电力搞AI，为啥会失败？-北极星火力发电网

投稿

我要投稿

据说现在电力行业的AI也非常火，是个能源大企业就要搞自己的“大模型”。

但是大部分我认为可能都失败。

因为世界上有两种AI，底层逻辑各不相同。

来源：鱼眼看电改作者：俞庆

模式一、强控制型AI

强控制的AI，强调模式识别+最优控制算法求解，最典型的就是自动驾驶。在电力行业是人工智能调度。

强控制型的AI，仿真的是人的运动神经系统，也就是小脑+低级反射中枢。

这类AI的特点是关键任务处理，不允许有闪失，比如自动驾驶目前只做到L2商用，L3商业试验。目前没有任何厂商敢于对自己的L3、L4级别自动驾驶承担保险责任。至今只是“辅助驾驶”，也就是法律上驾驶者是第一责任人。

人工智能调度目前不太可能在省级调度上，实现大电网的自动驾驶，在技术上是训练的数据颗粒度和丰富度严重不足——即使是大电网的感知数据规模，也远远比不上自动驾驶领域。

更重要的是法律意义上，大电网级的L3、L4，谁敢保证不出事？

所以个人认为强控制型AI的应用，目前只能在电力系统的一些较为不重要的场景，比如“识别”的作用，比如识别安全帽没带，或者机器狗巡检（本质也是替代人去获取现场数据并识别），或者在微电网、低压配电网的某些动态场景中，L1、L2级别的去做一些低风险的控制。

模式二、强生成型AI

以LLM为代表的大模型，其本质是仿真人类大脑的高级灰质皮层，比如对语言（音乐）、静态图像、动态图形，对这些信息进行处理，并“生成”创意内同。

所以本质是Generate，而非Control。

在数据方面，由于过去十多年互联网的发展，大量内容被数字化，比如人类历史上所有书面语言记录几乎都被数字化、人类所有围棋棋谱被数字化。导致计算机学习的素材极大丰富。

在算力方面，并行计算受益于游戏产业。

所以AI行业明显表现为AIGC（人工智能内容生成）的发展，远远快于人工智能自动控制。

这就是为什么大家说，本来AI应该体力的活（司机、保姆、搬运工），反而AI现在都在干创意的活。

而电力行业所谓大模型，其热点也在AIGC，而非AI控制。

但是电力行业需要AIGC么？

大部分非必要也，电力行业具有高度自动化、高度计划性（发电计划是少不了的），半军事化、高度组织化科层架构（本质上也是一种第二次工业革命的组织控制范式）。所以是一种强控制的组织、系统。

电力不需要歌唱家、画家、导演。

电力需要调度员、交易员、巡线工、检修工，大部分是流程性、事务性、控制性的要求高。

对内容生成的需求并不高，也不是电力行业的主业。

少数需要内容AI的场景，可能就是95598话务员。

而AI控制受制于电力行业感知水平不足，无法形成足够的训练数据，也不敢快速的进入L3、L4级别的自动调度（无论是电厂自动控制还是电网自动控制，还是经典控制理论的天下，并非是AI控制）。

所以我认为这就是目前电力行业搞AIGC大模型的失败原因，在一个不需要内容的行业去搞内容。

当然，并不是说电力行业AI控制没前途，我认为恰恰相反。

正因为这方面相对投入不足，数据积累不足，在边缘业务上反而有创新机会，比如在低压配网、分布式能源系统中。

只不过这类业务天然“低、散、小”，对大型能源国央企来说，一是看不上；二是即使做出来了，也很难成规模推广；三是受制于市场化水平，商业化路径很长。

一点愚见，供各位讨论。

投稿与新闻线索：陈女士微信/手机：13693626116 邮箱：chenchen#bjxmail.com（请将#改成@）

订阅北极星周刊，精彩内容不再错过！

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。

阅读下一篇

含多个能源项目！深圳市2024年重大项目计划清单印发