石油石化行业专题研究：AI如何变革能源化工行业？

AI或助力上游油气降本 国内央国企油气企业AI布局领先于民营企业，三桶油的AI布局思路目前主要在构建行业高质量的数据集，建立油气大语言模型，构建知识体系，打造计算平台；海外油气公司目前进展聚焦地层构建模、钻井等工业流程自动化、预测性维护模型以及碳排放管理。 我们根据EOG的运营成本为基准简单测算合计AI大概会带来7美金/BOE的降本空间，下降幅度大约17.5%，这与国际能源署所估计的数字技术可以将油气成本降低10%-20%接近。 AI重塑煤炭智能矿山 国内目前智能矿山化进展比较成熟的应用聚焦在煤炭开采和洗选方面，打造智能化矿山，显著提升灾害预警、智能开采和管理效率。根据麦肯锡的相关调研，煤炭企业全面释放智能化潜力能够将利润提升7%-12%，将投资回报率提升2%-3%。 AI赋能化工“从分子设计到智能工厂” 目前AI与化工行业结合主要在“赋能材料研发与合成”和“化工智能制造”两个大方向。AI赋能材料研发合成领域的发展尚处在导入期，主要集中在高校科研院所或海外头部领军化工企业（eg.LG化学、赢创等）。 AI在工艺流程设计中应用比如流程模拟仿真监测，主要是化工设计院等高校研究所及模拟仿真软件企业比如中控技术。化工智能制造目前国内外均在加速布局，国内主要由央国企及细分龙头牵头智能化工厂建设，海外企业布局更早，现阶段开始着力新材料创新研发。 AI竞速赛，哪些能化企业才能突破重围？ 我们认为拥有大量高质量有效数据的主权、能将技术和业务深度融合、注重创新、具有强大资金实力的企业更有机会在AI军备赛中脱颖而出。 潜在受益标的：1)拥有数据主权的头部企业具有先发优势；2）AI for science方面，具有自主研发能力的催化剂公司；3）AI for operation方面，“卖铲者”比如中控技术等工业流程模拟软件企业。 风险提示：1）AI应用需求不及预期的风险；2）企业布局AI进度不及预期的风险；3）中美贸易摩擦加剧的风险；4)行业竞争加剧的风险。 1.AI助力油气勘探开发领域高效寻油 1.1.AI+物探 石油物理勘探一直是高性能计算、三维可视化、计算机网络等信息技术的重要应用领域,也是较早实现数字化采集、处理分析的领域。国际上“物探+人工智能”研究发展迅速，积极探索如何利用人工智能进行地震数据处理与解释，尤其是利用深度学习方法进行智能化数据处理与解释 ，但总体处于起步阶段 ，尚未大规模推广应用 。 Geophysical Insight、Emerson、Schlumberger、CGG、PGS等公司日前已经形成了相关的软件产品；中石油旗下也有东方物探Geoeast软件。 图1：井震结合智能建模流程 1.2.AI+测井采集 海外油企在数据采集、远程测井等方面已商业化，比如斯伦贝谢的远程测井中心、智能地层测试、具备智能处理解释能力的井筒软件Techlog，20%的测井作业由远程测井中心完成,已完成上万井次作业。 国内部分石油企业和科研机构已经针对网络化地面、智能绞车、远程测井等相关核心技术进行攻关,并已开始小批量应用，智能化井下机器人已经启动研发。 图2：测井+人工智能主体应用文献发表数量Top 10 图3：中石油测井生产智能支持系统 1.3.AI+钻完井技术 中国在人工智能的研发和商业化应用方面位居全球第二，仅次于美国。国际油气公司和油服公司正在积极布局人工智能技术，主要应用于智能油田建设、油气储层识别、油气采收率提升和生产设备维护等领域；国内大型石油公司在人工智能技术的研究上也取得了显著进展，重点集中在油气勘探与地质分析、钻井与完井技术优化以及智能油田建设等方面。 表1：国内油气公司上游勘探AI应用布局进展 1.4.AI+油藏工程 国外方面,如SLB为代表,以Petrel、Techlog、Eclipse等10多项软件为核心,构建了数字化协同智能工作流程,降低了勘探开发的不确定性与风险。勘探开发认知一体化平台（DELFI）建立了智能处理解释工作流程,支持数据标准化、数据清洗、智能解释、成果提交等功能。井筒软件Techlog包括曲线敏感因素分析、预测与分类、曲线重建等系列智能化功能模块,支持智能解释。 国内方面,建成中国石油梦想云协同平台、测井处理解释一体化软件LEAD与全新一代多井评价软件CIFlog等应用平台,油藏描述与模拟、测井多井解释等方面的智能化应用初见成效,水平井地质导向系统初步形成。 1.5.上游油气及油服企业AI布局进展 国内央国企油气企业AI布局领先于民营企业布局，三桶油的AI布局思路目前主要在构建行业高质量的数据集，建立油气大语言模型，构建知识体系，打造计算平台，应用于油气勘探过程中的地震解释、开发过程中的油藏开发优化、测井处理解释领域，以及较为通用的客户服务和内部行政系统。 表2：国内油气公司上游勘探AI应用布局进展公司AI布局进展及影响中国石油 海外油气公司目前进展主要聚焦在几个方面：1）将AI和庞大的传感器网络和机器学习软件结合，上游勘探开发方面主要建模地层构造，加深对地质结构的认识和理论突破，提高勘探钻井的成功率及效率；2）钻井等工业流程倾向于自动化、实施预测性维护模型，减少停机时间，3）注重碳排放管理；4）新材料研发和模拟试验；5）市场营销运营优化；6）供应链管理；7）客户服务售后管理；8）内部员工管理、安全管理等。 其中难度最大的是上游勘探开发地质构造建模，需要处理巨大的不确定性，需要手动处理，并依赖于专业知识和经验，而不只是实际数据。 表3：海外油气公司上游勘探开发方面AI应用布局进展公司AI布局进展及影响 1.6.AI或助力油气运营成本下降 AI在历史上已经对油气的降本发挥了作用，目前已经看到了明显成果，AI集成将运营成本降低了约20%。比较典型的是EOG resource这家公司，我们将油价均为100美金的2014和2022年成本进行对比可见，EOG原油运营成本从59美金下降到47美金（降幅为19%），其中仅市场营销费用（小幅上涨4%）和除所得税以外的其他税费(上涨37%)有所增加，其他成本项均明显下降，比如租赁和井费用-38%，收集处理运输费用-7%，勘探费用-44%，干井费用-39%，减值-66%，折旧摊销-42%，通用行政管理费用-7%。 图4：油价100美金情境下，EOG原油运营成本变化 EOG的降本有明显成效可能归功于公司一直处于数字化转型的最前沿，2017年EOG就在电话会议里提到如何使用数据科学工具来加快公司的创新速度。当时EOG提到自身的三大竞争优势，1）数据，全面集成且易于访问的数据集，并且拥有数据主权，不能外包收集、分析和交付；管理层认为EOG可能拥有所有非常规油田中较全面综合的数据集（从5000多口水平井中搜集）；2）数据传输交付，数据需要用易于使用的软件工具随时可用，构建了一代代的fit for purpose软件工具，而且拥有一套数据传输系统（由65个软件应用程序组成），几乎涵盖了业务的每个功能领域，为决策提供支持，随时随地全天候提供原始、分析和学习的数据；3）公司创新和持续学习的文化与认知，公司已经坚持了30年，人工智能和业务的结合需要长期的投入和学习，形成良性循环，不能一夜之间建立起来。 图5：EOG历史对信息技术、人工智能领域布局 图6：EOG大数据系统 图7：EOG利用数据使用精准横向目标 我们根据真实的案例来进行测算，预计能受AI驱动降本的项目如下： 1）lease and well cost包括运营和维护油气井的成本（泵送服务、生产水处置、设备维修和保养、压缩费用、租赁维护、燃料和电力）、修复工作的成本、以及租赁和井管理费用。比如Shell在AI方面的真实结果是计划外停机时间减少20%，并将维护成本削减15%；此外还能缩短钻完井时间，降低设备服务等使用成本，比如HAL的LOGIX®自动化和远程作实现运营转型并提高钻井性能，性能和钻孔轨迹精度的持续改进使ROP（穿透率）提高了33%，套管和衬板运行速度提高了15%-45%，实现的方向难度指数（DDI）与计划高度匹配，根据Energy and AI文献表明可能减少15%的钻井成本；我们根据EOG 2024年最新的lease and well cost 4美金/BOE测算，假设相关成本降低20%，预计能减少0.8美金/BOE。 2）exploration cost勘探费用和dry holes cost干井费用，例如在Quantico进行的一项案例研究中，QuanticoEnergy首席执行官兼创始人Ba rry Zhang发现，与传统的反演数据相比，AI检索的地震数据揭示了Eagle Ford的孔隙度更高。据BarryZhang称，所示的AI数据包含更高的分辨率，将大约节省成本50%。根据EOG 2024年勘探和干井费用0.5美金/BOE测算，大概能减少0.25美金/BOE。 图8：上游勘探活动应用的AI方法及工具效果 图9：AI地震数据拥有更高分辨率 3）marketing cost营销成本主要包括第三方大宗商品（油气、砂子等）的采购成本，AI可能会减少生产过程中对燃料、砂子等材料的损耗/使用，从而减少采购成本，假设原料价格不变的情况下，使用量或下降20-30%，根据EOG 2024年营销费用15美金/BOE测算，大概能减少3.75美金/BOE。 4) DDA折旧摊销是对已探明油气资产采用单位产量法计算，例如油田生产概况、新井的钻探或收购、现有井的处理以及主要与井表现、经济因素和减值有关的储量修订都可能导致其波动。AI应用或能驱动更多不可动用的储量变成技术可采储量，提高EOR，摊薄桶油DDA，比如从尼日利亚的实际案例中可见AI协同可以使EOR提高20%，ADNOC最近宣布，通过基于人工智能的技术，将其海上萨布油田（SARB）的产量提高了25%，以此假设AI能使EOR提高20%，按照EOG 2024年桶油DDA成本约11美金/桶，DDA相应可能下降约2美金/桶。 5）general andadministrationcost和GP&T cost也能受益数字化、人工智能的驱动带来日常管理、处理、运输等成本下降，假设下降5-10%，对应的桶油成本降幅大概是0.5美金/BOE。 6)tax other than income主要与税收政策和油价相关，基本不受人工智能的影响。 我们简单测算合计AI大概会带来7美金/BOE的降本空间，下降幅度大约17.5%，这与国际能源署所估计的数字技术可以将油气成本降低10%-20%接近。 2.AI重塑煤炭智能矿山 煤矿智能化发展仍处于初级阶段。AI技术正加速赋能煤矿智能化建设，通过优化数据治理、构建行业大模型，推动煤矿从感知智能向认知/决策智能迈进，打造智能化矿山，显著提升灾害预警、智能开采和管理效率。像煤炭资源类企业中国神华、山煤国际、中煤能源、陕西煤业、兖矿能源，以及采煤机设备类公司如天地科技、郑煤机等均已布局智能矿山项目，实现煤炭开采和洗选的全自动化，保障煤矿高效及安全的生产。 表4：国内煤炭公司及设备公司AI进展公司AI布局进展及影响中国神华 以山东能源集团为例，联合华为盘古矿山大模型，快速训练了82个应用场景，并在28个煤矿落地应用。其中，兴隆庄煤矿、李楼煤矿利用该技术对井下卸压钻孔施工质量进行智能分析，将原来人工审核的工作量降低了80%，施工监管审核时间从3天缩短至10分钟。同时，通过将大模型应用于重介选煤分选密度智能控制，精煤产率提高了0.2%以上。 根据麦肯锡的相关调研，煤炭企业全面释放智能化潜力能够将利润提升7%-12%，将投资回报率提升2%-3%。 图10：全面释放大模型智能化潜力，煤炭利润有望提升 3.AI赋能化工“从分子设计到智能工厂” 3.1.AI for science赋能机理端分子研发 传统的材料研发依赖科研人员经验，通过不断试验筛选优化材料。而AI基于大量数据训练出机器学习模型，结合高通量计算技术，基于数理化等基础原理，整合隐层参数