5月26日，由百易传媒（DOIT）主办的“2023数据基础设施技术峰会”在苏州中茵皇冠假日酒店举行。大会以“加速数据创新，赋能数智未来”为主题，邀请大数据、云计算、数据存储以及AIGC产业技术专家、行业用户等代表分享最前沿的思考和实践经验，吸引线上线下逾6000余人参加。
本次峰会聚焦洞察AIGC、大数据、数据存储等相关前沿技术，分享能源、制造、教育、金融、通信等行业用户数字化转型实践、沉浸式体验领先的数据基础设施展品，与行业领袖零距离互动交流。
当天下午，中石油东方物探数据中心原总工程师、教授级高级工程师赖能和在“数据创新应用论坛”上发表了题为“数智时代新型基础设施建设实践与探索”的演讲，结合石油勘探领域的应用，讲述了IT基础设施的基本现状、大模型对新型IT基础设施带来的新挑战等情况。
本文根据演讲速记整理，未经本人审定。
赖能和：各位来宾，下午好！
我今天跟大家分享的是“数智时代新型IT基础设施建设实践与探索”。
想这个名字我想了很久，后面我讲为什么想很久。
非常感谢DOIT搭的这个平台，来美丽的金鸡湖畔交流基础设施的建设，也感谢在座的各位花时间一块听分享。
我一直在中石油做高性能计算，做人工智能，做存储、云计算、大数据，做数据中心基础设施，一说基础设施，大家想到的是CPU、GPU、网络、UPS、空调、综合布线基础设施。我题目不加“IT”行不行？不行，如果不加IT和国家的基础设施、新基建又不一样了，所以一定要加“IT”。
在分享之前，讲几张PPT告诉大家什么叫油气勘探。
油气勘探与数字化
很多人不知道油气勘探，南方人知道的更少，因为找石油的基本都是在北方。什么叫油气勘探？油气勘探就是找石油的，找出来以后给油田，我们只负责找。怎么找？很难的。油气勘探的产业链很长，36000人做油气勘探，有勘探、开发、炼化、新能源、销售、新材料、资本，还有金融资本。
现在很火的新能源、新材料，大家都在转型，图上黄色的都是转型过来的，新能源、新材料，加油站是下游。
我们是干什么呢？第一个环节，找油。这是一个产业链非常长、技术密集型、设备密集型、专业密集型的行业，仅勘探就有12个专业，计算机都排到最后，前面还有测量、地质、地储物理。
怎么做油气勘探？油气勘探有三个环节，第一就是采数据，以前大家听说过挖个坑放炸药，波就往底下传，遇到水、油、气、沙，就会往回，会把信号传上来，就是数据采集。有多少个接收点，以前就是24个接收点，现在有十几万个接收点，数据量非常大。我们有100多个队伍，所以每天的数据非常多，这是陆上挖坑。
现在不允许挖坑了，有特种车辆，很古怪的车，非常大，高频率地上震动，波就往下传，然后返回来，就得回来数据采集。
采集完数据以后，我怎么知道地下有油呢？就需要强大的计算机，我们国家最先进的计算机就是用在石油和军工，在70年代、80年代，包括我们的银河1、银河2都是在这方面用，这是国家的能源安全，找石油的第二个环节就是高性能计算机。我自己负责的数据中心大概有3万多个节点，几百P的存储，不停地运作。
从高性能计算做完以后怎么办？谁也看不懂，那就找“老中医”，他可以看出哪里有油，哪里有气，就做成PPT上右边的那个图，然后给油田确定打井，好几千万一口井，所以很慎重。有人说找油不是很容易吗？为什么那么贵呢？我跟大家讲，找到以后打井下去成功率也不到40%，前面花的精力都白搭了，所以确定哪里打井的时候非常慎重，所以现在反过来说要把前面的数据整理好，采集的数据准，处理的数据要准，还要把老资料、老信息结合起来，要综合分析。
简单来说，就是给地球的地表做CT，
CT数据量非常大，这就是油气勘探。
整个石油勘探的线非常长，比如说勘探第一个环节，有钻井、测井、压裂，不是光打一个地方，周边的地方要压裂，把油都流到这里来，还有采油工程，然后把油气收起来，每一个都是非常巨大的工程，技术含量非常高，数字化程度也非常高。
油气勘探发展五、六十年，跟过去有什么区别呢？有五方面：一是现在找油更难找了，非常隐秘。二是非常深，东部，华东地区都是比较浅，包括东北地区都是东部地区比较浅，新疆、西部地区非常深，有一些都上万米的井，打一口井上万米。三是隐蔽的油气藏。四是非物探，非常规的，比如说煤层气。五是深海油气。
这就带来新的问题。
大家讲降低生产成本，要做到所有的数据处理是准确的，精确的高效力，要可度量，要有一个具体数据，所以要做数字化、智能化，需要巨大的算力存储和灵活的IT基础设施，这就是AI的加持。
大家都知道，1956年就有了人工智能，三起两落，三次起来又落下去，发展了六七十年，现在又在做，为什么呢？因为没有解决落地的问题。今天一定要让人工智能产生效益，光做一个音响不行，要解决生产问题，现在做人工智能要跟工业生产结合起来，提升效率。
石油行业数字化、信息化是走在比较前面的。
我们上世纪90年代就在做信息化，油气勘探本身就是数字行业，采集过来都是数据，虽然采数据非常笨，有很多机械的模式，信息化从2000年第一个阶段就是分散建设，和现在很多单位一样，就是有钱就买一点。2000年左右不让分开买了，要集中。第三个阶段，就是要应用集成，因为买硬件和软件全部集成起来。第四个阶段就是要数据共享、软件也要共享，说起来很简单，做起来非常难。比如说软件共享怎么做？这都是技术问题，数据要有共享，那么多数据，不同的格式，所以会形成数据湖的概念。
共享起来就行了吗？不行，资源共享来以后要做数据化转型，数字化转型太虚了，到底做什么事？我后面会跟大家分享一下我们到底怎么做数字化创新。
通过以上几张PPT，我把怎么做石油勘探做了分享。
IT基础设施面临的机遇与挑战
数智时代IT基础设施到底有哪些新的挑战？下一步要做什么？我一一跟大家介绍。
这个PPT我做了好几个月，但是时间很短，我就讲其中一小部分。
今天的基础设施有新的内涵了，大家说基础设施、新基础设施，如果不加IT就有问题了。
数智时代的IT基础设施，数据中心、数据基础设施是其中一部分，为什么只算一部分呢？算力、存储、数据仓，这都是过去的；智能计算，加速卡、边缘计算、数据湖，还有算法库、模型库、知识库、技术标准体系、数据安全体系、AI开发平台、物联网平台、应用软件与开发平台、多学科协同研究平台，这都是今天新的基础设施，原来IT基础设施就是UPS、空调、布线，那都是看得见的硬件，刚刚说的都是软的，跟数据有关联。
今天的IT基础设施面临哪些机遇与挑战？
一是现有的IT基础设施已经很难满足生产发展需求，油气勘探的装备也和国外差距非常大，很大一部分的装备依赖于国外。
二是今天的算力不够。国家建了十个国家超算中心，24个智能大脑还不够吗？看你是干什么用，给石油就不够，但是干别的可能富裕了很多。
比如说一个项目的数据270T，要投入600+32GPU+4PB做配套。一个项目1000T，要2000多个CPU匹配，384GPU匹配，还有几十个PB匹配；另外，数据要流动，就要花很多空间。
三是存储不够，量不够，性能也不够。量靠买的，但是买多了成本也很高，以前1P就是几百万，后来几百万，现在变成几十万，现在几十万买几十P没有问题，但是一下买30P、50P也不少钱。
四是性能。海量的数据如何读写，检测也是很大的问题。1TB的数据在屏幕上显示一下很难打开，2TB的数据就更没法打开，三维可视化是没有办法打开的，一定要借助很多新的数据技术。
五是生产周期很长，系统扩展性差。现有的IT基础设施很难跟进业务发展的需要，为什么？因为要算成本，要提高用户体验，还要智能算力、智能运维，现有的基础设施做不到，大部分的公司做不到，只有新上的设备可以做到。
六是技术发展非常快，包括有云、物联网、云原生、人工智能等等。
现有IT基础设施无法适应数据挖掘要求，油气勘探过去积攒的数据都是分散放在不同的地方，如何把价值挖掘起来也是非常难的，有些地方有些数据还要考古，因为不知道数据是谁的，也不知道对不对，有些数据好几个副本，不知道哪一个是正确的，所以如何把它用起来是很难的。
过去很多单位都是一栋大楼放数据，很多先进的设备都躺在那儿，那个不是资产，资产要流动起来才有价值。
上午的报告我都在认真的听，有两个演讲提到了升级平台。沙钢有80多个应用平台，经过十几年、二十年的数字建设，会出现非常多孤立的应用。比如说工业互联网600多个APP，平台多，数据库多，数据类型有结构化、有半结构化、有非结构化的数据。
数智时代大模型成为技术竞争的新热点。
1956年出现人工智能，到70年代末有机器学习，机器学习做半天没有什么效果，大家就不干了，不投资了。2006年又做深度学习，深度学习能做一些事，但是算力不够，太贵，所以又停在那儿。这两年硬件价格下去，存储价格下去了，尤其是很多GPU的价格下来了，可以做很多事，所以从2018年开始要做大模型了。
以AIGC为例。AIGC一开始就是文字，只能看，后来还可以变为图像视频，多维的空间，不停的变，所以数据模型越来越多。
今天的大模型具有新的特点，一是超大模型都大于10亿数十/百层，数千张CPU训练。二是预训练，泛化的通用能力，具体场景可微调。三是学习方式是自监督学，不需要做标注，因为做标注非常难，非常费时间，另外就是框架，大家都知道大模型就两个家族，一个是OpenAI，一个就是Google的PaLm，他们是祖宗，后面又衍生了很多。其实模型的数据也是不停地变化，过去的是大模型，过几天也成小模型了，数据都在一直变。
大模型成为所有IT的头部公司都在做的事。好几家合作伙伴都让给我开账号，让我免费用，但有些能干，有些什么都干不了。比如，我让Python写代码，但是写了一半就不写了。
模型参数，我们了解了解就可以了，包括浪潮有元，华为有盘古，阿里有通义，百度有文心一言。
今天的人工智能从单点技术走向了通用技术，这是很不一样的，就是很时髦的AGI，从大模型走向超大模型，从单模态走向多模态。
大模型与新型IT基础设施
有太多挑战了，一是算力，算力的开放程度、架构、普惠程度，能不能用得起来，模型的部署，模型的训练，模型资源的调度、能耗等等还有就是在线服务能力，几千人、几万人上平台上点，平台就阻塞了，对平台要求在线化要求服务很高。
对企业来说，AGI的出现，基础设施会面临哪些挑战？一是算力不够，小公司玩不起。二是模型训练，三是要有很多的数据，四是就是人才，AI人才很吃香，价格很高。
对于一个企业来说，要适应新的变化，一是要把现有的应用变为智能化，二是模型建立自己行业的模型，三是智能的通用化。
我们做哪些呢？一是做工业互联网平台，多专业、跨领域的工业互联网平台，我们做了小十年了，这是最大的平台，跟业务结合起来。
二是数据湖，把横跨60多年的数据放进去，结构化和非结构化的数据都有，数据量是很庞大的。
三是人工智能通用平台。中石油花很多钱建人工智能通用平台，比如说TensorFlow、飞桨都可以重复用。
四是开发生产物联网平台，几万个数据采集做这个平台，各个油田安装使用。
五是高性能计算云平台。
六是应用软件云平台。应用软件是我们自己的，我们把云和软件结合在一起。
七是大模型平台。大家都在建自己行业的大模型。石油勘探，以前都是找一个区块勘探，这样实际上还是不够的。如柴达木盆地，就要建一个大的数据库，建一个大模型，以后在柴达木盆地搞勘探的时候就基于这个大模型，有指导意义。我们地震勘探大模型参数达到500万就够用了，上午有一位嘉宾讲到了如何把模型进行优化。
八是AI框架开发平台。
下一步的设想
一是统一顶层设计，要做好数字化转型规划。二是云计算平台技术升级，三是多学科协同平台，四是数据服务要进行升级，五是共享平台建设、物联网平台升级，六是数字孪生，数字孪生不是做监控，数字孪生一定和物理世界有交互，要互动，要实时，七是数据集中共享，如果数据还在分散，那数字化转型都是假的。数据集中并不简单，统一管理就把成本降下去了，数据挖掘，数据利用就可以真正实现数据资产的管理。八是AI一定要跟生产数据湖集成。
新型IT基础设施八大新
新型IT基础设施有八大新的特点。
新底座。新型IT基础设施是数智化转型关键底座，需要更强算力、更普惠、更绿色、更少碳足迹。
新标准，建立统一工业互联网技术体系、建立统一数据标准。
新平台，加快升级、完善全连接+业务协同工作平台+数据平台+AI平台集成实现数据共享+AI赋能。
新场景，坚持业务主导，需求导向、创新驱动、平台支撑。
新技术，加强AR/MR、数字孪生技术应用，构建全连接、全交互、全感知的数字孪生体。
新起点，人工智能AI正从单点技术走向真正通用技术AGI。
新范式，从大模型走向超大模型从单模态走向多模态。
新生态，探索与著名IT公司跨领域合作，形成开放共享创新应用生态。
我的报告就是这些，谢谢大家！
