油气储运进入“深水区”，国产计算如何守住现在、算清未来

发布时间：2026-11-05 17:20:24 来源：虽覆能复网 作者：焦点

一条长输油气管道，深水区可能跨越多个省份，油气沿线分布着大量站场、储运阀室和设备。进入计算

压力、国产流量等数据要持续回传，何守调度指令要准确下达到数百公里外;设备异常、住现用气波动或极端工况出现时，算清系统既要及时发现，深水区也要判断风险会不会沿管网传导。油气

这也是储运油气储运数字化最难的地方：它面对的不是普通IT业务，而是进入计算7×24小时连续运行的能源基础设施。

行业正在从“把设备连起来”走向“让系统更安全、国产让运行可预测”。何守底层计算既要托住核心控制系统，住现也要支撑高精度仿真和AI预测;国产化也要在不影响生产连续性的前提下完成软硬件迁移。

《工业互联网与油气储运行业融合应用参考指南(2026年)》正是在这一背景下发布。

指南在工业和信息化部信息通信管理局、国家能源局石油天然气司指导下，由中国工业互联网研究院等单位组织编制，覆盖装备制造、工程建设、生产运行、经营管理等环节，梳理出8种创新应用模式、36大类、91项具体场景。

海光信息深度参与指南编写，并提供多个关键场景方案。海光并非只以“芯片供应商”出现：数据安全、工控安全、终端安全、态势感知及平台管理等环节均有相关方案被收录;某油气行业SCADA平台、某仿真重点实验室也进入典型案例清单。

把这些内容放在一起看，海光提供的价值可以归纳为两条主线：一条是把安全能力下沉到芯片，解决核心工控系统“如何守得住”;另一条是把CPU、DCU、数学库和集群能力协同起来，解决复杂管网“如何算得准、跑得快”。

第一道题：把安全做到芯片里，SCADA为什么需要“内生安全”

油气管网绵延数百甚至数千公里，现场设备分散、节点众多，调控人员不可能逐站盯守。

压力、流量、设备状态需要持续汇集到调控中心，控制指令再下发至站场和现场设备。经过多年建设，国内油气管道形成“中心—站场—就地”的三级调控模式，SCADA就是支撑这套体系运行的核心系统之一。

它像油气管网的“神经系统”：一端感知现场，一端连接调度。系统一旦停摆或数据失真，影响的是真实管线运行。

因此，SCADA国产化的难点不只是“软件能不能装上”。系统要长期连续运行，要兼容原有业务和数据，还要在迁移中保证可靠性、扩展性和安全性。

部分油气行业系统建设较早，曾采用国外SCADA软件，长期运行后逐渐暴露出核心技术受制、维护成本高、安全风险大等问题。

某油气行业SCADA平台采用海光C86架构整机集群承载一体化集成服务平台，并适配国产操作系统、数据库等基础软件。平台支持标准化数据访问、跨平台应用、分布式部署、一主多备冗余和安全访问控制：不同系统可以统一接入，单点故障有备份接替，后续扩展业务也不必推倒重来。

这类能力解决的是工业国产化最现实的难题——在尽量不改变原有生产逻辑、不打断业务连续性的情况下，把底层计算和基础软件逐步换下来。

而海光在这一场景中的另一个关键词，是“内生安全”。

指南明确提出，工业安全正从外挂式、单点防护，向内生式、体系化防御演进。对于场站分散、时延敏感的油气工控系统，单纯在外围增加安全设备，部署和维护复杂度也会随连接规模上升。

海光的做法，是把一部分密码与可信能力直接做进处理器。C86内部集成平台安全处理器PSP和密码协处理器CCP：前者提供安全隔离环境并负责密钥管理，后者承担SM2、SM3、SM4等商用密码算法的高速运算和真随机数生成。

这意味着，密码运算不必完全依赖外置密码卡或纯软件实现，关键密钥可以留在硬件隔离环境中。对边缘节点而言，安全能力更贴近数据产生和计算的位置，也更适合工控系统对实时性和稳定性的要求。

海光还把内生安全向数据、终端和AI场景延伸：基于CPU硬件可信根和安全虚拟化构建可信执行环境，覆盖数据传输、计算、存储;CPU内置TCM可参与磁盘加密，可信环境还可从CPU扩展至DCU，为大模型训推提供数据和模型保护。

从外挂安全到内生安全，变化的不只是安全模块放在哪里，而是安全防线的起点前移到了芯片。对油气这样的关键基础设施，这为后续数据汇聚、工业智能和系统国产化提供了更底层的可信基础。

第二道题：把真实管网搬进计算机，高精度仿真凭什么“算得动”

如果说SCADA解决的是“正在发生什么”，某仿真重点实验室要解决的是“接下来可能发生什么”。

天然气管网并不是一根简单的管子。不同区域的用气需求、压力、流量和设备状态相互耦合，一处变化可能传导到多个节点。

真实管网不能反复试错，极端工况更不可能等发生后再验证方案。

因此，行业需要在计算机里建立一张可反复推演的“数字管网”：先模拟运行状态，再验证风险、调度和应急方案。

某仿真重点实验室以高精度仿真为核心，通过模拟天然气管网实际运行状态，服务管网安全分析和用气量预测。极端工况可以提前预演，AI预测模型也可辅助精准调度。

这类任务的题眼不是单颗芯片的峰值参数，而是“系统级计算效率”。

大型管网仿真要持续求解复杂数值模型，同时让大量计算节点频繁交换数据。处理器算得快，如果数学库效率不高，算力发挥不出来;节点之间通信慢，计算任务又会彼此等待。

实验室采用海光C86-4G处理器与DCU构成计算平台。C86-4G双路整机拥有128个核心、2.7GHz主频和512MB三级缓存;通过海光BLIS数学库与参数优化，Linpack浮点计算效率达到45.2%，性能为同类方案的2倍，集群网络效率超过93%。

这些数字对应的不是“跑分”，而是算力能否真正转化为仿真效率：BLIS数学库优化高频基础运算，较高的集群网络效率则减少不同节点交换数据时的等待，让大规模并行计算跑得更顺。

C86与DCU形成的混合算力还能承载数值仿真与AI预测等不同任务，为油气储运从机理模型进一步叠加数据和智能算法提供基础。

最终，计算结果必须回到真实生产。

项目材料显示，高精度仿真可用于预演极端工况、提前制定应急预案;AI预测模型用于辅助精准调度、减少能源损耗，预计年均节约运营成本超过千万元。

这类实践的行业意义在于，油气储运数字化正在从实时监测进一步走向预测和优化：信息系统不仅记录“发生了什么”，还开始用计算回答“接下来可能发生什么、怎么调更合适”。

真正的门槛：不是“能替代”，而是进入生产核心

某油气行业SCADA平台与某仿真重点实验室，一个面对生产控制，一个面对工程计算。

前者要求系统长期不停、数据不乱、控制可靠，核心是以“内生安全”和国产基础软硬件守住正在运行的管网。

后者要求复杂模型算得动、大规模任务跑得顺，核心是把处理器、加速器、数学库和集群网络的能力真正转化为仿真与预测效率。

这两类场景说明，油气行业对国产计算的评价标准已经改变。处理器参数只是起点，真正进入生产系统，还要回答兼容性、可靠性、安全性、软件优化和集群协同等问题。

从参与行业指南编写，到多维安全解决方案被收录，再到SCADA和高精度仿真实践进入典型案例，海光的价值也不再停留在“提供一颗芯片”，而在于把C86、DCU、内生安全和基础软件优化能力组合起来，转化为可进入真实生产场景的系统能力。

对油气这样的关键行业，国产化不只是替代进口软硬件，更要把计算、安全和应用体系稳定协同起来，为数字化、智能化提供可靠底座。

真正的检验，是这些能力能否进入那些不能停、不能错、不容有失的核心系统。

相关文章