中國(guó)儲(chǔ)能網(wǎng)訊：近年來(lái)，人工智能被視為推動(dòng)產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)。為了緊握大模型技術(shù)革新帶來(lái)的時(shí)代紅利，能源企業(yè)將充分發(fā)揮頭雁效應(yīng)，打造行業(yè)人工智能頂層設(shè)計(jì)與應(yīng)用先行融合發(fā)展新模式。在頂層設(shè)計(jì)中，充分考慮企業(yè)特色，構(gòu)建大小模型協(xié)同、通專模型結(jié)合的多層級(jí)大模型新體系；在應(yīng)用先行中，優(yōu)先選擇業(yè)務(wù)價(jià)值高且技術(shù)成熟的場(chǎng)景先行先試，小切口實(shí)現(xiàn)大縱深，驗(yàn)證場(chǎng)景效果，實(shí)踐應(yīng)用集團(tuán)集中訓(xùn)練與區(qū)域分布推理的新機(jī)制。
雙輪驅(qū)動(dòng)，加快應(yīng)用
一方面，政策持續(xù)加碼，加速推動(dòng)能源行業(yè)智能化。全國(guó)各省市也同期發(fā)布了人工智能助力能源行業(yè)高質(zhì)量發(fā)展的地方政策文件?！侗本┦型苿?dòng)“人工智能+”行動(dòng)計(jì)劃（2024—2025年）》提出建設(shè)大模型電力管理與規(guī)劃平臺(tái)，用于電力智能巡檢、優(yōu)化調(diào)度、故障診斷等；《成都市人工智能產(chǎn)業(yè)高質(zhì)量發(fā)展三年行動(dòng)計(jì)劃（2024—2026年）》，將“提供充足能源保障”作為重點(diǎn)任務(wù)之一，加速構(gòu)建“立體雙環(huán)”網(wǎng)架結(jié)構(gòu)，推動(dòng)調(diào)峰電站、虛擬電廠建設(shè)；《廣東省關(guān)于人工智能賦能千行百業(yè)的若干措施》提出多方融合共建智慧能源，加快人工智能與電力工業(yè)、能源互聯(lián)網(wǎng)等裝備及系統(tǒng)的融合應(yīng)用。
另一方面，基礎(chǔ)技術(shù)革新，大跨步邁入大模型時(shí)代。大模型技術(shù)引領(lǐng)科技革命，2024年諾貝爾物理學(xué)獎(jiǎng)授予人工智能領(lǐng)域科學(xué)家，凸顯其基礎(chǔ)研究的重要性。自ChatGPT問(wèn)世，大模型技術(shù)呈爆發(fā)式增長(zhǎng)。
2024年，國(guó)際層面，OpenAI發(fā)布推理模型o3，提升AI推理能力，并推出 Sora 生成逼真視頻；谷歌整合團(tuán)隊(duì)推出Gemini2.0，深耕多模態(tài)能力；在國(guó)內(nèi)，“百模大戰(zhàn)”激烈，眾多大模型涌現(xiàn)。在C端市場(chǎng)，字節(jié)跳動(dòng)的豆包憑借豐富知識(shí)儲(chǔ)備和高效交互能力服務(wù)用戶，小米的 kimi 在智能家居場(chǎng)景表現(xiàn)出色。在B端市場(chǎng)，《中國(guó)大模型中標(biāo)項(xiàng)目監(jiān)測(cè)報(bào)告（2024）》的數(shù)據(jù)顯示，大模型落地速度正在逐月加快，中標(biāo)金額快速上升。2024年1月，可統(tǒng)計(jì)的大模型中標(biāo)項(xiàng)目有10個(gè)，當(dāng)年年底，市場(chǎng)披露的大模型中標(biāo)數(shù)量接近400個(gè)；中標(biāo)金額也從1月的282萬(wàn)元升至年底的超25億元。分析顯示，2025年大模型落地應(yīng)用速度將進(jìn)一步加快，真正的應(yīng)用淘汰賽也將揭開序幕。
頂層設(shè)計(jì)，多維統(tǒng)籌
在頂層設(shè)計(jì)方面，能源企業(yè)應(yīng)從總部或集團(tuán)層面統(tǒng)籌人工智能工作，從建算力、理數(shù)據(jù)、訓(xùn)模型、保安全、精運(yùn)營(yíng)多維度統(tǒng)籌考慮。
建算力的重點(diǎn)在于異構(gòu)算力、異地算力的集約化統(tǒng)籌納管。通過(guò)貫徹執(zhí)行國(guó)產(chǎn)化升級(jí)路線，實(shí)現(xiàn)不同國(guó)產(chǎn)化廠商的算力資源統(tǒng)一調(diào)度。加強(qiáng)異地算力中心統(tǒng)籌管理，構(gòu)建算力網(wǎng)絡(luò)，實(shí)現(xiàn)就近計(jì)算。
理數(shù)據(jù)的重點(diǎn)在于高質(zhì)量語(yǔ)料的收集與配比以及數(shù)據(jù)權(quán)責(zé)。依托集團(tuán)平臺(tái)的數(shù)據(jù)預(yù)處理、標(biāo)注工具套件，沉淀行業(yè)數(shù)據(jù)和專屬數(shù)據(jù)資產(chǎn)，包括原始數(shù)據(jù)集、預(yù)訓(xùn)練數(shù)據(jù)集、微調(diào)樣本集、測(cè)試樣本集、回流結(jié)果集等多類形態(tài)，面向全集團(tuán)提供數(shù)據(jù)共享集市，在集團(tuán)生態(tài)內(nèi)構(gòu)建高質(zhì)量數(shù)據(jù)集的數(shù)據(jù)飛輪。
訓(xùn)模型的重點(diǎn)在于多種類模型選擇、多層級(jí)模型的實(shí)施規(guī)劃。通過(guò)統(tǒng)一規(guī)劃多種類、多層級(jí)的大模型體系，在L0基礎(chǔ)大模型（語(yǔ)言大模型、多模態(tài)大模型、時(shí)序預(yù)測(cè)大模型等）之上構(gòu)建大模型體系，包括L1級(jí)能源行業(yè)大模型、L2級(jí)領(lǐng)域大模型（如風(fēng)、光、水、火、核電大模型等）、L3級(jí)場(chǎng)景大模型（如設(shè)備運(yùn)檢、安全生產(chǎn)、調(diào)度值班、功率預(yù)測(cè)等），并擬定牽頭主責(zé)單位。
保安全的重點(diǎn)在于大模型的數(shù)據(jù)與模型的安全保障。通過(guò)構(gòu)建完善的大模型安全防護(hù)體系防范注入攻擊和隱私泄露。數(shù)據(jù)層面，構(gòu)建專屬數(shù)據(jù)管理體系，分級(jí)分類存儲(chǔ)，嚴(yán)控訪問(wèn)權(quán)限，確保數(shù)據(jù)全流程加密；模型層面，部署安全隔離環(huán)境，定期更新模型補(bǔ)丁，引入監(jiān)測(cè)系統(tǒng)實(shí)時(shí)預(yù)警異常，加強(qiáng)內(nèi)部人員培訓(xùn)，提升安全意識(shí)。
精運(yùn)營(yíng)的重點(diǎn)在于集團(tuán)與產(chǎn)業(yè)單位以及區(qū)域公司的分工協(xié)作。通過(guò)構(gòu)建人工智能整體運(yùn)營(yíng)體系，在基礎(chǔ)要素運(yùn)營(yíng)、業(yè)務(wù)運(yùn)營(yíng)、人才運(yùn)營(yíng)、生態(tài)運(yùn)營(yíng)四方面持續(xù)發(fā)力?；A(chǔ)要素運(yùn)營(yíng)主要覆蓋算力、數(shù)據(jù)、算法模型的資源一體化運(yùn)營(yíng)；業(yè)務(wù)運(yùn)營(yíng)以場(chǎng)景需求為驅(qū)動(dòng)，豐富模型能力譜系，牽引人工智能應(yīng)用研發(fā)；人才運(yùn)營(yíng)打造一批懂業(yè)務(wù)懂技術(shù)的“人工智能+能源”的專業(yè)人才梯隊(duì)；生態(tài)運(yùn)營(yíng)通過(guò)整合自身及第三方資源形成AI生態(tài)，打造行業(yè)標(biāo)桿應(yīng)用，面向全產(chǎn)業(yè)鏈賦能升級(jí)。
應(yīng)用先行，協(xié)同賦能
在場(chǎng)景應(yīng)用先行試點(diǎn)方面，能源企業(yè)總部或集團(tuán)層面需要從業(yè)務(wù)價(jià)值和技術(shù)成熟度兩個(gè)維度進(jìn)行評(píng)估。從業(yè)務(wù)價(jià)值維度來(lái)看，主要評(píng)估應(yīng)用場(chǎng)景是否能夠切實(shí)解決能源企業(yè)的實(shí)際業(yè)務(wù)問(wèn)題，帶來(lái)明顯的經(jīng)濟(jì)效益或社會(huì)效益。從技術(shù)成熟度維度來(lái)看，要評(píng)估所采用的人工智能技術(shù)是否已經(jīng)相對(duì)成熟，是否能夠穩(wěn)定可靠地運(yùn)行。
經(jīng)過(guò)對(duì)能源行業(yè)200多項(xiàng)場(chǎng)景應(yīng)用的研究分析，在檢維修引導(dǎo)式排查、設(shè)備故障診斷維護(hù)、經(jīng)營(yíng)生產(chǎn)報(bào)告生成、運(yùn)行調(diào)度值班預(yù)警、安全巡檢智能預(yù)警、能源營(yíng)銷智能客服、行業(yè)情報(bào)混域檢索、多模態(tài)安全培訓(xùn)等20余項(xiàng)場(chǎng)景適合先行試點(diǎn)。以某能源企業(yè)在風(fēng)電場(chǎng)的人工智能應(yīng)用試點(diǎn)為例，其核心試點(diǎn)場(chǎng)景為風(fēng)機(jī)葉片故障診斷。通過(guò)在風(fēng)機(jī)上安裝傳感器，采集葉片的振動(dòng)、溫度等數(shù)據(jù)，利用人工智能模型進(jìn)行分析，提供引導(dǎo)式故障排查建議，實(shí)現(xiàn)快速排查報(bào)警原因、成因追蹤解析、檢修溯源與規(guī)程引用、檢維修報(bào)告智能生成。有效減少了風(fēng)機(jī)因葉片故障停機(jī)的時(shí)間，提高了風(fēng)電場(chǎng)的發(fā)電效率，每年可為企業(yè)帶來(lái)數(shù)百萬(wàn)元的經(jīng)濟(jì)效益。
大模型作為中樞統(tǒng)籌調(diào)度視覺圖像、科學(xué)計(jì)算、語(yǔ)音識(shí)別、圖文識(shí)別等傳統(tǒng)小模型能力，形成合力，共同賦能。在能源生產(chǎn)監(jiān)測(cè)方面，大模型可以接收來(lái)自各個(gè)小模型的信息，如視覺圖像小模型采集的生產(chǎn)設(shè)備外觀圖像、科學(xué)計(jì)算小模型分析的生產(chǎn)參數(shù)等，然后進(jìn)行綜合處理。例如，大模型可以根據(jù)視覺圖像小模型發(fā)現(xiàn)的設(shè)備外觀異常情況，結(jié)合科學(xué)計(jì)算小模型提供的設(shè)備運(yùn)行參數(shù)，準(zhǔn)確判斷設(shè)備是否存在故障隱患，以及故障的嚴(yán)重程度，從而及時(shí)采取措施進(jìn)行維修。
基于通用L0級(jí)別大模型，構(gòu)建L1行業(yè)大模型、L2領(lǐng)域大模型、L3場(chǎng)景大模型體系，打造多層級(jí)專用大模型，提高專用場(chǎng)景的準(zhǔn)確率，同時(shí)通用大模型兜底回答。
以2024年中國(guó)石油發(fā)布的昆侖大模型為例，創(chuàng)新提出了四層大模型架構(gòu)體系。L0通用大模型具備基本的自然語(yǔ)言處理、邏輯推理、視覺分析、多模態(tài)識(shí)別、科學(xué)計(jì)算等能力。L1行業(yè)大模型針對(duì)石油行業(yè)的特點(diǎn)，對(duì)能源化工的相關(guān)知識(shí)進(jìn)行了深入學(xué)習(xí)。L2領(lǐng)域大模型進(jìn)一步聚焦于地震處理、測(cè)井處理、煉化裝置等專業(yè)領(lǐng)域，打造一批具備專業(yè)特色的大模型。L3場(chǎng)景大模型則是針對(duì)具體的應(yīng)用場(chǎng)景，如常減壓裝置、地震研究、試驗(yàn)測(cè)試、地質(zhì)工程、設(shè)備完好性檢查等進(jìn)行微調(diào)訓(xùn)練，打造一系列大模型場(chǎng)景應(yīng)用助手。
集中訓(xùn)練，分布推理
在預(yù)訓(xùn)練方面，能源企業(yè)總部或集團(tuán)層面應(yīng)負(fù)責(zé)集中訓(xùn)練，構(gòu)建 L0基礎(chǔ)大模型，搭建統(tǒng)一訓(xùn)練工具鏈，收集共享高質(zhì)量數(shù)據(jù)集，提供統(tǒng)一算力環(huán)境。利用總部?jī)?yōu)勢(shì)，整合各業(yè)務(wù)環(huán)節(jié)數(shù)據(jù)，為大模型訓(xùn)練提供充足資源，提升訓(xùn)練效率和質(zhì)量。
產(chǎn)業(yè)單位和區(qū)域公司進(jìn)行分布推理，在集團(tuán)基礎(chǔ)上訓(xùn)練專用大模型，通過(guò)云邊協(xié)同實(shí)現(xiàn)分布式部署和推理，就近計(jì)算。同時(shí)，回流推理結(jié)果，實(shí)現(xiàn)模型迭代演進(jìn)。以某能源企業(yè)區(qū)域公司為例，基于集團(tuán)基礎(chǔ)大模型，訓(xùn)練新能源設(shè)備檢維修專屬模型，通過(guò)云邊協(xié)同部署，回流結(jié)果優(yōu)化模型，形成良性循環(huán)。
隨著技術(shù)發(fā)展，人工智能與能源行業(yè)融合前景廣闊。在技術(shù)層面，未來(lái)大模型多模態(tài)融合將更精細(xì)化。當(dāng)前，多模態(tài)融合在能源場(chǎng)景應(yīng)用還有提升空間，未來(lái)有望在能源生產(chǎn)現(xiàn)場(chǎng)同時(shí)處理設(shè)備圖像、聲音、運(yùn)行參數(shù)等多模態(tài)信息，實(shí)現(xiàn)精準(zhǔn)設(shè)備狀態(tài)監(jiān)測(cè)和故障診斷。
人工智能算法也將持續(xù)優(yōu)化，深度推理大模型提升了邊端有限算力下數(shù)學(xué)計(jì)算相關(guān)算法模型的準(zhǔn)確率。例如，在新能源發(fā)電功率預(yù)測(cè)方面，通過(guò)引入時(shí)序大模型與深度學(xué)習(xí)算法構(gòu)建組合模型，在長(zhǎng)三角新能源場(chǎng)站試點(diǎn)，月均短期發(fā)電功率預(yù)測(cè)準(zhǔn)確率提高 5%，為單場(chǎng)站節(jié)省百萬(wàn)元成本。
人工智能與能源行業(yè)的融合在政策和技術(shù)的推動(dòng)下已取得顯著進(jìn)展，能源企業(yè)通過(guò)積極探索實(shí)踐，形成了有效的發(fā)展模式。未來(lái)，隨著技術(shù)的不斷進(jìn)步，二者融合將在能源行業(yè)發(fā)揮更大作用，推動(dòng)能源行業(yè)向智能化、高效化、綠色化發(fā)展，為構(gòu)建現(xiàn)代化經(jīng)濟(jì)體系提供有力支撐。
（作者系科大訊飛羚羊工業(yè)電力行業(yè)解決方案總監(jiān)。編輯：王偉）
