关于ZAKER ZAKER智慧云 免费视频剪辑 合作 加入
钛媒体 06-30

对话百度智能云常城:跟企业谈双碳,还是要讲实际价值

2022 年,"+ 双碳 " 成了很多行业的显学、共识,能源企业想做碳盘查和碳预测,园区想向低碳 / 零碳转型,企业希望节能降碳,降低履约成本。

这样一个以能源结构调整为核心的创新机会,被科技公司一把抓住,纷纷将大数据、AI 带入工业减碳领域。

在 " 双碳 " 战略提出后不久,百度智能云智慧工业事业部副总经理常城就开始带领团队开拓工业减碳业务。身处一线,他也明显感觉到了这段时间行业的涌动变化," 随着政策接连推出,客户的需求明显升高了。"

根据中金评估报告,"AI+ 碳中和 " 十个领域或将在国内新增近 2 万亿产业空间。

这是一个大的机会,当然,也挑战重重。其中,有两个很现实的问题:

一个问题是,工业领域被称为 " 有围墙的花园 ",行业之间存在壁垒和生态,想在这儿开辟出一个 "AI+ 双碳 " 的新战场,入口和路径怎么找?

另一个问题是,在我国工业企业中,中小企业占到了 90% 以上,它们对于单纯的减碳是缺乏主动性的。

今天这篇对话,百度智能云智慧工业事业部副总经理常城尝试给出了他的答案,并讲述了开辟这个战场背后的方法、问题以及对未来的规划。

百度智能云智慧工业事业部副总经理常城

跟企业如何谈双碳?

根据国际能源署 ( IEA ) 统计,我国工业生产部门碳排放量占所有排放源排放量的比例从 1990 年的 71% 上升至 2018 年的 83%,一时之间 " 工业 " 也成为科技公司入局碳中和赛道的首选。

尽管减碳空间巨大,但工业也被称为 " 围墙花园 ",行业和行业之间存在壁垒和生态,想在这儿开辟出一个新战场,入口在哪儿?

按照百度智能云的规划,现在 "AI+ 双碳 " 最主要在两端:一端是能源的生产端,也就是能源供应商;一端是能源消费端,也就是高能耗、高排放的一些制造型企业。

在能源生产侧,传统化石能源发电企业需要通过技术改造、流程优化等提高机组效率、降低单位燃料消耗。

百度智能云最先切入的是火电厂,对此,常城对钛媒体 App 解释称," 火电厂碳排放较高,如何能用最少的煤发最多的电,这是 AI 技术可以切入的方向。"

据钛媒体 App 了解,北方的的很多电厂,在冷却端采用的都是空冷岛的技术,但空冷岛的能耗相当大,而且空冷岛的运行主要靠工厂师傅的经验做一些手动控制,百度通过对火电厂冷端设备的智能参数优化,降低电厂煤耗,目前已经能够做到 1 度电可以节省 1.55 克煤。这个数据看起来好像并不大,但放到全国保有的空冷岛设备上,其年化碳减排潜力可以达到每年 600 万吨二氧化碳。

而新能源则由于存在随机性、波动性、间歇性特征,对电网的接入并网消纳也是个难题。百度曾与龙源电力合作,基于大量的历史数据,比如设备运行数据、天气数据、环境数据等,建立了一个风电功率预测模型,使得预测精度大幅提升,并且通过设备的安全巡检维护,从而保证风机正常运转以及提升运维检修效率。

不过,与能源行业国企占比较大不同,制造业则以中小企业为主。根据 Sixlens 数据显示,截至 2020 年底,全国存续在营的中小企业数量已突破 4200 万家,占全国企业总量的 98.5%。

相对而言,中小企业由于本身规模小,主动减碳的意愿相比能源企业来说也会较小。因此,对于这些企业而言,首要关注的可能并不是减碳问题,而是如何能直接给企业带来用能上的优化。

那么,如何解决这个问题?百度智能云尝试以 " 间接减排 " 的方式撬动这块市场。比如,利用大数据和 AI 技术帮助企业通过智能研发减少原材料消耗,通过供应链协同提高效率,通过工艺参数优化降低生产过程碳排放,通过智慧物流与智能调度降低运输过程碳排放,通过设备预测性维护减少服务环节碳排放。

以一家年产 3000 万米面料的印染企业为例,为了提高现场的管理水平、减少人员手动抄表以及繁杂的统计分析和成本核算工作,企业需要对生产现场的数据进行自动化采集和分析。百度通过大数据和人工智能算法在保证产品质量地前提下为企业找到最优工况值,同时也为这家企业降低了用能," 每年能够节省两百多万的用能成本并且在不断提升,这也间接地减少了碳排放。"

也就是,先谈实际价值再谈减碳问题。如何来谈实际价值?常城给钛媒体 App 算了一笔账,比如,一个汽车零配件厂商,按照传统的方法需要耗几个小时才能调好的参数,通常会出现很高的不良率,从而让企业一年直接损失七八千万左右;但通过人工智能算法进行自动调节参数之后,整个不良率会下降 5 个百分点,一年就能节省大概四五千万。

" 企业在做这个事时,其实并没有考虑到双碳问题,但实际上提升了生产效率之后就降低了碳排放。" 常城向钛媒体 App 坦言。

目前,百度智能云在信息化基础较好的行业,例如汽车、3C、纺织、交通和物流等领域,落地速度较传统行业更快。

总结起来,这些行业客户关于碳中和最主要的诉求可以概括为碳排放算出来、管起来和降下来。不过,既然要算出来,就一定需要量化和表达。什么地方减了,减了多少,这是满足企业诉求的关键内容。

不过,常城也坦言,在工业领域,企业在节能降碳落地过程中,如何对 AI 技术落地的价值量化仍然是一个挑战。

因为在一些生产工艺过程中,减少工业生产过程中的能源或者材料的浪费,提高原有控制逻辑的精准度,以及提升生产效率,这些可能都无法直接反映在碳减排的量化中。因此,对于非常注重 ROI 的工业企业来说,还需要进一步的价值测算与验证。

工业减碳如何实现 AI 技术复制?

《终极算法》一书里写过,机器学习五大学派,每个学派都有自己的主算法,能帮助人们解决特定的问题。而如果整合所有这些算法的优点,就有可能找到一种 " 终极算法 ",该算法可以获得过去、现在和未来的所有知识。

但现在这样终极算法还没出现,仍处在早期的 AI 技术被质疑的一点就是:不具备大的通用性,这也是很多 AI 公司最后困在外包模式里的原因。

面对这样的技术现实,百度想借 AI 技术切入工业减碳,在圈定能源生产侧和消费侧这两个口径较大的范围之后,如何选择更具体的场景?

常城向钛媒体 App 表示,要选择有复用基础的工业场景,因为在这样的场景里,AI、大数据就可以通过数理模型建立一套体系,实现一定的技术复制。

" 比如,我们解决了一家自来水公司或者供水管道的管网智能化监管问题,基本上在其它同类型项目上的复制度就能在 70%、80% 以上,也就是说,只要稍微做定制就可以解决。" 常城进一步解释说。

通用性一定程度上可以解释为商业价值潜力,意味着未来规模化推广的难度更低," 钱 " 景也更大,但是推广难或者不确定的行业或者项目,是否就意味着一定不做?

常城认为,还要看价值。以百度智能云在广州白云区打造的智慧水务项目为例,项目要做的是通过传感器和智能化的数据平台对整个社区十几万小商家的排水进行监测,这不仅要求很强的专业属性,另外还要考虑成本和技术问题。在常城看来,这个项目真正做好之后能起到监督污水排放的问题,所以再苦再累也会投入去做。

寻找行业的Know-How

无论是在能源生产侧还是消费侧企业里,我们可以看到工业减碳其实是由业务需求主导驱动的一场变革,实现过程更多的是要以业务理解为基础,辅以充足的数据与 AI 技术,进而最终实现减碳目的。

比如,到底如何进入?进入需要注意哪些难以预料的问题?何时能收回技术迭代的成本?这些答案都掌握在行业 Know-How 手中。

在百度回港上市之时,李彦宏还将其定义为百度的 " 二次创业 ",背后原因就是,2005 年冲刺纳斯达克时,百度的标签是 " 搜索引擎 ",但现在贴在百度身上的是深耕十年之久的 " 人工智能 "。

因此,百度智能云最早布局智慧工业的时候,在团队配置上也几乎都是产品经理、技术工程师。但AI 算法工程师研究的是深度学习的训练部署等内容,但智慧工业的真实逻辑是,企业的性价比估算、产业智能化的弹性生长等等,这些都不在技术的常规视野里。这也导致团队初期不得不面对 " 客户觉得设计的方案不专业 " 的困境。

为了解决 AI 技术与企业差异化需求之间的对接问题,常城开始招人。" 招 IC、解决方案架构师、行业里的专家,比如在行业协会出任重要角色的专家、大型汽车总装厂的厂长等。"

目前百度智能云智慧工业团队有 1000 多人,包括电力、钢铁、石化化工、3C、纺织、建筑、水务等各行业的行业专家、解决方案架构师,人工智能专家,以及有多年开发经验的资深研发工程师与产品经理。

内部团队补齐之外,还有一种方法就是外部合作,比如和高校、研究院," 机理部分由专业院校来做,但数据化建模部分由我们来做,双方融合快速把行业认知补齐。" 常城解释道。

随着行业 Know-How 搭建起了 AI 进入工业减碳的通道,在和客户长时间的接触过程中,也会发现一些延伸场景的机会。目前,百度已经在电力、钢铁、汽车、3C、石化化工、采矿、纺织、建筑、水务、交通、物流等多个领域落地。

今年,常城给自己和团队立下了两个 flag:一个是尽量多去拓展些标杆案例,另一个就是做个真正的双碳园区," 利用 AI 技术帮助园区实现智能算碳、智能管碳和智能降碳的业务需求,同时协同绿色金融平台,为园区低碳改造提供高效资金支持。"(本文首发钛媒体 APP 作者|韩敬娴)

更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体 App

以上内容由"钛媒体"上传发布 查看原文

觉得文章不错,微信扫描分享好友

扫码分享