还记得那个“用爱发电”的老梗吗?

站在用户的角度思考问题，与客户深入沟通，找到邻水网站设计与邻水网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都做网站、网站设计、企业官网、英文网站、手机端网站、网站推广、申请域名、虚拟主机、企业邮箱。业务覆盖邻水地区。

2014年的时候，台湾一些环保团体因为反核电诉求提出了这个神奇的口号，被二次元世界的朋友们各种引申，变成了一句网红流行语。

结果后来AI技术真的跟电力结合了。我和我的媒体同行们，大概都想过借用这个谐音梗，写写“用AI发电”的故事。但是谨慎来说AI并不能直接参与发电，乱用谐音梗不仅很破，还有标题党的嫌疑。

那就换个说法吧，虽然“用AI发电”不行，但AI技术与电力产业的结合却在真实发生。经历了数年的发展，AI技术已经发展出了相对完善的产业体系，在电力行业各领域中大展身手。随之而来的，是AI+电力产业开始释放出更多红利，面向更多创业者和从业者打开机遇窗口。

在疫情尚未过去，复工已经陆续开始的特殊时期，“新基建”话题登上了各种热搜榜单。在“新基建”的范畴里，各行业的数字化和智能化绝对是重中之重。从这个角度看，电力产业的智能化也将在接下来很长时间内释放政策、资本与产业链红利。

而对于我们大多数人来说，AI和电力行业的交叉，是一个相对陌生的知识体系。一方面这涉及相对工程化的AI应用，另一方面电力系统是高度精密的工业体系，产业科普渠道并不多。但在这段特殊日子里，我们却可以从华为打造的昇腾系列直播里，了解这个独特且重要领域的真实情况。

在新ICT基础设施，以及AI技术体系的成熟下，电力产业正在迎来高速的智能化发展期。在这个趋势里寻找机会，说不定可以让AI给你的人生发个电。

AI使能电力

说起来AI与电力的结合，颇有点王要见王的感觉。

一百年前，电力开始驶入各行各业，成为人类社会新的通用技术底座，你很难想象今天有哪个行业，甚至哪个家庭居然是可以不用电的。而产学各界对AI技术也抱有同样的期许，AI可以使能千行百业，解放各个领域的生产关系。

事实上，这次AI技术崛起的第一站就关乎电。2016年，刚刚被谷歌收购不久的DeepMind还没有派出名扬天下的阿尔法狗，就先在谷歌数据中心里玩起了AI节电计划。基于DeepMind的平衡算法，谷歌数据中心成功将用电量缩减了15%。后来这一项目还被谷歌打入了市场，希望能够帮助电力运营商节省用电量。

事实上，AI与电的邂逅绝不仅仅是智能节电这么简单。在电力产业漫长的产业链中，从发电、输电、配电、售电，到用电，所有环节都被认为可以引入AI技术的参与，从而达成提高效率、节约成本、降低人工劳动量的目标。AI无人巡检、AI输电线路可视化、AI配电方案，以及AI+大数据节电系统，是目前AI+电力产业先行落地的几个关键领域。

总体来说，电力产业是在各行业中，尤其适合AI技术进行加持的。因为它有这样几个特点，非常适合机器视觉与智能数据、深度学习技术来完成提质增效：

1、电网的产业特点是运营周期长，人工成本大。AI能够取代部分人力成本，就将带来巨大价值。

2、电力系统是一个标准的木桶模型，绝不能出现任何短板。所以智能识别、智能巡检等AI解决方案的净值大，需求强烈。当然对AI技术的合规与精度要求也同样高企。

3、电力行业的数据标准化程度高、数据规模巨大，非常适合AI进行重新配比，AI软件与硬件都能与电力产业进行深度融合。

早在2009年，国家电网就制定了智能电网发展规划，从而将电网优化配置资源能力、自动化水平和环保水平大幅提升。

而在这场旷日持久的史诗邂逅之下，一家家科技公司都瞄准了这个新兴市场，一个个AI体系与电力产业的真实协作方案正在成型。而这些通道，也随之通过初步形成的产业生态向普普罗大众打开了智能时代的大门。

基于昇腾AI计算平台的Atlas与电力产业的真实碰撞

AI+电力的蛋糕很大，如果想要把其中的逻辑说得更明白一些，我们可能要先切下来其中的一角。

疫情期间，安全复工和产业无人化变成了全社会的热议。但如果我们到电力行业里看看，很多岗位早就已经开始了无人化。

比如说电路巡检，这个在电网体系中格外重要，但又异常艰苦的岗位。由于电网铺设范围广，横跨各种地形环境，巡检员必须在杳无人迹之处用双脚丈量线路，风餐露宿昼夜兼程。而去年9月，华为与深圳供电局合作，发布了用AIoT视频巡检解决方案，改变传统人工巡检的新能力。在大量集成了华为Atlas 200 AI加速模块的视频在线监测摄像头，以及搭载Atlas 200 AI加速模块的无人机帮助下，过去20天才能完成的巡检工作，视频巡检只需要两小时。尤其这一解决方案降低了巡检员繁重的劳动，提高了工作安全系数，可谓功莫大焉。

事实上，各家科技公司正在从不同的角度切入AI+电力的产业图谱，华为也早在2018年就与深圳供电局联合成立了ICT实验室，聚焦能源互联网和人工智能的合作创新。

而与科技公司普遍依托AI算法走入电力行业不同，昇腾AI计算平台是基于华为全栈全场景AI的技术能力，从计算产品填补产业空白。

那么这位同学可能会问了：就算昇腾与电力行业的接触方式很特别，那这个跟我有什么关系呢?

这位同学，你的问题非常好。让我们再稍微绕远一点，看看昇腾AI计算平台，为电力行业贡献了哪些独特价值：

1、基于昇腾AI计算平台的Altas系列产品，能够满足电力场景端侧AI算力的关键空白。

由于能源AI是高精密行业，端侧实时化计算能力至关重要，这也让硬件AI算力和工程化成为了行业的大挑战。Altas恰好化解了这个尴尬。

2、全场景AI，能够融入电力产业的体系化AI需求。

昇腾AI计算平台提供的全栈AI架构，以及不同智能计算产品组成的产品序列，可以排列组合成各种场景解决方案，满足特定的场景需求、体系化需求。

3、昇腾AI计算平台的广泛生态性。

鲲鹏与昇腾生态，从诞生之日起就以开放作为目标，执行软件开源、硬件开放的战略。各类型的生态合作伙伴和开发者，都可以利用昇腾，找到自身与电力行业融合的方案，解决长尾问题。

有没有明白那个问题的答案?打个比方，昇腾AI计算平台，就像华为为生态合作伙伴与开发者打造的一系列“AI乐高”。面对电力行业无穷无尽的长尾市场、本地化市场、产业链市场，这些乐高的搭建者将是华为以外的你、我、他。

如果说，AI与电力的邂逅，是两个地壳板块相撞，拱起了一座巍峨高山;那么旅行者想要登上这座山，就必须要有一条山路——昇腾恰好就是一条安全可靠且风景独特的路。

如果你是主角，如何打开AI与电的大冒险?

工业AI被产业界认为是“AI+千行万业”中的王座;而作为精密度最高、场景最复杂、全国体系化最完善的工业领域，电力行业又可以说是工业AI王座上最耀眼的宝石。

当互联网红利和人口红利趋于耗尽，越来越多的开发者、创业者，以及在校学生开始把目光投向AI+电力，这个全新的产业智能化机遇窗口。

对于科技产业的创业者而言，变化就是机遇，机遇就是一切。但就AI+电力产业这个新的机遇大门而言，了解一定先于行动。如果你也想来到这个充满未知的领域探险，一定要先做好尽可能详尽的AI+电力产业地图。

AI使能电力，这个万亿级别的产业需求，今天已经开始向外界释放机遇。而其中的主要产业机会，在产业细节中，在垂直化、本地化、产业链重构的长尾市场里。

上文讨论了这样一个观点：华为的昇腾AI计算平台就像是带给产业开发者的“AI乐高”，可以借此完成不同需求与场景属性的产业AI目标。那么在昇腾的生态合作里，也就自然而然孕育了先行者在“AI+电力”领域中绘制的“产业藏宝图”。

比如说，智洋创新就与华为合作，依托昇腾系列产品，构筑了构建输电设备物联网解决方案。在输电线路的AI检测实践中，智洋创新发现了实时性不足、监控空白期长、前端算法精度过低等问题。遇上基于华为Atlas 200 AI加速模块，智洋创新将Atlas200 AI加速模块嵌入到可视化装置中，使得前端设备具备AI分析能力，大幅提升前端监测设备的智能水平，有效缩短监控空白期;同时，他们在监控中心新增Atlas深度学习解决方案，不断对AI算法模型进行训练优化，从而实时动态提升系统的智能效率。

而另一家合作伙伴，亚联发展则基于昇腾AI计算平台，与华为联合推出了变电站智能运检解决方案。这一方案将传统的人工监测变成机器自动识别，实现了对变电站设备状态、人员行为、区域安全等全场景的智能化监控，帮助电力客户提高运检效率，有效保障电网的安全稳定运行。

从这两家公司的实际经验，可以发现想要挖掘”用AI助电”的产业机遇，今天必须重视这样几个问题：

1、在理解技术基础，尤其是产业基础的前提下进行创新，避免自己发明轮子。比如昇腾AI计算平台已经做了大量前导工作，为开发者和从业者提供了产业跳板。

2、基于成熟案例，理解电力行业与智能计算产业两方面的接驳点。在实践案例中总结真实的产业经验和产业智慧，避免盲目进入未知领域。

3、查探一线产业细节，往往一个细节就是一个机会。昇腾生态不仅是一个产业形态，更是一种产业逻辑。在其中找到发现问题和实现创新的机会，是今天走入AI电力产业的可靠方案。

而即将上线直播的“昇腾大家说——AI赋能电力行业智能升级专场”，则将展示华为昇腾AI计算平台针对保障输电电路安全运行、提高运检效率等问题，如何与行业结合并提出自己的解决方案。对想要了解AI电力，乃至于产业智能化整体趋势的用户来说，这一直播将会很合适;尤其对于创业者、工程师、AI技术人员、学生来说，也是非常好的实践学习机遇。

在特殊的时期，我们展望“AI助电”，也是让华为的AI技术，帮助我们自己的人生发电。

网页名称：用爱发电只是个梗，用AI使能电力却是无边未来-创新互联
文章源于：http://lszwz.com/article/gjcpo.html