人工智能从1943年麦卡洛克和皮茨提出MP人工神经元模型算起，已经走过八十余载。当下这项技术被视为科技竞争的新高地、未来产业的新赛道以及经济发展的新引擎。2025年，我国提出深入实施「人工智能＋」行动，力图把这个「关键变量」转化为经济高质量发展的「强劲增量」。在依靠经验积累与海量数据的油气勘探开发行业，人工智能正触发科研方法论层面的深度调整。中国石油勘探开发研究院油气大模型方向企业高级专家李小波就此接受了访谈。
科研范式的跃迁：从经验归纳走向数据与知识协同
李小波将研究范式的哲学内核拆解为「本体论+认识论」两个维度。按照他的判断，油气勘探开发科研范式变革的实质，是对地下油气系统在存在论层面进行重新界定，并在认识论层面不断逼近真实。
回溯历史，该领域大体发生两次重大变革。第一次称为「实证归纳范式」，彼时预设的本体是客观存在却无法直接观测的地下油气藏，认识路径依赖经验总结，背斜理论即这一时期的代表成果。第二次是「模型（假设）驱动范式」，本体被视作结构化、可量化且动态演化的数字油气藏模型，认识路径转为依据物理规律等理性法则，建模与数模研究属于典型方式。
人工智能驱动的新范式，核心特征表现在两方面。本体层面，各种低维、分散、显式表达的模型将让位给高维、统一且以隐式方式呈现的神经网络模型；认识层面，康德综合与进化认识走向融合，在既有先验知识之上，AI系统从数据里提取统计特征，并在实践中自行进化。最终结果既非单纯的数据驱动，也非传统的知识驱动，而是「数据驱动与知识引导相结合」的形态。
哲学线索贯穿这场变化。本体论一侧，以业务数据本体论（Ontology）和前沿部署工程师（FDE）服务模式见长的Palantir公司，正联合BP搭建可实时演化、携带行为与权限的业务语义操作系统，把企业异构数据连接起来，建立跨部门、跨系统的统一语义层，从而形成「语义—行为—决策」的闭环。认识论一侧则可以建立对应关系：理性主义对应符号主义AI（基于规则的专家系统），经验主义对应神经网络与深度学习，康德综合对应神经符号AI，具身认知对应具身智能，进化认识则指向强化学习。
由于勘探开发对象本身高度复杂，观测手段又存在诸多限制，纯粹依靠数据驱动会遭遇数据体量、质量与代表性、可解释性以及算力效率等瓶颈。李小波认为，把数据与知识结合起来是认识论上的必然取向，既要尊重经验数据呈现的统计规律（经验主义），也要遵守地质物理的先验法则（理性主义），还要在实践中不断演化（进化认识论）。
从人工智能发展史中，他归纳出三点体会：技术路线的每一次切换，都是哲学认识论在工程层面的落地；算法、数据、算力构成推动AI前进的三大核心要素；坚持与行动则是这项技术持续演进的精�神内核。
全球竞合态势下的技术路线取舍
这场变革已在全球范围铺开，各国布局动作呈现竞争与合作并存的格局。
2025年7月，谷歌发布AlphaEarth Foundation（AEF）模型，把光学、SAR、LiDAR、气候模拟以及文本等多种模态数据融于一体，搭建统一的64维嵌入表征场，实现跨模态、跨时空的语义一致性融合。斯伦贝谢推出自监督预训练地震基础模型PRISM，为快速地震解释提供充足且可靠的地震模式表征。国内方面，之江实验室受深时数字地球（DDE）国际大科学计划启发，牵头打造开源地学基础模型GeoGPT，2025年4月面向全球开放，仅三个月便吸引135个国家超过4万名地球科学研究者注册使用。
面对这样的格局，李小波主张技术路线走差异化道路，即坚持「数据驱动与知识引导相结合」，既不片面追逐参数规模的膨胀，也不舍弃对领域知识的深度融合，而是在专业大模型、核心工业软件与业务智能体三个方向持续投入，构建真正「懂油气」的AI能力体系。他强调油气行业的专业壁垒极高，必须在数据标注、知识工程、模型适配等环节长期积累，才能形成通用AI不易复制的专业优势。
应用落地：从实验室走向油气田的效率实测
产业端的改变同样显著。挪威能源咨询公司Rystad预测，2026年至2030年，上游油气勘探开发领域由AI创造的价值将达5000亿美元，其中成本下降与产量提升是主要来源。有了机器学习与大模型支撑，地震资料自动处理解释已能够取代人工剖面标定，解释周期从数月压缩到7至10日，相关环节人力成本降低60%至70%，勘探决策周期缩短40%以上。
代理型人工智能系统（Agentic AI）被看作前景广阔的方向。国际油服巨头斯伦贝谢面向上游能源推出人工智能助手Tela，这是一套覆盖勘探、钻井、油藏、生产和营销全流程的全栈智能体框架，拥有「观察—规划—生成—行动与学习」的闭环能力。
国内机构方面，中国石油勘探开发研究院人工智能研究所自2020年成立以来，逐渐搭建起有体系的学科架构和攻关队伍，在地下地面一体化动态仿真软件、岩芯薄片智能鉴定、地震解释大模型、抽油机生产优化大模型、勘探开发知识大模型等方向取得研发进展，同时推动智慧油气藏一体化解决方案落地，加快「AI+油气勘探开发」科研新范式的成型。
前瞻布局：人才重构与生态构建
中国石油已经把「数智石油」确定为第五大战略举措，深入推进「人工智能+」专项行动，建设昆仑大模型、数据湖、云平台等新型基础设施，并明确到2030年基本建成「数智中国石油」。为达成该目标，人才层面的安排被视为关键一环，重点在于培育「人工智能+油气专业」的数智化复合型人才。
面向「人工智能+科研」的新阶段，李小波认为科研人员需要具备三种思维：以「批判性的哲学思维」辨别技术路线的本质与边界，以「主线思维」在众多技术选项中抓住核心方向，以「系统思维」把AI技术放进范式大格局中加以考量。具体培养通道上，中国石油大学（北京）人工智能学院与勘探院人工智能研究所借助「假期实习」和「在职攻读学位」等双向合作形式，培育「通晓石油、精通人工智能」的数智化复合型人才。
李小波表示，人工智能正在重塑造油气勘探开发的各个环节，这场变革在工具维度是「赋能」，在认知维度则是「重构」。在勘探院「大气谦和、儒雅深沉、坚守真理、追求卓越」的精神文化底蕴下，团队着力营造开放包容的创新生态，让不同学科背景的人才在同一平台对话，让领域知识与AI技术在同一框架下融合，令「坚守真理」的科学精神与「追求卓越」的技术创新相互激荡，从而加速油气勘探开发科研范式的演进。
公开资料显示，李小波1980年1月出生于湖南涟源，2009年自中科院力学所流体力学专业博士毕业，现任中国石油勘探开发研究院油气大模型方向企业高级专家，长期从事油气勘探开发领域数智化技术的研发与应用，组织并参与国家级、省部级科研项目10余项，获集团公司、北京市和教育部等省部级奖励5项，发表论文20余篇，授权发明专利5件，出版专著2部。相关内容转自石油大院RIPED。
小结：李小波给出的路线判断是，油气AI不该陷入参数规模的竞赛，而应在专业大模型、核心工业软件、业务智能体三条主线推进「数据驱动与知识引导相结合」。Rystad预计2026年至2030年上游AI价值达5000亿美元，地震解释周期由数月压缩至7至10日，说明该路线已有可测量的落地回报；人才与生态的同步重构，将是2030年「数智中国石油」目标能否兑现的关键变量。