Цифровой двойник месторождения: где в нём ИИ, где физика, и как проверить подрядчика
Этот материал для тех, кто выбирает цифровой двойник месторождения или принимает его у подрядчика: руководителей разработки, добычи, цифровизации и центров управления добычей. Задача простая на словах. Почти каждое предложение сейчас приходит «с ИИ», и нужно понять, что за этим стоит и как проверить обещанный эффект.
Внутри четыре рабочих инструмента. Таблица уровней двойника: где в каждом уровне считает физика, а где работает ИИ, с примерами и стадией проектов. Разбор шестнадцати российских двойников из открытых публикаций: у кого ИИ назван, а у кого нет. Классификация цифр эффекта: как отличить замер от прогноза. И чек-лист из двенадцати вопросов подрядчику.
Почему этот разбор пишу я. Двадцать лет в B2B-продажах промышленного оборудования научили меня читать коммерческие предложения глазами покупателя: что именно будет сдано, кто посчитал обещанный эффект и сколько стоит содержать то, что купили. С цифровыми двойниками те же вопросы задают реже, чем стоило бы, — слово «ИИ» в предложении их заглушает.
Все цифры ниже — из открытых источников, ссылки в тексте. У каждой цифры указано, чья она: добывающей компании, разработчика решения или отраслевого издания.

Что такое цифровой двойник месторождения и зачем он нужен
Под цифровым двойником месторождения обычно понимают единую расчётную модель промысла — от залежи до узла учёта на выходе, — которая подстраивается под свежие замеры. С её помощью проверяют сценарии разработки, подбирают режимы скважин и ищут узкие места до того, как менять что-то на промысле.
Удобно думать о двойнике как о пяти уровнях. Внизу — геология недр и гидродинамика пласта. Посередине — интегрированная модель добычи, которая связывает пласт, скважины, сеть сбора и подготовку. Сверху — модель наземной инфраструктуры и операционный двойник, который сравнивает фактическое состояние промысла с расчётным. Пользователи у уровней разные: геолог, разработчик, технолог, диспетчер. Руководитель видит сводные показатели.
Где в цифровом двойнике физика, а где ИИ
Таблица ниже — главная часть материала. Для каждого уровня указаны задачи ИИ с лучшим найденным примером и его стадией, а рядом то, что считает физика.
| Уровень | Что даёт | Задачи ИИ: пример и стадия | Что считает физика |
|---|---|---|---|
| Геологическая модель | строение залежи, разломы, свойства пород; основа запасов | Интерпретация сейсмики. «Роснефть»: нейросеть выполняет этап обработки сейсмограмм за ~7 ч вместо 80 ч вручную, прототип испытан на данных двух участков («Ведомости»). Equinor: сейсмика Grane за неделю вместо 12 месяцев (годовой отчёт 2024) | обработка сейсмики по волновой физике, инверсия, корреляция пластов, геостатистика |
| Гидродинамическая модель пласта | давление, насыщенность, дебиты, обводнение; сравнение сценариев | Нейросеть вместо части расчёта — только в научных работах на синтетических и учебных моделях (пример). Промышленного внедрения в открытых источниках нет | численное решение уравнений фильтрации, адаптация к истории разработки |
| Интегрированная модель добычи | система «пласт — скважина — сеть — подготовка»: узкие места, допустимые режимы | Рекомендации по закачке: Западно-Малобалыкское, внедрено, цифры разработчика (ТИНГ). Виртуальный расходомер «Башнефти»: приток за ~10 с на скважину, опытная эксплуатация (ComNews) | приток, лифт, многофазная гидравлика — сама интегрированная модель |
| Наземная инфраструктура | пропускная способность труб и установок, давления, энергия | Диагностика оборудования. В России внедрённого примера с объектом и цифрой не нашлось. Shell: модели машинного обучения на регулирующих клапанах платформы в Мексиканском заливе (2020) | материальные и тепловые балансы, фазовое равновесие |
| Операционный двойник | факт против расчёта: где потери, что делать сейчас | Раннее выявление проблем скважин. ЛУКОЙЛ: система на машинном обучении предупреждает о вероятной остановке газовых скважин («Коммерсантъ»). Aramco: двойники и ИИ на 330 скважинах с ЭЦН, −18% электроэнергии | сбор телеметрии, пороги, диспетчеризация |
Из таблицы видны три вещи. Обученные модели уже в работе там, где много однотипных данных: сейсмограммы, история закачки, замеры притока, телеметрия скважин. Нейросеть вместо гидродинамического расчёта пока остаётся задачей для науки. А сама интегрированная модель, ради которой двойник обычно и строят, — это физика.
Где применяется искусственный интеллект на месторождениях нефти и газа: шестнадцать российских двойников
Я собрал российские двойники месторождений и промысловых объектов, о которых есть открытые публикации, и для каждого проверил по первоисточнику одно: назван ли там прямо искусственный интеллект, машинное обучение или нейросети.
| Компания, объект | Год | ИИ назван | Эффект | Чья цифра |
|---|---|---|---|---|
| «Газпром нефть», Новопортовское | 2025 | нет | проходка скважины на 23% быстрее | компании |
| «Роснефть», «Сибнефтегаз» | 2023 | нет | до 600 тыс. м³ газа в месяц | компании |
| ЛУКОЙЛ, Батырбайское | 2022 | нет | — | — |
| ЛУКОЙЛ, Инзырейское | 2023 | нет | — | — |
| ЛУКОЙЛ, Ватьеганское | 2021–2023 | нет | более 3 млрд руб. EBITDA за 2020 по всем интегрированным моделям | компании, сумма |
| «Газпром добыча Оренбург», Оренбургское НГКМ | 2025 | нет | — (приёмочные испытания) | — |
| «Газпромнефть-Оренбург», Восточный участок | 2021 | нет | 3,3 млрд руб. до 2030 | прогноз |
| «Ачим Девелопмент», ачимовские залежи | 2024–2025 | да в 2024, «на физике» в 2025 | ожидаемые +10,3% конденсата | разработчика, прогноз |
| «Севернефтегазпром», Южно-Русское | 2023 | слово есть, описаны численные методы | — | — |
| НОВАТЭК, конденсатопровод | 2023 | нет | −50 т присадок за год | компании |
| «Зарубежнефть», ЦПС Харьяги | 2022 | нет | — | — |
| «Газпромнефть-Хантос», им. Жагрина | 2021 | нет | более 1 млрд руб. до конца 2023 | прогноз |
| «Татнефть», интегрированные модели и «ТН-Нейрокрам» | 2023 | да | −80% трудозатрат на подбор мероприятий | прогноз |
| «Башнефть», «Цифровое месторождение» | 2025 | да, в перечне технологий | −35% затрат на выезды за 5 лет | компании, весь проект |
| «Роснефть», «Уватнефтегаз» | 2024 | не про двойник | — | — |
| «Роснефть», концепция обустройства газовых месторождений | 2023 | нет | — | — |
Ссылки на первоисточники по каждой строке: Новопортовское, «Сибнефтегаз», Батырбайское, ЛУКОЙЛ, Инзырейское и итог по моделям, Ватьеганское, Оренбургское НГКМ, Восточный участок, Ачим, 2024, Ачим, 2025, Ачим, кейс разработчика, Южно-Русское, НОВАТЭК, Харьяга, Жагрин, «Татнефть», «Башнефть», «Уватнефтегаз», газовые месторождения «Роснефти».
Итог счёта: ИИ прямо назван у трёх из шестнадцати. Описание работы нейросети нашлось у одного проекта: «ТН-Нейрокрам» читает данные двойников и предлагает скважины-кандидаты под ГРП, дострелы и зарезку стволов; испытания идут на паре объектов. «Татнефть» в таблице — одна строка: её интегрированные модели и нейросеть над ними я не разделял, иначе строк было бы семнадцать.
Три случая стоит разобрать отдельно, потому что они показывают, как одно слово обозначает разное.
«Ачим Девелопмент». В сообщении о проекте 2024 года — «активное применение искусственного интеллекта». В интервью 2025 года заказчик описывает тот же двойник как модель, «полностью построенную на физике инженерных расчётов». Эффект в интервью — «значительный», без цифр. Цифры есть у разработчика, и они ожидаемые: +10,3% выхода конденсата, проект в опытно-промышленной эксплуатации.
Южно-Русское. Двойник в постоянной эксплуатации, в сообщении упомянута «архитектура с искусственным интеллектом». Дальше сказано, что это многосеточные вычислительные технологии и метод последовательных приближений. Это численные методы, не машинное обучение.
«Башнефть». ИИ стоит в перечне технологий проекта рядом с двойниками, 3D-моделями и программными роботами. Эффект −35% затрат на выезды относится ко всему проекту за пять лет.
Как читать цифры эффекта цифрового двойника
Цифры эффекта двойников делятся на несколько классов, и разница между ними важнее самих чисел.
| Класс | Сколько нашлось | Пример |
|---|---|---|
| Замер против базы или контрольной группы | 0 | — |
| Подтверждено не компанией и не поставщиком | 0 | — |
| Заявлено компанией, метод не раскрыт | 5 | «Газпромнефть-Оренбург»: +15% добычи на опытных кустах, контрольных кустов нет (ITPS) |
| Прогноз: «позволит», «ожидается», «потенциал» | 8 | «КазМунайГаз»: +2,8 млн т нефти на 12 месторождениях к 2028 году — ожидание (КМГ) |
| Сумма по многим объектам или инструментам | 3 | ЛУКОЙЛ — более 3 млрд руб. EBITDA по всем интегрированным моделям |
| Экономия времени инженеров, а не результат промысла | 3 | расчёт сценариев за часы или дни вместо недель |
Ближе всех к честной проверке подошёл Petrobras. Компания два года испытывала двойник на двух платформах месторождения Jubarte и после этого объявила технологию проверенной. Но итоговая цифра — добыча «может» вырасти примерно на 1% (Petrobras). Это хороший пример того, как выглядит осторожная, проверенная оценка: она скромнее рекламной.
Отдельный случай — Equinor. В годовом отчёте за 2024 год компания оценивает вклад усовершенствованного управления процессом, в том числе машинного обучения, на Johan Sverdrup в 1,1–2,2 млрд крон в год. Это оценка самой компании без методики, и к двойнику она в тексте не привязана.
И ещё одно: стоимость создания и сопровождения двойника месторождения не раскрыта ни в одном из найденных источников. Окупаемость двойника из открытых данных посчитать нельзя.
Почему проекты цифровых двойников застревают в пилоте
Названного двойника месторождения, который остановили или забросили, в открытых источниках нет. Поэтому честнее говорить не о провалах, а о том, что тормозит.
Первое — доверие к данным. В проекте «Газпромнефть-Оренбурга» отдельной задачей было понять, какие источники данных заслуживают доверия, а где информация искажается (Global CIO). Там же отмечено, что для каждого актива набор данных уникален, поэтому двойник нельзя просто скопировать на соседнее месторождение.
Второе — живые данные. Интегрированную модель ямальской группы месторождений построили, а онлайн-поток с промысла запланировали на потом (ComNews). Модель без потока данных быстро расходится с промыслом.
Третье — сопровождение. KBR, делавшая двойник платформы Azeri Central East для bp, предупреждает: модель, которую перестали актуализировать, теряет ценность. Поэтому после сдачи подрядчик ещё три года держал на проекте свою команду (KBR). Это платформа, а не месторождение, но для двойника месторождения логика та же.
Четвёртое — люди и владелец результата. По опросу EY 2025 года программы двойников в нефтегазе и химии чаще ведёт технологическое подразделение или подразделение инноваций, а навыков для планируемых проектов, по самооценке, хватает лишь трети компаний (EY). BCG ещё в 2019 году писала, что двойнику, чтобы он оставался точным, нужны своя операционная модель, компетенции и правила владения данными (BCG).
Чек-лист: 12 вопросов подрядчику о цифровом двойнике и ИИ
Каждый вопрос появился из конкретного случая, разобранного выше.
- Физика или ИИ. Покажите на схеме двойника, какие блоки — расчётные модели, а какие обучены на данных. Что подаётся на вход обученной модели и что она выдаёт?
- Чей эффект. Цифра в предложении относится к двойнику, к модулю ИИ, ко всему проекту цифровизации или ко всем моделям компании сразу?
- Факт или прогноз. Цифра уже получена на промысле, или в источнике стоят слова «позволит», «ожидается», «потенциал»?
- База сравнения. Как учли естественное падение добычи и ремонты скважин, которые шли в тот же период?
- Контрольная группа. Были ли скважины или кусты, где ничего не меняли, для сравнения?
- Кто считал. Эффект посчитали вы, мы или третья сторона?
- Точность. Что вы называете точностью, и проверяли ли её на нашем месторождении или на синтетической модели?
- Единица эффекта. В чём эффект в натуре: тонны, кубометры, энергия или часы инженеров?
- Расчёт или замер. Цифра получена расчётом по выбранному сценарию или замером после бурения и запуска?
- Живые данные. Подключены ли данные с промысла в реальном времени, и каким источникам модель доверяет?
- Сопровождение. Кто обновляет модель после сдачи, как часто и сколько это стоит в год?
- Проверка рекомендаций. Кто проверяет рекомендацию модели до того, как её исполняют на промысле?
Если подрядчик спокойно отвечает на первые шесть вопросов, разговор об ИИ в двойнике можно вести предметно. Если ответы начинаются со слов «у нас передовые алгоритмы», стоит вернуться к вопросу номер один.
Вывод
Если свести всё сказанное к одной строке: в основе цифрового двойника месторождения лежат уравнения, а не нейросети. Обученные модели встречаются по периметру — при разборе сейсмики, выборе режимов закачки, оценке притока и наблюдении за фондом скважин. Ни одного эффекта, замеренного против базы, в открытых публикациях нет. Физические модели дают больше подтверждённых цифр, но стареют без онлайн-данных и быстрых расчётов, а это как раз та работа, где ИИ полезен.
Для руководителя отсюда следует простое правило. Добавлять ИИ стоит в тех местах, где физическая модель не успевает или где замеров больше, чем инженеры способны разобрать. А принимать двойник лучше по чек-листу выше, начиная с первого вопроса.
Внедряю ИИ в процессы продаж, маркетинга и аналитики промышленных компаний. 20+ лет на B2B-рынке оборудования и сервиса. В блоге разбираю, где ИИ даёт измеримый эффект, а где только расход.