在“新基建”政策利好的拉動下，產業(yè)智能化已經成為工業(yè)領域數(shù)字化轉型的關鍵步驟。但歸根結底，產業(yè)智能化的落地和發(fā)展需要通用服務與垂直場景的的結合。

　　以油氣行業(yè)為例，作為一個流程性工業(yè)的代表，油氣行業(yè)的產業(yè)智能平臺的建設面臨來自多方面的復雜問題。當下，油氣行業(yè)資源劣質化加劇，油氣勘探開發(fā)向陸上深層、海洋深水、沙漠等非常規(guī)油氣領域發(fā)展，國內大部分油田邁入“雙高”階段：降本增效壓力大、安全環(huán)保責任大。

　　業(yè)內傳著一句話“上天容易入地難”，就是在說明地下勘探開發(fā)的“未知”性?！坝驮谑裁吹胤剑羞M軌跡怎么設計，怎么樣讓這個油田能夠多安全高效運行20年？”成為這個行業(yè)進一步發(fā)展的瓶頸。

　　不過，也正是這些難題，給這個行業(yè)采用新技術開啟數(shù)字化提供了機會。

　　知識圖譜：產業(yè)智能的“專家?guī)臁?/p>

　　面對專業(yè)度高、工藝流程復雜、產業(yè)鏈長、設備資產總量大、應用場景復雜的油氣行業(yè)，企業(yè)級大數(shù)據(jù)與人工智能解決方案服務商國雙，2017年有了構建“油氣大數(shù)據(jù)和人工智能平臺”的想法，目的是幫助油氣企業(yè)智能化轉型升級，推動油氣企業(yè)組織模式優(yōu)化和管理變革創(chuàng)新。

　　國雙政企事業(yè)群油氣大數(shù)據(jù)事業(yè)部總經理薛小渠向鈦媒體APP介紹，油氣大數(shù)據(jù)和人工智能平臺能夠正常運轉，主要有三個核心：一是，底層數(shù)據(jù)統(tǒng)一管理和采集的工業(yè)互聯(lián)網平臺；二是，基于知識圖譜的油氣行業(yè)主題應用構建；三是針對某個應用場景的研發(fā)或者迭代的認知訓練。

　　值得關注的是，在整個油氣大數(shù)據(jù)和人工智能平臺的架構中，由行業(yè)專家、業(yè)務專家合作完成形成了油氣行業(yè)知識圖譜，扮演了一個“專家知識庫”的角色——基于知識圖譜生成相關的數(shù)據(jù)模型，是工業(yè)互聯(lián)網平臺高效運行的前提。

　　所謂知識圖譜，可以將它理解為一種語義網絡，由一些相互連接的實體及其屬性構成。知識圖譜應用在油氣領域，可以利用圖書館檔案室等油氣領域專家學者積累的文獻，構建一個油氣行業(yè)知識圖譜，基于此建立盆地知識模型。通過這個模型，油氣勘探開發(fā)人員能夠以數(shù)字化的方式判斷哪些情況下有油、哪些情況下沒油。同時，通過油氣類比也可以推測地質的形成，以及預測新的鉆井結果。

　　在生產工藝質量體系上，知識圖譜也能派上用場。石油行業(yè)有大量設備管道，在傳統(tǒng)情況下，這些管道的腐蝕以及問題出現(xiàn)時間，都會有臺賬記錄。臺帳記錄數(shù)字化之后，就能夠形成油田設備管理和運行知識圖譜體系，通過這個體系，可以分析出設備溫度高低，以及是否有跑冒滴漏等隱患出現(xiàn)。

　　從技術上來講，知識圖譜構建完成后，可以高效迅速準確地從海量數(shù)據(jù)中抽提知識。不過在知識抽提的過程中，對于實體的識別、實體與實體關系的識別以及實體屬性的識別，是知識圖譜構建的難點。通過在過去幾年在這方面的積累，國雙解決了在文本當中挖掘實體和實體之間關系最重要的算法，并于2019年在頂級的學術會議上發(fā)表了相關論文。

　　目前來講，國雙已經基本上把中國油氣相關的幾十萬個本體庫建立了起來，國雙也進一步為超大型油氣行業(yè)客戶構建了基于大數(shù)據(jù)平臺的數(shù)據(jù)倉庫支撐平臺。當下，國雙的這套數(shù)油氣大數(shù)據(jù)與人工智能平臺已經應用到了多個場景，涉及勘探開發(fā)、油氣生產到油氣領域的科研以及油氣產品的銷售等多個不同環(huán)節(jié)。

　　在同行業(yè)里，國雙也與國內頭部企業(yè)級產業(yè)智能合作伙伴合作，持續(xù)服務油氣行業(yè)里的更多場景，期待改變中國油氣行業(yè)的導油、產油的模式。

　　從垂直到通用，混合式產業(yè)智能的四個范式

　　構建整個油氣領域知識圖譜，國雙花了一年時間。從時間維度上來講，這跟此前做的第一個垂直領域知識圖譜相比，時間大大縮短了三倍。據(jù)國雙介紹，這個時間隨著知識圖譜技術、工具、方法論到不斷成熟和迭代還可以更短，例如在構建審計行業(yè)的知識圖譜中，它們僅用了半年時間。這側面證明，構建知識圖譜的方法論具備某種程度上的行業(yè)通用屬性。

　　除了時間的縮短，同一個行業(yè)的知識圖譜可以向同一領域的不同企業(yè)進行個性化應用。在基于油氣田等具體項目反復的數(shù)據(jù)校驗后，知識圖譜形成的理論模型再加上不同企業(yè)本地個性化的數(shù)據(jù)，就可以去適應于本地模型，也就是說企業(yè)可以基于國雙的理論模型自行進行模型訓練。這讓國雙油氣人工智能大數(shù)據(jù)平臺有了可定制、可復用、可升級的條件。

　　在不同行業(yè)，國雙的人工智能大數(shù)據(jù)平臺也有復用的可能?；谠跔I銷、油氣、能耗等領域的垂直實踐，國雙已經積累了系列底層相對通用的大型企業(yè)級軟件。

　　“產業(yè)互聯(lián)網肯定要垂直生根，不然就做不到深耕客戶、深耕產業(yè)；從平臺角度講，我們也沉淀出了標準化的產品比如商業(yè)智能軟件，客戶有需求，就有市場。”劉激揚說。

　　當然，能夠在垂直和通用兩種模式并行，國雙在大數(shù)據(jù)人工智能平臺的構建與成功落地上，已經形成了一套自己的方法論，涉及到四種混合能力：

　　第一，產業(yè)智能的混合。產業(yè)智能包含了感知智能與認知智能，語音識別，視頻視覺等技術都屬于感知智能的范疇，但在政企應用場景當中，除了感知智能，認知智能更被需要。第二，數(shù)據(jù)和知識的混合。企業(yè)或者政府機構擁有的大量數(shù)據(jù)需要被有效的利用起來，這些數(shù)據(jù)應用落地需要對業(yè)務場景、應用場景有深入的了解。第三，行業(yè)專家與數(shù)據(jù)科學家的混合。在工業(yè)互聯(lián)網平臺上，無論是構建預測性模型，還是做深度數(shù)據(jù)挖掘，都需要數(shù)學能力很強、業(yè)務能力很強、很聰明的數(shù)據(jù)科學家來建模，這就需要行業(yè)專家和數(shù)據(jù)科學家的這個高度的合作。第四，是人機融合。意味著實施方要利用計算機本身的能力，去解決現(xiàn)實世界中業(yè)務場景落地落地的問題。

　　國雙首席技術官劉激揚將這四個混合能力，看作是國雙幫助垂直行業(yè)數(shù)字化轉型實踐的“產業(yè)人工智能落地范式”。

　　核心競爭力：人才與技術

　　在國雙的產業(yè)人工智能落地范式中，無論是數(shù)據(jù)與知識的融合、還是行業(yè)專家與數(shù)據(jù)科學家的融合，“人”是跨界融合成功的重要因素。也正因為如此，曾服務于中國石油、哈里伯頓、埃森哲等公司、在石油行業(yè)工作了20多年的薛小渠加入了國雙，為的就是要在油氣行業(yè)的垂直項目中注入更多專業(yè)經驗。

　　“專家要具備三個能力，第一，要有行業(yè)的資歷的積淀。第二跟大數(shù)據(jù)人工智能結合的時候，一定要有大數(shù)據(jù)人工智能的邏輯思維。第三，在實戰(zhàn)上，要與IT人員溝通和融合，彎下腰走到沙漠里面。”這是國雙對垂直行業(yè)數(shù)字化項目人才的要求。

　　據(jù)了解，國雙油氣大數(shù)據(jù)人工智能平臺的團隊成員在勘探、開發(fā)、儲運、煉化、管道等專業(yè)畢業(yè)后，都有在哈利伯頓、殼牌和康菲等企業(yè)的工作經驗。國雙認為，人才的多元背景這一定程度上會解決垂直行業(yè)不同領域之間雞同鴨講的問題，從某種程度來說，這也是國雙的核心的競爭力之一。

　　國雙的核心競爭力之二是自主可控的分布式數(shù)據(jù)倉庫。據(jù)了解，國雙自主開發(fā)的工業(yè)互聯(lián)網平臺COMPaaS，已經初步得到了石油天然氣、汽車出行等行業(yè)檢驗，并且具備替代相應國際產品的能力。

　　“科技自立自強這件事是一個應該嚴肅認真對待的問題。在這個科技事業(yè)上，在我們今天看到的領域，只不過這個新一代信息技術系統(tǒng)產業(yè)領域是比較突出的一個領域，其實我們還有很多領域被人家卡脖子的，尤其是工業(yè)互聯(lián)網場景?！眹p副總裁彭俊針對當下的國產化趨勢說到。

　　未來，從企業(yè)大方向來來講，國雙的產品和技術會專注到兩個大的場景：產業(yè)場景和社會治理場景，并自身具備的算力算法能力進行場景化落地。

　　但對于產業(yè)互聯(lián)網未來的發(fā)展，彭俊還有一個期待，就是產業(yè)互聯(lián)網的全域數(shù)字化?！皣p在推進這個產業(yè)場景的時候，我們首先聚焦在更細的場景就是企業(yè)場景，這個企業(yè)場景怎么能實現(xiàn)？首先實現(xiàn)企業(yè)的全域數(shù)字化，如果不實現(xiàn)企業(yè)全域數(shù)字化，剛才說的產業(yè)互聯(lián)網這個方向都是空想?！?/p>