油气勘探开发中生成式大模型的多维能力评估与智能转型技术路径研究——以DeepSeek为例

来源：石油科学通报杂志2025年第5期北京时间：

作者：曾倩, 李小波, 刘兴邦, 杨明澔, 刘月田, 修诗玮

单位：1 中国石油大学(北京)油气资源与工程全国重点实验室，北京 1022492 中国石油勘探开发研究院，北京 1000833 中国石油天然气集团有限公司勘探开发人工智能技术研发中心，北京 100083

摘要：生成式人工智能(如DeepSeek)的快速发展显著降低了大模型技术的应用门槛，为油气勘探开发这一高度依赖经验与数据的领域注入了新的智能化动能。本研究以DeepSeek系列模型为对象，系统评估其在油气勘探开发领域的多维应用能力。通过设计六维量化评估体系，对领域基础知识、复杂推理能力、计算能力、多模态能力、开放创新性问题及专业工作能力进行评估。测试结果表明，大模型在基础知识覆盖度、处理开放性、创新性问题方面表现优异，展现出较强的领域知识理解能力与跨学科整合潜力；但在处理具体实例和数据时存在幻觉风险，在复杂推理问题中细粒度逻辑推理能力不足，复杂数值计算的准确性与效率存在缺陷；同时，在多模态处理(尤其是专业图像生成与识别)、专业软件操作及实时工程响应等方面存在明显的能力边界。针对测试暴露的局限性，本文提出了一套四维一体技术路径，以实现智能转型，它包括：基于检索增强生成(RAG)的动态知识融合机制，以解决知识滞后与数据幻觉问题；知识图谱驱动的推理引擎，旨在提升复杂问题的逻辑推理精度；专业软件协同架构，通过API网关整合专业工具以扩展模型能力边界；智能体(Agent)赋能的工程系统，以实现复杂任务的自动化分解与执行。对垂直领域知识图谱构建、软件生态协同、智能体实时决策等关键技术瓶颈进行了深入分析，并提出了相应的攻关方向。研究认为，大模型在油气领域的深度应用需与领域知识工程、专业软件生态及边缘计算技术深度耦合，从场景建设入手，突破关键技术，实现“数据—知识—工具”协同应用，逐步实现从单点能力增强到系统工程智能化的转型。

关键词：油气勘探开发,AI大模型,DeepSeek,检索增强,知识图谱,智能体,大语言模型

基金资助：国家重点研发计划(2023YFE0119600);中国石油天然气股份有限公司科技项目(2023DJ84)