段鸿杰

    胜利油田

    数智化管理服务中心经理

    问：DeepSeek的接入被视为石油化工企业数字化转型的重要一步。从企业的整体数智化战略来看，DeepSeek如何与其他数字化技术（物联网、大数据等）相结合，为企业构建一个更加智能化的生态系统？

    答：油田物联网设备能实时采集油水井实时压力、温度、油水比等信息，目前已在集团公司油气生产信息化平台（PCS）实现了数据汇集，把物联网海量结构化数据以宽表形式进行语料训练，让DeepSeek发挥独特的推理能力优势，智能化建立业务数据之间的逻辑关系。对用户而言，通过智能问答即可实现对海量数据的查询和智能对比分析，比如用户可随时询问某井近5天生产情况、某井近两个月的产量变化等。

    大数据是油田企业的宝藏，集团公司建设了勘探开发业务协同平台（EPBP）及数据湖。大数据利用DeepSeek的机器学习算法，基于历史数据可对油田业务进行预测，比如基于海量的钻井风险事故大数据进行聚类分析，预测新井钻探过程中的复杂安全事故；比如基于海量地震数据体，使用DeepSeek技术发现相似地震属性，在储层预测方面发挥重大作用。

    问：DeepSeek大模型的接入是否会对石油化工行业的上下游产业链产生影响？未来大模型在石油化工行业的发展趋势是什么？大模型在处理石油化工行业敏感数据时，如何平衡数据利用和隐私保护？

    答：DeepSeek大模型的接入一定会对石油化工行业上下游产生深远影响，而且是不可预知的革命性影响，从工作习惯到工作机制甚至用工数量等方面都会发生变化。

    未来大模型在石油化工行业及其他行业都会向业务纵深发展，从通用对话大模型向业务密切相关的行业延伸。比如油田企业会建设自己的地震数据处理大模型、勘探井位部署大项目、测井数据分析预测大模型等。从数据角度看，各企业的数据是有保密要求的，这不仅不会随着DeepSeek的到来而改变，反而会对业务数据更加严格管控。因此各企业需要建设私有化部署的大模型，以此大模型为基础，连通企业数据湖，打造业务基础大模型，同时在一定程度上慢慢厘清企业内部私人写作和业务数据分析之间的界限，私人写作可以借助网络大模型，而企业数据相关人工智能应用需使用私有化部署的大模型。

    （李 腾 整理）