智慧能源的“三道试题” 原创

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。

AI中台赋能行业客户

据了解，百度智能云AI中台目前已经在国内的电网、发电、能源类客户得到了成功应用。其中，智能语音技术、图像识别技术、模型开发模型库、数据标注已经全面在电力能源行业和细分行业中当中得到了很多央企客户的青睐。

例如，国家电网山东电力，受理超过一亿居民用户的用电服务业务，已经使用百度人工智能技术构建了AI中台，并且在核心业务中进行了应用。百度AI中台，总共管理了28类人工智能的模型，支撑着包括电力营销、电力运行监控、电力巡检、电力调度、智能办公等等企业方方面面的核心业务。

在这个过程中，AI中台整体纳管了三类业务模型。根据王磊介绍，一类是基于百度AI中台训练和管理出来的电力能源行业特有的AI模型；第二类是第三方模型，包括国内很多AI厂家所提供的一些垂直类应用模型；第三类，是用开源技术开发出来的AI模型。与此同时，百度AI中台也支撑了通用的能力模型的建设，如语音技术、人脸模型等等。其中人脸模型已经支持全省17家地市供电公司的刷脸办电业务；同时在智慧营销环节过程中，该企业也全面推进智慧营业厅的建设，推行刷脸办电、无人办电的业务。

从这个角度来讲，百度AI中台助力了企业客户的智能化变革，可以说是名副其实的智能化基础设施。

AI中台的建设和使用过程中要遵循一定的原则

当然，智能化转型不是一蹴而就，正如前文所言，企业AI建设有明显的阶段性。无论在哪一个阶段，都要有一定的建设周期和建设方法，要遵循科学的方法论。那么具体需要关注哪些要点？

王磊表示，百度AI中台为企业智能化提供从方法论到系统的全套工具，从生产到端云服务的全面管理。具体来看，他认为，在AI中台的建设和使用过程中，需要重点关注以下四点：

首先，考虑复杂性管理。通常而言，企业在建设AI中台过程中，面临AI平台、数据平台、云平台等多平台，复杂多样的硬件环境、机房和网络环境等等。那么第一步，就是要把AI中台架构和现有架构实现融合，做整个架构的梳理。目前百度智能云在国内外主流的云和数据平台当中都做了适配，在技术层面上帮助企业解决了问题。

其次，注意AI管控体系建设。企业要重视自身AI人才建设和运营团队建设，重视AI能力和实施效果的量化评估。王磊建议，把AI中台放在总部或者区域的管控中心当中，将所有AI能力模型统一纳管起来，和前文提到的“纳管三类业务模型”理念类似。

第三，聚焦多元化及自主可控。AI技术和生态还在发展，企业要允许技术、框架多元化，在视觉、语音、文本等多方向实现资产储备，同时重视核心平台、核心框架、核心能力的自主可控。王磊推荐的组合，是将具有国内自主知识产权的人工智能的核心与国内安全可控芯片适配，把整个国产服务器、操作系统甚至应用系统实现适配，真正做到自主可控。

最后，持续升级发展，长期迭代。企业的AI中台建设是长期迭代过程，不是一蹴而就也不是原地踏步，他表示百度智能云希望借用AI中台技术和服务能力，助力电力能源企业实现模型和能力不断迭代和开发的发展。

结语

智慧能源未来的趋势和走向是什么？恐怕谁也不能给出一个确切答案。对此，王磊说，“今年，是‘十四五规划’的关键一年，也是‘十三五建设’的最后一年，我们认为这个阶段承上启下，进一步展望未来智慧能源的发展场景，我们有很强的信心。”

其实，观察近几年百度智能云对人工智能建设的思路，我们已经有了大致的方向。现在，百度已经汇集了194万开发者开发的生态，23.3万多个人工智能的模型，一套以飞桨为核心的深度学习开源框架和技术。围绕着人工智能的生态和技术能力，百度AI中台的解决方案，正在赋能到电力能源行业的核心业务当中，包括电力经营的管理、电力生产的管理，电力的智慧营销建设，运行检控、安监，调度等等方面。百度智能云以其擅长的AI能力，正为企业创造业务的新动能。

上述即是，百度智能云回答的智慧能源“三道试题”。可以说，不管怎样，主动或者被动，电力能源行业的AI中台时代已经到来。