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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。