专题丨“人工智能+”推动天然气行业高质量发展路径研究

“人工智能+”推动天然气行业高质量发展路径研究

胡文娟¹  闫昭坤²  孟丹妮¹  许珊²  蒋博丞²  许丽姣¹  陈广拓¹  张义²

（1.中海石油气电集团有限责任公司，北京 100028;

2.中国信息通信研究院人工智能研究所，北京 100191）

摘要：当今，人工智能作为新兴产业的代表，已成为全球科技浪潮的重要驱动力。从最初的简单逻辑推理到如今的自主深度学习、复杂事务处理和智能决策支持，人工智能塑造了新时代发展的新范式，并深刻影响了社会、经济、文化等各个领域。作为国家能源储备和民生保障的关键领域，能源行业在人工智能的推动下，正加速实现从“人工性”向“智能性”的转型。自动化生产、远程监测、数据分析、产量模拟、智能运输等新兴技术，逐步成为提升生产效率和推动产业结构升级的核心驱动力。

关键词：人工智能；大模型；天然气

0  引言

随着人工智能技术的持续发展，全球已达成共识，在人工智能领域占据优势，已成为国家竞争力的重要体现。在能源绿色低碳转型与数字化生产运输的大背景下，人工智能正以前所未有的方式横向融合、纵深发展，深刻重塑传统天然气行业的发展模式^[1]。

基于此背景，本文聚焦于我国人工智能在天然气领域的政策导向、全球天然气行业发展趋势与技术应用，分析我国天然气行业的现状与技术发展，并探讨人工智能如何推动天然气行业的高质量发展^[2]。

1  人工智能推动天然气行业高质量发展的政策解析

当前，天然气行业的外部发展环境正在发生显著变化，供需关系也经历了深刻的调整。在我国加速推进能源结构转型的关键时期，作为清洁能源支柱的天然气正迎来由人工智能主导的革命性升级^[3]。2022年8月，科技部、国家发展和改革委员会、工业和信息化部等九部门联合发布了《科技支撑碳达峰碳中和实施方案（2022—2030年）》，该方案旨在通过系统化的人工智能等科技创新体系，助力中国在2030年前实现碳达峰目标，并为2060年碳中和目标奠定技术基础。2023年3月28日，国家能源局发布了《关于加快推进能源数字化智能化发展的若干意见》，该意见旨在推动人工智能等数字技术在能源领域的创新应用，特别是在能源装备状态识别、可靠性评估及故障诊断等方面的技术发展^[4]。

我国高度重视能源行业，采取一系列政策措施，以高效促进天然气行业在保质增量协调发展、低碳减排绿色发展、人机协同高效发展等方面的进步^[5]。人工智能创新已成为天然气行业科技应用的重点发展方向，支撑行业转型升级的核心力量^[6-7]。

2  人工智能推动天然气行业高质量发展的行业路径探索

在全球范围内，人工智能已成为各国推动天然气产业升级和实现可持续发展的关键技术^[8]。无论是国际上还是国内，天然气行业都在人工智能技术的推动下，探索出符合各自国情和市场需求的路径^[9]。全球多个天然气生产和消费大国，正积极应用人工智能提升行业效率、降低成本并推动绿色转型^[10]。在这一过程中，各国基于不同的技术特点和发展需求，正在逐步实现智能化运营、自动化决策和数字化管理，为天然气行业的未来发展奠定基础^[11-12]。

2.1  人工智能推动天然气行业高质量发展的全球现状

全球能源转型与可持续发展日益受到关注，天然气行业作为支柱领域，正迎来人工智能与天然气交叉发展的加速推进^[13]。根据英国石油公司（BP）发布的《2024年世界能源统计》，全球天然气产量和消费量分别达到41 244亿立方米和41 278亿立方米，分别同比增长1.2%和2.5%^[14]。全球天然气市场仍保持增长，人工智能在该领域的应用需求愈发迫切^[15-16]。

中国、俄罗斯、巴西和美国是全球主要的天然气生产和进口国家，其年产量位列全球前列。各国都在积极关注人工智能推动天然气行业的高质量发展^[17-18]。例如，壳牌巴西公司（Shell Brasil）与意大利Saipem公司等企业联合开发了FlatFish自主水下无人机，集成了水下导航、图像识别与自主决策等多项人工智能技术。该无人机能够在超过2 000 m^[19]水深范围内精确执行海底设施检测任务，大幅提高了深海作业的效率与安全性。这一应用充分体现了人工智能驱动的智能硬件在深水能源作业中的巨大潜力。

此外，巴西国家石油公司（Petrobras）与美国微软公司于2022年联合推出了ChatPetrobras大模型企业助手，为员工提供文本生成、翻译、摘要提取等服务。该系统深度集成了代码生成部署与跨系统知识检索等流程，构建了能源行业的对话式智能工作平台。

全球各国人工智能推动天然气行业高质量发展的内外部条件各不相同，我国也需要根据自身特点探索适合路径。

2.2  我国人工智能推动天然气行业高质量发展现状

我国天然气行业具备巨大的社会需求、广泛的应用场景、丰富的数据资源和融合延伸的产业链。政府不断完善顶层设计并深化供需侧改革，为天然气行业提供了广阔的发展空间。根据2024年统计数据，我国天然气产量和进口量分别为2 464亿立方米和1 841亿立方米^[20]，显示出天然气行业在绿色低碳转型中的稳定增长。

人工智能推动天然气行业高质量发展的作用日益凸显，尤其在提升储能与运输效率和解决能耗问题方面展现出巨大潜力。行业龙头企业中国石油、中国石化和中国海油已在智能化方面取得显著成果。2025年5月，中石油推出具有千亿量级参数规模的“昆仑大模型”具备超大规模计算能力，覆盖地质图像识别、专业报告解析等业务场景，并支持软硬件生态的全面适配。2023年12月，中国石化胜利油田开发具有高百亿级参数规模的“胜小利”大模型融合油气领域专业知识，具备良好的语言理解和工业推理能力，在复杂场景中表现出良好的泛化能力。中国海油与中国电信、科大讯飞等联合开发的“海能大模型”融合内部数据资源，重点应用于稳产增产、设备维护等核心任务，为海上作业的智能化转型提供支持。

总而言之，国内外在人工智能推动天然气领域高质量发展的探索正在稳步推进，并呈现出不同的发展路径。国际上，主要的天然气生产国已经通过智能化技术提升了作业效率、降低了碳排放，并在实际应用中取得了显著成果。国内则通过顶层设计和政策支持，推动人工智能在天然气勘探、运输、存储等各个环节的深度应用，形成了适合我国国情的探索路径。

3  人工智能的技术现状

自21世纪以来，人工智能技术在算法创新与算力提升的双重推动下实现了迅猛发展。以图形处理单元加速与分布式计算为代表的算力基础逐渐成熟，深度学习成为人工智能领域的核心驱动力。从循环神经网络（Recurrent Neural Network，RNN）到Transformer架构，模型结构不断演进，推动自然语言处理从语义理解走向语言生成的阶段。进入21世纪20年代，基于“预训练—微调”新范式的大型模型与生成式人工智能的兴起，标志着人工智能进入了全新的发展阶段。此外，深度学习与强化学习的融合，也显著提升了人工智能在自动驾驶等复杂决策场景中的感知与控制能力。

在能源行业，人工智能的应用起初集中在电力负荷预测、电网调度优化、设备故障诊断等领域，助力传统能源系统向智能化运维和数据驱动的管理模式转型。近年来，生成式人工智能逐步从“辅助分析”阶段迈向“智能生成”阶段，不仅实现了从知识学习到任务产出的能力跃迁，还推动了决策效率、运行安全与知识传承等方面的实质性提升。

展望未来，尤其是2025年后，人工智能的大模型有望深刻重构天然气行业的技术架构和组织形态。大模型将成为天然气行业供需侧辅助调度配置的关键工具，在技术层面突破行业“瓶颈”，推动产业链各环节的智慧化升级，并在市场端形成全新的业务模式，为天然气行业的高效、智能化发展提供坚实的支撑。

4  天然气行业中大模型技术的应用场景

人工智能的大模型技术正在为天然气行业的各个环节带来深刻的变革。通过强大的数据处理与分析能力，大模型不仅帮助提升了安全生产保障能力，还优化了运营效率。在以下几个关键领域，大模型正逐步显现其巨大潜力。

4.1  高质量发展的场景探索：保障安全生产

天然气行业的安全生产至关重要，大模型技术通过多维数据分析与智能预测，为安全防护提供了强有力的保障。以下是大模型技术在保障安全生产中的主要应用。

一是精准监测天然气运输风险。大模型通过整合管网压力、阀门状态、车辆轨迹等多维数据，利用时空分析与异常识别算法构建动态评估模型。该模型能够实时监控管道泄漏、压力突变等潜在风险，生成风险热力图并辅助定位隐患，从而在运输全过程中筑牢安全防线。

二是智能优化接收站能源利用。在天然气接收站，大模型深度分析海量的能源消耗数据，挖掘出能耗规律与潜在节能点，构建精准的能源消耗预测模型。基于不同工况下的能源需求预测，能耗管理系统能够智能地调整能源分配策略，从而减少因能源浪费引发的安全隐患，确保能源的合理高效利用。

三是提前预判设备维护时机。大模型结合设备传感器采集的振动、温度、压力等运行参数，构建设备健康状态评估模型。通过不间断地检测与分析设备实时数据，提前预测潜在故障并确定合理的维护时机，有效规避因设备故障导致的安全事故，保障天然气生产设备的稳定运行。

4.2  高质量发展的场景探索：提高运维效率

大模型技术不仅能够保障安全生产，还能够显著提升天然气行业企业的运维效率。以下从资源采购、市场销售和运维管理3个方面，探讨天然气行业高质量发展场景的具体应用。

4.2.1  资源采购

大模型通过多元化的数据分析优化资源采购决策。首先，它整合短期业务数据（如卸货量、存货量），优化液化天然气船调度；其次，基于中期交易与宏观经济数据，预测天然气需求与价格走势；最后，整合长期全产业链数据（如气候、产量信息等），通过算法模型进行动态决策优化。推动资源采购向智能化、预测式决策转型，实现“数据驱动—模型推演—全周期效能提升”的一体化管理。

4.2.2  市场销售

大模型技术在推动市场销售的高质量发展方面可根据时间周期进行划分。在短期内，大模型根据客户的历史用气量、消费趋势等，生成用户画像，预测需求量；在中期内，大模型建立船舶运输年度计划智能优化模型，合理配置运力资源；从长期看，大模型能够对客户全生命周期进行价值分析，评估其在整个生命周期中的价值贡献，从而指导差异化营销和精准服务策略。

4.2.3  运维管理

大模型可以有效解决数据异构、信息孤岛等问题，通过整合来自不同层级、不同股权背景和不同业务的数据，打通数据壁垒，实现集中管理和高效利用。大模型还通过科学决策支持，帮助管理层提供精准决策依据，并促进组织间的高效协同。通过智能化的信息传递与任务分配，确保各个部门之间的信息畅通，提升整体运营效率和执行力。

大模型技术的应用场景正逐步拓展，尤其在保障安全生产和提升运维效率方面，发挥着重要作用。从精准监测运输风险、智能优化接收站能源利用，到提前预判设备维护，再到提升资源采购、市场销售与公司管理效率，人工智能正在推动天然气行业向智能化、高效化的未来迈进。

5  人工智能推动天然气行业高质量发展的路径选择与落地

随着天然气行业智能化需求的不断加深和数字化转型的持续推进，人工智能已经成为推动行业升级的重要力量。因此，选择合适的技术路径并推动其落地实施至关重要。通过合理规划路径选择与部署流程，能够确保技术应用与行业需求的高度契合，从而实现提升生产效率、保障安全以及推动绿色低碳转型的目标。

5.1  路径选择

随着数字化转型的深入推进和行业智能化需求的不断增长，大模型呈现出体系化、分层化和定制化的发展趋势。为了满足不同行业和业务场景对模型能力的差异化需求，业界逐步形成了基于应用范围与专业深度的三层模型结构体系，包括L0基础大模型、L1行业大模型和L2场景模型。在应用大模型技术高效推动行业发展时，需要根据三个层级模型的特性，并采用合适的路径展开具体的部署流程。

目前，行业中主流的大模型落地路径主要包括两种。

第一种是L0→L1→L2路径：该路径从底层的通用大模型出发，逐步构建行业大模型和场景大模型。优点在于体系完整且适应性强，适用于标准化程度较高的行业场景，数据量要求适中，但对数据质量的要求较高，如图1所示。

图3   天然气行业大模型相关平台分层建设架构图

5.2.1  数据中心

高质量的数据集是大模型落地的基础。天然气行业的数据建设应遵循系统化与标准化原则，涵盖资源采购、市场销售、安全生产、产业协同与监督合规等核心场景。在实施过程中，应明确每个业务场景的数据目标，并确保数据采集、清洗、增强与维护等环节能够满足行业特性和技术要求，确保模型训练的稳定性和实用性。

5.2.2  大模型中心

大模型中心负责模型的算法开发、精调优化、评估与版本管理，并支持不同业务场景下的模型适配与能力沉淀。该中心需建设一个全生命周期管理机制和安全评估体系，推动“预训练—精调—部署”的闭环研发体系。在大模型的选型上，需综合评估其性能、适配性、部署可行性和成本效益，选取最符合天然气行业需求的模型，如DeepSeek、GLM、文心一言等。

5.2.3  算力中心

算力中心承担大模型训练与推理所需的算力资源统筹、调度与运维任务。天然气行业的算力需求差异较大，通常在亿级至千亿级之间波动。因此，算力中心需要根据模型参数规模、并发请求强度和训练周期等因素进行精细化配置，合理选择本地部署与公有云部署的平衡点，确保高效、稳定地支持模型的运行。

5.2.4  智能体及应用中心

智能体及应用中心的核心任务是将大模型技术应用于具体的业务场景，负责需求分析、智能体设计、检索增强生成集成与产品化打磨，并推动多场景智能体系统的构建。通过构建可复制、可评估、可推广的智能体应用模板和部署方案，智能体中心确保技术能够在天然气行业内的多种业务场景中落地应用。例如，在文档问答、任务助手和多端交互应用中，智能体中心能够为企业提供高效、智能的操作平台，进一步提升企业的业务执行力。

大模型技术的路径选择与落地实施是人工智能推动天然气行业高质量发展的重要环节。通过选择适合的路径和搭建完善的四大中心，天然气行业可以高效推进技术部署，显著提升生产工艺、运维、能耗、供应链调度和决策五大维度的效率，保障安全生产，优化运营管理。未来，随着大模型技术的进一步发展和应用，天然气行业将迎来更加智能化、自动化的转型升级。

6  结束语

本文梳理了人工智能在能源行业的典型应用路径，回顾了其技术演进与机制，重点探讨了大模型技术在天然气行业的应用实践与路径选择。在天然气行业数字化转型不断深化的背景下，人工智能已成为提升管理效率、推动产业协同、优化运营流程和强化风险防控的关键工具。

随着大模型在自然语言处理和数据分析等领域取得突破，其在能源行业的推动作用愈加显著。石油等领域的领先企业已实现专有大模型的构建和应用，推动行业迈向智能化。然而，天然气行业由于组织结构复杂、场景需求多样以及高安全要求，仍需探索适配性更强的模型路径。

展望未来，随着大模型的持续演进，人工智能将在更多天然气应用场景中创造价值，成为能源行业智能化升级与高质量发展的核心驱动力。通过构建“模型—算力—平台”协同的技术体系，天然气行业有望实现从局部智能化到全面智慧化的飞跃。

Exploring the path of empowering the natural gas industry with “AI+”

HU Wenjuan¹, YAN Zhaokun², MENG Danni¹, XU Shan², JIANG Bocheng², XU Lijiao¹, CHEN Guangtuo¹, ZHANG Yi²

（1. CNOOC Gas and Power Group, Beijing 100028, China;

2. Artificial Intelligence Institute, China Academy of Information and Communications Technology, Beijing 100191, China）

Abstract: Currently, artificial intelligence (AI), as a representative of emerging industries, has become a major driving force in the global technological wave. From its early stages of simple logical reasoning to the current era of autonomous deep learning, complex task processing, and intelligent decision-making support, AI has shaped a new paradigm for the development of the modern era, profoundly impacting various fields such as society, economy, and culture. As a key sector for national energy reserves and public welfare, the energy industry is accelerating its transformation from “manual” to “intelligent” driven by AI. Emerging technologies such as automated production, remote monitoring, data analysis, production simulation, and intelligent transportation are gradually becoming the core drivers for improving productivity and upgrading the industrial structure.

Keywords: AI; large models; natural gas industry