过去几年石油和天然气行业面临来自方方面面的挑战,尽管如此,为了使上游和下游业务都处于领先地位,该行业不得不继续在超级计算资源上大举支出。

全球超级计算500强榜单中就有很多石油和天然气超级巨头。意大利埃尼公司的HPC5位列第9位、沙特阿美公司的Dammam-7位列第11位,Ghawar位列第19位,法国道达尔公司的Pangea III位列第21位,仅在前25强中就有这么多的石油和天然气巨头,而且这些仅仅是冰山的一角,只是进行了基准测试并有性能指标记录的系统。
TGS公司的Keith Gray表示,即便是拥有这样的超算资源,如今勘探、新站点开发、地震成像和生产仍然需要更多算力。“由于计算能力的限制,我们有很多本来可以推动更高成像分辨率以及全新地震采集技术的想法在当下仍然是无法实现的。我们有算法来提高计算的准确性,所有这些能力意味着高性能计算对我们来说是至关重要的。”
Gray本身在石油和天然气超级计算界享有盛誉,此前他在BP公司负责计算基础设施投资工作有3年多时间,之后加入TGS担任顾问到现在。他指出,石油和天然气行业出现了一些新的趋势,这些趋势可能会对上游和下游的HPC支出产生影响。
鉴于行业性限制,石油和天然气行业的目标是提高从发现到生产这一整个链条的效率,而这在当下意味着要很好地利用现有投资。他解释说,最重要的趋势之一,是以基础设施为主导的探索。
“这是发现新资源和延长重要基础设施投资寿命的潜在途径。”从本质上讲,这利用了在关键领域的探索工作,并将其推广到周边领域。“将会减少无目标的探索,相反,这些以基础设施为主导的探索将是非常惊喜地,随着时间的推移是可以重复的。”
他补充说,展望未来,除了地震建模和油藏模拟对算力有要求之外,还有机器学习的使用也意味着内存带宽将是未来最重要的挑战之一。Gary表示,目前机器学习技术已经被很好地用于增强传统的石油和天然气应用。
最近,Hyperion Research(前身为IDC高性能计算部门)首席执行官Earl Joseph在高性能计算用户论坛上表示,今年地理科学领域在服务器上的支出预计将达到86.65亿美元,这一数字自2016年到2019年来一直在稳步增长,虽然2020年因为疫情的影响增长并不明显。“展望未来,我们预计石油和天然气行业在这方面的支出将稳定增长,但到2025年将基本持平”,这主要是由于他提到的设备更新相关的、预期内的周期。
Joseph表示,处理器和加速器阵容日益多样化,石油和天然气领域的系统规模也在不断扩大。每家公司都有不同的系统设计策略,有些采用高端的GPU加速器,有些则只使用了CPU。
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。