石油巨头，正在训练AI“找油”！

近日，道达尔能源宣布与法国人工智能公司Mistral AI开展为期三年的合作，计划投入超过1亿欧元，开发新一代Frontier AI Models，用于油气勘探、储层表征和开发，同时优化现有项目并延长油气资产的生产寿命。油气勘探、储层表征和开发，长期以来都是石油行业最核心的地下工作之一。如今，一家石油巨头开始把超过1亿欧元投向这里，值得关注的已经不只是道达尔能源在做什么，而是AI正在走进油气行业的核心生产环节。

而且，斯伦贝谢、ADNOC，以及中国石油、中国石化、中国海油等油气、油服企业，也都在推进类似的尝试。那么，道达尔能源为什么现在愿意为这件事投入超过1亿欧元？其他石油巨头又做到了哪一步？AI距离真正参与“找油”还有多远？

 

先看道达尔能源到底在做什么。这次合作显然不是给员工增加一个聊天机器人。它更希望把自己长期积累的地球科学知识、油藏工程经验和大量地下数据，与Mistral的AI模型能力结合起来，训练面向油气勘探开发的专业模型。

 

它要处理的数据也很特殊。三维地震资料告诉工程师地下构造可能是什么样，测井资料提供井筒附近的信息，地质资料帮助判断储层性质，生产数据则反映油藏进入开发以后发生了什么。

 

过去的油气AI更多解决一个具体问题，比如识别地震异常、预测产量或者判断储层。道达尔能源这次希望进一步把这些工作连接起来。或者说，现在要做的AI需要把这些原本分散的数据放在一起分析。比如评价一个新区块，AI可能先分析地震资料，再结合历史钻井和地质信息寻找相似目标，随后判断储层条件，甚至进一步参与井位和开发方案评价。进入生产阶段以后，它还可以继续利用新的生产数据调整对油藏的认识。

 

这意味着AI开始被放到更完整的地下研究流程中。所以，道达尔能源所说的Frontier AI Models，值得注意的地方在于，它希望AI能够处理更加复杂的专业任务，而不是只完成某一个算法环节。双方还提出发展Agentic AI，让模型能够根据任务调用数据和专业工具，再完成一系列工作。

 

为什么是Mistral？一个很现实的原因是，Mistral拥有基础模型能力。2026年9月，Mistral刚完成一轮30亿欧元融资，投后估值超过210亿欧元。Mistral表示，目前已经在20个国家开展业务，为125家以上大型企业提供AI服务，客户包括空客、ASML和汇丰。

 

并且，两家公司此前已经有合作基础。双方2025年已经建立联合创新实验室，最初合作涉及科研助手、工业资产分析等场景。如今，这种合作进一步进入油气勘探开发核心业务。与此同时，道达尔能源自己也在补充另一块基础设施。今年5月，道达尔能源宣布建设Pangea 5超级计算机，投资超过1亿欧元，预计使公司计算能力提高六倍，用于先进地震工程、地下成像、油气勘探以及AI研发。

 

这样看，两项投资其实是一前一后。道达尔能源拥有地下数据、地球科学知识和工业应用场景，Mistral提供前沿AI模型研发能力，而Pangea 5则进一步补充道达尔能源的高性能计算基础。到了这里，道达尔能源真正在做什么，也就逐渐清楚了。它希望把过去分散在地质学家、地球物理学家、油藏工程师以及大量技术资料中的经验，变成一种能够被持续调用的数字能力。

 

那么，道达尔能源为什么现在要做？答案首先来自油气行业自身的变化。随着油气勘探开发不断向深水、深层和非常规等复杂资源延伸，企业需要面对更复杂的地下条件和更高的开发投入。与此同时，大量成熟油田进入递减阶段，如何继续挖掘已有资产价值，也成为石油公司需要面对的问题。对石油公司来说，一个很直接的问题是同样投入一笔钱，能不能更快找到值得开发的资源、能不能减少无效钻井、已经生产多年的油田又能不能多生产几年。

 

这恰好给AI留下了一个具体的应用空间。石油行业和很多工业领域不同，工程师无法直接看到地下。地质学家面对的是地震波，钻井工程师面对的是测井资料，生产人员看到的是压力、温度、产量和含水率。大家实际上都在通过一组组间接信息，判断地下储层究竟是什么样。所以，石油工业过去几十年的技术进步，很大程度上都在提高这种认识能力。二维地震发展到三维地震，计算机从普通工作站发展到超级计算机，数字油田和数字孪生不断出现，目的都是让工程师更准确地认识地下。

 

AI兴起以后，也开始加入这条已经走了很久的路。道达尔能源此次特别提出优化现有项目、延长油气资产寿命，也有现实的经济考虑。一个油田开发以后，钻井、平台、管线等大量投资已经发生。只要地下仍然存在能够经济开采的资源，多生产几年，就可能继续释放已有资产的价值。因此，AI的价值并不一定来自发现一个全新的超级油田。如果它能够帮助工程师从大量历史资料中找到剩余资源，优化井位和开发方案，或者更早发现生产异常，它同样能够直接影响产量、采收率和项目回报。

 

ADNOC和AIQ的实践已经体现了这一点。2025年公布的ENERGYai试验，将AI模型与ADNOC超过50年的知识以及PB级专有数据结合，用于地震解释、储层监测和生产优化。ADNOC公布的90天试验结果显示，主要地震解释环节准确率提高70%。当然，一个试验结果还不能说明AI已经解决了油气勘探开发问题。但它至少说明了一件事情。石油公司愿意为AI付钱，最终还是因为它可能影响地下资产的价值。

 

道达尔并不是一个孤立案例。现今，全球大型石油公司和油服企业都在把AI推进到勘探开发核心环节。斯伦贝谢已经把Agentic AI融入地震解释、地下研究、钻井和生产软件，ADNOC正在扩大AI生产优化系统的应用范围，中国石油、中国石化和中国海油也已经将AI推进到勘探开发、生产优化等实际业务场景。

 

这些案例至少说明，大型油气企业关注的问题已经逐渐从“要不要使用AI”，转向“AI能够进入多深的业务流程”。斯伦贝谢的变化很有代表性。早期AI通常解决一个任务，现在它开始让AI连接多个专业工具。其Tela体系可以调用地震、地下建模等专业能力，帮助地质人员在大规模三维地震资料中寻找与已知目标相似的地质特征。

 

AI开始由一个单独的算法工具，进入地质人员真正工作的环境。行业的发展路径已经比较清楚。最早，AI解决的是一个个具体任务。后来，企业开始建立自己的专业模型，让AI能够理解地震、测井、地质和油藏数据。现在，模型进一步与企业数据、知识库、工业软件和Agent结合，开始参与一段完整的专业工作。道达尔能源此次与Mistral的合作，正好处在这个变化之中。

 

但目前行业公开的成果来看，更多还是特定任务和特定场景的效率提升。一个模型能否跨越不同盆地、不同储层，从地震解释一直做到井位设计、开发方案和生产优化，目前还没有得到充分验证。所以，现在谈AI已经能够“替代地质学家”还为时过早。更准确的判断是，油气行业正在从AI辅助专家，走向AI参与专业工作流程。这也是理解道达尔能源为何愿意在这一方向投入超过1亿欧元的一个重要切入点。过去几十年，油气行业不断增加数据、算力和专业软件，都是为了提高认识地下的能力。

 

现在，AI开始加入这个过程。真正的竞争，也因此从“谁拥有AI工具”，逐渐转向“谁能够把数据、模型、专业知识和真实油气资产真正连接起来”。对于石油行业来说，这可能是下一阶段更值得关注的变化。