Das Pan-Energie-Netz hat die "physikalische KI" im Bereich von Energie und Kohlenstoff geschaffen, indem es die Scheidewand zwischen der virtuellen und der realen Welt durchbrochen hat.
Dies ist eine Vorhersage über die Umsetzung von KI in der realen Welt, auf die Technologiegiganten wie NVIDIA und Google setzen. Physikalische KI bedeutet, dass die KI die Funktionsweise der physischen Welt verstehen kann: von den Naturgesetzen bis hin zu den Bewegungsbahnen von Objekten unter der Wirkung der Trägheit. Wenn die KI all dies versteht und entsprechende Pläne erstellen kann, können alle Fähigkeiten der KI in die physische Welt integriert werden.
Dass die physikalische KI zur Hauptfigur der neuen Technologiegeneration wird, liegt in der realen Nachfrage nach der Modernisierung traditioneller Branchen und der Entwicklung neuer Branchen. Es ist auch ein Wendepunkt, an dem die KI von der technologischen Showigkeit zur praktischen Anwendbarkeit wechselt. Seit der Entwicklung der KI hat sich die Aufmerksamkeit der Menschen von der technologischen Begeisterung hin zur Fähigkeit der KI zur Lösung realer Probleme und Schmerzpunkte verschoben.
Insbesondere in der Industrie ist die Technologie keine Luftburg. Letztendlich muss die KI für die Realität eingesetzt werden, um die echten Probleme und Bedürfnisse der industriellen Entwicklung zu lösen. Die Industrie braucht dringend eine KI, die die Funktionsweise der physischen Welt und die Regeln und Charakteristika der Industrie versteht - die physikalische KI erfüllt diesen Bedarf.
Nachdem das Ziel festgelegt ist, steht die Frage der Wahl des technologischen Weges zur physikalischen KI im Vordergrund.
In gewisser Hinsicht ist das Large Language Model (LLM) keine ideale Wahl. Einerseits konzentriert sich das LLM stärker auf die Textverarbeitungsfähigkeit und hat Schwierigkeiten, multimodale Informationsströme wie Audio, Bilder und Videos in der physischen Welt zu bewältigen. Noch wichtiger ist die zentrale Einschränkung des LLMs: Halluzinationen und Vergessenheit, die es unmöglich machen, die physikalische KI wirklich zu unterstützen.
Zunächst die "Halluzinationen". Da das LLM durch die statistische Analyse der Wortassoziationen in einer riesigen Menge an Texten Inhalte generiert und auf der Mustererkennung von Texten basiert, ist es im Wesentlichen ein "Wortvorhersager" und kann die Wahrheit der Informationen nicht durch Sinne oder logische Schlussfolgerungen überprüfen. Daher liefert das LLM Inhalte, die zwar plausibel erscheinen, aber nicht mit der Realität übereinstimmen, also das berüchtigte "Quatsch".
"Vergessenheit" bedeutet, dass das LLM beim Lernen neuer Informationen alte Informationen irreversibel überschreibt oder schwächt, was dazu führt, dass die zuvor erlernten Informationen verloren gehen oder verfälscht werden. Sowohl das Vergessen des Kontexts als auch das Vergessen von Wissen verringern die Kohärenz und Genauigkeit der Antworten in mehrfachen Runden.
Offensichtlich liegen diese Einschränkungen des LLMs weit von der Fähigkeit der physikalischen KI, die reale Welt zu verstehen, entfernt.
Der Weg aus der Sackgasse liegt in einer anderen Art von Modellen: Inferenzmodellen, die die Welt wahrnehmen und verstehen können, also Weltmodelle. Dies ist auch das von dem Turing-Award-Gewinner und Chef-AI-Wissenschaftler von Meta, Yann LeCun, befürwortete Technologiekonzept.
Was die konkreten Lösungen angeht, wie kann ein Modell Schritt für Schritt die Welt verstehen und Planungen treffen? Laut Beobachtungen von 36Kr wird in der KI-Praxis der Energiewirtschaft durch das Kombinationsmodell von "Simulation + Mechanismus" die KI in die Lage versetzt, die physikalische Umwelt zu verstehen und Handlungen zu planen, um ein "Weltmodell" für die Energiewirtschaft zu schaffen.
Der entscheidende Schritt in Richtung physikalischer KI findet zunächst in der Energiewirtschaft statt.
Spezifischer als die physikalische KI ist die Energiewirtschaft-KI
Im Vergleich zur großen Fragestellung des "Verständnisses der physischen Welt" ist es eine realistischere und spezifischere Umsetzungsmöglichkeit, die physikalische KI in einem bestimmten Bereich für eine vertikale Branche zu entwickeln.
Zum Beispiel in der Energiewirtschaft. "Energie + KI" bezieht sich eher darauf, dass die KI als technologische Variable die Transformation der Energiewirtschaft antreibt und befähigt und das Energiemanagementsystem modernisiert. Eine KI, die die Komplexität und Funktionsweise der Energiewirtschaft wirklich verstehen und entsprechende Schlussfolgerungen, Planungen und Entscheidungen treffen kann, ist die "Energiewirtschaft-KI" - im Gegensatz zu einer einfachen Addition, ist die "Energiewirtschaft-KI" ein organisches Ganzes, ein neues Paradigma für vertikale KI.
Man kann sagen, dass die Energiewirtschaft-KI als ein neues intelligentes System die Interaktionsweise zwischen Energieinfrastruktur und realer Welt, insbesondere in der Industrie, neu definiert.
Die Verfolgung der physikalischen KI erfordert die Unterstützung eines Weltmodells. Ebenso erfordert die Schaffung einer Energiewirtschaft-KI ein "Weltmodell" für den Energiesektor. Beim Umsetzungsprozess hat sich ein tendenzielles Lösungsansatz herausgebildet: Simulation + Mechanismus.
Simulation ist keine neue Erfindung und nicht spezifisch für die Energiewirtschaft. Es besteht in der Industrie ein technologischer Konsens: Durch Simulations- und Digital-Twin-Technologien können reale Systeme, Prozesse oder Umgebungen simuliert werden. In dieser "wiederhergestellten Welt" kann die Machbarkeit und der Effekt einer Technologie oder eines Plans analysiert und verifiziert werden, um Menschen zu helfen, komplexe Umgebungen zu verstehen, Designs zu optimieren und Risiken und Kosten für Fehlversuche zu reduzieren.
Simulation wird weit verbreitet in der industriellen Fertigung (z. B. bei der Produktentwicklung von Autos und Raumfahrzeugen), in der Gesundheitsbranche und im Strommanagement eingesetzt.
Dieses Modell kann auf die Anwendungsseite der Energiewirtschaft übertragen werden. Durch die Simulation der realen Energie- und Kohlenstoffumgebung können Algorithmen trainiert werden, damit die KI die Produktions- und Betriebsregeln der Branche schneller versteht und ein "Weltmodell" für die Energiewirtschaft geschaffen werden kann.
Die Simulation ist nur der erste Schritt. Damit das Modell wirklich das Energieverbrauchskonzept der Branche versteht und professionelles Wissen entwickelt und Handlungsentscheidungen trifft, muss das Modell die Wechselwirkungsprinzipien und Betriebsregeln der verschiedenen Elemente im Energiesystem (z. B. verschiedene technologische Geräte und Sensoren in einer Fabrik) verstehen, also den Energieverbrauchmechanismus, und diesen kontinuierlich optimieren.
Durch die Kombination von Simulation und Mechanismus kann das Modell sich auf den Eintritt in die reale Energiewelt vorbereiten.
Dies ist ein Spiegelbild der Umsetzung von Technologie in der Realität. Die Entwicklungstrends der Technologie sind leicht vorhersehbar. Der entscheidende Faktor, der den Unterschied macht und bestimmt, ob eine Technologie ihren wahren Wert entfalten kann, liegt darin, aus dem Labor in die Produktionsfront zu gelangen, der Realität zu standhalten und einen umsetzbaren Weg zu finden.
Beim Umsetzungspfad der Energiewirtschaft-KI liegt die größte Hürde in den Daten und dem Fachwissen der Energiewirtschaft. Um die Energiewirtschaft zu verstehen, benötigt die KI zunächst eine große Menge an echten und hochwertigen Branchen-Daten für das Modelltraining. Auf dieser Grundlage muss auch der Branchenmechanismus für Feinabstimmungen und Korrekturen herangezogen werden.
Dies erhöht zweifellos die Schwelle für die Erforschung der Energiewirtschaft-KI. Dennoch haben Pioniere begonnen, sich in die "Niemandszone" der Schaffung der Energiewirtschaft-KI zu wagen. Einer davon ist die ENN Energy Internet.
Basierend auf den mehr als 30-jährigen Fachkenntnissen und privaten Daten der ENN Group in der Energiewirtschaft hat die ENN Energy Internet das spezialisierte Energietool "ENN Energy Simulation" entwickelt. Durch Techniken wie RAG (Retrieval Augmented Generation) und verstärkte Feinabstimmung wird es tief in das grundlegende Large Language Model integriert, um eine KI zu schaffen, die das Fachwissen der Energiewirtschaft und die Funktionsweise der Energieverbrauchswelt verstehen kann, also die "Energiewirtschaft-KI".
Von der Verkehrswirtschaft zur Energiewirtschaft: Ein reibungsloser Wechsel im Bereich "Autonomes Fahren"
Im Zuge der Erforschung der Energiewirtschaft-KI hat die ENN Energy Internet 2024 erstmals das Kernkonzept des "Autonomen Fahrens" im Energiesektor eingeführt. Nach einem Jahr an Überlegungen und praktischer Erfahrung hat sich das "Autonome Fahren" im Energiesektor zu einem systematischen Architekturkonzept entwickelt.
Wer das Konzept des "Autonomen Fahrens" im Energiesektor zum ersten Mal hört, wird sich sicherlich fragen, was das heutzutage so beliebte Schlagwort aus der Verkehrswirtschaft mit der Energie zu tun hat.
Dies ist auch eine Frage, die der CEO der ENN Energy Internet, Cheng Lu, häufig bekommt. Aus seiner Sicht befindet sich die Energiewirtschaft derzeit in einem Anfangsstadium der Transformation, das dem "Intelligenten Fahren" von Fahrzeugen sehr ähnlich ist.
Konkret gesehen weisen beide in der hierarchischen Logik ihrer Systemarchitekturen entsprechende Ähnlichkeiten auf.
Das autonome Fahren von Fahrzeugen kann in drei zentrale Komponenten zerlegt werden: Erstens ein Wahrnehmungsmodell der Welt, das Sensoren, Erkennungsmodule und Entscheidungsmechanismen umfasst. Dies ist das zentrale Gehirn des intelligenten Fahrens. Zweitens ein Hauptsystem, repräsentiert durch die intelligente Fahrgastzelle, das mit der Außenwelt interagieren und auf Umweltvariablen reagieren kann, um fein abgestimmte Anpassungen und Entscheidungen zu treffen. Drittens alle Steuer- und Ausführungseinheiten, wie Lenkung, Beschleunigung und Bremsung des Fahrzeugs.
Das von der ENN Energy Internet aufgebaute System für autonomes Fahren im Energiesektor basiert ebenfalls auf diesen drei Ebenen der Logik.
Zunächst gibt es das zentrale Gehirn: Das große Energie- und Kohlenstoffmodell. Dies ist ein spezialisiertes Großmodell, das die jahrelangen Fachkenntnisse und privaten Daten der ENN Energy Internet in der Energiewirtschaft integriert und mithilfe von Tools wie der ENN Energy Simulation-Platform und Technologien wie RAG die Funktionsweise des Energie- und Kohlenstoffsektors verstehen kann. Man kann sagen, dass es sich um ein "Weltmodell" für den Energie- und Kohlenstoffsektor handelt.
Das Hauptsystem der intelligenten Fahrgastzelle entspricht den spezialisierten Agenten der ENN Energy Internet. Diese Agenten fungieren wie ein Team virtueller Experten unter der Leitung des zentralen Gehirns. Von der Aufgabenplanung und -aufteilung bis zur Durchführung von Entscheidungen in konkreten vertikalen Szenarien und dem Branchenwissen und -mechanismus kann dieses Agentensystem komplexe Energiemanagementaufgaben in verschiedenen Szenarien aufteilen und effizient ausführen.
Schließlich entspricht die Steuerungseinheit des Fahrzeugs der intelligenten Energie- und Kohlenstoffsteuerung der ENN Energy Internet. Angesichts der verschiedenen konkreten Anforderungen und Aufgaben des Energiemanagementsystems ist die ENN Energy Internet für die Umsetzung verantwortlich und schließt die Schleife von der Wahrnehmung und Erkennung bis zur Entscheidungsfindung und Handlung.
Aufgrund dieser Ähnlichkeiten hat die ENN Energy Internet ein Klassifizierungssystem von L1 bis L5 für autonomes Fahren im Energiesektor vorgeschlagen.
Cheng Lu gesteht ein, dass sich derzeit viele KI-Produkte in der Energiewirtschaft auf die Stufen L1 bis L2 konzentrieren, d. h. geringe Automatisierung und geringe Beteiligung von Menschen. Die ENN Energy Internet bricht derzeit die Stufe L3, d. h. lokale Autonomie, durch, bei der keine menschliche Beteiligung an der Entscheidungsfindung erforderlich ist, um die Sicherheit, Wirtschaftlichkeit, Effizienz und Bequemlichkeit des Energiesystems zu gewährleisten. In der Stufe L5 wird die intelligente Betriebsweise in den Bereichen Wasser, Gas, Strom, Wärme und Kälte integriert, um eine globale autonome Koordination zu erreichen.
Genau wie das Ziel des autonomen Fahrens von Fahrzeugen nicht nur die Optimierung der Leistung eines einzelnen Fahrzeugs ist, sondern die intelligente Steuerung des gesamten Verkehrssystems durch die Koordination von Fahrzeugen, Netzwerken und Clouds, um die Gesamtwirtschaftlichkeit und Effizienz zu verbessern, ist das Ziel des autonomen Fahrens im Energiesektor der ENN Energy Internet, in verschiedenen Anwendungsfällen und Kundengruppen sowohl die Fähigkeit zur Edge- als auch zur Cloud-Berechnung zu haben, ein globales Betriebsentscheidungssystem zu besitzen und die koordinierte Optimierung des Energiesystems und des Internet der Dinge zu erreichen.
Von der Verkehrswirtschaft bis hin zum Energiesystem trägt das "Autonome Fahren" die zukünftige Mission der globalen intelligenten Autonomie.
Die Energiewirtschaft-KI bekommt "Hände und Füße" und betritt die industriellen Szenarien
Die Energiewirtschaft-KI ist das Ziel, und an jedem Zwischenstopp auf dem Weg dorthin wird ein Umsetzungsträger benötigt. Die von der ENN Energy Internet neu entwickelte intelligente Energie- und Kohlenstoffsteuerungseinheit übernimmt diese Rolle.
Im Vergleich zum ersten Produkt, das im vergangenen Jahr veröffentlicht wurde, hat die neue intelligente Energie- und Kohlenstoffsteuerungseinheit sowohl in der Hardware-Design als auch in der Funktionalität eine Aufwertung erfahren. In Bezug auf die Hardware sind Kameras und NFC-Sensoren integriert, was das Design noch technologischer macht. In Bezug auf die Produktfunktionen und -erfahrung ist das Produkt für die Interaktion mit den Kunden kein unverständliches Tool oder Dokument, noch ein unverständlicher Algorithmus, sondern eine Reihe von Energiemanagementprogrammen, die direkt eingesetzt werden können und als professionelle intelligente Assistenten fungieren.
Dies bedeutet, dass mit der intelligenten Energie- und Kohlenstoffsteuerungseinheit die Energiewirtschaft-KI nicht nur einen intelligenten "Gehirn" hat, sondern auch "Hände und Füße" bekommt und in die verschiedenen industriellen Szenarien des täglichen Lebens wie Kleidung, Essen, Wohnen und Verkehr in Form einer eingebetteten KI eintreten kann.
Nehmen wir das Beispiel der Kleidung. Im vergangenen Jahr hat die ENN Energy Internet die erste Version der intelligenten Energie- und Kohlenstoffsteuerungseinheit in der Färbebütte der Textilindustrie eingesetzt. Nach einem Jahr an Weiterentwicklung und Verbesserung hat die zweite Version eine Vielzahl von Anwendungsfällen, von der Färbebütte bis hin zum Spannrahmen.
Das Spannrahmenverfahren ist ein entscheidender Schritt in der Textilindustrie. Nachdem der Stoff in der Färbebütte gefärbt wurde, bestimmt der Spannrahmenprozess direkt die Größe und das Gefühl des Stoffs. Von der Färbung bis zum Spannrahmen hat die ENN Energy Internet ein umfangreiches Agentensystem für die verschiedenen Verfahrensschritte in der Textilindustrie aufgebaut. Im Laufe eines Jahres konnte der Verlust an Stoff so reduziert werden, dass damit über 5 Millionen T-Shirts hergestellt werden könnten.
Von der Schaffung eines Weltmodells für den Energie- und Kohlenstoffsektor über die Erforschung des autonomen Fahrens in der Energiewirtschaft bis hin zur tatsächlichen Umsetzung in den Bereichen des täglichen Lebens verbindet die Energiewirtschaft-KI der ENN Energy Internet die digitale Welt mit der physischen Welt und bringt die AI-Transformation der Energieinfrastruktur neu auf die Beine.
Wenn die KI in die Energiewelt und die physischen Fabriken eintritt, werden die Branchenökosysteme und die Branchenkunden auch von einer neuen Welle an technologischen Vorteilen und Wertsteigerungen profitieren.