生成式人工智能和智能体正日益渗透重工业领域。而在石油和天然气行业，复杂性、储量下降、劳动力短缺和安全要求相互交织，几乎没有哪个行业能比其受益更多。

五年前，能源技术公司贝克休斯有限公司预见到了一个关键的行业转变：到2030年，80%的产量将来自现有的递减储量，而非新发现的储量。据贝克休斯油气服务设备部门首席数字官詹姆斯·布雷迪（图中左）称，这一洞见推动了Leucipa的创建，这是一个为自动化和优化油田生产而构建的云原生平台。

“随着需求增长，我们行业必须应对日益复杂的情况，获取和输送碳氢化合物的难度也更大，“他说。“这很大程度上与人力的延伸有关，即为行业内的从业者提供更强大的工具。最后，它还受到一定程度的监管控制。”

布雷迪和亚马逊云科技公司能源与公用事业全球解决方案架构与客户成功总监约瑟夫·圣玛丽亚（右）在与SiliconANGLE Media旗下直播工作室theCUBE的独家对话中，与theCUBE的戴夫·维兰特进行了交谈。他们讨论了工业AI的未来——在那里，数据、物理学、自动化和领域专业知识汇聚在一起，以推动更安全、更智能的能源运营。（*披露信息见下文。）

智能体应对上游能源的复杂性 在流行语之外，根据布雷迪的说法，智能体AI遵循一个狭义且实用的定义。它将大语言模型的知识与采取自动化行动的能力相结合。在上游能源运营中，智能体解决了多重挑战，包括不断增长的全球需求、更难开采的储量以及严格的运营法规。

“我所说的智能体，是从更正式的角度来看，即如果你构建了一个LLM，你很可能增强了一个现有的、拥有一定信息访问权限的LLM，“布雷迪说。“一个智能体AI，根据定义，会利用那个知识库和查询该知识的能力，进而采取一些自动化行动。”

生成式AI非常适合油田，原因有二。首先，油田运营会产生海量数据——从钻井日志到泵遥测数据再到地震模型。生成式AI能比任何人类团队更快地综合这些数据流。其次，根据圣玛丽亚的说法，现场条件不断变化，智能体可以随着条件变化动态调整建议和行动。

“我们有客户正在生成合成地下数据，以减少钻井的不确定性，“他说。“其他客户则在生产运营期间直接使用生成式AI来优化增产和化学药剂选择，甚至预测水侵和出砂情况，以最大限度地减少油田生产中断。除了现场运营，我们还在交易、供应链和零售等多个领域与许多客户合作。生成式AI在石油和天然气运营的几乎每个方面都有应用潜力。”

Leucipa的起源 为了应对能源开采中对更高精度和效率日益增长的需求，贝克休斯创建了Leucipa。其运营基于三大设计原则：自动化就绪的架构、彻底的数据连接性以及内嵌的领域专业知识。

“你要处理来自不同供应商、不同年代的设备，“布雷迪说。“因此，我们决定Leucipa必须能够连接和集成所有供应商的所有数据存储。它拥有近90种连接到不同数据和应用程序的方式。我们可以与我们自己的油田设备、竞争对手的设备等协同工作。但最重要的是，在开始进行所有花哨的AI工作之前，你必须已经内置了主题专业知识、领域基本能力。”

真正让Leucipa与众不同的是其多层AI架构。基础层嵌入了经典生产工程工作流程的全部深度——递减分析、情景建模、储层行为、电力约束、排放考虑等等。在这一基础之上，贝克休斯引入了五类AI，包括基于物理的设备故障预测、油田级情景优化、地下资产和地面设备的数字孪生，以及允许工程师用自然语言提问的会话式LLM界面。

“我们一直在构建它……目前正在全球各地部署，而且它在不断发展，“布雷迪说。“五年前我们是否预见到了生成式AI如今的样子？老实说，没有。然而，它非常容易地融入我们正在构建的框架中，成为了一种自然的延伸。得益于敏捷开发，我们能够调整部分优先事项和计划，并与客户合作将其引入。”

在一个由复杂性定义的行业中，智能体AI不再只是一个流行语——它正成为现代能源生产的支柱。正如贝克休斯和AWS所展示的，未来属于那些将干净数据、深厚领域专业知识和智能自动化相结合，在全球范围内重新定义工业绩效的公司。