目前，電網(wǎng)所需的數(shù)據(jù)顆粒度和豐富度遠(yuǎn)遠(yuǎn)不足，所訓(xùn)練出來(lái)的AI缺少智能化，在加上AI的結(jié)果不可解釋性，怎么可能把復(fù)雜且重要的任務(wù)交給它？

這幾天又被英偉達(dá)刷屏，最近仿佛世界上只有英偉達(dá)、Open AI和特斯拉三家公司。

3月18日，英偉達(dá)GTC 2024大會(huì)再次召開(kāi)，創(chuàng)始人黃仁勛發(fā)布全球最強(qiáng)AI芯片。生成式AI徹底達(dá)到引爆點(diǎn)。

兩小時(shí)的大會(huì)，更像一場(chǎng)大型演唱會(huì)，有人調(diào)侃：黃仁勛是新的泰勒·斯威夫特（美國(guó)歌手）。

黃仁勛在AI行業(yè)的地位，大抵是如此。

如今，作為“流量之王”，他的言論也在影響著其他行業(yè)。上次他成為國(guó)內(nèi)焦點(diǎn)，竟與能源相關(guān)。

半個(gè)多月前，各大自媒體瘋轉(zhuǎn)所謂源自黃仁勛的“AI的盡頭是光伏和儲(chǔ)能”。那幾天，A股市場(chǎng)風(fēng)云突變，鋰電、光伏相關(guān)板塊一通大漲，讓人看得熱血沸騰。

一時(shí)間，AI仿佛成為了A股新能源板塊的一根救命稻草。當(dāng)日，儲(chǔ)能電芯龍頭寧德時(shí)代上漲14.46%。另一儲(chǔ)能系統(tǒng)、光伏逆變器龍頭陽(yáng)光電源同樣上漲9.83%。

可以說(shuō)，你有多看好AI，就該有多看好新能源。

然而，黃仁勛實(shí)際并沒(méi)有說(shuō)過(guò)這句話，與之更為接近話的來(lái)自ChatGPT之父、OpenAI首席執(zhí)行官山姆·奧特曼。

今年1月，在2024年度世界經(jīng)濟(jì)論壇上，奧特曼提出：AI的未來(lái)取決于清潔能源技術(shù)的突破。如果沒(méi)有（技術(shù)）突破，就無(wú)法實(shí)現(xiàn)這一目標(biāo)。我們需要核聚變，或者更便宜的太陽(yáng)能+大規(guī)模存儲(chǔ)（能源）的東西。

AI大佬們的本意更強(qiáng)調(diào)AI需要的龐大算力，需要消耗大量的能源。因?yàn)轭A(yù)計(jì)到2030年，計(jì)算機(jī)將會(huì)消耗全球五分之一的電力。而新能源正是解決這一能源缺口的方法之一。

那么，在AI已被定義為變革性風(fēng)口的當(dāng)下，未來(lái)光伏儲(chǔ)能或能源電力又是否需要AI呢？

有觀點(diǎn)認(rèn)為，新能源的快速發(fā)展和電氣化水平持續(xù)提升，導(dǎo)致發(fā)電側(cè)和用電側(cè)的不確定性都在增加，這種不確定的變量過(guò)多，傳統(tǒng)的方式已經(jīng)不能解決，只能依靠大數(shù)據(jù)和人工智能實(shí)現(xiàn)相對(duì)可控的商業(yè)模式和盈利模式。

所以，AI或?qū)⒊蔀槟茉葱袠I(yè)的重要“新開(kāi)端”和終極解決方案？

01 電力搞AI大概率會(huì)失敗？

在AI站上風(fēng)口以來(lái)，各大能源企業(yè)紛紛搞起自己的“大模型”，業(yè)界也開(kāi)始有了不一樣的聲音。有人認(rèn)為，現(xiàn)階段電力搞AI大概率可能會(huì)失敗。

目前來(lái)看，電網(wǎng)的落地AI主要集中在決策型AI和生成式AI兩種類型。

其中，決策型AI主要是可以替代人工在調(diào)度決策中的作用。

回顧歷史上曾出現(xiàn)的決策型AI，例如Alpha Go，往往是在一個(gè)無(wú)限制可高度重復(fù)的場(chǎng)景下，通過(guò)大量的數(shù)據(jù)進(jìn)行學(xué)習(xí)，即使錯(cuò)誤的決策也不會(huì)帶來(lái)什么災(zāi)難性后果的情況下，完成算法的優(yōu)化迭代，從而給出足夠好的決策（至少是超越專家的水平）。

但是，現(xiàn)實(shí)的電網(wǎng)調(diào)度場(chǎng)景卻不一樣。

決策型AI在電力的應(yīng)用，有點(diǎn)像自動(dòng)駕駛，自動(dòng)駕駛之所以推不開(kāi)，只能在相對(duì)簡(jiǎn)單的路線上運(yùn)行，就是因?yàn)樽詣?dòng)駕駛一旦出現(xiàn)死人情況，很難承擔(dān)起這個(gè)責(zé)任。個(gè)人使用的手機(jī)有點(diǎn)瑕疵，不至于發(fā)生人命，但是自動(dòng)駕駛，電力等這些行業(yè)，一旦出現(xiàn)事故和瑕疵，都是致命的，對(duì)人的生命財(cái)產(chǎn)造成直接損失。

以目前情況來(lái)看，電網(wǎng)所需的數(shù)據(jù)顆粒度和豐富度遠(yuǎn)遠(yuǎn)不足，所訓(xùn)練出來(lái)的AI缺少智能化，再加上AI的結(jié)果不可解釋性，怎么可能把復(fù)雜且重要的任務(wù)交給它？

更重要的是，從法律角度講，當(dāng)AI做了錯(cuò)誤決策并造成重大損失時(shí)，無(wú)法像人類一樣承擔(dān)法律責(zé)任。也就是，“AI沒(méi)法像人類一樣坐牢”。

正由于決策型AI回報(bào)和風(fēng)險(xiǎn)沒(méi)辦法構(gòu)成對(duì)等的地位，所以只能做一些為決策提供輔助信息的事情，例如用電量預(yù)測(cè)或天氣預(yù)測(cè)等。

那還有一種生成式AI呢？

目前生成式AI主要以ChatGPT，Stable Diffusion等模型為主，較為可行的使用場(chǎng)景大多都是信息檢索，內(nèi)容理解和創(chuàng)作等，這些場(chǎng)景出現(xiàn)一些錯(cuò)誤也無(wú)關(guān)緊要，很多人是把它當(dāng)作一種娛樂(lè)來(lái)使用的。但如果直接應(yīng)用到電網(wǎng)上，核心需求和AI能實(shí)現(xiàn)的能力相差甚遠(yuǎn)。

當(dāng)然，通過(guò)大量數(shù)據(jù)的收集，利用在其他電力相關(guān)的業(yè)務(wù)上，尤其是關(guān)于負(fù)荷和新能源發(fā)電等大量數(shù)據(jù)分析到對(duì)電力設(shè)備的全生命周期管理，其可實(shí)現(xiàn)的功能相對(duì)較大，可以節(jié)省大量的人力需求。

例如，去年7月，山東能源集團(tuán)、華為、云鼎科技聯(lián)手發(fā)布全球首個(gè)能源行業(yè)商用AI大模型——盤古礦山大模型。

在鉆孔卸壓工程中，不僅能降低82%的人工審核工作量，還將原本需要3天的防沖卸壓施工監(jiān)管流程縮短至10分鐘，實(shí)現(xiàn)防沖工程100%驗(yàn)收率。

不難看出，在能源行業(yè)中，目前AI主要是做一些輔助決策的工作。

02 AI概念正在被新能源廠家“濫用”？

其中，儲(chǔ)能是AI在能源中的應(yīng)用場(chǎng)景之一。

由于太陽(yáng)并不總是照耀，風(fēng)也不總是吹著，能量存儲(chǔ)系統(tǒng)對(duì)于克服這種自然限制至關(guān)重要。

所以，儲(chǔ)能系統(tǒng)被要求解決多項(xiàng)工作，例如幫助調(diào)節(jié)電網(wǎng)頻率、提供峰值容量以及管理間歇性可再生資源的可變性。

AI可以分析歷史數(shù)據(jù)和當(dāng)前狀況，以預(yù)測(cè)執(zhí)行所有這些工作的最佳時(shí)間，并以高效的方式完成這些工作，最大限度地提高儲(chǔ)能項(xiàng)目的健康和壽命，同時(shí)為電網(wǎng)提供最高價(jià)值。

ABB 全球產(chǎn)品線經(jīng)理卡洛斯·涅托曾表示，許多操作人員都知道，儲(chǔ)能操作可能很復(fù)雜。它們通常涉及對(duì)一切的持續(xù)監(jiān)控，如電池儲(chǔ)能系統(tǒng)狀態(tài)、太陽(yáng)能和風(fēng)能輸出到天氣條件和季節(jié)性，還需要實(shí)時(shí)決定何時(shí)對(duì)電池儲(chǔ)能系統(tǒng)充電和放電，這對(duì)操作員來(lái)說(shuō)可能是一個(gè)挑戰(zhàn)。

如果通過(guò)引入最先進(jìn)的人工智能，就可以全天候?qū)崟r(shí)實(shí)現(xiàn)所有這一切，從而實(shí)現(xiàn)更加有效和高效的能源存儲(chǔ)操作。

正因?yàn)槿绱?，現(xiàn)在一些儲(chǔ)能廠家的產(chǎn)品單頁(yè)上頻頻出現(xiàn)AI的字眼。

但不幸的是，仔細(xì)一看，很多將自動(dòng)化甚至半自動(dòng)化計(jì)算都定義成AI。

真正的AI是按照人的思維進(jìn)行自動(dòng)模擬、操作。它不是人的智能，但能像人那樣思考、也可能超過(guò)人的智能。而自動(dòng)化通俗講是最高級(jí)的機(jī)械化和電氣化。

很明顯，AI的概念被正在嚴(yán)重濫用。

如“光儲(chǔ)星球”所說(shuō)，AI不應(yīng)該是自動(dòng)炒菜機(jī)，需要按照程序去做，而是一個(gè)機(jī)器人，能主動(dòng)識(shí)別主人情緒等并作判斷和自我決定是做什么菜。以戶儲(chǔ)為例，在AI技術(shù)下，理想狀態(tài)應(yīng)該是無(wú)需調(diào)試和后期人工干預(yù)運(yùn)行的。

目前，各個(gè)新能源的小應(yīng)用場(chǎng)景中都在探索與AI的結(jié)合，相比通用大模型，行業(yè)大模型的成本和進(jìn)入門檻都比較低。未來(lái)，隨著算力成本下降，完全有機(jī)會(huì)創(chuàng)造出真正有生產(chǎn)力的AI。

不過(guò)從現(xiàn)有情況來(lái)看，AI能不能用，怎么用還是一個(gè)尚未定論的方案。