通货膨胀达到了近年来的顶峰,最终结果就是所有东西都变得更贵,特别是能源。在COVID-19疫情的高峰期,能源成本很低,因此如何更有效地利用能源在当时不是一个重要问题。但现在形势改变了,北美和欧洲即将迎来一个寒冷黑暗的冬天,西方政府需要面对新的、更加昂贵的最低价格。
虽然各国政府已经采取了一系列长期计划来确保可靠的能源供应,但能源供应商需要更直接的解决方案,让他们能够尽可能地确保强劲稳定的能源供应。
进入第三代数字孪生
数字孪生技术是公共事业公司用于减少资源使用和浪费的重要手段之一,先进的人工智能(AI)系统可以提供清晰的模型,有助于确保照明和供暖系统稳定运行。但数字孪生的成本很高,需要多种技术和许多专家一起配合才能有效运转。
第三代数字孪生系统可以确定降低资源使用的最佳方案,但无需寻找并雇佣人工智能专家,可以由公用事业单位的员工通过标准控制界面进行操作和控制。这些先进的数字孪生收集所有可用数据,使用户能够设定各种“假设”场景。例如,在能源生产中,它们可以确定如何让工厂更安全、更高质量地运转,更快捷也成本更低,并且可以有效利用能源和资源。
能源公司长期以来一直采用的是基本的数字孪生技术,这些系统中所有操作部件的虚拟模型可以进一步展现不同系统之间如何协同工作,并发现可能存在的潜在问题(例如泄漏或使用效率低下)。利用这些分析结果,员工可以调整操作以避免出现问题或最大限度地提高产量和提升效率,帮助他们的客户降低成本并减少生产消耗的资源。
数字孪生还可以预测可能会因设备故障导致的问题,从而帮助能源公司节省资金。系统可以仔细检查组件之间的关系,发现整个系统在电力使用、生产或其他任何方面是否存在波动,并提醒员工注意潜在的问题。
提升数字孪生能力
当前的数字孪生基于第一原理数学模型,该模型应用了材料的属性和它们之间的关系等物理定律来理解并控制整个过程。
例如,在能源生产中,需要引入所有来源收集的数据,同时评估现实世界的变化将如何影响整个过程,基本会涵盖生产的所有方面,进而帮助管理人员确定如何最好地部署资源。据行业专家称,部署数字孪生的能源公司将运营可靠性提高了99%,节省了高达40%的维护费用,并且通过预防故障发生节省了1100万美元的费用。
目前使用的数字孪生确实大大提高了效率和可靠性,但这也是有代价的。这些提供数据自我更新模型的系统需要数十种技术——其中大多数技术都必须支付高昂的使用许可费用。同时,这样的系统必须由对人工智能系统有深入了解的人员来操作——这本身就是一种非常稀缺的资源。
尽管如此,许多公用事业公司已经开始使用数字孪生,并且随着降低资源使用的需求变得更加迫切,未来几年可能会有更多的公用事业公司这样做。大多数公用事业公司使用的数字孪生技术肯定可以减少浪费并最大限度地利用资源,但这一举措并不会降低成本。
技术许可需要付费,人工智能专家也需要支付高薪,这就注定了尽管可用的电力会更多,但也会更昂贵。无法负担这些成本的小型公用事业公司,或者电力价格受到监管机构监管地区的公用事业公司可能无论如何也无法从数字孪生技术中受益。
确保稳定的电力流动
这些公用事业公司以及整个行业的解决方案在于应用先进的第三代数字孪生:即使提供的数据不适合这个模型,系统也会根据这些输入的数据自动更新。借助这些先进的系统,能源公司可以根据现实世界的数据绘制工厂、电网或系列电网运营的各个方面,并动态调整能源的生产或部署。所有数据和控件都呈现在一个标准界面中,员工(包括那些没有接受过人工智能管理培训的员工)都可以掌握和控制。
还可以训练系统确定优化操作的方法。如果优化是可能的,就可以基于生成算法和扩散模型(类似于自然语言处理领域中使用的算法)训练人工智能算法。
然而,与通常用于创建图片、文本、音乐和视频的NLP不同,该技术的这类应用有助于解决工业工厂、制造系统和发电厂中存在的问题。它们解决的许多现实问题都可以用来开发实现零碳目标所必需的解决方案。
因此,如果一个发电站因风暴被损坏无法运行,第三代数字孪生可以自动暂时减少电力使用或需求较少地区的能源供应,将电力输送到相应的变电站以弥补短缺。先进的技术提供了清晰的模型,有助于确保照明和供暖系统稳定运行。员工可以使用标准界面实时应对挑战和危机,尽量确保稳定和高效的电力流动。
“活的”数字孪生
第三代数字孪生还有助于提高维护效率。通过收集和分析输入的数据并将其与不断更新的模型匹配,生产商可以立即判断是否存在问题并追溯到某台特定的设备,使得维修人员有机会在故障出现之前进行设备维修或更换。这些系统还可以提供数据清晰地反映系统的实际变化,例如满足需要部署额外资源才能满足的额外需求,从而让扩容变得更加简单。
实现这一目标的关键是开发一个“活的”数字孪生,该系统根据传入的数据不断更新——和上一代数字孪生(不会自动调整的静态模型)相比,这是一个巨大的进步。
能源生产商可以利用这些自动更新来预防损失并确保最大限度地利用资源。在这个资源更难获得的时代,生产者需要他们能得到的所有帮助——而使用人工智能算法的、先进的第三代数字孪生可以帮助他们实现这些目标。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。