海洋物探迎来“深度探索”时刻：高性能计算×AI如何乘风破浪？

如果说高性能计算(HPC）是算力顶尖发展水平的代表，那么气象和地球物理勘探（简称“物探”）则堪称“皇冠上的明珠”——我国最早引进的几台大型计算机，就是为了支撑这两个领域的算力需求，其风向标意义可见一斑。

在现实生活中，气象更容易被感知，而物探似乎有些遥远。其实，油气勘探与普通人的关系非常紧密，加油表上跳动的数字背后，藏着的正是物探能力的底蕴。从陆地到海洋，从浅层到深层，物探迈出的每一步都改变着世界的面貌。

当然，这绝非坦途，“深水区”的艰险不言而喻。海洋物探即是典型案例：向深层、超深层挺进，于深水、超深水探索，是寻找更丰富资源的必由之路。而伴随勘探深度的拓展，地壳结构与地温梯度差异剧烈变化，地震波吸收衰减效应显著增强，深层成像清晰度与准确性大幅下降，储层识别与预测的难度急速上升。

面对接踵而至的严峻挑战，海洋物探亟需新一代高性能计算平台的鼎力支撑。特别是在新型算力体系架构、混合精度计算、人工智能、大数据等多元技术全面渗透与深度融合的背景下，高性能计算的负载特征已发生根本性转变，HPC与AI有望携手开辟崭新的进化路径，为海洋物探行稳致远保驾护航。

在不久前举办的第四届中国石油物探学术年会重要分论坛——燃星・能源圈产学研沙龙（扬州站）活动中，国内外专家围绕E级算力应用、AI赋能物探、高效勘探与碳中和等议题展开深度研讨，共同推动“方法+算力+AI”三元融合在物探领域落地生根。适逢“深度探索”时刻的海洋物探尤为引人注目，其数智化跃迁的算力底座正在加速重构。

海洋物探“深水区”的路径探索与主要挑战

不积跬步，无以至千里。海洋物探的每一次重大进步都离不开过往的扎实积累。相关统计显示，“十四五”期间，我国海上每年新采集和重新处理的地震资料近4万平方千米。

据中海油研究总院勘探开发研究院地球物理总师王建花透露，目前海上地震勘探主要有三大特征：一是第二次采集的三维地震资料占比显著提升，海洋物探进入“高质量、高数据量”的新发展阶段，数据处理难度也水涨船高；二是深层勘探成为核心方向，近年约70%的资料采集围绕深层问题展开，技术攻关需全面聚焦深层勘探需求；三是采集方式向多样化升级，海底地震（OBN/OBC）、拖缆多船等宽方位高密度采集资料占比明显上升。

结合具体的应用场景，不难看出海洋物探在“深水区”攻坚克难的路径探索。以海域深层潜山成像为例：为解决深层火山机构成像、花岗岩潜山内幕成像难题，中国海油采用海底电缆和海底节点OBN等多种方式，实施宽方位高密度海底地震采集，资料处理中基于近年新发展的全波形反演高精度建模等技术，深层潜山成像品质大幅提升，支撑潜山勘探获得重大突破。

值得关注的是，在覆盖约100平方千米的宽方位高密度采集试验中，采集的原始数据量达20TB，处理过程中多次波压制、全波形反演、偏移成像等环节，均为高耗时工序，数据量将进一步滚动扩增至150～200TB，这对算力资源提出极高要求。

此外，深水区多船拖缆宽方位高密度采集，原始数据量较以往也会显著增加。为解决深层更为复杂的地震成像难题，也会采用拖缆与OBN联合的采集方式，数据量将进一步提升。因此，化解数据量级飙升带来的算力挑战可谓迫在眉睫。

打造“方法+算力+AI”铁三角，破解海洋物探数智化升级难题

显而易见，来自两方面的因素共同导致海洋物探遭遇前所未有的海量数据挑战：一是采集技术升级驱动数据量倍增，拖缆覆盖次数从过去的30～40次提升至300余次，OBN覆盖次数达1000～2000次，部分超高密度采集达到3000多次，数据量较传统模式增加数十倍；二是新技术应用带来数据量扩增，全波形反演、最小二乘偏移成像等新技术均需大量基础数据支撑，各环节数据量呈几何级数增长。

王建花认为，解决上述痛点需要从算力与算法协同进化的维度出发，找到各项技术间的最佳平衡点。例如：在三维鬼波多次波压制、全波形反演等环节，对算力、算法及软硬件性能要求颇高，单点突破并不能解决所有问题，产学研一起攻关才有望突围；与此同时，优化算法也至关重要，有助于海量数据的高效处理，同时可兼顾算法精度与计算效率，达成勘探成本与开发效果的最优解。

不容回避的是，当下物探领域的一些高性能计算平台存在交互调试不便捷、迁移流程繁琐、数据安全风险高等弊端，通用的大数据架构与地震数据流亦不匹配，很多客户选择自主布局新型的算力集群。其中，CPU+GPU融合架构路线备受青睐，以华为鲲鹏为代表的自主创新HPC解决方案得到高度认可，助力海洋物探数智化转型更上层楼。

在AI变革加速渗透的背景下，新一代高性能计算平台有望乘势而上，构筑“方法+算力+AI”的铁三角。对于AI在海洋物探领域的应用前景，王建花认为“目前尚处于初级阶段，未来的发展空间很大”。在地震速度谱、初至波自动拾取方面，AI已替代部分人工操作，效率提升数百倍；在中浅层地质体识别方面，因资料品质好且样本量相对充足，AI的落地效果也能达到预期。不过，在深层勘探领域，由于深层地质结构复杂多变，且已钻井数量少、样本稀缺，AI大模型的预测可靠性尚存不足，海洋物探“深水区”的智能化升级还有很长的路要走。

海洋物探奔赴下一站：全链条、全流程变革蓄势待发

根据权威机构发布的Future Market Insights（2025）研究报告，全球物探数智化领域2025年的市场规模为245亿美元，预计到2035年可达393 亿美元。其中，海洋物探的增速将超过市场平均水平，年化复合增长率超过10%。

想要达成理想的愿景，尚需跨越礁石险滩。王建花认为，海洋物探未来有两大核心攻关目标：一是深层超深层成像，做到“看得清”，解决信噪比低、速度建模精度差等难题；二是深层储层预测，实现“看得准”，深层储层普遍致密、孔隙度渗透率低、横向变化快，要重点攻克优质储层预测难题。在“方法+算力+AI”的加持下，这些“深水区”的障碍将得到清除，海洋物探的“深度探索”有望迈向更高境界。

站在今后5～10年的视角，海洋物探全链条、全流程变革已蓄势待发。在采集环节，向高密度、宽方位、宽频带发展是大势所趋；在中间环节，全波形反演、全波场成像等技术成熟后，可实现原始数据直接成像，从本质上改变了沿用近半个世纪的复杂处理流程；在储层预测领域，随着钻井数据越来越多，多维度大数据+大模型可直接输出勘探开发储层预测结果，改变传统反演和地震属性等预测流程，提升深层储层预测效率与精度。

这是充满艰辛的漫长征程。唯有能源企业、科研院所、ICT厂商携手同行，构建开放、协同、共赢的物探产业生态，才能成功抵达彼岸。能源圈产学研沙龙吹响了冲锋的号角，“风乎舞雩咏而归”的佳话将在远方流传。