美林数据作为国内知名的数据治理、数据分析产品和技术服务提供商,深耕包括风电行业在内的能源领域。
风电企业在设备监测预警问题上面临了四个难题:其一,风电发电设备的运行状态主要依靠人工现场检查评估,依靠人的经验进行判断并不准确;其二,尽管可以通过视频等手段监测设备状态,但受限于设备偶发故障,仍然需要人到现场定检或巡检;其三,主机厂商自带的数据模型与现场环境差异明显,数据标准不统一,用户获取协调数据难度大;其四,发生设备故障时,处置办法模糊不清。
设备运行风险的监测预警为何至关重要?美林数据风电行业数字化资深专家杨雷介绍说,风电设备的非计划停机会给风电场站带来巨大的损失。首先,设备维修、更换等繁复工作将造成直接经济损失,主轴等核心部件价格不菲,海上风机巨大,叶轮扫风面积相当于好几个足球场,单个叶片的损失就可能高达上百万元;其次,停机带来发电量的减少;而且,风电场站的发电量要接受电网的上网电量配额和统一调度,发电量的突然变化或遭到处罚。
“解决痛点是一切数字化方案的本源。”杨雷分析,美林数据自主研发的“Tempo Wind智能风电大数据平台”(以下简称“Tempo Wind平台”)将风电设备状态纳入健康管理,通过历史数据和日常巡检信息进行动态健康状态评估,帮助发电企业制定合理的检修策略;基于大数据构建起来的AI模型对设备运行信息进行全天候分析,预判可能出现的故障,对停机等重大损失或安全事故及时预警;对地处偏远的现场作业的安全情况进行监管。
Tempo Wind平台就像千里眼顺风耳,成为发电企业的预警机,对发电设备特别是大部件故障的提前发现和提醒,很大程度上帮助发电企业减少损失,并降低对电网的影响。因此,能够解决实际问题的Tempo Wind平台备受发电企业的欢迎。采用Tempo Wind平台的一家发电企业,从中获得超过亿元的经济价值。
不仅大幅提高安全性,Tempo Wind平台更提升了发电企业的经济效益。平台对风电设备效能进行分析,形成评估报告,帮助发电企业不断优化风电运营、风机运维、技改方案,全面提升运维效率。
杨雷介绍说,大数据和AI的应用要提升数据供给水平,同时必须有充足的算力作为基础,高效能的硬件设备不可或缺。美林数据早在2019年就与海光合作,并一直采用海光服务器,从2022年开始将海光的异构加速卡嵌入相关模型,迁移部分算法,并加速现场验证步伐。
美林数据的国产设备应用一部分是按照能源行业用户的要求,对既有设备应替尽替,另一部分是在新规划实施的项目中广泛应用海光等国产设备。杨雷表示,从进口设备迁移至海光设备的过程平滑顺畅。无论是考虑到大幅降低了的使用成本,还是良好的算力水平,用户对海光的设备都非常认可。
杨雷表示,海光设备通过了能源产业安全性方面的严格要求,海光团队及时有效的技术支撑也帮助美林数据解决了应用过程中的各种需求。
作为第二届光合组织AI解决方案大赛的获奖者,杨雷对大赛独特的“气质”印象深刻——比赛不仅考量参赛项目的技术水平,更看重技术和实际业务的贴合度。
杨雷介绍,参加大赛共有两大收益,一是来自软件、硬件领域的企业坐在一起,进行了充分地技术交流和业务碰撞,美林数据也结识了AI行业上下游的众多朋友。二是通过大赛,美林数据与海光实现了更加紧密的合作。对于正在举办的第三届光合组织解决方案大赛,美林公司也是兴趣十足。
杨雷表示,AI的泡沫期已经过去,如今用户不再接受表面的高大上,而是追求新技术能否解决实际问题。他说,“Tempo”是美林数据多年前产品开发时所起的名字,是“探宝”的谐音,无论是过去还是未来,美林数据都将脚踏实地不断挖掘大数据深处的巨大价值。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。