Endeavour公司与基础设施专业服务商Neara合作构建,并托管在AWS之上的数字孪生,正帮助Endearvor Energy公司重塑对未来洪水等灾害事件的响应方案。
Endeavour公司首席资产与运营官Scott Ryan在采访中表示,“从当初入行到现在,我已经亲眼见证了一系列技术变革。每过五到十年,我就会回顾自己的职业生涯,思考「我们之前是怎么处理现在这些工作的?」”
随着行业用例的持续涌现,Ryan认为数字孪生技术正在掀起一波深远影响。
Ryan以洪水为例,他表示“我们建立起了映射网络,而且借助激光雷达获取现场图像。”
此外,Endeavour的系统还能捕捉设施网络的结构完整性。
通过将洪水水位叠加在数字孪生之上,“我们就能看到网络中哪些部分会被洪水吞没,哪些房屋沉入水中,我们又该如何指导员工协助抗洪。”
自今年早些时候西悉尼地区发生洪灾以来,数字创新经理Edmund Li就一直努力使用数字孪生技术进行抗洪救灾。
Li解释道,“我们知道洪水的烈度,也知道百年一遇的洪峰会达到怎样的水位。”
“在着手设计抗洪方案时……我们会以更具弹性的抗洪网络为基础,思考如何适应更多不同场景,其中哪些部分仍会在灾害中受到影响。”
“这样,我们就能明确要在设计中再做些什么,才能让客户在洪灾之下继续保持正常运行。对于客户确实受到影响的区域,我们会考虑要如何缩短中断时间,帮助他们在更短的周期之内降低损失。”
Li还提到,数字孪生超越了以往各类传统工具,例如地理信息系统、数字标高模型和资产位置地图,真正把种种难以捕捉的指标融入到抗灾工具当中。
例如,数字孪生可以捕捉基础设施的工程特性——一座塔楼可能经得起8米洪峰的冲击,但在14米洪峰中则会轰然倒塌。
更重要的是,数字孪生在充实指标信息的同时,还削减了工具的总体数量。“数字孪生的妙处,就在于它能归于单一实现平台,我们可以在这里模拟一切并轻松获取洞察见解。”
另外,数字孪生让研究人员得以轻松对环境温度、风速等指标进行建模,由此“更好地了解低检测杆该如何抵御风暴等极端天气。”
Ryan也提到,他们使用的设计工具和数字孪生方案出自Neara之手。
“我们可以借此查看特定资产的结构完整性,比如检测杆的强度如何、已经部署了多久,信息馈送与杆间跨度可以怎样调整,线路能否再延伸10米或30米,额外载重是否会令杆体弯曲等。”
Ryan补充道,“为了实现这么多额外功能,我们决定转向Neara模型。之所以没有选择其他数字孪生方案,是因为Neara能够将结构与物理孪生紧密结合起来。”
另外,由于Neara公司同样位于悉尼,因此Endeavor Energy“可以根据需求,与对方面对面交换意见。”这一点同样非常重要。
Endeavor Energy目前也在研究要如何将其他数据集成至数字孪生当中。
Li指出,“考虑到数字孪生的后续发展,Endeavor也许有机会同城市供水或其他公共事业企业合作,将各方的数字孪生对接起来。”
“如此一来,当我们设计未来网络时,就能更好地同其他合作伙伴或公共事业公司开展合作。”
举例来说,对接悉尼水务公司的数字孪生,就有助于简化新的网络设计方案。
Li表示,“在设计自身网络的过程中,我们也希望了解各合作方的资产部署在哪里,这样最终网络设计方案就不会引发各种直接或间接的冲突。”
“这实际上要求我们对各类不同资产进行一番集中检查,这是传统方法根本不可能实现的……我们必须在设计阶段,就明确各项资产元素究竟身在何处。”
所有这一切,都对数据质量提出了很高的要求。虽然目前大部分网络都在激光雷达的支持下实现了“良好映射”,但Ryan承认“还有很多半个世纪前的遗留资产需要清点。”
“很明显,五十年前、三十年前或者十年前的工程师们,根本想不到现在的我们会掌握数字孪生这样的工具。我们目前在做的就是启动一项实地勘测计划,排查一条条街道来统一数字与物理网络之间的差异。”
Ryan指出,现阶段的目标就是“在接下来的12个月左右……将我们的数字孪生从90%准确提升至100%完美映射版本。”
通过将数字孪生模型托管在AWS云实例上,Endeavor得以摆脱由基础设施需求带来的负担。Li称赞道,“Neara公司不愧是基础设施与软件管理领域的专家。”
“这一切都托管在澳大利亚的AWS云环境当中,这样我们就能与Neara一道根据需求,灵活提高和降低资源利用率。”
“如此一来,当我们需要进行某些高强度的高级分析、运行和建模操作时,就可以随时与Neara开展合作。”
“如果我们希望加快完成工作的节奏,也可以判断是否要增加资源,并在任务结束后再下调资源配额。所以从成本效率的角度来看,云计算实际是同时优化了我们的灵活度和运营开销。”
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。