見微知著:從數字能源的今天看AI的明天

見微知著:從數字能源的今天看AI的明天

作者:文雨,編輯:小市妹

2003年8月14日。

美國的紐約、新澤西州、底特律、克利夫蘭等地集體停電,5000萬人瞬間被黑暗籠罩:工廠停工,學校停課,出行暫停,家電罷工。據統計,這場歷史罕見的大停電造成的直接經濟損失高達300億美元。

事故爆發的根本原因,是在美國用電量水平逐年提升的背景下,電網系統的投送與執行能力並未及時跟上。

隨著經濟體量的不斷提升,這一問題重新拋給了中國。

【數字能源,迫在眉睫】

2021年,中國的GDP達到17。7萬億美元,穩居世界第二,超過歐盟27個國家GDP的總和。

實現這一切的前提,必須有一個強大而高效的能源體系,尤其是電力。

2021年,中國總髮電量達到8。534萬億度,佔全球總髮電量的30%,比排名第二到第五的美國、印度、俄/羅/斯、日本四國之和還多。

更關鍵的是,中國電力的生產與利用歷來存在地理上的錯配:西北負責生產,東南負責消化。

傳統能源時代,尚可將山西、陝西、內蒙等地的煤裝火車運抵東部,在需求端就近建立發電廠,此時電網系統並不是太複雜。

新能源時代,風、光資源豐富的大西北依然是中國能源的工廠,但已不再可能透過將自然資源裝車運輸來進行跨區排程,只能透過複雜交錯的輸電網路,進行電力的長距離輸送,電網系統的複雜度陡增。

目前國內輸電線路已增長至200萬公里左右,變電站4萬多座,配電站超60萬座,且這些資料還在攀升。

問題在於,系統複雜度提升1倍,隨之引發的問題可能呈幾倍、甚至幾十倍的增長。過去為了保證各環節的緊密配合與有序執行,都是靠人工來維護。今後隨著管理難度越來越大,僅憑人力已很難應對,即便能,也是成本巨大。

另一方面,“雙碳”戰略對節能減排提出了更高要求,電力資源必須能夠更高效、更安全的生產、調配和使用。

眾多因素疊加共振下,以智慧化、數字化為目標的電力新基建已迫在眉睫。

現在的關鍵問題是,AI企業如何才能啟用這部分需求。

【單點突破,以點及面】

首先要理順AI在數字能源各環節中的重點任務是什麼。

比如,能源生產環節,核心是要幫助大大小小的發電廠搭建智慧虛擬電廠;傳輸環節,重點是巨量輸電線路、變電站、配電房的智慧化升級;存用環節,聚焦動力電池和儲能電池產線的智慧化改造、樓宇園區等綜合能源的智慧化管理。

基於以上需求,進一步提取各環節中能夠與人工智慧技術深度融合的細分場景。以存用端為例,AI頭部企業商湯科技目前主要是圍繞電池產線的質檢下功夫。

有了清晰的目標,接下來就是與下游聯動尋找切入點。從商湯智慧商業業務在數字能源領域的戰略佈局來看,主要圍繞八個能力方向:人員核驗、風險行為、裝置缺陷、裝置狀態、環境安全、環境異常、功率預測、決策排程,逐一進行技術單點突破,從而在單一場景中快速實現AI價值落地。

比如,在動力電池焊縫缺陷檢測任務中,商湯提供的方案能夠實現缺陷零漏檢,並將誤檢率控制在5‰以內,遠勝之前;又如,商湯為浙江某500KV變電站推出的智慧化運營全套方案,結合已有的攝像頭、機器人、無人機等影片影象採集終端,部署數十種演算法,從而實現40分鐘就能完成一次全面的遠端自動巡檢。巡檢效率比之前提升了5-6倍,缺陷隱患發現率提升了2-3倍。

再如,商湯為某綜合能源運營企業結合已有的儲能、光伏以及資料中心負荷資源搭建了智慧化的虛擬電廠管理系統,透過高精度的功率預測和實時的決策排程等演算法,助力客戶至少提高50%的運營效率和20%的運營收益。

單點突破,然後以點及面。

將各個場景串聯起來,針對能源的生產、傳輸和存用,商湯構建起三大業務系統,即廠站管理基礎業務系統、虛擬電廠業務系統、園區綜合能源管理系統。

在輸出業務的過程中,為了滿足客戶降本增效的需求,商湯科技不僅提供AI整體解決方案,還利用AI模型生產及訓練平臺和邊緣算力平臺兩大平臺,讓客戶具備AI生產能力。

至此,一個高效的“8+3+2”商業模式框架已經搭建完成。前方等待AI企業的,則是一片廣闊“藍海”。

簡單算一筆賬,電池廠新增1GWh動力電池產能對應3。6-5個億的裝置投入,其中視覺相關的智慧化裝置就超過五千萬。目前全球動力電池的產能大約是500GWh,到2025年,有效產能保守估計可達1TWh,對應智慧化裝置的增量市場就有二三百億,這還不算既有產線的升級改造。

據政策規劃,“十四五”期間,國內電力投資將超萬億,其中智慧化升級投入超3000億。僅能源產業釋放的市場就已足夠大,而亟需數字化升級的遠不止這一個行業。

【千行百業,入局前夜】

從最初用機器替代人力,到不斷提升產線的自動化能力,再到今天靠數字智慧化賦能改造,人類歷史上的歷次生產革命,目標其實都一樣:成本最小化下的效率最大化。各個領域概莫能外。

也正因如此,上文提到的AI在能源行業的應用,完全可以平移複製到任何一個產業。

以汽車行業為例,商湯科技與福田康明斯發動機生產工廠合作,透過AI賦能,使得多場景下的質檢能力和效率大幅提升,以低於1%的AI誤檢率擊穿工業紅線。如今福田康明斯已被評為汽車行業的“燈塔工廠”(全球“數字化製造”的示範者,目前全球僅90家)。

見微知著:從數字能源的今天看AI的明天

▲圖源:商湯科技

中國有670萬家工廠,潛在空間之大,自行腦補。

頂層設計給出的指引是,“十四五”期間,工業網際網路平臺的應用普及率要從14。7%提升至45%。不出意外,2025年之前,工業數字化將走出一條極為陡峭的增長曲線。人工智慧與實體經濟正在加速融合。

跟隨數字化步伐,商湯智慧商業板塊加速發展。2022上半年,商湯科技智慧商業業務實現營收5。68億元,服務客戶數超過510家,單客戶收入提高9%。其中,數字能源領域居行業頭部,業務合同總額超10億元。

相較於工業,貼近每個人日常生活的城市管理同樣需要AI的加持。

當下國內千萬人口以上的城市已多達17個。城市越大,人口越多,管理難度越大。交通堵塞、火災、道路坍陷、垃圾滿溢等長尾場景的層出不窮,正不斷挑戰基層管理的極限,同時也在持續驗證著AI的價值。

在深圳羅湖,商湯科技為城市精心打造了一套“AI智慧視覺分析平臺”,系統上線三個多月,已幫助羅湖區解決了5萬多起事件,平均一天處理600餘件。平臺數據顯示,平臺上報的事件數量是人工上報數量的1。3倍,且準確率維持在90%以上。

在浙江紹興,商湯科技藉助SenseFoundry Tran商湯方舟交通開放平臺幫助紹興實現了大規模交通引數解析從0到1的突破,透過商湯睿途交管AIaaS解決方案打通“感知-控制-決策-評價”交通控制業務閉環,顯著提升了當地交通運營效率。具體表現為,路口平均空放率降低約20%,幹線各項交通指標提升約10%。

日前,IDC從產品技術創新和戰略能力兩個維度出發,對中國市場的城市智慧平臺進行了一次全面綜合的評估,商湯科技與百度、阿里雲一起入圍領導者象限。

見微知著:從數字能源的今天看AI的明天

▲圖源:IDC

2022上半年,商湯科技的城市方舟SenseFoundry連線、賦能的IoT裝置增加至150萬個,半年時間增長了約26%。部署城市方舟的城市已累計達到155個,其中有16個超千萬人口的大型城市,還有4個海外城市。

政策紅利仍在持續釋放。

今年前三季度,地方專項債新增3。54萬億元,從投向看,資金將主要用在產業園區和城市基礎設施的升級,其中智慧數字化改造是重中之重。

【降本提效,普及加速】

人們不免會有疑問,從1956年的“達特茅斯會議”算起,人工智慧已經誕生了60多年,需求一直在,為什麼此前一直未能得到廣泛使用?

解除AI封印的,是AI技術本身。

過去幾年,算力、演算法、資料等人工智慧底層要素均取得了跨越式的躍遷。

算力上,2016年-2021年,全球算力總規模從不到150EFlops增長到615EFlops,五年增長了三倍還多。

見微知著:從數字能源的今天看AI的明天

資料量的增長更為驚人,由2010年的2ZB增長至2021年的將近60ZB,十年時間飆升30倍。

與此同時,以CNN與DNN為主的神經網路演算法持續進化,不斷壓縮演算法訓練的時間和成本。

所有這些湊在一起,使得AI的能力值驟升——原先無法觸及的事情,現在很多都已不是問題;原先需要花大價錢才能解決的問題,現在成本極低。

五年前,訓練一個現代的影象識別系統需要花費1100美元,現在只要幾美元就能完成。

就商業化程序而言,AI走過了單點突破階段,跨越工業紅線後,即將面臨的最重要的問題是AI標準化的提升。

過去,傳統模型一般只用特定領域有標註的資料進行訓練,切換到另外一個應用場景就需要重新訓練。好比工業生產,一個模具只能對應一個產品,換產品就要換模具。但問題在於,每個行業都有各自不同的需求,一個行業內部的不同環節也有各自的需求。面對紛繁複雜的長尾場景,原先AI根本無法招架。

試想一下,如果工廠接了一批型號各異的訂單,每生產一個產品就要換一個模具,那成本必定高得離譜,即便能負擔起,效率也極低。沒有標準化,就無法規模化生產。

現在情況變了。

一方面,模型通用性大大提升,將大模型進行簡單微調,便可滿足多種任務需要,相當於標準化程度在提高。這就好比模具變成了靈活可調型,即使面對不同口徑的產品,也能透過調整模具尺寸共線生產,效率和成本均可得到最佳化。

另一方面,AI企業本身已經積累了大量的模型,比如商湯,依託於 SenseCoreAI大裝置,迄今累計生產超過4。9萬個模型。新的場景需求出現時,完全可以直接呼叫之前已有的模型,透過快速自由組合來完成任務。

對此,商湯科技CEO徐立有一個更形象的比喻:“AI模型就像漢字,當積累的詞彙達到3000個時,組詞造句就會信手拈來。”當AI定製化應用累積到每一個模組都已經被製造過的時候,它就會成為行業的基礎設施,變成一個標準化的套件。

AI正在朝著高標準化方向進展,標準化帶來規模化,規模化才能降本增效,進而加速商業化,這是所有行業共通的邏輯。

過去十年,光伏、風電和動力電池分別完成了90%、70%、90%以上降本,這才有今天漫山遍野都是旋轉的風機,屋頂上排滿了光伏板,大街上電動車川流不息。

AI的今天,酷似十年前的新能源。

隨著商湯上海臨港AIDC的投入使用,公司總算力規模突破2。50exaFLOPS,AI模型的產能快速釋放。

2019年,商湯人均每年開發0。44個AI模型,而到2021年,這一資料提升至5。94個,降本增效實現了數量級的跨越。目前公司AI生產管線已全部集中到大裝置生產模式上,預計後續模型生產效率還有很大提升空間。

商湯的獨特平臺化優勢,帶來低成本和高效率。當成本和效率問題得到解決,全面商業化勢不可擋。

整體向上,個體分化。

技術積累階段,大家都在埋頭苦幹,由於不出成果,因而成色難辨。今後進入技術變現期,有著厚重技術儲備的企業也將逐步顯山露水。

面對“K型”時代,真正要做的,是找到那些往上走的企業,保持定力,靜待花開。

頂部