导言
在绿色化工全生命周期碳足迹（LCA）的评估体系中，上游油气资源的勘探开发效率，决定着原料端的能耗、成本与资源利用水平。传统地震解释和油藏分析依赖复杂数值计算与资深工程师反复调参，周期常以天、周乃至月计；在深层、复杂构造和老油田精细开发场景下，低效试错还会放大勘探风险与能源消耗。成都探坤能源科技有限公司（探坤科技）作为雷石投资在绿色化工上游智能勘探与工业软件方向重点关注与布局的项目，展示了一条以 AI 大模型提升资源识别、开发决策与数据自主可控水平的数字化路径。

一、 结构性卡点：海外软件依赖与高耗时工程流程
油气勘探开发对象正持续向深层、非常规与复杂构造迁移，地震、测井、地质和生产数据规模快速增长。地震解释与油藏分析处于"数据—模型—工程决策"的关键枢纽：前者影响构造识别与井位判断，后者影响剩余油分布刻画、注采方案与采收率提升。任何精度不足或迭代迟缓，都可能带来重复计算、无效作业与资源浪费。
长期以来，核心工作流由斯伦贝谢、哈里伯顿等国际油服厂商的软件体系主导。传统工具以确定性数值计算和专家经验驱动为主，反演成像与油藏模拟需要多轮人工设参、校正和复算，难以同时满足效率、一致性与规模化复制；关键数据的跨境流转和封闭算法体系，也使本地部署、数据安全与国产替代成为油气数字化转型绕不开的底层命题。

二、 双模型闭环：从物探解释到油藏动态推演
探坤科技于 2025 年 12 月在成都成立，核心团队融合 AI 算法、地球物理、油藏工程与一线交付经验，围绕油气勘探和开发两大高价值环节构建"地震大模型 + 油藏大模型"产品矩阵，将大规模真实数据训练与工程约束结合，推动传统专业软件由人工流程驱动转向模型驱动的自动分析与寻优。
• 地震大模型：基于超过 500 个实际地震工区、累计 1.5TB 以上真实生产数据训练，可自动完成构造解释、层序解释、地质体识别、构造建模及物性参数建模等任务，将传统需 3—5 名工程师投入数月的工作压缩至小时级，为复杂工区快速评价提供统一、可复制的智能工作流。
• 油藏大模型：以超过百万条实际油藏模拟数据为训练基础，结合图神经网络等方法对油藏空间结构及动态演化进行建模，可在不同油藏条件下快速推演未来状态，把传统长周期数值模拟压缩至秒级，为多方案对比、注采优化与高频决策提供响应更快的分析底座。
目前，公司核心产品已在巴西国油、马来西亚国油、阿布扎比国油、沙特阿美、中石油、中石化、延长石油等客户相关的 84 个油藏中完成验证。由具备海外 AI 能源商业化、地球物理研究、高性能计算和国内油田交付经验的复合团队推动，探坤科技正在把底层算法、行业 Know-how 与前端部署连接成可交付的工程闭环。

三、 资本配置视角：把绿色化工能力前移到原料源头
绿色化工的竞争力并不只发生在反应装置和末端治理环节。对油气这一精细化工重要碳氢原料而言，更准确地识别资源、更快地完成方案迭代、更精细地管理存量油田，能够减少低效计算与现场试错，为降低无效钻井和生产能耗、提升单位资源产出提供数字基础。工业软件因此成为连接能源安全、源头提效与产业链低碳化的重要基础设施。
探坤科技的商业化路径也体现了工业技术落地的规律：先以真实工区和项目制服务建立可信度，再通过许可授权、技术服务及未来订阅模式提高复用程度。其在国内外头部油气客户场景中的验证，不仅检验算法的泛化能力，也形成了进入高门槛能源体系所必需的数据、流程与交付壁垒。
从资本配置视角看，雷石投资关注探坤科技，本质上是对"自主核心算法 + 高价值工业场景 + 真实项目验证"这一投资范式的延伸。通过识别 AI 与油气工程深度融合的关键节点，并将其放入绿色化工上游数字化图谱中，雷石投资把投资视线由材料与装备进一步前移至决定资源开发效率的软件底座，体现了其围绕产业链关键卡位进行技术判断、场景验证与生态协同的能力。

雷石投资的出资人涵盖多地政府引导基金与国资出资平台；在绿色化工领域布局超过 15 年，其"资本+产业"的赋能方式贯穿从技术突破到产业落地的全过程，已形成覆盖绿色新材料、上游数字化、节能装备与新能源应用等关键环节的投资图谱。