直面能源算力痛点，海光算力底座支撑石油化工数智化转型

人工智能正加速渗透石油化工勘探开发、直面支撑炼化生产、算力算力石油数智管网储运等核心业务。痛点海量勘探数据处理、海光化工化转现场实时研判与行业大模型的底座训练推理，对算力的直面支撑兼容性、自主研发及云边端协同能力提出更高标准，算力算力石油数智算力底座已成为能源数智化转型的痛点关键支撑。10月14日，海光化工化转2026石油化工智能化成果应用专题交流会在西安召开，底座行业专家围绕算力建设、直面支撑AI 场景落地、算力算力石油数智产业自主创新等议题展开研讨。痛点

在此背景下，海光化工化转海光信息专题交流中表示，底座石油化工推进“人工智能 +”不能照搬通用算力建设路径，需要打造 CPU+DCU 双芯协同算力底座，兼顾性能、生态、安全泛在三大核心诉求，一体化支撑中心智算、边缘节点、高端计算等多元场景。这套架构既可承载大模型微调、物探仿真等高负载任务，也可下沉井场、炼化现场完成本地化业务处理，筑牢能源行业数智化信创硬件根基。

据了解，此前海光国产算力方案已落地多个大型国企项目，覆盖井场边缘计算、智算中心训练推理等全业务场景。作为我国能源化工领域首个通过国家备案的行业大模型，昆仑大模型依托海光DCU承载其训练微调与炼化高精度仿真等高算力任务，实现了集团总部侧重训练、二级单位就近业务处理、生产现场侧巡检识别等实时任务下沉的分层算力调度模式，大幅提升了算力利用效率，降低了全链路运行成本。同时，在国产芯承载物探魂方面，海光信息保障了GeoEast软件稳定高效运行。该软件Smarter模块突破人工智能断层预测、层位解释等20余项关键技术，通过海光算力支撑，大幅提升了地震解释精度和效率，减少人机交互工作量，实现了智能解释软件的工业化落地。

在云平台与智算中心建设方面，同样展现出强大的自主可控能力。 海光助力中国石油高质量推进“数智石油”战略，采用C86 CPU与DCU 异构算力组合，配合国产化云、安全套件及中间件，构建高可用的平台资源池，满足数字化转型试点单位云应用运行环境需要，确保业务连续性。此外，海光冷板液冷异构算力还成功助推中国石化“AI+能源”示范工程领跑行业。作为发改委“十四五”人工智能规划试点建设单位，长城大模型计算中心采用冷板液冷方案，稳定支撑了涵盖勘探、开发、炼油、化工、安全、环保等9类200余项人工智能场景，有力推动了行业提升勘探成功率、提高生产运营效率、降低安全事故率。

能源行业数智化转型，算力底座是底层关键。过往不少AI项目停留在示范试点阶段，很大程度受制于算力与工业业务的适配短板。依托国产双芯算力底座，打通硬件、基础软件、行业工业软件全链条适配，成为推动AI走出实验室、走向油气生产一线的关键。

业内人士认为，伴随能源领域新质生产力发展提速，以海光为代表的国产算力厂商，正在深度参与油气产业数字化建设。通过覆盖数据中心、终端、端侧的完整产品矩阵，支撑勘探、炼化、储运全链条创新应用，助力石油化工人工智能应用由零星试点迈向规模化落地。

最新评论