當天下午，中石油東方物探數據中心原總工程師、教授級高級工程師賴能和在“數據創新應用論壇”上發表了題為“數智時代新型基礎設施建設實踐與探索”的演講，結合石油勘探領域的應用，講述了IT基礎設施的基本現狀、大模型對新型IT基礎設施帶來的新挑戰等情況。

本文根據演講速記整理，未經本人審定。

賴能和：各位來賓，下午好！

我今天跟大家分享的是“數智時代新型IT基礎設施建設實踐與探索”。

想這個名字我想了很久，后面我講為什么想很久。

非常感謝DOIT搭的這個平臺，來美麗的金雞湖畔交流基礎設施的建設，也感謝在座的各位花時間一塊聽分享。

我一直在中石油做高性能計算，做人工智能，做存儲、云計算、大數據，做數據中心基礎設施，一說基礎設施，大家想到的是CPU、GPU、網絡、UPS、空調、綜合布線基礎設施。我題目不加“IT”行不行？不行，如果不加IT和國家的基礎設施、新基建又不一樣了，所以一定要加“IT”。

在分享之前，講幾張PPT告訴大家什么叫油氣勘探。

油氣勘探與數字化

很多人不知道油氣勘探，南方人知道的更少，因為找石油的基本都是在北方。什么叫油氣勘探？油氣勘探就是找石油的，找出來以后給油田，我們只負責找。怎么找？很難的。油氣勘探的產業鏈很長，36000人做油氣勘探，有勘探、開發、煉化、新能源、銷售、新材料、資本，還有金融資本。

現在很火的新能源、新材料，大家都在轉型，圖上黃色的都是轉型過來的，新能源、新材料，加油站是下游。

我們是干什么呢？第一個環節，找油。這是一個產業鏈非常長、技術密集型、設備密集型、專業密集型的行業，僅勘探就有12個專業，計算機都排到最后，前面還有測量、地質、地儲物理。

怎么做油氣勘探？油氣勘探有三個環節，第一就是采數據，以前大家聽說過挖個坑放炸藥，波就往底下傳，遇到水、油、氣、沙，就會往回，會把信號傳上來，就是數據采集。有多少個接收點，以前就是24個接收點，現在有十幾萬個接收點，數據量非常大。我們有100多個隊伍，所以每天的數據非常多，這是陸上挖坑。

現在不允許挖坑了，有特種車輛，很古怪的車，非常大，高頻率地上震動，波就往下傳，然后返回來，就得回來數據采集。

采集完數據以后，我怎么知道地下有油呢？就需要強大的計算機，我們國家最先進的計算機就是用在石油和軍工，在70年代、80年代，包括我們的銀河1、銀河2都是在這方面用，這是國家的能源安全，找石油的第二個環節就是高性能計算機。我自己負責的數據中心大概有3萬多個節點，幾百P的存儲，不停地運作。

從高性能計算做完以后怎么辦？誰也看不懂，那就找“老中醫”，他可以看出哪里有油，哪里有氣，就做成PPT上右邊的那個圖，然后給油田確定打井，好幾千萬一口井，所以很慎重。有人說找油不是很容易嗎？為什么那么貴呢？我跟大家講，找到以后打井下去成功率也不到40%，前面花的精力都白搭了，所以確定哪里打井的時候非常慎重，所以現在反過來說要把前面的數據整理好，采集的數據準，處理的數據要準，還要把老資料、老信息結合起來，要綜合分析。

簡單來說，就是給地球的地表做CT，

CT數據量非常大，這就是油氣勘探。

整個石油勘探的線非常長，比如說勘探第一個環節，有鉆井、測井、壓裂，不是光打一個地方，周邊的地方要壓裂，把油都流到這里來，還有采油工程，然后把油氣收起來，每一個都是非常巨大的工程，技術含量非常高，數字化程度也非常高。

油氣勘探發展五、六十年，跟過去有什么區別呢？有五方面：一是現在找油更難找了，非常隱秘。二是非常深，東部，華東地區都是比較淺，包括東北地區都是東部地區比較淺，新疆、西部地區非常深，有一些都上萬米的井，打一口井上萬米。三是隱蔽的油氣藏。四是非物探，非常規的，比如說煤層氣。五是深海油氣。

這就帶來新的問題。

大家講降低生產成本，要做到所有的數據處理是準確的，精確的高效力，要可度量，要有一個具體數據，所以要做數字化、智能化，需要巨大的算力存儲和靈活的IT基礎設施，這就是AI的加持。

大家都知道，1956年就有了人工智能，三起兩落，三次起來又落下去，發展了六七十年，現在又在做，為什么呢？因為沒有解決落地的問題。今天一定要讓人工智能產生效益，光做一個音響不行，要解決生產問題，現在做人工智能要跟工業生產結合起來，提升效率。

石油行業數字化、信息化是走在比較前面的。

我們上世紀90年代就在做信息化，油氣勘探本身就是數字行業，采集過來都是數據，雖然采數據非常笨，有很多機械的模式，信息化從2000年第一個階段就是分散建設，和現在很多單位一樣，就是有錢就買一點。2000年左右不讓分開買了，要集中。第三個階段，就是要應用集成，因為買硬件和軟件全部集成起來。第四個階段就是要數據共享、軟件也要共享，說起來很簡單，做起來非常難。比如說軟件共享怎么做？這都是技術問題，數據要有共享，那么多數據，不同的格式，所以會形成數據湖的概念。

共享起來就行了嗎？不行，資源共享來以后要做數據化轉型，數字化轉型太虛了，到底做什么事？我后面會跟大家分享一下我們到底怎么做數字化創新。

通過以上幾張PPT，我把怎么做石油勘探做了分享。

IT基礎設施面臨的機遇與挑戰

數智時代IT基礎設施到底有哪些新的挑戰？下一步要做什么？我一一跟大家介紹。

這個PPT我做了好幾個月，但是時間很短，我就講其中一小部分。

今天的基礎設施有新的內涵了，大家說基礎設施、新基礎設施，如果不加IT就有問題了。

數智時代的IT基礎設施，數據中心、數據基礎設施是其中一部分，為什么只算一部分呢？算力、存儲、數據倉，這都是過去的；智能計算，加速卡、邊緣計算、數據湖，還有算法庫、模型庫、知識庫、技術標準體系、數據安全體系、AI開發平臺、物聯網平臺、應用軟件與開發平臺、多學科協同研究平臺，這都是今天新的基礎設施，原來IT基礎設施就是UPS、空調、布線，那都是看得見的硬件，剛剛說的都是軟的，跟數據有關聯。

今天的IT基礎設施面臨哪些機遇與挑戰？

一是現有的IT基礎設施已經很難滿足生產發展需求，油氣勘探的裝備也和國外差距非常大，很大一部分的裝備依賴于國外。

二是今天的算力不夠。國家建了十個國家超算中心，24個智能大腦還不夠嗎？看你是干什么用，給石油就不夠，但是干別的可能富裕了很多。

比如說一個項目的數據270T，要投入600+32GPU+4PB做配套。一個項目1000T，要2000多個CPU匹配，384GPU匹配，還有幾十個PB匹配；另外，數據要流動，就要花很多空間。

三是存儲不夠，量不夠，性能也不夠。量靠買的，但是買多了成本也很高，以前1P就是幾百萬，后來幾百萬，現在變成幾十萬，現在幾十萬買幾十P沒有問題，但是一下買30P、50P也不少錢。

四是性能。海量的數據如何讀寫，檢測也是很大的問題。1TB的數據在屏幕上顯示一下很難打開，2TB的數據就更沒法打開，三維可視化是沒有辦法打開的，一定要借助很多新的數據技術。

五是生產周期很長，系統擴展性差?，F有的IT基礎設施很難跟進業務發展的需要，為什么？因為要算成本，要提高用戶體驗，還要智能算力、智能運維，現有的基礎設施做不到，大部分的公司做不到，只有新上的設備可以做到。

六是技術發展非?？?，包括有云、物聯網、云原生、人工智能等等。

現有IT基礎設施無法適應數據挖掘要求，油氣勘探過去積攢的數據都是分散放在不同的地方，如何把價值挖掘起來也是非常難的，有些地方有些數據還要考古，因為不知道數據是誰的，也不知道對不對，有些數據好幾個副本，不知道哪一個是正確的，所以如何把它用起來是很難的。

過去很多單位都是一棟大樓放數據，很多先進的設備都躺在那兒，那個不是資產，資產要流動起來才有價值。

上午的報告我都在認真的聽，有兩個演講提到了升級平臺。沙鋼有80多個應用平臺，經過十幾年、二十年的數字建設，會出現非常多孤立的應用。比如說工業互聯網600多個APP，平臺多，數據庫多，數據類型有結構化、有半結構化、有非結構化的數據。

數智時代大模型成為技術競爭的新熱點。

1956年出現人工智能，到70年代末有機器學習，機器學習做半天沒有什么效果，大家就不干了，不投資了。2006年又做深度學習，深度學習能做一些事，但是算力不夠，太貴，所以又停在那兒。這兩年硬件價格下去，存儲價格下去了，尤其是很多GPU的價格下來了，可以做很多事，所以從2018年開始要做大模型了。

以AIGC為例。AIGC一開始就是文字，只能看，后來還可以變為圖像視頻，多維的空間，不停的變，所以數據模型越來越多。

今天的大模型具有新的特點，一是超大模型都大于10億數十/百層，數千張CPU訓練。二是預訓練，泛化的通用能力，具體場景可微調。三是學習方式是自監督學，不需要做標注，因為做標注非常難，非常費時間，另外就是框架，大家都知道大模型就兩個家族，一個是OpenAI，一個就是Google的PaLm，他們是祖宗，后面又衍生了很多。其實模型的數據也是不停地變化，過去的是大模型，過幾天也成小模型了，數據都在一直變。

大模型成為所有IT的頭部公司都在做的事。好幾家合作伙伴都讓給我開賬號，讓我免費用，但有些能干，有些什么都干不了。比如，我讓Python寫代碼，但是寫了一半就不寫了。

模型參數，我們了解了解就可以了，包括浪潮有元，華為有盤古，阿里有通義，百度有文心一言。

今天的人工智能從單點技術走向了通用技術，這是很不一樣的，就是很時髦的AGI，從大模型走向超大模型，從單模態走向多模態。

大模型與新型IT基礎設施

有太多挑戰了，一是算力，算力的開放程度、架構、普惠程度，能不能用得起來，模型的部署，模型的訓練，模型資源的調度、能耗等等還有就是在線服務能力，幾千人、幾萬人上平臺上點，平臺就阻塞了，對平臺要求在線化要求服務很高。

對企業來說，AGI的出現，基礎設施會面臨哪些挑戰？一是算力不夠，小公司玩不起。二是模型訓練，三是要有很多的數據，四是就是人才，AI人才很吃香，價格很高。

對于一個企業來說，要適應新的變化，一是要把現有的應用變為智能化，二是模型建立自己行業的模型，三是智能的通用化。

我們做哪些呢？一是做工業互聯網平臺，多專業、跨領域的工業互聯網平臺，我們做了小十年了，這是最大的平臺，跟業務結合起來。

二是數據湖，把橫跨60多年的數據放進去，結構化和非結構化的數據都有，數據量是很龐大的。

三是人工智能通用平臺。中石油花很多錢建人工智能通用平臺，比如說TensorFlow、飛槳都可以重復用。

四是開發生產物聯網平臺，幾萬個數據采集做這個平臺，各個油田安裝使用。

五是高性能計算云平臺。

六是應用軟件云平臺。應用軟件是我們自己的，我們把云和軟件結合在一起。

七是大模型平臺。大家都在建自己行業的大模型。石油勘探，以前都是找一個區塊勘探，這樣實際上還是不夠的。如柴達木盆地，就要建一個大的數據庫，建一個大模型，以后在柴達木盆地搞勘探的時候就基于這個大模型，有指導意義。我們地震勘探大模型參數達到500萬就夠用了，上午有一位嘉賓講到了如何把模型進行優化。

八是AI框架開發平臺。

下一步的設想

一是統一頂層設計，要做好數字化轉型規劃。二是云計算平臺技術升級，三是多學科協同平臺，四是數據服務要進行升級，五是共享平臺建設、物聯網平臺升級，六是數字孿生，數字孿生不是做監控，數字孿生一定和物理世界有交互，要互動，要實時，七是數據集中共享，如果數據還在分散，那數字化轉型都是假的。數據集中并不簡單，統一管理就把成本降下去了，數據挖掘，數據利用就可以真正實現數據資產的管理。八是AI一定要跟生產數據湖集成。

新型IT基礎設施八大新

新型IT基礎設施有八大新的特點。

新底座。新型IT基礎設施是數智化轉型關鍵底座，需要更強算力、更普惠、更綠色、更少碳足跡。

新標準，建立統一工業互聯網技術體系、建立統一數據標準。

新平臺，加快升級、完善全連接+業務協同工作平臺+數據平臺+AI平臺集成實現數據共享+AI賦能。

新場景，堅持業務主導，需求導向、創新驅動、平臺支撐。

新技術，加強AR/MR、數字孿生技術應用，構建全連接、全交互、全感知的數字孿生體。

新起點，人工智能AI正從單點技術走向真正通用技術AGI。

新范式，從大模型走向超大模型從單模態走向多模態。

新生態，探索與著名IT公司跨領域合作，形成開放共享創新應用生態。

我的報告就是這些，謝謝大家！