北极星

搜索历史清空

  • 水处理
您的位置:电力输配电线路监测企业正文

GE探路能源AI 我们可以学什么?

2017-09-30 09:59来源:能源评论作者:莫锦和 阮玮蘋 张立关键词:GE能源AI输配电收藏点赞

投稿

我要投稿

模式稳健但单一

不难看出,在这一轮的AI混战中,各大企业都显现出自己的独门绝招——谷歌立足AI底层算法及芯片方面的积累优势,以覆盖更多的消费使用场景;亚马逊虽然其深度学习能力暂时还不及谷歌、微软、Facebook,但围绕Alexa在人工智能语音市场中的领先地位,重点布局智能家居和云服务;IBM则主推人工智能Watson系统,更多是聚焦商业问题。

在各个公司拼命在消费品领域争抢AI地盘的过程中,GE根据自己的特色,选择了重视集成应用的模式。

具体以能源领域为例,就是围绕其能源设备及业务流程,建立Predix,以数字镜像作为核心创新,通过连续收集设备上的传感数据,运用自学习的人工智能算法,分析设备性能和运行特征,预测能源价值链各种用户面临的问题并作出响应,实现节能或预防性维护,提高设备运行性能、企业财务业绩及能源用户收益。

这种模式,也是不少能源电力企业在AI领域寻求发展的方向,它稳定且实用,但并不一定适应于未来。

根据PR Newswire、IDC等机构预计,人工智能撬动的智慧能源市场,到2020年市值将达到5160亿美元。其中,仅人工智能市场收入就达470亿美元,而与之密切相关的机器人系统硬件、软件及相关服务营收将达1880亿美元,AI外延的智能电网、智能住宅、智能太阳能等预计更是高达2810亿美元。

同时,随着云计算的日益强大,深度学习算法的逐步优化,再加上指数增长的海量数据,传统的模式需要不断更迭,GE如果想在能源AI领域实现领跑,只有不断挖掘自身产品的痛点,并与这三股强大动力密切结合,才能寻找新的应用空间。

我们可以学什么

无论是成绩还是教训,GE的经验都可视为能源行业AI开拓的有效借鉴,特别是在以下三个方面:应用场景、数据应用和人才培养。

众所周知,应用场景是AI的核心生命力,但这也是GE的短板——在AI上的技术发展与突破,除在医疗领域进行了原始创新和早期应用外,包括能源在内的其他业务领域,GE仍把自己定位为“没有章法下的快速追随者”,言下之意,就是对当前的场景结合并不满意。

因此,中国能源行业要实现AI的落地应用,需要在准确理解AI的基础上,将AI植入于适合企业自身特点的具体业务,真正发挥AI的学习和分析能力,从而提高产品与服务的质量和效益。

和应用场景同样的重要的是数据资源。它就像AI最重要的原料,在AI基础层和技术层的发展阶段,软件依赖于程序代码编制,因而拥有优秀编程人员的公司占有优势。随着AI深度学习算法的兴起,其功能完善得益于大数据的训练。GE的经验是,数据越多,算法性能越强,AI提供的服务也就越智能。

对于中国能源行业而言,连接着发电与用户的电网企业拥有丰富的大数据资源,应抓住能源互联网的发展契机,加快推进智能表计安装、智能巡检运行、智能电网建设,为AI的应用夯实数据基础。

比前两者更重要的是人才资源。AI的核心是提高经营效益,提出具体的商业解决方案,这根本上有赖于人的决策。但短期内,全球AI业界培养不了几个像李飞飞这样的深度学习专才。在人才培养方面,GE并没有走寻找出类拔萃的精英路线,而是选择培养复合型人才。

与谷歌、微软这样的纯AI研发不同,GE成立了专门的全球研发中心,尽管加强AI基因的植入,但它最终培养出的AI专家还能了解能源业务和制造业务。这或许正是能源企业与互联网企业不同之处,不仅需要专业的信息技术人才,更需要培养熟悉市场前景、运营模式、资金投入、项目产出的复合型业务人才。

(作者供职于广东电网公司)

原标题:GE:探路能源AI
投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。