本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

算力吃緊、能耗報(bào)警，ChatGPT等AI大模型訓(xùn)練起來，消耗不小。

僅GPT-3訓(xùn)練時(shí)，單次訓(xùn)練耗電量就達(dá)到了1287兆瓦時(shí)，消費(fèi)的能源足以讓人開車往返地球到月球一次。

如今全球范圍內(nèi)群模大戰(zhàn)，需要消耗的能源和產(chǎn)生的碳排放體量之巨大，可以想見。

但事無絕對，AI燒能源，卻也能節(jié)省能源，并且有人正在用AI的能力做這樣的事。

這幾年來，孫東來就帶領(lǐng)著他的團(tuán)隊(duì)在做利用AI，使用AI技術(shù)，盡可能實(shí)現(xiàn)企業(yè)的精益能源管理。

孫東來畢業(yè)于上海交通大學(xué)信息與通信系統(tǒng)專業(yè)，在法國獲得計(jì)算機(jī)博士學(xué)位后，歸國創(chuàng)立極熵科技，并同時(shí)擔(dān)任上海人工智能研究院特聘研究員、中國產(chǎn)業(yè)計(jì)量與能碳評估技術(shù)委員會(huì)執(zhí)行秘書長等。

他曾發(fā)表SCI/EI及高水平學(xué)術(shù)論文10余篇，參與多項(xiàng)國家級重點(diǎn)研發(fā)計(jì)劃項(xiàng)目，現(xiàn)在，孫東來跟隨浙江大學(xué)能源工程學(xué)院高翔院士，進(jìn)行AI智慧能源模型的課題研究。

并且，帶領(lǐng)他所創(chuàng)建的極熵，參與了10多項(xiàng)國家標(biāo)準(zhǔn)及團(tuán)體標(biāo)準(zhǔn)編寫。

要了解這個(gè)團(tuán)隊(duì)到底在做什么，可以從他們剛剛發(fā)布的產(chǎn)品，AI精益能源管理平臺(tái)開始講起。

AI+能源管理，能做什么？

簡單理解這個(gè)產(chǎn)品，就是對企業(yè)能源進(jìn)行精益管理，并在過程中引入特征識別、時(shí)序預(yù)測、遷移學(xué)習(xí)等等多種AI技術(shù)。

如此一來，耗能成本、度電成本、能源運(yùn)維成本都能降低。更直觀地用數(shù)字結(jié)果來看，平均可提升能效15%以上。

這里的“精益管理”是企業(yè)管理方式的一種，基本目的是提質(zhì)提效，減少浪費(fèi)。

其與傳統(tǒng)能源管理的不同，就是能夠給予數(shù)據(jù)，對能源的各個(gè)使用環(huán)節(jié)精細(xì)化管理，了然于胸，以達(dá)到節(jié)能降耗和減排的目的。

之所以把AI和精益管理運(yùn)用到能源行業(yè)，是因?yàn)閷O東來提到的一個(gè)行業(yè)現(xiàn)狀：

能源行業(yè)還處于數(shù)字化、信息化和智能化的探索期，許多企業(yè)和一線員工的思維仍停留在傳統(tǒng)的自動(dòng)化管理模式階段，雖然會(huì)對各個(gè)流程的數(shù)據(jù)進(jìn)行收集，但“停留在表面”。

生動(dòng)些講，能源在生產(chǎn)、傳輸中產(chǎn)生的數(shù)據(jù)，僅僅成為停留在表格上的一個(gè)個(gè)數(shù)字。

“數(shù)據(jù)其實(shí)不只是數(shù)字，更是業(yè)務(wù)流程的表征。”孫東來眼中對數(shù)據(jù)的重視，是通過對數(shù)據(jù)的采集、傳輸、整理，產(chǎn)出管理決策，而非單純地“對數(shù)據(jù)進(jìn)行監(jiān)控”這個(gè)行為。

于是，從這個(gè)想法出發(fā)，在傳統(tǒng)能源監(jiān)測的能源拓?fù)渑渲谩?shù)據(jù)監(jiān)測可視化等能力基礎(chǔ)上，引入了許多新的AI應(yīng)用，向低碳、綠色的方向進(jìn)行調(diào)整。

具體包括：

• 場景化能源建模
• AI能源基線管理及績效指標(biāo)考核評定
• 精細(xì)化用能成本核算分析
• 節(jié)能改造收益的預(yù)測及實(shí)時(shí)追蹤評估
• AI能源分析結(jié)論精準(zhǔn)推送

最基礎(chǔ)的，利用AI算法，能基于設(shè)備歷史數(shù)據(jù)與用能趨勢進(jìn)行特征分析，識別設(shè)備運(yùn)行狀態(tài)；然后對全域能源運(yùn)行情況進(jìn)行診斷分析，評估是否需對當(dāng)前生產(chǎn)用能情況進(jìn)行調(diào)整。

據(jù)介紹，AI精益能源管理平臺(tái)目前在識別能源使用單元方面的準(zhǔn)確率，高于99%。

再例如具體到能源分析場景，可以利用平臺(tái)實(shí)現(xiàn)生產(chǎn)能效分析。

簡單來說，就是針對用能單元的產(chǎn)量與用能，對產(chǎn)品的單耗進(jìn)行核算，結(jié)合基線值、先進(jìn)值，輸出分析結(jié)論，并將單耗反映至班組班次。

再加上在特定時(shí)間跨度下，對廠區(qū)、生產(chǎn)線、車間、工段，進(jìn)行橫縱向能耗對比分析，就能為企業(yè)了解能源的實(shí)際配比需求提供更精準(zhǔn)的支持。

相比傳統(tǒng)能源管理，AI和精益管理的參與，可以利用數(shù)據(jù)和算法，實(shí)現(xiàn)多維的成本、用量、碳排放綜合優(yōu)化。

大模型進(jìn)入能源行業(yè)，有戲嗎？

AI能幫助企業(yè)開啟能耗瘦身模式，那當(dāng)下AI領(lǐng)域風(fēng)頭最盛的大模型，是否也能開啟雙碳經(jīng)濟(jì)的新一頁？

在“大模型將重塑所有行業(yè)”的主流聲音下，孫東來口中出現(xiàn)的答案有些令人意外。

AI背景出身，長期浸泡在能源行業(yè)的孫東來有一個(gè)切身感知，那就是AI行業(yè)和能源行業(yè)兩方從業(yè)者，對互相的理解有一些“gap”。

能源行業(yè)對AI、對大模型的能力有目共睹，也期望大模型帶來很多驚喜，但“現(xiàn)階段的大模型和能源行業(yè)可能沒有那么適配”。

直接在能源行業(yè)應(yīng)用通用于訓(xùn)練大模型，效果應(yīng)該會(huì)大大低于預(yù)期；但不排除行業(yè)小模型，能夠讓行業(yè)減少人力和一些成本。

總之，孫東來認(rèn)為現(xiàn)階段的能源行業(yè)，哪怕有行業(yè)小模型的接入，仍然離不開傳統(tǒng)的物理模型與管理模式。

何出此言？孫東來給出了不少理由。

首先，受制于能源行業(yè)業(yè)務(wù)結(jié)構(gòu)復(fù)雜，數(shù)字化整合水平有限，整個(gè)領(lǐng)域的數(shù)據(jù)質(zhì)量都比較差。

除了通過數(shù)字化轉(zhuǎn)型能夠收集到的設(shè)備數(shù)據(jù)以外，對能源過程有關(guān)鍵影響的數(shù)據(jù)還包括生產(chǎn)管理、工藝流程甚至企業(yè)經(jīng)營經(jīng)濟(jì)數(shù)據(jù)等等。

并且還要讓這些數(shù)據(jù)能夠在時(shí)間和空間尺度上精確對應(yīng)，才能綜合提供用于能源分析優(yōu)化的信息量。

以行業(yè)現(xiàn)狀而言，大部分企業(yè)能夠提供的數(shù)據(jù)量和置信度，距離能讓大模型有足夠質(zhì)量的產(chǎn)出還相當(dāng)遙遠(yuǎn)。

ChatGPT那樣千億甚至萬億規(guī)模的數(shù)據(jù)，還得是可用的優(yōu)質(zhì)數(shù)據(jù)，對能源行業(yè)“簡直是天方夜譚”。

其次，能源行業(yè)中，AI模型要解決的問題具備更強(qiáng)的結(jié)構(gòu)化特征，對輸出結(jié)果要求更高的行業(yè)專業(yè)性。

大模型所解決的問題特征更傾向于“結(jié)構(gòu)性和邏輯性相對弱，訓(xùn)練集內(nèi)容偏向于蘊(yùn)含普遍知識”的大量數(shù)據(jù)，從這個(gè)點(diǎn)來看，其與能源行業(yè)的匹配度并不高。

最不能忽視的一點(diǎn)是，能源系統(tǒng)對安全性和健壯性的要求極高，但眾所周知，當(dāng)前大模型的幻覺問題仍不可控，難以在全工況條件下滿足安全基線要求。

單純就對大模型幻覺而言，能源行業(yè)并不一定比其他行業(yè)更嚴(yán)苛和挑剔。
但鑒于能源行業(yè)的特殊性，大模型應(yīng)該不會(huì)直接完全部署大模型，只能讓它做輔助。

舉個(gè)栗子

傳統(tǒng)流程中，能源行業(yè)為了做安全邊界管理，開啟能源使用開關(guān)時(shí)會(huì)有操作票系統(tǒng)。

要開啟開關(guān)，就需要業(yè)務(wù)條線和安全管理?xiàng)l線的兩個(gè)人，同時(shí)拿出操作票，分別對著系統(tǒng)念出操作票上的具體操作內(nèi)容，并且完全按照復(fù)述進(jìn)行操作。

這類流程，主要解決的是標(biāo)準(zhǔn)操作過程中人員自身的不確定性，最大限度保障操作的安全性。

如果行業(yè)小模型接入，更多也是在此類流程中引入額外的風(fēng)險(xiǎn)評估和預(yù)警動(dòng)作，但仍然會(huì)處于輔助地位，而非絕對的全盤替代或接管。

行業(yè)的發(fā)展趨勢，反而更傾向于采用機(jī)器人等技術(shù)，進(jìn)一步降低流程中的不可靠因素，從而起到提高安全性的效果。

再加上能源行業(yè)應(yīng)用場景復(fù)雜，單一模型無法擬合，需要構(gòu)建模型群，綜合各個(gè)維度，大模型和能源行業(yè)想要牽手，中間的障礙不是一兩日能夠跨越的。

不過現(xiàn)階段，利用AI精益能源管理平臺(tái)在手，極熵科技已經(jīng)和KDDI上海公司達(dá)成合作，預(yù)計(jì)將幫助中國和亞太地區(qū)的至少500家制造企業(yè)實(shí)現(xiàn)零碳目標(biāo)。

而孫東來也期望著，針對能源行業(yè)的實(shí)際情況，能夠出現(xiàn)高質(zhì)量、小規(guī)模數(shù)據(jù)集，并通過對其的應(yīng)用，實(shí)現(xiàn)降耗節(jié)能。