【“人工智能+雙碳”戰(zhàn)場】百度副總裁李碩：用AI幫工廠減碳，先學會和車間主任對話 | 談碳

文章來源:36氪李安琪2022-05-19 11:39

太陽東升西落，風從大地掠過，這些千百年來形成的自然規(guī)律，正在被挖掘出更多的潛能。

尤其在“碳達峰、碳中和”愿景提出之后，如何馴化光風電的“脾氣”，讓其變成更“靠譜”的電力資源，成為行業(yè)的重要課題。

近年來，尋找“人工智能+雙碳”的戰(zhàn)場，也是百度的重要任務之一。

在接受 36 氪專訪時，百度副總裁李碩正為前往博鰲亞洲 2022 論壇做著出發(fā)前的準備。李碩在百度已任職16年，負責包括金融、工業(yè)、電力能源、媒體與電信等行業(yè)的解決方案、產(chǎn)品與技術研發(fā)。

除參加會務外，李碩此行另一重要目的，是與一家新能源企業(yè)商談合作事宜，他們希望通過人工智能技術，把天然不穩(wěn)定不可控的風光發(fā)電，變成一個確定穩(wěn)定的輸出。

從技術到能源、從能源到“雙碳”，百度正將綠色減碳的版圖延伸至整個集團。

5月16日，百度發(fā)布《2021年環(huán)境、社會及管治（ESG）報告》,報告從公司治理、人才發(fā)展、數(shù)據(jù)安全與隱私、環(huán)境責任、社會責任等方面呈現(xiàn)百度2021年在ESG領域的進展。

更早之前，2021年6月，百度還發(fā)布過“2030年集團實現(xiàn)運營層面碳中和”的目標，計劃通過數(shù)據(jù)中心、辦公樓宇、碳抵消、智能交通、智能云、供應鏈六個方面達成目標。

人工智能是百度“減碳”的一個重要抓手，除了自給自足以外，百度還在嘗試將這一技術輸出給外部企業(yè)客戶。

過去幾年，李碩走訪了國內(nèi)150多家工廠，去過很多三、四線城市，尋找傳統(tǒng)行業(yè)綠色轉(zhuǎn)型的方向，與數(shù)字化智能化結合的機會。“以能源行業(yè)為例，無論是供能端，還是用能端，都有巨大的優(yōu)化空間。”李碩對 36 氪說。

首先在供能端，當下能源體系仍以化石能源為主，火電約占七成，即便在雙碳規(guī)劃之下，火電未來也還會占到三四成比例。如何讓傳統(tǒng)化石能源變得更加高效和清潔，是國內(nèi)能源體系轉(zhuǎn)型必須回答的問題。

此消彼長，未來新能源（如風能、太陽能）的比例勢必上升。但由于新能源發(fā)電的不穩(wěn)定性，我國新能源的發(fā)電量貢獻仍較低。

“本質(zhì)上，這是新能源供給的不穩(wěn)定，和電網(wǎng)要求穩(wěn)定之間的系統(tǒng)性沖突。”李碩表示，未來新能源如何融入現(xiàn)有電網(wǎng)體系，穩(wěn)定供給是個艱巨挑戰(zhàn)。

其次是用能端，涉及產(chǎn)業(yè)園區(qū)的企業(yè)生產(chǎn)用電和居民用電中，企業(yè)用電是大頭，但目前很少有企業(yè)在以用電成本為條件做動態(tài)的排產(chǎn)調(diào)度，無法做到充分利用峰谷電成本給企業(yè)帶來效益。

在這些紛繁復雜的能源提效、降碳場景中，百度能做什么？

李碩沒有立刻回答，而是聊起了過往的各種案例。

第一個案例在能源生產(chǎn)領域：在中國北方，火電廠的發(fā)電機組都有空氣冷卻裝置，一般由幾十個大型風機組成，對火電汽輪機的乏汽進行冷凝?？绽溲b置的運行以往都由經(jīng)驗豐富的工藝專家把控，但人力控制往往不夠達不到精準的最佳真空背壓值。

百度的方法是，通過智能云產(chǎn)品對火電廠空冷島（類似于大型制冷機，幫助火電蒸汽快速冷凝）進行動態(tài)調(diào)優(yōu)，綜合考慮環(huán)境溫度、風速、風向、汽輪機負荷等因素之后，結合歷史運行數(shù)據(jù)，建模分析后計算得出當前工況下的最佳群控風機轉(zhuǎn)速策略。百度成功幫助該火電廠將標準供電煤耗降低1.55 克/度電，全國在運行空冷島年碳減排潛力可達600萬噸。

在新能源領域，AI 的重要性更加明顯。目前新能源的突出問題在于其具有波動性、隨機性、間歇性特點。百度則嘗試通過仿真計算，對風光電的不穩(wěn)定情況做場景預測，例如結合風速、風向、光照強度等自然氣象特征對未來的發(fā)電量進行合理的預測，向電網(wǎng)輸出更精準的發(fā)電計劃，將新能源的不確定性、不穩(wěn)定屏蔽在技術層之下。

如此一來，在實際應用中如果出現(xiàn)風光電不穩(wěn)定的情況，也能快速找到解決辦法。雖然技術的落地仍需要時間，“但有了AI技術的介入，大規(guī)模的風光電上網(wǎng)可以更加高效。”

泉州水務大腦：以前需要工作人員每天在設備機房里面奔走，現(xiàn)在只要在中控室就可以實現(xiàn)全流程精細管理。

第二個令李碩印象深刻的案例，是泉州水務集團。

一般來說，從江河湖海到家中的水龍頭，都屬于水務集團的管轄范圍，包括原水、制水、供水、排水、污水、節(jié)水等。以居民供水為例，水壓過大，所需能耗大，管網(wǎng)漏損率高，可能還會引起爆管事件；而水壓過小，可能會造成居民用水不便。

百度智能云提供的方案是：幫助泉州水務集團在地下部署硬件傳感器監(jiān)測水壓、建設水務大腦，在保證安全、穩(wěn)定供水的前提下，進行智能化調(diào)壓控制，實現(xiàn)能耗優(yōu)化。

經(jīng)測算，這套方案可以使供水單位能耗下降8%，人員效率提升5%以上。其他環(huán)節(jié)也是精準調(diào)參處理，減少能耗。

此外，百度智能云還提出“零碳園區(qū)”方案，從企業(yè)到園區(qū)、地區(qū)，都可以建立精細化管理與全局調(diào)控。其中企業(yè)級平臺可完成實時碳追蹤及碳排放監(jiān)測，能耗優(yōu)化、生產(chǎn)工藝優(yōu)化等功能；區(qū)域級平臺可進行全域內(nèi)碳核查及碳監(jiān)測，推動區(qū)域能源互聯(lián)優(yōu)化。

新疆電力巡檢：無人機進行電力巡檢，巡線員不用身處危險境地

在傳統(tǒng)企業(yè)朝著綠色生產(chǎn)轉(zhuǎn)型過程中，百度在試圖探索自己擅長的切入點：以機器學習的方式，去替代那些往往依賴人力經(jīng)驗的事情。百度智能云業(yè)務也把這些項目總結為八個字：預測、優(yōu)化、調(diào)度、監(jiān)控，并且把這八個字的主語，從“人”變成了“AI”。

人不應該被機器化，但機器可以學習人類的經(jīng)驗和思維，尤其是在工業(yè)互聯(lián)網(wǎng)發(fā)展中，幫助企業(yè)獲得更精確和高效的運作方式。

全球知名機構波士頓咨詢公司(BCG)的一項量化研究表明，AI 對于減少碳排放功不可沒。預測數(shù)據(jù)顯示，AI 應用至2030年可有望減少26-53億噸碳排放，這一數(shù)據(jù)可占減排總量的5%-10%。

李碩告訴36氪，能明顯感覺到當下各個行業(yè)對于實現(xiàn)雙碳的壓力，但很多企業(yè)還缺乏一些可行的路徑。

“碳達峰、碳中和一定是個系統(tǒng)性工程，不是一兩家企業(yè)干的，也不是一兩個領域干的，而是大家在系統(tǒng)層面達到最優(yōu)。”李碩如此表示。

以下為36氪與百度副總裁李碩的對話（略經(jīng)編摘）：

一、“人工智能與老師傅”

36氪：當前國家政策出臺多個政策，積極推進綠色雙碳發(fā)展。對于制造、能源等行業(yè)，在“綠色雙碳”方面，當前行業(yè)最大的需求是什么？

李碩：“雙碳”從提出到現(xiàn)在，經(jīng)過一段時間的探索，現(xiàn)已進入有節(jié)奏推進的階段，變得更加理智了。但在能源領域還有三個挑戰(zhàn)必須解決。

第一是傳統(tǒng)化石能源如何變得更加高效和清潔。因為未來能源體系結構里，化石能源依舊會占到三四成比例，這是很大的占比。

第二是新能源（指風能、太陽能）的發(fā)電量貢獻仍較低。大規(guī)模的新能源如何融入到現(xiàn)有電網(wǎng)體系，并解決有效、穩(wěn)定供給也是很大的挑戰(zhàn)。

第三是用能端，這涉及到企業(yè)生產(chǎn)和居民用電，企業(yè)級的生產(chǎn)用電是大頭。如果自動化水平夠高的話，可以實現(xiàn)錯峰生產(chǎn)，讓工業(yè)需求用電處于相對平穩(wěn)的狀態(tài)。

總的來看，能源行業(yè)是雙碳計劃的重點發(fā)展目標，制造業(yè)次之，第三是交通，第四是建筑。結合不同行業(yè)特色，未來可能會在橫向上形成一系列電力系統(tǒng)升級，縱向結合不同行業(yè)發(fā)展，更加有規(guī)律地使用能源、節(jié)省能源。

36氪：像百度等科技公司能做些什么？

李碩：科技公司能發(fā)揮的作用非常巨大。

舉個簡單的例子，我們在跟火電廠做火電的冷端工藝優(yōu)化。百度能夠幫該火電廠將標準供電煤耗降低1.55克/度電。去年國家也出了指導標準，到2025年要求在產(chǎn)的火電機組煤耗達到300克/度電的標準。

現(xiàn)在比較好的火電企業(yè)能做到320克/度電，還有20克/度電的優(yōu)化空間。說實話，火電企業(yè)的自動化水平已經(jīng)做得非常好了，像剛才提到的冷端優(yōu)化，主要是用空冷島進行冷卻，需要參考機組負荷，汽輪機低壓缸排汽焓，蒸汽流速，風速，風向，真空度，管束換熱能力，防凍約束條件等一系列復雜參數(shù)來計算，確保達到冷卻標準。但在以前，這種調(diào)試和控制都是靠老師傅的經(jīng)驗來控制的。

未來我們希望把煤耗仿真，燃煤效率，熱端冷端工藝等整合成一個火電機組系統(tǒng)級優(yōu)化方案，然后企業(yè)之間也結合在一起，形成一體化的整體優(yōu)化系統(tǒng)。

在新能源領域，人工智能就更加重要。新能源現(xiàn)在很大的問題在于其具有波動性、隨機性、間歇性特點，很多新能源企業(yè)面臨的困擾是，新能源供給的不穩(wěn)定和電網(wǎng)追求穩(wěn)定之間的根本性沖突，這完全可以靠新技術來解決。

現(xiàn)在我們嘗試通過大量仿真計算，盡可能預測電網(wǎng)所需要的能源量。另一方面就是跟新能源企業(yè)一起探索，對風光電的不穩(wěn)定情況做場景預測，例如結合風速、風向、光照強度等自然氣象特征對未來的發(fā)電量進行合理的預測，向電網(wǎng)輸出更精準的發(fā)電計劃，把新能源的不確定性、不穩(wěn)定屏蔽在技術層下面，就像云計算里的PaaS層。這樣上層電網(wǎng)在調(diào)度時，就能預知新能源的波動，可以制定精準的調(diào)度計劃。

第三個層面是需求側。我們幫很多企業(yè)做碳足跡、耗電設備的優(yōu)化。從宏觀的能源供給和消耗角度看，單個企業(yè)很難解決雙碳大問題。所以我們在以園區(qū)為單位，綜合園區(qū)幾十家企業(yè)，對他們的生產(chǎn)用電需求進行精確預測和控制，從區(qū)域性角度平穩(wěn)電網(wǎng)需求。

36氪：新能源供給不穩(wěn)定的痛點確實存在，那么行業(yè)對于人工智能解決問題持什么態(tài)度？觀望嗎？

李碩：我覺得現(xiàn)在不是在觀望，而是在積極嘗試，但技術最后100米的落地可能有待這兩年的突破。因為新能源入電網(wǎng)要考慮一整張網(wǎng)，與其他環(huán)節(jié)不可分割。在這種情況下，謹慎是能夠理解，也是有必要的。

去年夏天，我們跟國家電網(wǎng)有過一次長時間探討，國網(wǎng)總調(diào)度對于新技術還是非常積極，最終討論結果是：應該大膽往前走，可以先在一些地方先試先行。

36氪：所以近兩年可以看到新能源（風光電）能夠?qū)崿F(xiàn)大規(guī)模的穩(wěn)定入網(wǎng)？

李碩：本質(zhì)上是兩層，一層發(fā)電側通過技術確保新能源入網(wǎng)是可靠的，另一層是用電側，把大家的用電需求匯聚在一起，給電網(wǎng)提供穩(wěn)定的參考數(shù)據(jù)。

這樣電網(wǎng)兩頭都有一個虛擬代理層，大大屏蔽電力生產(chǎn)和用電兩側的不確定性，現(xiàn)在風光電的發(fā)電量貢獻仍較低，只有十分之一左右，有了AI技術的介入，大規(guī)模的風光電上網(wǎng)可以更加高效。

36氪：上述這些都比較聚焦在能源領域，在企業(yè)工業(yè)領域，你們怎么助力企業(yè)減碳？

李碩：主要幫大家做兩件事情：

一是把企業(yè)設備耗電降低。很多企業(yè)車間用電只通過一個電閘來啟停。比如橡膠行業(yè)的生產(chǎn)設備要高溫運行，但設備的預熱起碼要一個小時，才能進入生產(chǎn)環(huán)節(jié)。不生產(chǎn)時也要一直保持溫度，不敢讓機器涼了。不然再次啟動設備又要一段時間，嚴重影響生產(chǎn)節(jié)奏。

通過做設備級管理，我們發(fā)現(xiàn)讓設備只冷卻到50度時，就能夠以最低能耗及時反應，維持企業(yè)生產(chǎn)。去年有一家企業(yè)用了我們的方案，在限電的情況下，保證了最重要的一條產(chǎn)線的生產(chǎn)。單條產(chǎn)線起碼能夠節(jié)能30%~40%。

第二是在幫企業(yè)做到設備級管理之后，我們也看到了第二層機會。既然一個企業(yè)可以通過精細化管理降低能耗，那企業(yè)之間也完全可以做到這種管理，并且企業(yè)跟電網(wǎng)也可以有更好的議價能力。

有的企業(yè)這兩年做黑燈工廠，自動化水平已經(jīng)非常高。但之前為什么不敢跟電網(wǎng)談判，因為企業(yè)內(nèi)部還沒有做到精細化控制，不清楚什么時候用電多少。但通過百度的工業(yè)互聯(lián)網(wǎng)升級后，確實可以跟電網(wǎng)講，什么時候起生產(chǎn)線，需要多少電。

現(xiàn)在我們在幫助蘇州和重慶、貴陽的工業(yè)園區(qū)，做區(qū)域級的用電統(tǒng)籌。園區(qū)級的統(tǒng)一對接，對于當?shù)靥贾泻吞歼_峰的實現(xiàn)路徑和規(guī)劃來說，也是非常重要的信息輸入。

二、“找到與車間主任對話的方式”

36氪：如果讓百度智能云去賦能千行百業(yè)，包括剛才提及的能源、工業(yè)，這些行業(yè)都需要很深的know-how，你們是如何做到的？

李碩：云智一體是從行業(yè)、客戶的實際反饋迭代中發(fā)掘出來的。18、19年出去調(diào)研時，我們發(fā)現(xiàn)很多制造企業(yè)其實沒有天然的用云需求，恨不得用一個臺式機就能把軟件跑得起來。另外，制造業(yè)企業(yè)對毛利的要求很嚴格。如果不是特殊情況，是不會貿(mào)然要花幾百萬甚至上千萬去搞一套效果都不確定的技術平臺。企業(yè)主和車間主任腦子里有一本非常清晰的賬。

不同于互聯(lián)網(wǎng)，工業(yè)行業(yè)特別強調(diào)成效先行。很多傳統(tǒng)制造業(yè)聽到云的反應是，感覺跟自己沒有關系。但如果講AI能夠幫企業(yè)優(yōu)化工藝模型和參數(shù)，更好調(diào)度已有排產(chǎn)系統(tǒng)，這個是有用的。我們團隊還是比較早找到了怎么跟企業(yè)主、車間主任打交道的方式。同時我們在幾個主要行業(yè)的落地，都有百度的合作伙伴一起來實現(xiàn)。

我們通過開發(fā)者平臺和合作計劃，手把手教行業(yè)里面的工程師，用AI能力去構建自己的應用。前段時間我去重慶調(diào)研，有家企業(yè)就用我們的語音檢測的技術，解決摩托車組裝后的發(fā)動機聲音檢測。以前都是靠人來聽，現(xiàn)在可以用百度的AI構建應用，判斷發(fā)動機的聲音是否合格。

36氪：一家企業(yè)和一百家企業(yè)用你們的產(chǎn)品，這兩個規(guī)模是不一樣的，你們怎么找到行業(yè)的標桿案例，并且判定這個方向是對的？

李碩：這確實比較考驗我們的判斷力，我們不一定每個點能選對，但經(jīng)過幾年實踐我們大概有幾個依據(jù)。我們會判斷種子場景的技術空間和商業(yè)應用價值。首先會看技術空間到底能帶來多大改進，像剛才提到的空冷島優(yōu)化。

其次會探討一旦技術成功，企業(yè)的應用規(guī)模大概有多少？比如一個火電廠有多少火電機組能使用？一個火電機組方案優(yōu)化之后，愿意為這件事情付出多少錢？我們當時算過，1.55克/度電的工藝耗能節(jié)省，能給火電廠每年節(jié)約上千噸煤。

在經(jīng)濟規(guī)模和前期技術論證都能走得通的情況下，我們基本會往前去做。過程中，我們也會跟客戶不斷迭代方案，抽象出里面可復制的標準化部分，客戶也會研究如何讓周邊系統(tǒng)也能夠配合我們的系統(tǒng)上線，這是一種雙向奔赴的過程。

36氪：很多傳統(tǒng)企業(yè)包括雙碳領域企業(yè)，都不太懂數(shù)字化和智能化業(yè)務，如何說服他們？能否以泉州水務項目為例，簡單介紹下？

李碩：不是不懂，在行業(yè)里面，有些客戶對數(shù)字化的價值是非常理解的。他們真正困擾是，怎么實現(xiàn)從理念到可執(zhí)行的路徑，以及最終真的執(zhí)行下去，并且執(zhí)行下去之后還能夠培養(yǎng)一支持續(xù)推進數(shù)字化的隊伍，難的是后面的三步。

泉州水務就非常有熱情。我們把泉州水務集團的宏觀設計轉(zhuǎn)化成數(shù)字化路徑，因為數(shù)字化涉及幾個問題：企業(yè)現(xiàn)有IT設備什么狀況，目標是什么，現(xiàn)有IT設備與目標之間是不是三年可行，一年見效，這是必須要回答的問題。

當然，我們在授人以魚的過程當中也會授人以漁。企業(yè)會派人來參加我們的培訓班，學習數(shù)字化思維，我們也會派專家去企業(yè)了解內(nèi)部系統(tǒng)。

36氪：你們在泉州水務集團項目上，是如何從0到1的？

李碩：我們大概做了三層。第一是幫泉州水務集團在古城地下特定位置部署管網(wǎng)傳感器監(jiān)測水壓。第二是根據(jù)硬件收集上來的數(shù)據(jù)，用AI中臺和大數(shù)據(jù)平臺來進一步調(diào)節(jié)供水策略。第三是教會泉州水務集團后續(xù)如何運營。

舉個例子，古城用水量和泵的壓力，以前都是工程師人力來調(diào)節(jié)，但人力不會考慮到天氣和節(jié)假日、臺風等情況下，居民用水的波峰波谷會完全不一樣。如果用水量不大的情況下，工程師把水壓力加的很大的話，管網(wǎng)就會滴漏。

所以我們在古城地下水管里部署了傳感器硬件，收集管網(wǎng)的數(shù)據(jù)。在考慮到人的用水習慣、壓力、管網(wǎng)的泵站控制、天氣等數(shù)據(jù)的基礎上，我們幫他把中臺建好，訓練模型。

然后有一些上層應用交給他們自己做?，F(xiàn)在泉州水務項目已經(jīng)做到第二期。水務大腦系統(tǒng)的運行、維護，他們的IT人員都能夠掌握。以前泉州水務的工程師都要自己出去巡檢，然后回來做維護，現(xiàn)在完全可以讓水廠拍所需的照片回來，工程師用我們平臺和工具更新模型，然后用模型去做巡檢工作，非常實在地掌握了數(shù)字化能力。

36氪：你們做完泉州水務集團項目后，在AI助力雙碳上有什么經(jīng)驗總結？

李碩：經(jīng)驗還談不上，但可以說對行業(yè)的痛點理解應該是比較到位了，且對技術方案進行了總結和抽象，目前已經(jīng)有了局部試點，下一步就是夯實試點。

更長遠來看，我覺得整個新型能源體系的構建、綜合能源的場景落地，國家頂層設計和規(guī)劃，肯定是一個綜合性系統(tǒng)，這需要區(qū)域協(xié)同、企業(yè)協(xié)同，甚至東西協(xié)同的國家層面工作。

我們理解痛點、構建基礎性底座，也是為未來的協(xié)同工作創(chuàng)造基礎，主動融入國家戰(zhàn)略。

三、“雙碳是系統(tǒng)性工程”

36氪：對于這些已經(jīng)落地的項目，你們怎么判定百度智能云真正幫助產(chǎn)業(yè)解決了問題？

李碩：一般在項目立項階段，我們都會對項目產(chǎn)生的技術價值和應用價值，都會做定義。我們最終一定把客戶能夠看得見的提質(zhì)增效、降本、綠色安全指標效果拿出來。如果一點效果都沒有，那就再繼續(xù)研究，這個東西不著急。

36氪：和4年前相比，企業(yè)的數(shù)字化、智能化變得容易了嗎？目前能源、工業(yè)的數(shù)字化智能化處于什么階段？

李碩：數(shù)字化的共識已經(jīng)非常清晰了，但不同行業(yè)的起點和基礎確實還有比較大的差距，我說的既對又是廢話的，但我腦海里浮現(xiàn)出來的東西部工廠和不同企業(yè)的領導，他們對于這些東西的理解還是有很大差異的。

在這種情況下，最好的策略和方式還是要有先進的示范，產(chǎn)業(yè)還是要往前走且走得穩(wěn)。有一些行業(yè)太熱不見得是好事，去年“雙碳”剛一提出來資本市場最興奮，但資本市場很興奮，干事的人沒那么興奮，肯定后面是要栽跟頭的。

36氪：那當下這些企業(yè)對雙碳這個事情興奮了嗎？

李碩：現(xiàn)在明顯感覺到大家有壓力了，尤其是經(jīng)過去年一系列限電事件。另一方面有壓力但是還沒有找到一個可行的路徑，都在探索當中。最后碳達峰碳中和一定是一個系統(tǒng)性工程，不是一兩家企業(yè)干的，也不是一兩個領域干的，而是大家在系統(tǒng)層面達到最優(yōu)。