当AI邂逅电能：与图知科技一起探索工业AI王座

原标题：当AI邂逅电能：与图知科技一起探索工业AI王座

AI与产业的结合，近年来已经深入到了大众生活的方方面面。在往期白洞计划中，我们也与大家探讨了许多AI产业应用的垂直场景与无限细节。但我们也发现，在AI向产业奔涌灌溉的浪潮中，有一块领地尚未进入大众眼帘，那就是电力。

在这个年轻人动辄说“我的命都是WiFi/空调/互联网给的”时代，电力就像现代生活的一座灯塔——静默而有力地照耀着千行万业与芸芸众生行色匆匆的前路。那么它自己，又将被时代塑造成何种模样呢？

在最新一期的《白洞计划》中，我们将与AI企业图知科技一起，见证电力行业里在技术进化的能量席卷之下，将会让我们的生活以怎样的姿势向未来前进。

AI助力电力革新：中国工业的弯道超车之路

电力行业需要AI吗？答案已经毋庸置疑。

在交流过程中，资深电力专家孟炜阐述了产业端对智能技术的渴求：

首先，设备诊断的安全饥渴症。电力行业是一个产供销高度流程化、对安全性要求比较高的领域，这对设备诊断提出了比较紧迫的需求。但以目前村村通的服务辐射量级，依靠当前人工结合图像参数判断来检测是远远不够的。诸如恶劣天气等环境因素，瞬息万变的内部工况都需要超前预控。

同时，枯燥重复的工作内容正在劝退年轻劳动力。绝大多数情况下，电力巡检、问题筛查都是预防型的重复劳动，在没有故障征兆情况下，工程师很难从工作中获得成就感，痛苦的重复枯燥劳动让越来越多年轻人不愿进入工业一线工作，求助于产业智能化就成了唯一的出路。

放在更大的国际竞争背景下，目前中国电力领域无论是工程和制造体系化、技术服务和管理的方法论等方面都与发展较快的西方先进制造商有差距，AI与电力产业模型的嫁接，有助于中国工业走出一条快速发展、追赶发达国家的弯道超车之路。

当然，在引入AI之前，电力行业有着一些得天独厚的优势，比如作为一个知识密集型行业，电力领域本身就有较为成熟的信息化建设基础，能够产生大量供给智能算法的数据养料；再比如人才认知，许多诸如孟总一样熟知行业痛点的专家，正在以超前的眼光推动着产业边界与技术边界的融合……这些，都成为AI得以灌溉进产业根须的前提条件。

总的来说，提升产业效率、提高运行可靠性、实现产业的跨越式升级，这些正是电力行业迫切希望利用AI技术解决的难题，也正是AI产业化的典型价值。

拿起AI武器：技术如何改变工业常识？

从孟总的讲述中，我们得以触碰了AI+电力远大前程的一角。但客观来说，打造产业理想AI的现实之路并非坦途。

工业AI之所以一直都被看做是最难的、也最复杂的应用领域，原因就在于，一方面行业外延十分广泛，细分领域很多，要求的专业知识也很广泛，因此一直没能诞生能够吃透整条产业链的巨头玩家，AI技术企业想要深入进去会遇到各种各样意想不到的难题；

同时，电力行业关系到国计民生，解决问题大多采用传统方式。对数据的质量和安全也有比较高的标准，现有的AI技术目前尚处于初始探索阶段，在产业端的认可和信任程度还不高，所以AI技术目前只能在一些相对垂直、细分的领域切入，这也在一定程度上限制了技术的发挥空间。

对此，图知科技联合创始人严超的感触就极为深刻。在交谈中，他分享了一个技术与产业结合的有趣故事。

在做变电领域的时候，图知科技只能根据现场工程师的反馈来进行处理，对变压器和开关柜进行故障检测。但与孟总交谈后他们了解到，业内已经有了很成熟的国家规范标准，双方一碰即合，一条条进行筛选，将重要性高、技术可实现的一些条目摘出来，比较难的标准往后放一下。再将这样一个优先级排序的规范转换成AI技术语言，大大加速了图知跟行业之间的结合。

换句话说，AI想要深入电力行业，也必须从产业端需求中进行挖掘，去明确自己要做什么，不做什么。

所以，经过了一系列的蓄力之后，图知科技也不断淬炼除了对整个产业链的 感知，并打造除了改变行业现状的技术武器。通过嘉宾的分享，我们可以大致将AI与电力行业的触碰总结为是三个方面：

第一，基于AI算法的电力全流程故障识别。

比如在发电、变电、输电这三个核心环节上，图知科技就与合作伙伴打造了覆盖全流程的故障检测系统。

在发电领域，图知与神华集团旗下的一家公司合作，开发了能够识别煤堆管道、大型设备缺陷等在内的算法平台，从而规避部件脱落松动、设备腐蚀、内部自燃、密封点泄露等潜在问题。

在变电领域，图知与陕西山东辽宁等地的电力企业一起，打造了智能变压器和开关柜，实现了内部故障的自动检测工作。

输电方面，图知在在山西江苏江西山东等地，引入无人机的机载AI对输电线路进行巡回拍摄，工程师可以有重点地检查AI传回的影像，实现人机结合巡检。由此降低工程师图像检测数量，带来的产业效率提升，正在改变传统行业对故障检测的常规认知。

第二，依靠智能决策的风险预警。

仅仅依靠计算机视觉技术替代人工进行感知，显然是不够的。图知科技的另一个技术布局，就是向 决策挺进，利用算法和后台大数据结合，对故障成因实现预判与决策。比如通过无人机巡检，预测哪些位置有可能会出现故障，从而做一个提前的预判，在事故发生之前，就完成风险控制，防患于未然。

第三，智能软硬件协同的互联互通。

完成了现有AI技术与产业数据的融合之后，图知科技还计划将触角深入到行业全数据建设上去。利用多种多样的传感器，比如测量dian'q电压、电流、温度、湿度、煤炭含硫量与灰分和挥发分等数据，搭建一个统一的智能框架入口，实现全局、全维度的数据交叉分析，再结合机械臂等硬件，替代高风险、重复枯燥的人力劳动，让整个产业从执行端向自动化、智能化进阶。

目前来看，从感知端到分析端，再到行动端，图知科技在努力让AI在电力的各个专业场景去发挥作用，实现高效率、低成本的“产业折叠”。

重构产业生态链条，AI+电力的机遇与隐忧

AI+电力，是一个全新的场景和市场，在技术深入的过程中，面对纠缠交错的产业关系联动，想交付符合产业预期的产品，自然也会面临许多全新的问题。

通过两位嘉宾在节目中的分享，我们发现最大的挑战主要集中在三个矛盾上：

1.迫切的产业升级需求，与不切实际的技术预期。

国家政策号召与巨头的鼓与吹，往往会让AI在深入产业的过程中，被镀上一层“救世主”的光环。但实际上，过度的预期和宣传反而会损伤AI在工业领域应用的积极性。

孟总反映到，许多产业人员会对AI报以过分的强调和预期，觉得AI是万能的，能帮助他们解决一切问题。在他看来，技术企业需要管理好客户的预期，进行合理的目标导向。在哪些痛点去替代劳动力，哪些地方提升决策效率。从而避免一两次失落之后，让整个产业链丧失信心。

2.AI公司的技术赋能渴望，与电力行业的真实痛点。

两位嘉宾分享了一个非常有意思的故事，那就是在业务沟通的过程中，图知经常和合作方严肃地“吵架”。原因正是源自AI技术与电力需求的两种视角，背后往往不是技术的问题，而是组织架构、沟通文化，甚至工作习惯上的差异。

比如科技企业总是急于了解技术如何下沉，实现路径是怎么样的，容易忽略业务本身的需求，到底需要提供哪些服务。而业务方往往对技术边界了解的不准确，有时会产生对方认为技术难度不大，实际上无法实现；或是认为一些东西完全做不了，但在技术人员眼中其实很简单之类的认知误差。对此，图知科技的看法是，技术是要服务于业务，想要解决问题，一定是努力去把行业专家的思路AI化。

3.严苛的产业安全诉求，与中国企业的品牌塑造。

我们知道，涉及到国计民生的电力行业，在生产中的第一准则就是安全，不能出偏差自然必须引入成熟的产品与系统，这种情况下，欧美、日本等工业相对成熟的市场就成为了优先选择。国内的技术公司想要得到认可和信赖就比较难。

这会产生两个问题，一是国外供应链巨头的利润很高，售价千万的机器往往成本只有一百多万，某种程度上加重了电力企业的经营压力；另外，目前智能计算大多需要上传到公有云端进行规模化处理，但关键的电力数据一旦被上交到西方企业手中，一旦被用来判断中国的产业、经济乃至社会状况，裹挟的安全风险是难以估量的。

对此，中国技术企业除了不断加深在安全、质量领域的品牌建设之外，发展软硬件结合的边缘计算等差异化服务，率先建立起品牌标识与技术模板，才有可能成为行业伙伴眼中可信赖的安全保障。

从图知科技的故事中，我们可以看到，AI融入产业，从来不是某一个技术公司与一个行业客户就能完成的工作。它需要解决的是产业生态内部一系列连锁反应，才能将传统的生产模式转化为新的市场机会。而幸运的是，AI书写的新故事，正在无数电力人的翘首期盼中等待着。只要能够尊重行业规律，尊重技术与产业的边界，AI一定不是空中楼阁。

恰恰相反，它终将摘下工业这顶“王冠”，引领整个产业鹏霄万里。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。