智慧能源的“三道试题”

    作为国民经济的基础产业，电力能源行业的智能化和数字化变革尤为重要和迫切。随着“新基建”热潮和数字经济发展，智慧能源时代正加速到来，特别在人工智能加持之下，其又将迎来新一轮的加速升级。
    数据与业务断点，如何依靠AI探索新模式、让数据变成个性化服务？竖井式AI建设，如何整合现有AI应用，规划和建设统一的AI平台？智能化转型不是一蹴而就，如何全方位打造自主可控的AI技术能力，使AI真正成为企业大脑？电力能源企业只有正确回答这“三道试题”，才能顺利地进入智能化发展轨道。
    电力能源领域的一系列需求和痛点
    “电力能源行业当前正在面临一个关键节点，”百度智能云电力能源行业销售总监王磊表示，200年来，电力技术的发展让各行各业的生产力发生翻天覆地的改变。目前我们全面迎来第四次工业革命，人工智能成为核心技术，充当推动者的角色，将传统能源带到一个新的阶段。
    目前，传统能源已经不再适应整个经济发展要求，特别是在环保和排放方面。国家新基建中对于智慧能源的要求也越来越明确，“从这个角度来看，必然会助推能源智能化的到来。”王磊表示。当然，能源智能化会涉及到行业的方方面面，王磊具体分析了电力能源核心价值链的四个环节中所面临的一系列需求和痛点。
    第一，能源勘探开发与生产。电力能源行业是典型的资产密集性行业，积累了大量的资产，如何有效提升设备资产的可靠性，提高资产的回报率，是最核心的需求。第二，智慧能源供应链与能源互联网。这个环节管控力度不够，透明度不高，实现可视化管理尤为迫切；第三，智慧能源营销与客户服务，像现在的三桶油、两张网、五大四小电力公司，都面临着在能源管理基础之上如何形成综合能源的服务能力更好地服务用户。第四，能源工程、装备与服务。目前工程增多，但EPC行业利润率下降，装备受到泛在物联网、超／特高压影响，需求正在拉动。在这样的趋势之下，就需要提升工程数据数字化、自主化与服务运营的效率。
    针对以上各个环节面临的问题，王磊分析，从根本上来说，需要智能化的方案和底层AI基础能力，同时，不同的业务部门各自为战，孤岛式的数据隔离，加上缺少统一的标准和服务接口，基础资源被分散管理并且不易集成等等。现在很多企业经历过数据平台建设的周期，但企业积累的数据质量不高，这时候就需要做整个的数据治理工作。
    想破解难题，AI中台是关键
    由此，百度智能云针对“三道试题”均给出了清晰地解题思路。王磊表示，做好智慧能源的核心关键，是将AI技术和传统的业务实现紧密的融合，才能有效地实现智慧能源的目标。
    具体而言，根据 AI 应用的目前情况和国内外建设的实例，分成分散应用、垂直深化、企业AI中台、企业AI大脑四个阶段。目前，多数电力能源企业处于第二阶段，即垂直深化AI应用阶段，企业开始探索更多场景，并将AI应用扩大到更多业务。例如能源巡检和生产管理部门已经开始考虑尝试在线性资产当中使用无人机、专业机器人做电力巡检、能源管道巡检等工作。
    但是，硬件的变化远不能满足企业智能化建设的需求，企业集中建设AI中台的时代即将到来。对此，百度智能云的经验是，要从方法论到实践落地全面帮助企业进行智能化建设，并形成自主可控的AI技术能力与保障体系。这些前提，是必须要构建标准化、自动化、模块化的智能服务基础设施。
    基于此，百度智能云推出AI中台，从模型管理、样本管理、到模型开发和标注，构建一体化的 AI 中台方案，全面支撑能源巡检、综合能源、智能调度、智能营销等核心业务。如果说，我们把数据中台比喻成“中央厨房”，从数据选择、清洗，到数据标记、管理、存储，实现数据全生命周期的管理。那么，AI中台则更进一步，是升级版的“智能厨房”，即在数据中台基础之上，融合算法模型、机器学习、监控服务等与 AI 紧耦合的能力，和业务系统深度融合，构建涵盖业务理解、模型学习、数据处理和运行监控的全生命周期管理的服务。
    “以百度智能云为代表的公司提供的AI整体解决方案，将改变整个电力能源行业的生产和管控的模式，”王磊表示。举例来看，当前电力能源企业大多拥有万亿价值的资产，如何高效管理好是关键，例如输电线路、输油管道、专有设备等等。传统巡检方法，是依靠巡检工程师巡线查找缺陷，靠的是专家意见；现在使用人工智能的办法自动识别和事故判定，依靠百度250项成熟AI能力模型对图片和数据进行识别，可以大大节省一线巡检工程师工作量，达到基层减负的目标。
    
    
    1  2  下一页>