Искусственный интеллект в нефтяной индустрии: как устроен мировой рынок

Долгое время консерватизм нефтегазодобычи был экономически оправдан: когда маржинальность измеряется миллиардами, любые изменения в ИТ-инфраструктуре – это скорее риск для безопасности, чем возможность. Но легкой нефти больше нет, рынки волатильны, а инвесторы требуют экологичности и ESG-комплаенса. ИИ стал главным инструментом выживания и обеспечения операционной эффективности.

По прогнозам PrecedenceResearch, к 2034 году объем этого рынка достигнет 25,24 млрд.долл. США. Как распределились силы в мире?

ТОП-5 мировых лидеров внедрения ИИ (среди добывающих компаний)

Лидерство определяется по объемам инвестиций, количеству патентов и уровню интеграции технологий в реальное производство.

1.               SaudiAramco – лидер по масштабам. В 2024 году компания сэкономила 4 млрддолл. США благодаря 500 кейсам использования ИИ. Запустила инициативу METABRAINдля обучения 6000 разработчиков.

2.               Shell – пионер индустрии. Использует более 100 ИИ-приложений на базе машинного обучения для оптимизации скважин и предиктивного обслуживания оборудования.

3.               ADNOC –создала нейросеть ENERGYai на 70 млрд параметров и автономных сейсмических агентов, сокращающих время построения моделей на 75%.

4.               CNOOC – лидер Китая по «умным» месторождениям. Внедряет модель Hi-Energyдля автономного управления глубоководными платформами.

5.               BP – достигла 98% точности в обнаружении выбросов на скважинах с помощью ИИ и на 90% ускорила процесс размещения новых скважин в сложных регионах.

ТОП провайдеров ИИ-технологий («мозги» индустрии)

Масштабные амбиции нефтегазовых гигантов были бы невозможны без мощного технологического фундамента. Чтобы понять, кто именно создает цифровые инструменты для этих корпораций, необходимо заглянуть за кулисы ИТ-индустрии.Чтобы понять структуру рынка, важно разделять тех, кто качает нефть, и тех, кто создает алгоритмы, облака и инфраструктуру.

Технологические гиганты (Инфраструктура и Облака):

o       Microsoft (Azure) – самый популярный партнер. Их облако используют Chevron и Shell для анализа сейсмики и управления активами.

o       NVIDIA – «мозги» индустрии. Их графические процессоры (GPU) обрабатывают огромные массивы геоданных, заменяя месяцы человеческого труда днями вычислений.

o       GoogleCloud – фокусируется на ИИ-инструментах для декарбонизации, прогнозирования цен и оптимизации цепочек поставок.

Гигантские облака и чипы – это лишь «железо» и вычислительная база. Чтобы адаптировать эту мощь под нужды энергетики, требуются масштабные инженерные экосистемы, созданные лидерами нефтесервиса. Отраслевые платформы (нефтесервисные гиганты):

o       SLB (Schlumberger) – лидер со своей облачной средой Delfi(и новым поколением Lumi), где геологи и инженеры моделируют месторождения в одном окне.

o       BakerHughes – делаетставкунаOpen AI EnergyInitiative. Их софт предсказывает поломку насосов на дне скважины за недели до аварии.

o       Halliburton (DecisionSpace) – специализируется на «умном бурении», в реальном времени корректируя траекторию бура по данным ИИ.

Помимо комплексных платформ от нефтесервисных гигантов, на рынке критически важны точечные, гибкие ИИ-решения. Их создают узкоспециализированные ИТ-компании, автоматизирующие конкретные процессы: от мониторинга датчиков до работы заводов.

Специализированный ИИ (софт и аналитика):

o       C3.ai – разработали готовую платформу C3 AI Reliabilityдля Shell — «коробочное» решение для мониторинга тысяч единиц оборудования.

o       Palantir – их платформа Foundry помогает компаниям (например, BP) объединить разрозненные данные в единую операционную картину высшего уровня.

o       AspenTech – лидер в оптимизации НПЗ. Алгоритмы рассчитывают идеальный режим работы заводов для максимизации выхода дорогого бензина.

Синергия между разработчиками софта и добывающим сектором строится неодинаково в разных частях планеты. Геополитика, законы и доступность ресурсов сформировали уникальные национальные стратегии цифровизации.

Разные страны – разные подходы (модели развития)

·                   США (Сервисная модель): Децентрализованный подход частных корпораций (Chevron, ExxonMobil) в альянсе с BigTech. ИИ подбирает идеальные параметры гидроразрыва пласта (ГРП) в Пермском бассейне, снижая стоимость бурения сланцевых скважин на 25–30%.

·                   Китай (Государственная модель): Жесткое планирование, устранение «барьеров данных» и создание отраслевых мега-моделей (Kunlunот CNPC с 330 млрд параметров). Ставка на отечественные чипы и облака (Huawei, DeepSeek) для исключения зависимости от зарубежного ПО.

·                   Россия (Суверенная модель): Вынужденный экстренный переход на собственные ИТ-дочки (ГПН-ЦР и др.) и отечественный софт в условиях санкций. Сильная сторона – ИИ для экстремальных условий Крайнего Севера (например, система «Капитан» от «Газпром нефти» для ледовой проводки танкеров, экономящая 1 млрд руб. в год).

·                   Европа (Регулируемая модель): Внедрение ИИ в рамках жесткого контроля EU AI Act. Фокус смещен с объемов добычи на экологию (NetZero). ИИ-видеоаналитика с дронов и спутников (проект AUSEAот TotalEnergies) находит скрытые утечки метана с точностью 98%.

Несмотря на различие в глобальных стратегиях, на микроуровне все эти модели преследуют схожие цели. На практике алгоритмы решают конкретные инженерные задачи — от глубинного анализа недр до автоматизации процессов непосредственно на объектах.

Где конкретно применяется ИИ?

·                   В недрах: Проект «Когнитивный геолог» («Газпром нефть» / IBM) анализирует данные сейсморазведки и керна, ускоряя поиск новых залежей в 60 раз.

·                   На буровой: Приложение RT-Ops (EOG Resources) анализирует геологию «на кончике долота» и автоматически корректирует траекторию бурения быстрее человека.

·                   На производстве: Четвероногие роботы AnyMal(Equinor) заменяют людей на опасных морских объектах Северного моря, проверяя манометры и «слушая» шум двигателей.

Главный риск: Проблема «грязных данных» и эффект «черного ящика». Если нейросеть из-за ошибок или шума в датчиках предложит решение, противоречащее законам термодинамики или физики пласта, это может привести к необратимому повреждению скважины или техногенной аварии. Именно поэтому индустрия переходит от точечных экспериментов к единым платформенным экосистемам управления данными.

Подготовлено на основе материалов НИР "Подготовить научно-обоснованные предложения по направлениям применения искусственного интеллекта в энергетической сфере Республики Беларусь". При обработке использованы технологии ИИ.