壳牌数字创新副总裁Dan Jeavons表示：“AI不是灵丹妙药，但它是一种能够帮助我们加速能源转型、降低二氧化碳排放的工具。”这一务实而雄心勃勃的策略，已在多个领域取得显著成果。

科学模拟的革命性提速

壳牌在AI领域最引人注目的成就之一，是大幅加快科学模拟的速度。与英伟达合作后，壳牌实现了几年前还被认为不可能的突破：将复杂能源模拟的运行速度提升至传统方法的百万倍。

英伟达高级常务董事Marc Spieler解释道：“过去需要多年才能完成的高性能计算模拟，如今我们可以在极短时间内模拟数千甚至数百万年的演变，这让我们能够真正评估如何应对各类排放带来的巨大挑战。”

例如，壳牌构建的AI机器学习模型，可在地下储层中研究二氧化碳储存，其速度约为传统物理模拟的10万倍，这一突破使壳牌能更快评估碳捕集与封存项目筛选阶段所需的地质结构、注入速率和压力等关键参数——这是实现净零排放目标的重要环节。

从愿景到落地

壳牌还将AI的应用从模拟拓展到实践，其Visual Remote Sensing(VERS，视觉遥感)项目利用地理空间AI，从遥感与卫星数据中提取洞察，帮助识别生物燃料并优化清洁能源投资。

公司还在各类业务中部署了先进的机器视觉系统，借助英伟达技术监测设备状态、检测排放并提升安全性，这些系统甚至可以在边缘侧运行，即便在网络连接有限的环境中，也能通过AI实时识别并确保工作人员佩戴合规的安全防护装备。

全员可用的AI平台

壳牌的目标不仅是高端AI应用，还着力让AI在员工间普及。公司构建了一个稳健的框架，让数千名员工都能自主开发AI解决方案。这一“公民开发”计划在严密的安全与合规体系下运行，既鼓励创新，又确保风险可控。

该计划核心是精细的“分区”体系，用于按风险与复杂度为AI应用分类。Jeavons解释道：“我们设定了分区概念，不同的数据类型和应用可划为‘绿色区域’，员工可在较轻管控下开发简单或低风险应用。”更敏感的应用则划入“琥珀”与“红色区域”，需要更严格的监管与专业支持。

如今，数千名员工已积极参与AI开发，壳牌建立的AI社区成员超过1.2万人，并通过覆盖全员的“数字技能”培训计划提供支持。Jeavons说：“真正了解能源行业问题的并不一定是我这样的技术人员，而是一线的业务人员。我们要做的，就是让他们能用AI解决他们面临的问题。”

未来电网的新图景

AI还在重新定义电网的运作。随着能源系统从集中式电厂转向分布式可再生能源网络，电网管理的复杂度呈指数级上升。

Spieler解释道：“未来，随着家庭太阳能储能墙、电动车、风能等的发展，电力将更加分散地生产、储存，并按需调用。”从约8000座集中式电厂转向数百万个能源和储能节点，需要高度智能化的AI系统来有效管理。

塑造明日能源版图

壳牌的AI创新不仅限于运营优化，还深入基础研究，例如碳捕集与封存、生物燃料及电动车基础设施。公司正利用AI驱动的地理空间分析，优化电动车充电站布局，并从农作物和废弃物中寻找新的生物燃料来源。

同时，壳牌正以GenAI和大型语言模型重塑研发能力，让数十年的科学知识更易获取，大幅缩短研发周期，帮助研究人员设计更高效的实验，加速清洁能源方案的开发。

其中一个创新应用是数据中心，Jeavons将其称为“未来的能源枢纽”：“数据中心将成为能源枢纽，像英伟达以及众多大型云服务商都积极推动数据中心的去碳化，这有望成为加速能源行业电气化的催化剂。”

前景展望

能源转型是我们这个时代最艰巨、也最具机遇的挑战之一。壳牌通过战略性地部署AI，展示了传统能源公司如何演进以应对变化的世界。随着这些技术的不断成熟，AI有望加速更清洁、高效能源解决方案的开发，同时优化现有基础设施，推动实现更可持续的未来。

企业网D1net(www.d1net.com)：

国内头部to B IT门户，旗下运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。