雙方將開發模組化資料中心基礎設施和生成式AI模型，協助實現大規模部署

休士頓--(美國商業資訊)--全球性能源科技公司SLB (NYSE: SLB)今日宣布擴大與NVIDIA的技術合作，將為能源產業設計並部署關鍵AI基礎設施和模型。

本新聞稿包含多媒體資訊。完整新聞稿請見此： https://www.businesswire.com/news/home/20260324914246/zh-HK/

此次合作聚焦三大策略方向：

  • 資料中心模組化設計：SLB將擔任NVIDIA DSX AI工廠的模組化設計合作夥伴。這種元件場外製造的模組化方案將提升品質和可靠性，同時降低成本、緩解人力限制並縮短交付週期。它還支援快速靈活的擴容，使客戶能夠隨需求成長迅速擴大資料中心容量。
  • 能源產業AI工廠：SLB將與NVIDIA合作開發「能源產業AI工廠」，這是一個由特定領域生成式AI模型和工業級代理式AI驅動的參考環境。該環境將在SLB的數位平台上運行，協助能源企業針對自身資料和營運場景規模化應用AI。
  • SLB數位平台加速運算：雙方將採用最新的NVIDIA AI基礎設施，促成SLB數位平台上大規模資料集和AI模型的處理流程最佳化，以期為能源應用領域的效能和效率樹立新標竿。

SLB技術長Demos Pafitis表示：「AI領域的贏家將是那些擁有最優資料、最深厚產業專業知識和規模化能力的公司。透過與NVIDIA合作推進模組化資料中心建設，並藉助我們的產業專長和數位平台，我們正協助能源產業大規模部署AI，將營運資料轉化為更明智的決策。」

NVIDIA AI基礎設施副總裁Vladimir Troy表示：「AI正成為新一輪工業革命的引擎，而能源產業處於這場革命的最前線。我們需要打造AI工廠基礎設施和特定領域模型，將海量能源資料轉化為可操作的洞察，加快建構更高效、更永續的能源系統。」

能源企業在地下探勘、生產和能源基礎設施等環節會產生海量營運資料，這導致決策過程相對緩慢且存在資料孤島問題。透過將NVIDIA Omniverse庫和NVIDIA Nemotron開放原始碼模型與SLB數位及AI平台相結合，此次合作旨在加快將這些資料轉化為可操作的洞察。合作內容涵蓋傳統機器學習、生成式AI以及新興的代理式AI技術，這些技術旨在提升效能並支援建構可靠、高效且低碳的能源系統。

今日的合作公告是對雙方2008年開啟的合作關係的延續——那一年，NVIDIA加速運算技術首次被用於強化SLB的地下視覺化和地震影像軟體。2024年，雙方宣布計畫結合NVIDIA軟體與SLB的Delfi™數位平台和Lumi™資料及AI平台，為能源產業開發生成式人工智慧解決方案。

核心要點

  • SLB和NVIDIA正擴大長期技術合作，為能源產業設計並部署關鍵AI基礎設施和模型。
  • SLB將擔任模組化DSX AI資料中心的設計合作夥伴，採用模組化、可擴充的場外製造和部署模式以縮短交付週期。
  • SLB和NVIDIA將開發「能源產業AI工廠」，這一參考環境由特定領域生成式AI模型和工業級代理式AI驅動，運行於SLB的數位平台，旨在協助能源企業針對自身資料和營運場景規模化應用AI。
  • 此次合作將採用最新NVIDIA技術，促成SLB數位平台上大規模資料集和AI模型的處理流程最佳化。
  • 此次擴大合作延續2008年開啟的合作關係，反映了產業正從AI實驗向企業級規模化部署轉型。

關於SLB
SLB (NYSE: SLB)是一家全球性科技公司，百年來始終致力於推動能源創新。我們的業務遍布全球100多個國家和地區，而員工的來源地幾乎是營運所在國家和地區的兩倍。我們每天都致力於石油和天然氣創新、大規模數位化、產業脫碳以及開發和擴充新能源系統，以加快能源轉型。如欲瞭解更多資訊，請造訪slb.com。

關於前瞻性陳述的警示聲明：
本新聞稿包含美國聯邦證券法律意義上的「前瞻性陳述」，即關於未來而非過去事件的陳述。此類陳述通常包含諸如「期望」、「可能」、「可以」、「估計」、「意圖」、「預期」、「將要」、「潛在」、「預計」等字詞以及其他類似的字詞。前瞻性陳述涉及不同程度上不確定的事項，例如關於SLB新技術與合作夥伴關係的部署或預期收益的預測或期望；關於永續發展和環境問題的目標、計畫和預測的陳述；關於能源轉型與全球氣候變遷的預測或預期；以及操作程序和技術的改進等。這些陳述涉及各種風險和不確定性，其中包括但不限於：無法達成淨負碳排放目標；無法實現由SLB的策略、措施或合作夥伴關係帶來的預期利益；針對環境問題的立法和監管措施，包括針對全球氣候變遷影響的措施；主關機關核准和授權的時間安排或接收情況；以及SLB向美國證券交易委員會遞交的最新10-K、10-Q和8-K表格中詳細說明的其他風險和不確定性。如果這些或其他風險或不確定性中的一個或多個成為現實（或此類發展的後果發生變化），或者如果基本假設經證明不正確，實際結果可能與我們前瞻性陳述中反映的結果存在重大差異。前瞻性陳述僅反映本新聞稿發表之日的情況。無論是由於新資訊、未來事件還是其他原因，SLB概無意圖也無義務公開更新或修訂此類陳述。

免責聲明：本公告之原文版本乃官方授權版本。譯文僅供方便瞭解之用，煩請參照原文，原文版本乃唯一具法律效力之版本。