巨大白色油罐壁上，一條形似爬蟲的黑色機器從底端出發(fā)，沿著光滑的油罐開始緩慢爬行。就在這條機器的頂端，有一對仿如眼睛的攝像頭，時行時停間，攝像頭已經(jīng)把油罐的各種細節(jié)全數(shù)拍下，并向數(shù)據(jù)中心傳輸。而后臺的機器，則迅速通過對這些數(shù)據(jù)的分析，確定油罐設(shè)施情況以及是否需要做進一步的檢測。
這個類似蟲子的黑色機器，來自一家名為AvitasSystem的公司。這家公司在今年6月的初秀格外引人關(guān)注，其中除了人工智能（下文簡稱AI）技術(shù)在能源領(lǐng)域的應(yīng)用讓業(yè)界耳目一新，還因為它的老板——通用電氣（下文簡稱GE）旗下的風險投資機構(gòu)GEVentures。
談起AI，人們更多地會想到微軟、IBM、亞馬遜這些在消費領(lǐng)域大放異彩的公司。事實上，長期精于能源和制造的GE也在早有布局：2011年起就開始了數(shù)字化轉(zhuǎn)型——由設(shè)計、生產(chǎn)轉(zhuǎn)為軟件數(shù)字服務(wù)，并成立GE數(shù)字集團，整合資產(chǎn)性能管理（APM）系統(tǒng)和ServiceMax云服務(wù)，意在變革服務(wù)操作，降低成本并減少設(shè)備的非計劃停機時間；2016年大手筆收購BitStewSystems和Wise.io兩家公司，加上2017年AvitasSystem的誕生，不難看出，GE在能源AI領(lǐng)域的信心和野心。
提升效率是殺器
GE數(shù)字轉(zhuǎn)型成功的標志，是創(chuàng)建了工業(yè)互聯(lián)網(wǎng)平臺Predix，而人工智能則堪稱是Predix上的“刀尖舞者”。如果說，Predix類似于電腦系統(tǒng)Windows和手機系統(tǒng)Android，那么在2016年，GEPredixAnalyticsRuntime引入機器學習能力，就是對系統(tǒng)做了徹底的升級——通過機器學習模型的訓練，參與數(shù)據(jù)及信息分析，產(chǎn)生富有價值的預(yù)測性解決方案。
對GE材料、航空、醫(yī)療等板塊，AI的作用在于更新業(yè)態(tài)模式、實現(xiàn)節(jié)能降耗；但能源板塊上，AI的意義更為直接和明顯，因為它不僅實現(xiàn)了“節(jié)流”，還通過“開源”，提升了整個價值鏈的效率。
僅以在電力領(lǐng)域為例，GE不單建立了涵蓋設(shè)備維修、改造升級、長期服務(wù)協(xié)議、電廠日常運營及維護的全廠解決方案（Fleet360），同時，通過人工智能的機器算法，可對生產(chǎn)的實時數(shù)據(jù)進行分析，實現(xiàn)故障預(yù)測、效能比對，并對設(shè)備全生命周期進行監(jiān)控和管理，提高設(shè)備的可靠性，提升電力資產(chǎn)精益水平，縮短管理響應(yīng)時間，全面提升資產(chǎn)盈利能力和市場競爭力。
在發(fā)電環(huán)節(jié)，GE近年收購的NeuCo公司致力于幫助發(fā)電廠商實現(xiàn)節(jié)能減排。該公司成功運用人工智能技術(shù)對各發(fā)電設(shè)備實時監(jiān)測以及運行維護，可提供一系列的故障診斷與解決方案，在故障初級階段快速補救反應(yīng)，提升了設(shè)備運行穩(wěn)定度和發(fā)電效率，確保系統(tǒng)正常運行，延長運行壽命。機器學習允許軟件識別微小變化，從燃煤機組的實踐經(jīng)驗看，不僅提高了燃煤系統(tǒng)的效率和穩(wěn)定性，減排效益也較為可觀，效率提高1%相當于減少1000輛機動車的碳排放量。
在輸配環(huán)節(jié)，GE人工智能技術(shù)替代了人工巡檢、電話報障的傳統(tǒng)方式，利用智能電表和機器學習進行定位和檢測，提高故障響應(yīng)，自動識別問題的根源，迅速恢復(fù)供電。由于電網(wǎng)公司通常面臨技術(shù)線損和非技術(shù)線損問題，因此為減少技術(shù)線損，GE利用人工智能實現(xiàn)對輸配電過程中的電壓、電流、有功、無功、相位等進行自動實時調(diào)整；而對于非技術(shù)損失，則通過智能電表、網(wǎng)絡(luò)傳感器等智能設(shè)備識別可能存在的竊電或其他功率損耗。
在用電環(huán)節(jié)，GE開發(fā)了ConsumerWebPortal連接發(fā)電商、輸配電企業(yè)、工商業(yè)用戶、居民用戶，以雙向智能電表作為流量以及數(shù)據(jù)入口，積累消費者用電詳細數(shù)據(jù)，建立消費者個人檔案，形成發(fā)輸配端與消費端的互動。輸配電端的AI技術(shù)根據(jù)消費者用電習慣以及發(fā)電廠的發(fā)電量制定差異化電價，匯總到ConsumerWebPortal；消費者可以根據(jù)自身情況選擇相匹配的供電方，同時工商業(yè)用戶可采用電廠直供電模式進行交易。
模式穩(wěn)健但單一
不難看出，在這一輪的AI混戰(zhàn)中，各大企業(yè)都顯現(xiàn)出自己的獨門絕招——谷歌立足AI底層算法及芯片方面的積累優(yōu)勢，以覆蓋更多的消費使用場景；亞馬遜雖然其深度學習能力暫時還不及谷歌、微軟、Facebook，但圍繞Alexa在人工智能語音市場中的領(lǐng)先地位，重點布局智能家居和云服務(wù)；IBM則主推人工智能Watson系統(tǒng)，更多是聚焦商業(yè)問題。
在各個公司拼命在消費品領(lǐng)域爭搶AI地盤的過程中，GE根據(jù)自己的特色，選擇了重視集成應(yīng)用的模式。
具體以能源領(lǐng)域為例，就是圍繞其能源設(shè)備及業(yè)務(wù)流程，建立Predix，以數(shù)字鏡像作為核心創(chuàng)新，通過連續(xù)收集設(shè)備上的傳感數(shù)據(jù)，運用自學習的人工智能算法，分析設(shè)備性能和運行特征，預(yù)測能源價值鏈各種用戶面臨的問題并作出響應(yīng)，實現(xiàn)節(jié)能或預(yù)防性維護，提高設(shè)備運行性能、企業(yè)財務(wù)業(yè)績及能源用戶收益。
這種模式，也是不少能源電力企業(yè)在AI領(lǐng)域?qū)で蟀l(fā)展的方向，它穩(wěn)定且實用，但并不一定適應(yīng)于未來。
根據(jù)PRNewswire、IDC等機構(gòu)預(yù)計，人工智能撬動的智慧能源市場，到2020年市值將達到5160億美元。其中，僅人工智能市場收入就達470億美元，而與之密切相關(guān)的機器人系統(tǒng)硬件、軟件及相關(guān)服務(wù)營收將達1880億美元，AI外延的智能電網(wǎng)、智能住宅、智能太陽能等預(yù)計更是高達2810億美元。
同時，隨著云計算的日益強大，深度學習算法的逐步優(yōu)化，再加上指數(shù)增長的海量數(shù)據(jù)，傳統(tǒng)的模式需要不斷更迭，GE如果想在能源AI領(lǐng)域?qū)崿F(xiàn)領(lǐng)跑，只有不斷挖掘自身產(chǎn)品的痛點，并與這三股強大動力密切結(jié)合，才能尋找新的應(yīng)用空間。
我們可以學什么
無論是成績還是教訓，GE的經(jīng)驗都可視為能源行業(yè)AI開拓的有效借鑒，特別是在以下三個方面：應(yīng)用場景、數(shù)據(jù)應(yīng)用和人才培養(yǎng)。
眾所周知，應(yīng)用場景是AI的核心生命力，但這也是GE的短板——在AI上的技術(shù)發(fā)展與突破，除在醫(yī)療領(lǐng)域進行了原始創(chuàng)新和早期應(yīng)用外，包括能源在內(nèi)的其他業(yè)務(wù)領(lǐng)域，GE仍把自己定位為“沒有章法下的快速追隨者”，言下之意，就是對當前的場景結(jié)合并不滿意。
因此，中國能源行業(yè)要實現(xiàn)AI的落地應(yīng)用，需要在準確理解AI的基礎(chǔ)上，將AI植入于適合企業(yè)自身特點的具體業(yè)務(wù)，真正發(fā)揮AI的學習和分析能力，從而提高產(chǎn)品與服務(wù)的質(zhì)量和效益。
和應(yīng)用場景同樣的重要的是數(shù)據(jù)資源。它就像AI最重要的原料，在AI基礎(chǔ)層和技術(shù)層的發(fā)展階段，軟件依賴于程序代碼編制，因而擁有優(yōu)秀編程人員的公司占有優(yōu)勢。隨著AI深度學習算法的興起，其功能完善得益于大數(shù)據(jù)的訓練。GE的經(jīng)驗是，數(shù)據(jù)越多，算法性能越強，AI提供的服務(wù)也就越智能。
對于中國能源行業(yè)而言，連接著發(fā)電與用戶的電網(wǎng)企業(yè)擁有豐富的大數(shù)據(jù)資源，應(yīng)抓住能源互聯(lián)網(wǎng)的發(fā)展契機，加快推進智能表計安裝、智能巡檢運行、智能電網(wǎng)建設(shè)，為AI的應(yīng)用夯實數(shù)據(jù)基礎(chǔ)。
比前兩者更重要的是人才資源。AI的核心是提高經(jīng)營效益，提出具體的商業(yè)解決方案，這根本上有賴于人的決策。但短期內(nèi)，全球AI業(yè)界培養(yǎng)不了幾個像李飛飛這樣的深度學習專才。在人才培養(yǎng)方面，GE并沒有走尋找出類拔萃的精英路線，而是選擇培養(yǎng)復(fù)合型人才。
與谷歌、微軟這樣的純AI研發(fā)不同，GE成立了專門的全球研發(fā)中心，盡管加強AI基因的植入，但它最終培養(yǎng)出的AI專家還能了解能源業(yè)務(wù)和制造業(yè)務(wù)。這或許正是能源企業(yè)與互聯(lián)網(wǎng)企業(yè)不同之處，不僅需要專業(yè)的信息技術(shù)人才，更需要培養(yǎng)熟悉市場前景、運營模式、資金投入、項目產(chǎn)出的復(fù)合型業(yè)務(wù)人才。