Stanford Artificial Intelligence Laboratory，SAIL）进行。2019 年，斯坦福建立了人工智能研究院（Stanford Institute for Human-Centered Artificial Intelligence，HAI），由计算机、脑科学、经济、哲学、人工智能算法与伦理等跨学科研究团队组成，开展人工智能领域跨学科合作，为该大学所有七大院系约55 个跨学科研究课题组提供支持，将人工智能带到所有领域，与各个学科融合塑造人工智能的未来。人工智能研究院强调以人为本，着眼于人工智能对人类社会的影响，并将人的智慧融入人工智能，利用人工智能赋能人类的生活、学习、工作和科研。
（4）伊利诺伊大学厄巴纳-香槟分校（UIUC）。 学校设置了人工智能方向，人才培养集中于计算机科学系、电子与计算机工程系、信息科学系。计算机科学系具有学硕、专硕、普博、直博培养项目。近年来校内各学部之间、与校外企业协会、政府机构联合开展AI 科研合作，建立了多个交叉研究的中心实验室。2019 年11 月，依托美国国家超算中心（NCSA） 建设了人工智能创新研究中心（CAII）。2021 年5 月，伊利诺伊州、IBM 与UIUC 工学院签订为期10 年的战略合作协议，斥资2 亿美元，主要关注AI 及混合云等快速发展领域。UIUC 通过与工业界合作科研创新，应对行业重大挑战，促进AI 研究，成为校园链接学术界与工业界的纽带，为学生提供了更多的AI 就业机会。
（5）伦敦大学学院（UCL）。相关人工智能专业 均纳入工程科学学院计算机系，下设人工智能研究中心。中心开设基础人工智能、神经科学、人工智能道德等硕士、博士项目，课程设置注重学科基础与交叉学科的研究，涉及数据科学、信息科学、电子电气、能源、生物医药、教育、建筑、脑科学、金融等领域，在应用层面上的发展较为突出，学生有机会参加图灵中心开设的专业研讨课和合作组织提供的实习。近年来，UCL 与Deepmind 公司在教学和研究方面加深合作，开设了“深度学习讲座”，包括图像识别的卷积神经网络、变分判断等12 个主题。伦敦大学学院欧洲学习和智能系统研究实验室注重与校外企业深度合作， 促进人工智能理论与业界场景的实践与落地。
（6）科罗拉多矿业学院。一级学科建设以工科为 主，该学院计算机科学系非常重视人工智能相关的数据科学方向的人才培养，近年在地球资源数据科学、石油数据分析、数据科学统计学习、数据科学系统和信号等方向可授研究生学位。科罗拉多矿业学院的自动化、机器人和分布式智能中心（CARDI） 致力于计算机视觉和智能、机器人技术和自动化、控制系统、分布式系统和网络以及数据/信息等领域跨学科研究。该校与其他大学、政府组织和工业合作伙伴共同合作，在机械工程系为硕士提供机器人、自动化和设计研究，机器人工程专业的学生可以在生物机电一体化研究实验室从事研究， 研发人工智能医学诊断系统。
（7）法国石油研究院（IFP）。一直致力于智能能 源和智能交通及可持续发展和创新，2020 年创建了IFP 新能源数字文化实验室、新能源学院和博士学院，增加了电力和数字化转型、电解质热力学、碳管理和负二氧化碳排放技术、无人驾驶汽车、石油数据管理等硕士、博士学位授予。适应传统能源向新能源的数字化转型发展，培养国际化的研究混合动力系统、绿色能源、油气水自然资源勘探开发数据专家、数字化智能化转型等方面的人才。
我国推动高校“双一流”建设决策部署以来，高 校和学科建设一直备受学术界和工业界的关注。杨建林等认为，学科建设不仅包括学科知识体系的建设，也包括学科功能的建设。其中，知识体系建设包括学科功能定位、学科发展方向、学科知识体系重构以及研究内容的合理拓展；学科功能包含学科队伍建设、学科科研选题、学科人才培养3 个方面。
（1）北京大学。该校是我国最早开展人工智能研 究的大学之一，2003 年在计算机科学与技术一级学科下设置了智能科学与技术本科专业，2004 年招收第一届本科生，2007 年获批高等学校特色专业建设点，同年增列智能科学与技术硕士、博士点，形成了本、硕、博完整的培养体系。设置了跨媒体智能、大数据智能、类脑智能、自主智能系统、机器感知、自然语言处理等方向的基础理论课程，开展人工智能关键技术和创新应用。2019 年4 月成立人工智能研究院，为北京大学人工智能研究提供保障和支持。
（2）清华大学。该校一直重视人工智能方向的人 才培养。长期以来，人工智能与智能控制及机器人、计算机视觉等研究方向一直在计算机系招生，并未设置人工智能一级学科。2018 年6 月，清华大学人工智能研究院成立，以研究人工智能基础理论和基本方法为核心，推进大跨度的学科交叉融合，推进大范围的技术与产业、学校与企业融合，开展源头性和颠覆性创新。2020 年12 月，清华大学智能产业研究院成立，面向智慧交通、智慧物联、智慧医疗、大数据智能和智能机器人5 个世界科技前沿，通过大学与企业创新双引擎，突破人工智能核心技术，培养智能产业领军人才，推动人工智能产业跨越式发展。
（3）南京大学。该校长期以来重视人工智能教 学、科研与人才培养。2018 年3 月，成立了人工智能学院，致力于建设国际一流的人工智能基础研究和人才培养基地，打造人工智能学科高峰，探索智能产业产学研合作的新模式。同年9 月，成立南京大学人工智能创新研究院，聚焦机器学习与数据挖掘等前沿领域，面向市场对高端人工智能技术的需求，为南京建设创新名城、培育经济发展新动能提供有力支撑。2019 年，建立“华为—南京大学LAMDA 联合实验室”，这是华为公司在国内与高校建立的第一个实体化运作的人工智能联合实验室，校企结合助力我国人工智能关键技术创新。
（4）中国石油大学（北京）。2018 年12 月成立了 人工智能学院，是国内外能源领域第一个人工智能学院。该学院聚焦能源领域人工智能的核心科学问题和关键技术，面向基础和应用基础研究，引领能源相关人工智能科学技术发展，形成了本、硕、博贯通的多层次复合型油气人工智能人才培养体系。学院与中国海油签订协议，为中国海油数字化转型和智能化发展提供人才保证。2020 年12 月，学院联合中国石油、中国石化、中国海油、金山云、百度、华为等28 家单位发起成立油气人工智能产学研创新联盟，与企业签订了战略合作协议，建成15 个油气人工智能研究中心及实习实训基地，促进“产、学、研、用”深度融合，助力能源行业的数字化转型和智能化发展。
（5）中国矿业大学（北京）。该校将人工智能及 机器人相关专业人才纳入计算机科学与技术、控制科学与工程、信息与通信工程等学科培养。2020 年12 月成立了人工智能系，与原机电与信息工程学院合署办公。2023 年5 月，以人工智能系、计算机科学与技术系和信息工程研究所为基础，学校正式独立设置人工智能学院，共同推进行业智能化、自动化和信息化技术升级改造。
（6）北京交通大学。该校将人工智能相关人才培 养纳入计算机与信息技术学院，该学院计算机科学与技术学科是一级学科，建制了大数据研究院与人工智能研究院。北京交通大学在人工智能领域涉及面较广，主要涵盖机器学习、数据挖掘、人工智能算法设计、自然语言处理、计算机视觉等多个方向。近年来，注重行业人工智能的社会性需求，培养“智能交通”等领域从事人工智能技术开发和应用研究的复合型人才。
（7）中国石油勘探开发研究院。该院创建于 1958 年，设有研究生部。1984 年9 月经国家教委批准正式成立，成为石油工业上游各专业为主的研究生教育机构。目前，研究生部具有地质资源与地质工程、石油与天然气工程硕士、博士学位一级学科；具有矿产普查与勘探、地球探测与信息技术、地质工程、油气资源工程、油气田开发工程、油气储运工程、油气井工程、井下控制工程、油气田化学工程、油气信息工程二级学科博士学位授权专业10 个；硕士学位二级学科增加了机械设计及理论等11 个学位授权单位。研究生部将计算机、信息与控制专业纳入二级学科管理，人工智能尚未列入二级学科的建设范畴。
（8）中国石油化工科学研究院。该院创建于1956 年，1963 年开始培养研究生，是国家首批博士和硕士学位授权单位。该院研究生部作为国家级重点培养基地，先后获批了化学工程与技术、材料科学与工程、生物医学工程3 个博士学位授权一级学科和化学工程与技术、化学、材料科学与工程、生物医学工程4 个硕士学位授权一级学科。化学工程与技术一级学科是我国石油化工学科的代表，也是石化科技攻关的重要基地。目前没有查阅到该院有关计算机科学、信息工程、人工智能相关学科建设的报道。
综观国内外著名高校及研究院的人工智能学科建 设状况（表1） 具有以下特点。
一是目前国内外综合性大学、工科院校、研究院 学校（不完全统计） 都未将人工智能作为一级学科建设，明显滞后于企业业务需求和社会需求，影响了人工智能的人才教育和人才培养。
二是综合性大学、工科院校均在一级学科下设置 了相关人工智能二级学科建设和教育，注重跨学科合作和交叉学科融合。成立了人工智能研究院和研究中心，少数研究院或者研究中心已与院系建制脱钩，形成了独立的研究体系。多数研究院和研究中心的建制还不能与相关院系脱钩，而是采用一套人员、两块牌子的建制。
三是尽管国内外行业性院校都未建制人工智能 一级学科，但多数院校已将人工智能人才培养纳入计算机科学和信息科学两个一级学科，相应建制了人工智能二级学科。这些行业院校也建设了人工智能研究院/研究中心，情况与综合性大学、工科院校大致相同。
四是国内外研究院学校人工智能人才培养差别较 大。法国石油研究院将数据科学的研究纳入数学一级学科建设，将人工智能的研究纳入计算机与信息科学一级学科建设，并成立了博士学院，一级学科里面二级学科设置的灵活性更强，以应对全球能源行业结构调整和产业优化升级带来的全方位变革。中国石油勘探开发研究院已获批在电子信息学科设置油气人工智能工程硕士学位点，并在石油工程一级学科和油气信息工程二级学科下设置了智能油气开发方向，启动了人工智能的课程教育，但学科建设尚不能满足企业数字化转型和智能化发展的需求，仍需在系统性、完整性和科学性方面持续完善。
近年来，人工智能技术如雨后春笋般蓬勃发展引 发了对复合型人才的强烈需求，传统的人才培育模式和学科建设体系需要重新构建以适应技术的发展趋势。
人工智能以数学、密码学、应用心理学、生物学 和神经生理学等为理论基础，包括自然语言处理技术、计算机视角及图像识别、跨媒体分析、智能计算、自主无人智能系统技术等核心技术，同时又是以计算机科学、信息学、自动化等为研究手段的新兴交叉学科。由于人工智能涉及的科学基础和技术点多、面广，缺少一级学科系统的建制和二级学科体系分类。油气人工智能非一级学科，学科建设不健全，国内各大院校、研究院所的研究生培养单位将人工智能相关的人才培养放在计算机与信息技术、数据科学或者机器人工程等专业，导致石油高等院校和研究院所的人才培养方案不同，未能对产业赋能和数字化转型发展形成合力。
油气田企业生产面临着复杂的地质条件、多变的 油藏特性及严峻的安全环境等挑战，企业对智能化技术的应用需求愈发迫切，以提高勘探开发精度、降低生产成本、确保生产安全。我国在油气人工智能领域取得了一定研究成果，但与发达国家相比，基础算法、设备等方面仍存在较大差距。加快油气人工智能学科建设，提高自主研发能力，已成为我国油气田企业发展的当务之急。而且，我国油气田企业的人才短缺问题日益严重，尤其是缺乏具备人工智能背景的复合型专业人才。因此，加强油气人工智能学科建设，培养一批高素质的人工智能人才，对于企业发展具有重要意义。
人工智能正在成为一项通用技术，油气人工智 能学科一级学科建设旨在培养具有高级专业技能、创新能力和良好职业素养的复合型人才，能够熟练运用人工智能技术解决油气领域实际问题，推动行业数字化转型和智能化发展。人工智能学科建设对油气行业高等学校及教育工作者是一个巨大挑战，应根据行业实际需求，在理论教学、实践训练、项目实践等方面革新传统教育模式，既需要传统的授课方式和现场实践，也会发展出智能机器人授课和虚拟现实实践课，从而培养学生的综合能力和创新意识。同时，应加强产学研合作，引入行业专家和企业资源，构建实践导向的教育模式，使学生能够更好地适应油气行业发展需求，为行业发展注入新的活力和动力。
目前，人工智能人才培养与科学研究受到学科 建设不健全、不协调的挑战。从石油院校的课程体系构建来看，不少院校的人工智能专业由计算机类、电子信息类、自动化类专业转设而来，往往以油气专业课程体系为基础，通过剔除一些传统课程，采用“X+人工智能”复合专业或引入人工智能技术的其他专业，开设或多或少的人工智能课程来满足企业需求。为此，亟须构建完善的复合型人才培育的学科体系，构建多专业、多学科、多层次融合培养的新模式，既要开展油气勘探开发与炼油化工等专业知识的培育，也要从基础开始开设人工智能算法相关课程。
油气行业各领域从各类传感器和监控系统中产生 的大量数据，包括地质、地震、钻完井、测井、试井、采油、管道、炼油和化工等，可与各种数据库、知识库、数据湖集成或融合，处理和分析复杂的跨域数据集，识别人工难以检测的异常工况和模式。油气人工智能的实验环境和普通计算机课程不一样，对实验设备和计算资源有很高要求，亟须进行人工智能实验环境建设，开展油气交互式和动态可视化行业数据分析、报告自动生成等，需要算力等条件支持海量数据处理，进行复杂的模型训练和优化，以实现精准预测和决策。这些任务需要投入大量计算资源，包括高性能计算设备、云计算平台等；需要建立完善的数据管理和处理系统，确保数据的高效获取、存储和处理，以支持人工智能模型的训练和优化过程；还需要专业技术团队进行系统维护和管理，确保实验环境稳定运行、持续改进。
面对油气行业人工智能快速发展和复合型人才短 缺的现实挑战，油气行业需要及早布局构建完善的油气人工智能学科体系。
按照学科建设的学术体系、专门知识、人员队伍 和设施三要素和学科建设内容要求，探索构建以油气人工智能发展战略、共性技术、支撑技术、应用技术为核心的油气人工智能新学科体系（表2），建立“AI+油气业务”和“油气业务+AI”复合型人才新培养体系，以及学科交叉、跨界融合的“产学研用”一体化的人才队伍和基地建设新模式。
基于油气人工智能学科体系框架，在发展战略方 面，开展油气人工智能发展路径与标准研究； 在共性 技术方面，基于油气的结构化数据、图像数据和文本 数据，分别开展油气智能数据预测、智能图像识别、 智能知识工程3 项技术研究； 在支撑技术方面，开展 油气人工智能平台研究、油气数据智能共享与安全研 究； 在应用技术方面，开展油气科学计算和油气人工 智能软件研发。
（1）油气人工智能发展战略。研究内容主要包 括： 油气人工智能标准体系研究，油气人工智能技术 发展的术语规范化定义，油气人工智能技术发展水平 的定量化界定规范，油气人工智能技术发展战略与发 展方向确定的方法研究，全球人工智能技术发展及油 气人工智能技术发展前沿与趋势，油气行业中长期人 工智能发展战略与发展规划。
（2）油气智能图像识别。油气图像具有数据类型 多、尺度差别大、像素高、目标细小而聚集、横向 不连续、纵向延展长、局部特征多解性强等特点， 而通用人工智能算法适用性差，亟须开展攻关。 主 要理论技术研发方向包括： 油气图像多通道图像多 目标识别、更加鲁棒的小目标检测识别、小样本学 习、模糊特征提取、油气图像数据机器学习新算法、 多模态多尺度数据融合三维重构技术、图像智能分 析基础模型，形成油气图像智能分析的前瞻性基础 技术。
（3）油气智能数据预测。针对不同业务场景的数 据分类、回归、降维等共性技术，要解决智能预测精 度低、算法模型复用和迁移难度大等难题。 主要理论 技术研发方向包括： 序列数据的分类、聚类、分割、 异常识别、转折点识别、模式识别等，创新数据智能 处理与分析、多源异构跨尺度数据融合、序列数据智 能算法体系，解决油气数据源头多、结构各异、跨尺 度、存储分散、体量大智能模型的预测精度低，算法 模型无法直接复用等难题。
（4）油气知识工程。油气行业的知识载体类型 多、专业门槛高、专家经验依赖性强、推理链条长、 应用场景复杂，亟须解决具有复杂知识问答的油气 业务知识模型，破解技术难题，提升油气开发管理 效率和水平。 构建油气知识工程二级学科主要研究： 油气智能复杂知识表示、知识自动抽取、知识增强 的预训练模型等核心技术，实现多源异构油气开发 专业知识的融合表示和智能利用，支撑油田开发管 理业务的综合化和智能化，提升油气田开发管理 效率。
（5）油气智能科学计算。传统科学求解油气工程 问题的偏微分方程迭代次数多、运算时间长，亟须 发展的主要理论技术包括： 神经网络架构近似偏微 分方程、损失函数构建、迭代求解方法优化，形成 PINN 方法构建PDE 神经网络求解算子，深度学习辅 助拟合并提升传统求解器求解效率，更好地模拟油 气储层中的物理现象和变化，解决油气藏工程领域 复杂计算问题。
（6）油气智能融合工程。油气勘探开发业务的研 究对象在地下，看不见摸不着，具有高度不确定性， 主要研究方向包括： 油气勘探开发数据+物理+知识 （DPK） 融合人工智能大模型训练方法、创新算法和数据模型的可解释性理论、智能算法共享环境等创新应用研究，实现高效多模态数据挖掘、跨模态机器学习共享模型与训练、人机交互、数字孪生、智能感 知、智能测控、知识图谱、大型工业智能软件研发等 关键技术的原创性突破，推动油气勘探开发领域人工 智能技术跨越式发展。
（7）油气智能安全。针对油气勘探开发人工智能 数据与模型的共享与安全，主要研究方向包括： 软硬 件安全、数据完整性、模型保密性、模型鲁棒性、数 据隐私等，实现多传感器数据信息融合、区块链的场 景自适应隐私计算、油气智能模型的风险评估与控 制等。
（8）油气智能软件与平台。为充分推动油气工 业软件的智能化研发，更好地支持油气工业和研发 活动开展，主要技术研究方向包括： 油气数据智能 建模及预测软件、油气生产智能化控制软件、油气 数字孪生和模拟软件、油气装备智能维护与管理软 件、油气智能优化决策管理平台等，为油气业务技 术和管理人员提供智能化手段，降低人工智能开发 应用门槛，满足油气领域数字化转型和智能化发展 的需求。
（1）建设复合型科研攻关团队和培养复合型人才 团队。 组建跨学科联合攻关团队，联合研究院所、高 校、IT 公司及油田企业建立攻关团队，实现跨界融 合，以开放合作、博采众长、系统创新的理念，开展 油气业务链数字化智能化技术攻关，充分发挥“产学 研用”的作用。 由于油气和人工智能两个领域涵盖的 学科广，复合型人才培养难度大、周期长，需要采用 新的学科体系培养，需要“产学研用”各方协同，以 多种方式大力培育适用人才。
（2）构建油气人工智能行业技术标准体系。目 前，油气人工智能行业形成的一些技术规范在申报企 业标准、行业标准和国家标准时，已经遇到不全懂、 难归口等新问题，组建油气人工智能行业的各级、各 类标准化管理委员会迫在眉睫，亟须加快构建油气人 工智能行业的技术标准体系。
（3）打造油气人工智能落地生态。践行“价值导 向、战略引领、创新驱动、平台支撑”原则，提高科 研成果转化率，快速将油气智能化成果应用到示范项 目中，加速智能化技术转化落地。
数字化转型智能化发展作为推动能源转型和“零 碳”发展的重要支撑技术，亟须开展油气人工智能学 科建设，统筹人工智能技术攻关布局。 构建以人工智 能发展战略、共性技术、支撑技术、应用技术为核 心的油气人工智能学科体系，构建“AI+油气业务” 和“油气业务+AI”复合型人才培养体系，探索学科 交叉、跨界融合的特色学科建设和人才培养新模式， 提升油气领域前瞻性基础研究能力。 这既是满足行 业数字化转型和发展需求，也是落实教育部《高等 学校人工智能创新行动计划》中提出的推进人工智 能 领域一级学科建设重要举措。 我们要持续不断地 推动学科建设和人才培养，促进中国社会与经济的 快速发展。
中国工程院院士刘合 等：油气行业人工智能学科建设研究与思考
原文作者: 油气勘探与开发
原文日期: 2025-02-08
关键词: 钻完井, 完井, 测井, 试井, 页岩气, 天然气水合物, 碳捕获, 利用与封存, 煤层气, 页岩油, 致密油, 美国, 法国, 日本, 德国, CCUS
学科分类: 完井
刘 合1，2 李 欣1，2 窦宏恩1，2
闫 林1，2 王洪亮1，2 刘俊榜1，2
李小波1，2 任义丽1，2 李 宁1，2
1. 中国石油勘探开发研究院人工智能研究中心；
2. 中国石油天然气集团有限公司勘探开发人工智能技术研发中心
1 全球人工智能研究人才的竞争态势
2 人工智能学科与油气行业人工智能学科建设现状
2.1 国外大学人工智能学科建设现状
2.2 国内人工智能学科建设现状
2.3 人工智能学科建设主要特点
表1 国内外院校和研究院学校人工智能学科建设
3 油气人工智能学科建设需求与面临的挑战
3.1 产业赋能和数字化转型需要提升人工智能学科建设
3.2 油气田企业发展需要加快油气人工智能学科建设
3.3 人工智能人才培养和教育模式面临挑战
3.4 人工智能学科体系有待不断健全完善
3.5 油气人工智能实验环境建设任务繁重
4 油气人工智能学科建设
4.1 学科体系框架
表2 油气人工智能学科体系框架
4.2 学科体系设置
4.3 学科建设保障措施
5 结束语
刘合，李欣, 窦宏恩，闫林，王洪亮，刘俊榜，李小波，任义丽，李宁. 油气行业人工智能学科建设研究与思考[J]. 石油科技论坛, 2024, 43(6): 1-12.
Liu He, Li Xin, Dou Hong’en, Yan Lin, Wang Hongliang,Liu Junbang, Li Xiaobo, Ren Yili, Li Ning. Research and Thinking on Discipline Construction of Artificial Intelligence in Oil and Gas Industry[J]. Petroleum Science and Technology Forum, 2024, 43(6): 1-12.
出处:油气勘探与开发 (http://mp.weixin.qq.com/s?__biz=MzI4OTUxNDQzNg==&mid=2247560889&i...)
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
