探秘能源行業(yè)AI密碼：云鼎科技用大模型實現了″四個轉變″
DeepSeek現象級出圈后，光大證券在研報中拋出了這樣一個的觀點：大模型有望全面賦能流程工業(yè)和智能制造。
早在兩年前，電力、采礦、油氣、半導體、汽車等行業(yè)陸續(xù)開始了大模型落地的探索，不只是大語言模型，視覺模型、多模態(tài)模型、垂直領域的專業(yè)模型等都有應用，涌現出了不少有價值的案例。
比如在昇騰AI創(chuàng)新大賽2024上獲得金獎的云鼎科技團隊，2022年7月就開始了大模型在煤礦行業(yè)的能力驗證，目前已經在115類場景中落地，拓展到了化工、電力、油氣等多個行業(yè)。
同時也為我們打開了一個新的視角：當大模型的“春風”吹進工廠車間，將產生什么樣的化學反應？
01 一場始于2022年的創(chuàng)新探索
也許在不少人的印象里，煤礦還屬于所謂的“傳統產業(yè)”。
其實在2020年2月，國務院八部委就聯合下發(fā)了《關于加快煤礦智能化發(fā)展的指導意見》，明確要求將人工智能、工業(yè)互聯網、云計算、大數據等新技術與現代煤炭開發(fā)利用深度融合。
彼時ChatGPT還在醞釀階段，大模型的討論仍局限在技術圈內，云鼎科技著手組建一支涵蓋方案設計、產品研發(fā)、測試交付、運營運維等全棧能力的AI團隊，在2022年初開始了大模型落地試點。
回顧這場長達3年的創(chuàng)新探索，大抵可以分成三個階段：
第一個階段是驗證。
煤礦行業(yè)和AI的融合由來已久，但傳統的算法模型是基于某個特定場景開發(fā)的，部署到下一個場景的時候，常常因為安裝的位置、補光和環(huán)境差異，導致算法精度變差。再加上工業(yè)場景較為復雜，采集的數據比較少，且嚴重依賴人工標注，人工智能的落地長期處于試驗階段，無法規(guī)模化應用。
傳統算法模型的瓶頸，大模型可以打破嗎？2022年1月，山東能源集團攜手華為成立了聯合創(chuàng)新中心，尋求盤古大模型的行業(yè)應用；2022年7月，云鼎科技將大模型能力應用到了興隆莊煤礦，初步驗證了大模型在數據篩選效率、模型優(yōu)化效率、泛化性等方面的優(yōu)勢，成為行業(yè)里“第一個吃螃蟹的人”。
第二個階段是研發(fā)。
短短4個月的時間，云鼎科技就走完了模型驗證、訓練中心建設等工作，創(chuàng)建了百萬張訓練圖片的全場景高質量樣本集，并在L0大模型基礎上訓練出了全球首個擁有視覺感知、數據預測、自然語言處理、多模態(tài)等核心能力的L1礦山行業(yè)大模型。對比傳統算法，經小樣本訓練后的識別精度對比提升了10%以上，新場景識別精度提升超過23.5%，模型訓練工作量節(jié)省了85%。
時間來到2023年7月，山東能源集團、華為公司聯合發(fā)布礦山大模型的全球商用，首批發(fā)布了21個人工智能應用場景。同年9月，云鼎科技完成了礦山大模型在山東能源集團內5家單位的復制驗證，同時持續(xù)對模型進行調優(yōu)訓練。
第三個階段是推廣。
云鼎科技的探索并未止步于此，目前已經構建了了“1+4+N”架構的礦山智能化方案，通過1個AI開發(fā)平臺和4種能力，開發(fā)出了N個高價值應用場景，給出了大模型走向更多工業(yè)場景的通用范式。
可以找到的一組數據是：2024年12月，礦山大模型的落地場景從最初的21個增長到了115個，實現了大模型的常態(tài)化應用；在礦山行業(yè)外，逐步擴展到了化工、電力、油氣等，陸續(xù)在國家管網、皖北煤電、西部礦業(yè)、華能煤業(yè)等70余家單位落地，形成了一批可推廣復制的標準化解決方案。
為了讓礦山大模型服務更多客戶，云鼎科技設計了兩種賦能模式：一種是幫助客戶構建AI訓練中心，模型的訓練和部署都可以在本地實現，保障數據不出園區(qū)；另一種是輕量化部署的“調優(yōu)艙”，基于客戶的樣本數據進行增量訓練，并將訓練好的模型推送到邊緣端，客戶可以自主進行模型的持續(xù)優(yōu)化。
02 給能源行業(yè)帶來了“四個改變”
必須要回答的一個問題是：大模型解決了哪些產業(yè)難題？
可以找到的答案有很多。
比如基于大模型的掘進安全質量智能監(jiān)管系統，實現了掘進工作面可視、可管、可溯規(guī)范化作業(yè)；大模型賦能的煤礦安全生產知識助手，深度融入辦公系統，顯著優(yōu)化了決策流程與作業(yè)指導；井筒裝備智能巡檢使用多模態(tài)技術，能夠運用視覺、聽覺感知技術檢測井筒裝備的異常情況……
云鼎科技的一個又一個創(chuàng)新點，構建了大模型賦能能源行業(yè)的“全景”，確切地說是帶來了“四個改變”。
一是由“被動監(jiān)管”向“本質安全”轉變。
有了大模型的視覺感知能力，實現了對人的不安全因素、物的不安全狀態(tài)進行智能管控、提醒、消缺。比如在掘進作業(yè)中，結合視覺感知和設備運行狀態(tài)，自動識別危險區(qū)域人員進入、自動監(jiān)測截割部落地、敲幫問頂作業(yè)執(zhí)行等行為，并進行現場告警、聯動停機等自動業(yè)務處置，在提升作業(yè)流程規(guī)范的同時，增強員工的安全管理意識。
二是由“勞動密集”向“精簡高效”轉變。
很長一段時間里，礦山作業(yè)的每一個環(huán)節(jié)都離不開人。在大模型的賦能下，讓現場作業(yè)無人化、少人化成為了現實。以煤礦主煤流運輸環(huán)節(jié)的堆煤監(jiān)測、異物監(jiān)測、煤倉運行異常狀態(tài)監(jiān)控為例，礦山大模型落地后極大地減少了現場崗位人員和巡檢人員，實現了關鍵區(qū)域從“人盯”到“技防”跨越，既降低了人員的勞動強度，又提高了生產效率。
三是由“粗放管理”向“質量效益”轉變。
大模型之所以成為外界追捧的焦點，一個不可或缺的能力在于預測，通過對生產工藝參數和歷史數據進行分析建模，沉淀老師傅工作經驗為人工智能模型，可以實時預測最優(yōu)的工藝參數，自動下發(fā)和聯動控制，減少人工干預，有效降低生產成本、穩(wěn)定生產質量，提高產品產量和生產效率，告別過去靠“拍腦袋”做決策的“粗放管理”模式。
四是由“分散重復”向“集約高效”轉變。
以往人工智能在礦山領域的部署應用是分散的“作坊式”開發(fā)模式，導致資源重復配置與煙囪式建設，且過度依賴研發(fā)人員手工編寫代碼，存在開發(fā)周期長、成本高昂及應用效果不佳等問題。云鼎科技采用了更為高效、集約、標準化的“工廠式”開發(fā)路徑，以礦山行業(yè)預訓練的大模型為基礎，針對性地微調即可快速適應多樣化的應用場景。
按照產業(yè)轉型的一般規(guī)律：當一家企業(yè)、一類場景的創(chuàng)新價值被充分驗證后，大概率會成為整個行業(yè)的準則。
2024年4月，國家礦山安監(jiān)局、應急管理部等國家部委印發(fā)的《關于深入推進礦山智能化建設促進礦山安全發(fā)展的指導意見》中要求，加快礦山智能化領域的人工智能大模型的算法優(yōu)化和模型迭代，提升礦山人工智能大模型的通用性和實用性。重點開展人工智能在人員行為規(guī)范、工程質量評價、設備運行管控、安全保障、災害預警分析、工藝參數優(yōu)化等方面的創(chuàng)新應用。
如果說大模型代表的技術創(chuàng)新，是驅動能源產業(yè)轉型的“時”；頂層設計上的各項戰(zhàn)略規(guī)劃，則是推動創(chuàng)新擴散的“勢”。時與勢的同頻共振，預示著云鼎科技帶給能源行業(yè)的“四個改變”，正在成為一種行業(yè)共識。
03 看得見的成效和新質生產力
工業(yè)大模型的落地能否從1到N，終歸要算一筆“經濟賬”。
正如騰訊研究院在《工業(yè)大模型應用報告》中的觀點：相較于消費類場景，工業(yè)大模型應用面臨數據質量和安全、可靠性、成本三大挑戰(zhàn)，其中高額成本限制了工業(yè)大模型應用的投入產出比。
這里的“成本”顯然不只是價格，隨著大模型壓縮等技術的成熟，訓練和部署成本都在同步降低。左右企業(yè)做出選擇的誘因，可以歸結為“成效”二字，即工業(yè)大模型是否可以和降本增效劃等號。
和市面上同類大模型最大的差別，在于礦山大模型的規(guī)模化落地，不難找到有說服力的實際案例。
比如最早進行大模型能力驗證的兗礦能源興隆莊煤礦，僅僅是將所有的攝像儀接入AI應用平臺，部署對應的模型算法，就能實時監(jiān)測礦井人的不安全行為、物的不安全狀態(tài)，可減少固定崗位工15人、巡檢工24人。
再比如將大模型預測能力用于煤礦洗選的濟寧二號井煤礦，部署應用了云鼎科技研發(fā)的重介密控分選系統，利用算法的預測和自學習能力，實時分析預測最優(yōu)重介分選密度，執(zhí)行復雜參數預測，有效地穩(wěn)定了精煤質量，而且精煤產率提升了0.2%以上，每年增加的利潤就達到了400多萬元。
云鼎科技的創(chuàng)新探索并未停下來。
DeepSeek的模型能力出圈后，云鼎科技第一時間進行了驗證，基于安全生產、設備管理、應急救援等關鍵業(yè)務場景的百萬級高質量數據資源，蒸餾出了首個基于DeepSeek-R1的垂域礦山大模型，其中安全生產知識場景中的對話問答準確率達到了96%以上。
只有垂域礦山大模型還不夠，為了讓AI深入核心業(yè)務環(huán)節(jié)，云鼎科技還打造了NLP應用智能體，具備知識管理、工作流編排、應用構建、知識運營等核心功能，并為客戶提供了靈活的知識問答編排框架和應用模版，快速接入DeepSeek構建知識問答應用、工作流應用、智能體應用。
隔行如隔山，但隔行不隔理。
礦山大模型沉淀下來的方法論，同樣適用于其他行業(yè)。相對應的，云鼎科技制定了“縱向深耕，橫向拓展”的戰(zhàn)略：一邊按照“點-線-面”的路徑持續(xù)演進，構建礦山領域整體解決方案；一邊將業(yè)務范圍輻射到了化工、電力等板塊，加速推進全產業(yè)智能化升級。
每個行業(yè)都有自己的特點，但數智化轉型的難題是相通的，直接的例子就是大模型在化工行業(yè)的落地。
云鼎科技將礦山行業(yè)成熟的視覺類場景快速復制到了化工園區(qū)，顯著提升了園區(qū)的安全管理能力；基于DeepSeek、盤古等通用大模型，融合能源集團化工領域的知識數據，訓練出了化工行業(yè)專用模型。
以甲醇精餾為例，通過采集精餾塔的回流比、溫度、壓力、蒸汽流量、進料流量、液位、原料組分等工藝參數，利用大模型進行分析和預測，對精餾過程實施了精準優(yōu)化，有效降低了蒸汽消耗。某化工企業(yè)落地大模型后，單套設備節(jié)約了2%的蒸汽消耗量，每年能夠節(jié)約約400萬元成本。
無可否認的是，工業(yè)大模型仍處于探索初期，算法、模型、平臺都需要進一步的研發(fā)和優(yōu)化。只要做到了成效可以看見，輕松算清楚一筆經濟賬，勢必會吸引越來越多的企業(yè)擁抱大模型浪潮。
04 寫在最后
在DeepSeek的影響下，業(yè)內漸漸達成了一種共識——未來大模型將呈現“技術摸高+工程創(chuàng)新”并行發(fā)展趨勢。
“技術摸高”指的是頭部企業(yè)堅定投入預訓練基礎模型創(chuàng)新，打造深度開放的算力平臺和生態(tài)；“工程創(chuàng)新”是指降低大模型的訓練和部署門檻，兼顧成本和性能，有望呈現“百模千態(tài)”的繁榮景象。
對號入座的話，云鼎科技無疑是“工程創(chuàng)新”的代表企業(yè)，他們所蘊藏的能量和產業(yè)勢能同樣不可小覷。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規(guī)范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）