能源巨头面临着来自政府和用户的减少碳排放的压力。对于跨国石油和天然气公司壳牌来说，人工智能是实现这一长期目标的关键催化剂。

 

在混合云平台和Databricks数据湖库的推动下，这家总部位于伦敦的能源公司正在进行包括多种人工智能技术在内的数字化转型，旨在优化业务效率和利润，并逐渐减少碳足迹。

 

“人工智能已成为我们数字化转型之旅的核心部分。”壳牌首席人工智能专家Dan Jeavons表示，壳牌与包括微软和 C3.ai 在内的多家人工智能公司合作，但从2015年开始就一直与Databricks保持密切合作，大约有20名Databricks员工被分配到壳牌账户。

 

Jeavons在壳牌担任计算科学和数字创新副总裁仅六个月，他曾任壳牌数据科学总经理，自2015年以来一直从事数据科学。

 

Jeavons在新岗位上向壳牌集团CIO Jay Crotts 汇报，他的任务是利用人工智能、区块链、物联网和边缘计算等新兴技术，对壳牌的未来技术战略进行彻底改革，并帮助引导其减少碳足迹，使其到2050年成为净零排放能源企业。

 

Gartner的AI分析师Anthony Mullen表示，壳牌的AI部署超出了大多数其他公司。“就整个组织的初始实验而言，壳牌已经过关了。”Mullen指着壳牌的卓越和参与OpenAI中心说。

 

Jeavons的团队有数百名数据科学家使用AI（主要基于Spark 的Databricks平台）编写算法来执行任务，例如改善地下加工的周期时间、优化资产性能、预测各种设备何时以及是否可能失败，并改善向客户提供的产品。

 

Jeavons说：“由于气候变化的威胁，我们需要转向低碳能源系统，而数字化在这方面发挥着关键作用。”他还指出，大部分二氧化碳监测数据流将通过Databricks AI平台。“数字技术是我们可以拉动的核心杠杆之一，它可以显着减少能源系统的二氧化碳足迹。”

 

Jeavons表示，壳牌使用数字技术，每年可将一个液化天然气 (LNG) 设施的二氧化碳排放量减少13万吨，相当于一年减少了 28,000辆美国道路上的汽车。

 

Jeavons说：“许多为我们工作的人都有一种令人信服的目标感，他们尝试应用人工智能来加速能源转型，但这并不容易。”

 

数据是基础

壳牌拥有价值2100亿美元的石油和天然气业务。壳牌依靠微软Azure和AWS两个公共云以及 Docker和Kubernetes容器化技术，作为其数字化转型的一部分，来运行各个方方面都变得越来越先进的工作负载。

壳牌计算科学和数字创新副总裁 Dan Jeavons

 

Jeavons表示，该战略的一个关键点是公司的基础数据层，这是一个数据池，多种工具和技术可以从中系统地访问数据。

 

Jeavons说：“拥有双云战略意味着你需要在管理和集成数据方面保持一定的一致性。当然，现在并不是所有的数据都会放在一个地方。你有各种各样的数据库，每个公司都是这样的。但从分析的角度来看，我们更偏向将某些类型的数据整合到基于Databricks的集成湖屋架构中。”

 

在分析方面，将数据集成到Databricks的Delta Lake中的公共层，并在公共平台中使用Python，可以使简单查询和经典报告查询与 Power BI 等可视化工具进行集成。

 

但在人工智能方面，Jeavons说：“它还允许你在同一平台上运行机器学习工作。对我来说，这是一个进步。”

 

例如，壳牌已将其所有全球时间序列数据（如温度、压力、特定设备等信息）集成到基于Delta Lake的公共云中，使这个能源巨头能够掌握全球大多数市场的资产脉搏，其中包括来自炼油厂、工厂、上游设施、风电场和太阳能电池板的数据。Jeavons说：“我们到处测量，如今我们已经聚合了1.9万亿行数据，这在全球范围内是一个巨大的数字。”

 

壳牌的人工智能工作还包括，通过使用机器视觉识别腐蚀程度、执行故障预测和评估能源资产的完整性。Jeavons说：“我们还使用AI开发技术来优化资产，使其大规模运行，并根据历史性能进行优化。”他指出，虽然壳牌的人工智能效果在很大程度上归功于数据湖的实施，但如果没有云的进步，这一切都无法实现。

 

Jeavons说：“关键是云的成熟度，以及为了直接获取数据而移除额外层的能力，因为直接获取数据并将其通过数据流传输到云中，有助于推动数据分析和人工智能战略。”