巨大白色油罐壁上，一條形似爬蟲的黑色機(jī)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(jī)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(xì)節(jié)全數(shù)拍下，并向數(shù)據(jù)中心傳輸,。而后臺的機(jī)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(jìn)一步的檢測,。

　　這個類似蟲子的黑色機(jī)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?yàn)樗睦习濉ㄓ秒姎猓ㄏ挛暮喎QGE）旗下的風(fēng)險投資機(jī)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(fèi)領(lǐng)域大放異彩的公司,。事實(shí)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(tuán),，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(jī)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(biāo)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(jī)系統(tǒng)Android,，那么在2016年,，GEPredixAnalyticsRuntime引入機(jī)器學(xué)習(xí)能力，就是對系統(tǒng)做了徹底的升級——通過機(jī)器學(xué)習(xí)模型的訓(xùn)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(shí)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?yàn)樗粌H實(shí)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?yàn)槔?，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(yùn)營及維護(hù)的全廠解決方案（Fleet360），同時,，通過人工智能的機(jī)器算法,，可對生產(chǎn)的實(shí)時數(shù)據(jù)進(jìn)行分析,，實(shí)現(xiàn)故障預(yù)測,、效能比對，并對設(shè)備全生命周期進(jìn)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(shí)現(xiàn)節(jié)能減排,。該公司成功運(yùn)用人工智能技術(shù)對各發(fā)電設(shè)備實(shí)時監(jiān)測以及運(yùn)行維護(hù),，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(bǔ)救反應(yīng),，提升了設(shè)備運(yùn)行穩(wěn)定度和發(fā)電效率,，確保系統(tǒng)正常運(yùn)行，延長運(yùn)行壽命,。機(jī)器學(xué)習(xí)允許軟件識別微小變化,，從燃煤機(jī)組的實(shí)踐經(jīng)驗(yàn)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(dāng)于減少1000輛機(jī)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(jī)器學(xué)習(xí)進(jìn)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(shí)現(xiàn)對輸配電過程中的電壓、電流,、有功,、無功、相位等進(jìn)行自動實(shí)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(fèi)者用電詳細(xì)數(shù)據(jù),，建立消費(fèi)者個人檔案，形成發(fā)輸配端與消費(fèi)端的互動,。輸配電端的AI技術(shù)根據(jù)消費(fèi)者用電習(xí)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(fèi)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(jìn)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(dú)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(fèi)使用場景；亞馬遜雖然其深度學(xué)習(xí)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(diǎn)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(fèi)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?yàn)槔?，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(yùn)用自學(xué)習(xí)的人工智能算法，分析設(shè)備性能和運(yùn)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(shí)現(xiàn)節(jié)能或預(yù)防性維護(hù)，提高設(shè)備運(yùn)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(shí)用,，但并不一定適應(yīng)于未來。

　　根據(jù)PRNewswire,、IDC等機(jī)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(dá)到5160億美元,。其中,，僅人工智能市場收入就達(dá)470億美元，而與之密切相關(guān)的機(jī)器人系統(tǒng)硬件,、軟件及相關(guān)服務(wù)營收將達(dá)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(dá)2810億美元。

　　同時,，隨著云計算的日益強(qiáng)大,，深度學(xué)習(xí)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(diǎn)，并與這三股強(qiáng)大動力密切結(jié)合,，才能尋找新的應(yīng)用空間,。

　　我們可以學(xué)什么

　　無論是成績還是教訓(xùn)，GE的經(jīng)驗(yàn)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(jìn)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(dāng)前的場景結(jié)合并不滿意,。

　　因此，中國能源行業(yè)要實(shí)現(xiàn)AI的落地應(yīng)用,，需要在準(zhǔn)確理解AI的基礎(chǔ)上,，將AI植入于適合企業(yè)自身特點(diǎn)的具體業(yè)務(wù)，真正發(fā)揮AI的學(xué)習(xí)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(xué)習(xí)算法的興起,，其功能完善得益于大數(shù)據(jù)的訓(xùn)練。GE的經(jīng)驗(yàn)是,，數(shù)據(jù)越多,，算法性能越強(qiáng)，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(jī),，加快推進(jìn)智能表計安裝,、智能巡檢運(yùn)行、智能電網(wǎng)建設(shè),，為AI的應(yīng)用夯實(shí)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(xué)習(xí)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(qiáng)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(yùn)營模式,、資金投入,、項(xiàng)目產(chǎn)出的復(fù)合型業(yè)務(wù)人才。