人工智能在油气行业：应用率上升，预期超预期
石油和天然气中的AI：采用率正在上升，期望值已超越现实 人工智能正成为石油和天然气领域生产力的结构性驱动因素，但其价值实现的时间线长于市场预期。在与一位行业专家和一位能源企业实践者的讨论后，我们挑战了短期内人工智能实现商业化的共识。虽然采用速度正在加快，软件支出正在增长，但我们的核心增量洞察是，执行瓶颈——数据、集成和治理——仍然是制约因素。我们长期保持积极看法，但认为短期内盈利影响有限，这强化了渐进式价值创造的格局。 +33 1 42 13 54 22richard.nguyen@bernsteinsg.com阮·理查德 +33 1 42 13 62 29guillaume.delaby@bernsteinsg.com吉约姆·德拉巴伊 +33 1 58 98 06 30derric.marcon@bernsteinsg.com德里克·马孔 人工智能正从孤立工具转向集成式操作系统，但规模扩张仍不均衡。行业正从预测性维护等狭窄应用场景转向更广泛的业务流程优化。投资正在增加，然而大多数部署仍局限于小范围。主要制约因素并非技术本身，而是将人工智能整合到传统、安全关键型环境以及嵌入日常运营的难度。 +44 20 3547 1533kiran.shah@bernsteinsg.com基兰·沙，CFA持证人 价值创造是具体的，但主要集中在少数特定场景中。目前最明显的效益体现在运营效率和维护方面，停机时间的减少是可衡量的，并直接与回报挂钩。生产优化、成本降低和安全改进正在推进，但这依赖于更好的数据集成和实时决策系统。AI在结果可观察且可重复的场景中创造最大价值。 技术栈仍处于不成熟阶段，其基础部分比自主性部分更具投资价值。近期的价值在于赋能数据基础设施、云计算和人工智能工程等能力，这些能力使得扩展成为可能。更高级的技术，包括自主系统，则属于更长远的目标。这强化了一种顺序动态：公司必须首先构建强大的基础，然后才能获取更高层次的收益。 支出正在加速，并且越来越多地集中在人工智能领域。预计到2030年，石油和天然气行业的软件支出将每年增长超过9%，并且明显转向人工智能、数据分析和自动化。与此同时，传统IT支出面临压力。这种重新分配有助于提高效率，但如果核心基础设施和管理治理跟不上步伐，就会产生风险。 执行将推动跨公司实现差异化。拥有强大数据架构、集成IT/OT系统以及规范部署的企业能够扩展人工智能并复合回报，而其他企业则面临停留在试点模式的风险。随着时间的推移，这应会扩大领先者与落后者之间的差距。 人工智能仍然是一个长期投资主题，而非短期盈利驱动力。我们保持积极的长期看法，但强调回报将是渐进的、依赖执行，且显著的经济影响更可能在中长期显现。 在我们覆盖的IT公司中，SAP、Capgemini和CGI因其对石油和天然气行业的相对较高敞口，似乎最有可能从这一趋势中受益。在石油服务领域，斯伦贝谢、Viridien和TechnipEnergies脱颖而出，成为主要受益者。 伯恩斯坦行情表 投资影响 对于我们覆盖范围内的欧洲IT服务和软件公司而言，其石油和天然气收入的敞口仍然有限（0-2%），其中Capgemini（2%）、CGI（2%）和SAP（2%）的敞口最大，因此相对更有利地处于受益位置，其次是Alten（1%）、Atos（1%）和Indra（1%），而Sopra Steria和Reply的直接上行空间则非常有限。 对于我方覆盖的石油服务公司而言，其人工智能机遇的估计价值约为每年56亿美元。1) 这包括与人工智能相关的额外收入（约10亿美元/18%）和成本改进（约46亿美元/82%）。 这三家公司将从这次人工智能的推动中获益最大（就其与人工智能相关的EBITDA增量而言）以及（息税折旧及摊销前利润率）等指标为： 斯伦贝谢（EBITDA增长8.7%，EBITDA利润率提升1.9%） 维里迪恩（EBITDA增长+4.5%，EBITDA利润率+1.5%）以及 我们重申我们的评级和目标价。• Technip Energies（EBITDA增长13.5%/1.4%） Outperform: 阿尔滕（PT 欧元135），凯捷（PT 欧元208），英德拉（PT 欧元66），SAP（PT 欧元276），苏珀斯特里아（PT 欧元242），斯伦贝谢（PT 美元71），维里迪安（PT 欧元130），德希尼布能源（PT 欧元47） Market-Perform: 回复 (PT €120) Underperform:Atos (PT €43), CGI (PT C$141) 目录 投资摘要...............................................................................................................................................................................................................4 细节 石油和天然气行业人工智能近期行业报告列表： • 石油和天然气行业对采用云和人工智能的看法是什么？• 石油服务——人工智能：稍后，但并非完全如此——谁在乎石油服务行业中自主人工智能的“自我”问题？ • 中断还是加速？服务和软件中的AI风险图谱与AI颠覆雷达 - 想亲自试试吗？• 人工智能……早晚的事：AI已到来 - IT服务和软件的结构性重塑• 前置部署工程（FDE）：AI软件与现实世界的交汇与前置部署工程：企业AI的倍增器——抑或虚假慰藉？• IT服务：服务即软件的不可阻挡的崛起• 当Anthropic与OpenAI遇见IT服务• 全球软件：供应链软件中的AI超级周期即将到来• 欧洲IT服务：欧盟科技主权 - 监管创造需求，但唯有正确模型胜出• 最好与最坏的时代：并非所有技术都平等 - 欧洲软件和IT服务的K型现实• 智能扩展：生成式AI手册 投资摘要 人工智能正从实验阶段转向石油和天然气行业的运营整合。它有潜力随着时间的推移重塑生产力、成本结构和安全绩效。然而，这场转型不会一蹴而就。创造价值的过程是渐进的，高度依赖于执行情况。 一个具有长交付周期的结构主题 我们主张，应将人工智能视为一个结构性的、长期的生产力主题，而非短期的盈利驱动因素。机遇巨大，但近期的冲击受到不成熟的技术、高昂的前期投资以及将人工智能整合到传统、安全关键环境中的复杂性的制约。这要求我们保持审慎的预期：投资者应警惕那些股价暗示着快速、广泛的人工智能回报，而这种回报在运营中尚未显现的情况。 基本情况是中期内逐步提高生产力，这得益于更好的维护、生产优化、互联互通的运营以及员工赋能。而跨越式的收益则更有可能在长期出现，因为更先进的技术——例如具有自主性的AI、机器人和自主系统——将逐渐成熟并在安全的前提下大规模部署。实际上，投资者购买的是一个序列：首先是近期的赋能因素和点解决方案，而系统级的自主性则是一个长期期权价值。 人工智能是石油和天然气领域软件增长的关键驱动力 人工智能正成为石油和天然气行业软件支出的核心驱动力，支持其下一阶段的数字增长。预计到2030年，特定行业软件支出将以每年超过9%的速度增长，从2025年的约137亿美元增长至2030年的超过210亿美元。 投资正日益集中于人工智能和数据能力。最近的行业调查显示，商业智能、数据分析以及人工智能（包括生成式人工智能）的支出急剧增加，而传统类别如本地基础设施和核心企业应用则增长放缓或面临预算压力。这表明人工智能投资不仅正在增长，而且正在重塑IT优先事项，在某些情况下甚至超出了传统IT预算。 市场预测显示，石油和天然气公司将持续增加与人工智能相关的支出，预计未来几年将实现两位数的增长。与此同时，公司继续投资云、IT/OT（运营技术）集成和网络安全等基础赋能技术，尽管这些技术在战略重点上通常略低于人工智能。 人工智能、生成式人工智能和自动化技术的应用部署已取得进展，并拥有强大的实施管道。预计未来12至24个月内，许多用例将从试点阶段过渡到正式生产阶段。 领跑者与落后者：能力将驱动分化 我们相信，拥有强大数据能力和数字化能力的企业石油天然气公司最有优势。它们拥有稳健的数据基础设施、一体化的IT和运营系统、可扩展的云和边缘环境，以及能够将模型嵌入核心工作流的AI工程团队。这些运营商可以超越概念验证，标准化部署，并在维护、生产、规划和安全方面实现早期收益的倍增。随着时间的推移，这应该能够支持更高的资产利用率、更低的单位成本和更具弹性的运营。 相比之下，拥有碎片化系统和薄弱数据基础的运营商可能会落后。数据孤岛、过时的基础设施、有限的数字人才以及不明确的所有权使得人工智能难以在狭窄的试点项目之外进行扩展。即使有雄心壮志，这些公司也面临着停留在小型定制项目中的风险，而这些项目无法推动集团层面的关键绩效指标（KPI）。随着领导者积累更好的数据、内部信任以及为下一波用例分配的预算，赢家和落后者之间的绩效差距可能会进一步扩大。 结论：执行，而非访问，将决定回报。 获得人工智能技术的途径不会稀缺；执行能力才会。大多数大型石油天然气公司都能采购类似的工具，但只有少数公司拥有足够的数据质量、架构、治理和运营纪律，才能将人工智能投入转化为可重复的效率提升和风险降低。对投资者而言，最重要的信号是公司数据的强度和其数字基础设施，其将数字工具整合到运营中的记录，其治理质量，以及其资本配置的严谨性。 在此背景下，那些将AI视为核心运营基础设施，并围绕其系统性地重塑流程的企业，很可能是长期赢家。而将AI局限于试点项目或各自为政部门的企业，则不太可能将投资转化为持久的竞争优势。 从渐进式改进到系统级转型 在我看来，人工智能正从孤立工具演变为石油天然气（O&G）行业运营绩效（例如生产、产量、运行时间）的全系统驱动因素。历史上，人工智能仅应用于预测性维护或异常检测等狭窄场景。如今，该行业正转向集成系统，该系统结合运营、工程和数据输入，以优化价值链上整个工作流程。 这一转型得到了持续投资的支撑。尽管宏观环境充满挑战，但企业仍在不断增加对人工智能、生成式人工智能和自主式人工智能的投入，这反映出对这项技术长期潜力的坚定信念。 然而，投资决策必须与执行现实相平衡。技术格局仍处于早期阶段，在许多领域尚不成熟。许多解决方案尚未在规模化应用中得到验证，且期望往往超出实际表现。因此，审慎的资本配置至关重要。企业需要专注于高价值的应用场景，并避免过度投资于尚未准备好大规模部署的技术。 在此背景下，人工智能应首先被视为一种生产力杠杆，而非一个完全成熟的平台。它正开始带来切实的利益，但从试点项目到持久的企业级回报的过渡仍然不平顺。 • 市场乐观预期认为，人工智能可以提高系统运行时间、提升资产效能，并实现更精简的运营——这对于面临成本压力和基础设施老化的行业而言是关键优势。从中期来看，这些收益将显著改善利润率和资本效率。 • 最坏的情况是，成功的规模化扩展取决于往往仍然不足的基础。许多人工智能计划在能够提供稳定结果之前，需要改进的工作流程、更强的治理和更高质量的数据。如果没有这些支持要素，回报可能会保持有限或延迟。 总体而言，人工智能正成为石油和天然气领域生产力与运营效率的核心驱动力。我们相信机遇意义重大，但创造价值之路仍需循序渐进、依赖执行，需要审慎采纳和自律投资。 行业背景：约束下的效率 石油和天然气公司处于一个结构波动性强的环境之中，其特点是商品价格波动、地缘政治不确定性、政策变化、供应链压力以及资本支出受限。在此背景下，管理团队优先考虑现有资产的投资回报，而非追求大规模产能扩张。 因此，AI的采用是由管理这种波动性并在维持资本纪律的同时满足这一需求所驱动的。企业正在寻找能够提高运营绩效、保护利润率并增强韧性，同时又不增加风险或复杂性的实用工具。 人工智能被视为这些工具之一，其价值集