作为世界上仅有的两个实现了净零排放的国家,不丹与苏里南的成功主要得益于两国的独特因素。这两个国家的人口均不足80万,而且均拥有大片森林以充当碳汇储备。
而大多数其他国家缺乏相同的属性,特别是人口规模明显更大,但这并没有阻止他们努力实现类似的目标。截至目前,全球已有124个国家承诺到2050年实现碳中和,超过500万家公司承诺到2040年实现净零排放。而在这个充满挑战的过程中,能源生产企业无疑面临着越来越大的快速脱碳压力。
虽然增加可再生资产比例、抵制需求等具体手段已经非常明确,但净零排放的最终实现仍然复杂且艰难。从管理分布式资产,到在快速变化的极端天气条件下保持组织的正常运营,AI科技正在成为这场清洁能源转型革命中不可或缺的抓手与工具。
净零排放的计算需求令人望而生畏。尽管2020年因新冠疫情导致的社交隔离让人们待在家里,而令排放量有所减少,但2021年全球二氧化碳排放量快速反弹,增长6%达到363亿吨。大部分激增的能源需求最终只能依靠煤炭来满足。为了抵消这一趋势,随着传统碳氢化合物基础设施的逐渐减少,风能和太阳能等可再生能源必须以前所未有的速度扩张。而在跨越不同大洲间的能源生产资产之间,平均这些动态本身就是一项亟待克服的技术难题。
如果不进行优化,太阳能设施建设过度会大大提升资金与材料浪费的风险,而建设不足则会带来严重的停电隐患。例如,2022年美国加州曾推动一项可再生能源计划,并将高峰需求期间的停电威胁推向高位。而仅仅一年之后,随着公民个人投资太阳能和电池墙,停电风险开始大幅下降。与此同时,由于需求继续增加且对燃气发电厂建设和运转的限制,纽约也开始面临电力短缺难题。这种起伏不定的现状,迫使电网运营商在判断未来容量需求时如履薄冰,特别是必须认真考虑如何承载普及度越来越高的电动汽车。
AI技术有望成为变革的催化剂,帮助更多能源企业看清盲区。以下就是当今AI在减碳环保领域发挥作用的几个现实案例。
数字孪生技术能够为各类物理资产及系统(包括发电厂、配电线以及屋顶太阳能电池板)创建虚拟模型。这些模型集成了实时传感器数据、天气预报、需求预测及设备老化概况,能够为能源企业提供动态模拟,从而实现资产生命周期的可视化、分析及优化。
随着可再生能源逐渐成为主导,数字孪生也成为电网精细化集成的重要支柱。相关软件能够确定太阳能或风能资产的理想部署位置,并优化现有资产的性能与维护流程,从而提高效率并最大化电力产出。数字孪生还有助于情境规划,帮助管理者了解电动车热潮与极端天气给能源部门带来的压力,测试系统弹性并防止限电,同时避免代价高昂的过度建设。随着时间推移,AI优化有望节约下数百万兆瓦时的零排放电力。
从可再生能源预测模型到传感器驱动的无人机,AI与自动化生态系统正在兴起,成为人类管理日益复杂的能源问题的有力武器。各公司也在投资数字孪生技术,预计每年投入增幅将达到约60%,到2027年总值有望达到735亿美元。除了测量之外,数字孪生还能够将洞察力转化为可操作战略。凭借AI与自动化的结合,数字孪生有助于塑造未来趋势,并为不断变化的环境格局建立起更具弹性、适应性更强的基础设施。
研究人员正在使用AI科技改进用于预测电力生产及消耗的关键输入指标,也就是天气。当前研究表明,近期局部天气预测能力已经有所改进,这些预测结果能够为太阳能及风力发电场设定当前阶段生产预估,而全球长期气候预测则有助于判断未来数年的电力需求。
基于这些改进后的预测,AI功能得以预测潜在损害并指导破坏性灾害之后的恢复工作。有趣的是,AI在天气与气候变化预测中的潜在优势还不仅体现在改善预测本身,更有助于降低预测成本(包括降低计算强度以减少所消耗的电力)。
尽管AI科技有望带来种种助益,但我们也必须认真考虑其负面影响。而与本文案例最相关的应该就是沉重的算力负担。有估算结果认为,到2030年,信息与通信技术的电力需求将占全球总体电力需求的20%左右,而短短几年前这一比例还仅在1%上下。
然而,AI技术本身同样可以在改善这一问题上发挥作用。遵循与支撑净零排放类似的方式,AI可以模拟并预测材料及方案的运转效果,最终提高计算、硬件及数据中心冷却策略的效率表现。
此外,任何形式的碳减排都应有其明确前提,即并非简单将碳排放转移到其他地区。澳大利亚的一项研究发现,反弹效应(屋顶安装太阳能设备的家庭往往不太重视节电习惯,因此会导致家庭用电量增加)可能将屋顶可再生能源产生的碳效益抵消达五分之一。
在这种情况下,可以使用AI支持的自然语言处理来理解媒体及个人情感;至于在气候变化应对方面,则有助于设计更好的教育方式、行动鼓励以及政策改进。AI技术能够进一步通报、管理并传达需求响应计划,引导人们采取与环保期望相符的行动,例如鼓励的用电高峰期减少电力消耗,以提高电网稳定性并减少对不可再生能源的依赖。
展望未来,AI技术不仅是我们应对气候变化的盟友,同时也从根本上改变着游戏规则。借助AI,实现净零排放的目标正变得愈发触手可及。以上种种创新方法证明,我们人类完全拥有实现可持续发展、建设繁荣未来所需要的聪明才智、对地球健康的关注与承诺,以及达成目标所仰仗的技术能力。
好文章,需要你的鼓励
Forrester副总裁兼首席分析师高恩德在访谈中表示,尽管AI技术广泛存在,但在生产力统计数据中并未体现革命性改变。他引用美国劳工统计局数据指出,个人电脑时代同样未能显著提升生产力增长率。研究显示,95%的生成式AI项目未产生实际投资回报。Forrester预测到2030年AI可能取代6%的工作岗位,约1040万个职位,但目前大部分企业裁员主要出于财务考虑而非AI替代。
中国人民大学联合快手科技研发的DPWriter系统通过创新的"多样化规划分支"策略和智能奖励机制,成功解决了AI写作中质量与创意多样性难以兼得的问题。该系统让AI先制定包含五个维度的详细写作计划,在规划阶段进行创意分支,再配合双重奖励评价体系,实现了在保证写作质量的同时大幅提升创意多样性。实验显示新方法在多样性指标上提升15%,为AI辅助创意写作开辟了新路径。
谷歌发布Personal Intelligence工具,让用户可根据个人偏好定制Gemini聊天机器人。该工具能访问Gmail、谷歌相册和YouTube等服务中的个人数据,提供更精准的回复。例如分析收件箱中的餐厅预订来推荐食谱,或利用汽车照片回答维修问题。工具提供多项隐私控制选项,默认关闭且用户可自定义访问权限。初期仅向美国付费用户开放,未来将扩展至免费账户和国际市场。
ellamind公司研发的sui-1是首个能为长文档摘要提供精确引用标注的AI模型。该24B参数模型通过创新的XML标签系统,为每个摘要观点标注原文出处,解决了AI摘要"不可验证"的核心问题。模型可处理10万词文档,支持200万词超长文档的迭代处理,在准确性测试中达到84.2%,远超同类开源模型。研究团队采用Apache 2.0许可证完全开源模型和训练数据,为政府、法律等需要高准确性的领域提供可信赖的文档分析工具。