【油气人工智能与特种机器人技术专刊】王敏生，等：AI FOR SCIENCE范式下的智能钻井大模型构建方法

作者简介：王敏生（1973—），正高级工程师，现任中国石化石油工程技术研究院院长，主要从事油气井工程及石油工程战略规划方面的研究与管理工作。

E-mail：wangms.sripe@sinopec.com

基金项目：国家科技重大专项“全球非常规油气勘探开发关键工程技术体系”（编号：2025ZD1403905）；中国石化科技攻关项目“自动化钻井技术与装备”（编号：P20048）。

AI FOR SCIENCE范式下的智能钻井大模型构建方法

王敏生¹，孙旭东¹，曹 杰²，

陈 冬³，雷西·邦蒂·穆罕默德²

1 中国石化石油工程技术研究院

2 Pions AS（eDrilling）公司

3 中国石油大学（北京）
摘要：目前国内石油工程企业已通过自动化钻机、井场集控中心、钻井分析决策平台等技术初步构建形成了基于咨询模式的智能钻井决策系统，启动了从咨询模式向自主决策控制的升级。由于现有钻井机理模型与传统机器学习技术难以满足升级需求，文章基于 AI FOR SCIENCE 研究范式，以深度强化学习技术框架，面向钻井效率、风险与成本等优化场景，提出智能钻井大模型概念及构建方法。以智能钻井大模型为核心，设计了融合专家经验、机理模型、数据分析的多智能体协同决策的应用范式。通过技术架构设计与关键技术实验验证，该模型依托强化学习智能体的自适应学习、持续学习等能力，可适配复杂钻井环境并实现自主决策和全局优化，为智能钻井自主化升级提供了可行路径。

关键词: 钻井大模型；大语言模型；强化学习智能体；多智能体协同；自主化钻井决策

引用本文：王敏生，孙旭东，曹杰，等. AI FOR SCIENCE范式下的智能钻井大模型构建方法［J］. 钻采工艺，2026，49（1）：35-41WANG Minsheng，SUN Xudong，CAO Jie，et al. Method for Constructing Large Intelligent Drilling Models under the AI FOR SCIENCE Paradigm［J］. Drilling and Production Technology，2026，49（1）：35-41