百度副总裁李硕：用AI帮工厂减碳，先学会和车间主任对话 | 谈碳
「谈碳」，是 36 氪旗下栏目 36 碳围绕“双碳与ESG”议题推出的专访栏目，我们会寻找业内大公司“双碳业务”的关键角色、明星企业 CEO、学界产业代表等人物，针对碳中和战略、可持续发展、企业社会责任等话题，进行一场深谈。
以下是「谈碳」的第四期，36碳独家专访了百度副总裁李硕。为了寻找传统行业绿色转型的方向，李硕走访过国内150多家工厂，去过很多三、四线城市，他的见闻与经验，是国内能源、制造行业“减碳现状”的真实切面。
文 | 李安琪
编辑 | 苏建勋
太阳东升西落，风从大地掠过，这些千百年来形成的自然规律，正在被挖掘出更多的潜能。
尤其在“碳达峰、碳中和”愿景提出之后，如何驯化光风电的“脾气”，让其变成更“靠谱”的电力资源，成为行业的重要课题。
近年来，寻找“人工智能+双碳”的战场，也是百度的重要任务之一。
在接受 36 氪专访时，百度副总裁李硕正为前往博鳌亚洲 2022 论坛做着出发前的准备。李硕在百度已任职16年，负责包括金融、工业、电力能源、媒体与电信等行业的解决方案、产品与技术研发。
除参加会务外，李硕此行另一重要目的，是与一家新能源企业商谈合作事宜，他们希望通过人工智能技术，把天然不稳定不可控的风光发电，变成一个确定稳定的输出。
从技术到能源、从能源到“双碳”，百度正将绿色减碳的版图延伸至整个集团。
5月16日，百度发布《2021年环境、社会及管治（ESG）报告》,报告从公司治理、人才发展、数据安全与隐私、环境责任、社会责任等方面呈现百度2021年在ESG领域的进展。
更早之前，2021年6月，百度还发布过“2030年集团实现运营层面碳中和”的目标，计划通过数据中心、办公楼宇、碳抵消、智能交通、智能云、供应链六个方面达成目标。
人工智能是百度“减碳”的一个重要抓手，除了自给自足以外，百度还在尝试将这一技术输出给外部企业客户。
过去几年，李硕走访了国内150多家工厂，去过很多三、四线城市，寻找传统行业绿色转型的方向，与数字化智能化结合的机会。“以能源行业为例，无论是供能端，还是用能端，都有巨大的优化空间。”李硕对 36 氪说。
首先在供能端，当下能源体系仍以化石能源为主，火电约占七成，即便在双碳规划之下，火电未来也还会占到三四成比例。如何让传统化石能源变得更加高效和清洁，是国内能源体系转型必须回答的问题。
此消彼长，未来新能源（如风能、太阳能）的比例势必上升。但由于新能源发电的不稳定性，我国新能源的发电量贡献仍较低。
“本质上，这是新能源供给的不稳定，和电网要求稳定之间的系统性冲突。”李硕表示，未来新能源如何融入现有电网体系，稳定供给是个艰巨挑战。
其次是用能端，涉及产业园区的企业生产用电和居民用电中，企业用电是大头，但目前很少有企业在以用电成本为条件做动态的排产调度，无法做到充分利用峰谷电成本给企业带来效益。
在这些纷繁复杂的能源提效、降碳场景中，百度能做什么？
李硕没有立刻回答，而是聊起了过往的各种案例。
第一个案例在能源生产领域：在中国北方，火电厂的发电机组都有空气冷却装置，一般由几十个大型风机组成，对火电汽轮机的乏汽进行冷凝。空冷装置的运行以往都由经验丰富的工艺专家把控，但人力控制往往不够达不到精准的最佳真空背压值。
百度的方法是，通过智能云产品对火电厂空冷岛（类似于大型制冷机，帮助火电蒸汽快速冷凝）进行动态调优，综合考虑环境温度、风速、风向、汽轮机负荷等因素之后，结合历史运行数据，建模分析后计算得出当前工况下的最佳群控风机转速策略。百度成功帮助该火电厂将标准供电煤耗降低1.55 克/度电，全国在运行空冷岛年碳减排潜力可达600万吨。
在新能源领域，AI 的重要性更加明显。目前新能源的突出问题在于其具有波动性、随机性、间歇性特点。百度则尝试通过仿真计算，对风光电的不稳定情况做场景预测，例如结合风速、风向、光照强度等自然气象特征对未来的发电量进行合理的预测，向电网输出更精准的发电计划，将新能源的不确定性、不稳定屏蔽在技术层之下。
如此一来，在实际应用中如果出现风光电不稳定的情况，也能快速找到解决办法。虽然技术的落地仍需要时间，“但有了AI技术的介入，大规模的风光电上网可以更加高效。”
泉州水务大脑：以前需要工作人员每天在设备机房里面奔走，现在只要在中控室就可以实现全流程精细管理。
第二个令李硕印象深刻的案例，是泉州水务集团。
一般来说，从江河湖海到家中的水龙头，都属于水务集团的管辖范围，包括原水、制水、供水、排水、污水、节水等。以居民供水为例，水压过大，所需能耗大，管网漏损率高，可能还会引起爆管事件；而水压过小，可能会造成居民用水不便。
百度智能云提供的方案是：帮助泉州水务集团在地下部署硬件传感器监测水压、建设水务大脑，在保证安全、稳定供水的前提下，进行智能化调压控制，实现能耗优化。
经测算，这套方案可以使供水单位能耗下降8%，人员效率提升5%以上。其他环节也是精准调参处理，减少能耗。
此外，百度智能云还提出“零碳园区”方案，从企业到园区、地区，都可以建立精细化管理与全局调控。其中企业级平台可完成实时碳追踪及碳排放监测，能耗优化、生产工艺优化等功能；区域级平台可进行全域内碳核查及碳监测，推动区域能源互联优化。
新疆电力巡检：无人机进行电力巡检，巡线员不用身处危险境地
在传统企业朝着绿色生产转型过程中，百度在试图探索自己擅长的切入点：以机器学习的方式，去替代那些往往依赖人力经验的事情。百度智能云业务也把这些项目总结为八个字：预测、优化、调度、监控，并且把这八个字的主语，从“人”变成了“AI”。
人不应该被机器化，但机器可以学习人类的经验和思维，尤其是在工业互联网发展中，帮助企业获得更精确和高效的运作方式。
全球知名机构波士顿咨询公司(BCG)的一项量化研究表明，AI 对于减少碳排放功不可没。预测数据显示，AI 应用至2030年可有望减少26-53亿吨碳排放，这一数据可占减排总量的5%-10%。
李硕告诉36氪，能明显感觉到当下各个行业对于实现双碳的压力，但很多企业还缺乏一些可行的路径。
“碳达峰、碳中和一定是个系统性工程，不是一两家企业干的，也不是一两个领域干的，而是大家在系统层面达到最优。”李硕如此表示。
以下为36氪与百度副总裁李硕的对话（略经编摘）：
一、“人工智能与老师傅”36氪：当前国家政策出台多个政策，积极推进绿色双碳发展。对于制造、能源等行业，在“绿色双碳”方面，当前行业最大的需求是什么？
李硕：“双碳”从提出到现在，经过一段时间的探索，现已进入有节奏推进的阶段，变得更加理智了。但在能源领域还有三个挑战必须解决。
第一是传统化石能源如何变得更加高效和清洁。因为未来能源体系结构里，化石能源依旧会占到三四成比例，这是很大的占比。
第二是新能源（指风能、太阳能）的发电量贡献仍较低。大规模的新能源如何融入到现有电网体系，并解决有效、稳定供给也是很大的挑战。
第三是用能端，这涉及到企业生产和居民用电，企业级的生产用电是大头。如果自动化水平够高的话，可以实现错峰生产，让工业需求用电处于相对平稳的状态。
总的来看，能源行业是双碳计划的重点发展目标，制造业次之，第三是交通，第四是建筑。结合不同行业特色，未来可能会在横向上形成一系列电力系统升级，纵向结合不同行业发展，更加有规律地使用能源、节省能源。
36氪：像百度等科技公司能做些什么？
李硕：科技公司能发挥的作用非常巨大。
举个简单的例子，我们在跟火电厂做火电的冷端工艺优化。百度能够帮该火电厂将标准供电煤耗降低1.55克/度电。去年国家也出了指导标准，到2025年要求在产的火电机组煤耗达到300克/度电的标准。
现在比较好的火电企业能做到320克/度电，还有20克/度电的优化空间。说实话，火电企业的自动化水平已经做得非常好了，像刚才提到的冷端优化，主要是用空冷岛进行冷却，需要参考机组负荷，汽轮机低压缸排汽焓，蒸汽流速，风速，风向，真空度，管束换热能力，防冻约束条件等一系列复杂参数来计算，确保达到冷却标准。但在以前，这种调试和控制都是靠老师傅的经验来控制的。
未来我们希望把煤耗仿真，燃煤效率，热端冷端工艺等整合成一个火电机组系统级优化方案，然后企业之间也结合在一起，形成一体化的整体优化系统。
在新能源领域，人工智能就更加重要。新能源现在很大的问题在于其具有波动性、随机性、间歇性特点，很多新能源企业面临的困扰是，新能源供给的不稳定和电网追求稳定之间的根本性冲突，这完全可以靠新技术来解决。
现在我们尝试通过大量仿真计算，尽可能预测电网所需要的能源量。另一方面就是跟新能源企业一起探索，对风光电的不稳定情况做场景预测，例如结合风速、风向、光照强度等自然气象特征对未来的发电量进行合理的预测，向电网输出更精准的发电计划，把新能源的不确定性、不稳定屏蔽在技术层下面，就像云计算里的PaaS层。这样上层电网在调度时，就能预知新能源的波动，可以制定精准的调度计划。
第三个层面是需求侧。我们帮很多企业做碳足迹、耗电设备的优化。从宏观的能源供给和消耗角度看，单个企业很难解决双碳大问题。所以我们在以园区为单位，综合园区几十家企业，对他们的生产用电需求进行精确预测和控制，从区域性角度平稳电网需求。
36氪：新能源供给不稳定的痛点确实存在，那么行业对于人工智能解决问题持什么态度？观望吗？
李硕：我觉得现在不是在观望，而是在积极尝试，但技术最后100米的落地可能有待这两年的突破。因为新能源入电网要考虑一整张网，与其他环节不可分割。在这种情况下，谨慎是能够理解，也是有必要的。
去年夏天，我们跟国家电网有过一次长时间探讨，国网总调度对于新技术还是非常积极，最终讨论结果是：应该大胆往前走，可以先在一些地方先试先行。
36氪：所以近两年可以看到新能源（风光电）能够实现大规模的稳定入网？
李硕：本质上是两层，一层发电侧通过技术确保新能源入网是可靠的，另一层是用电侧，把大家的用电需求汇聚在一起，给电网提供稳定的参考数据。
这样电网两头都有一个虚拟代理层，大大屏蔽电力生产和用电两侧的不确定性，现在风光电的发电量贡献仍较低，只有十分之一左右，有了AI技术的介入，大规模的风光电上网可以更加高效。
36氪：上述这些都比较聚焦在能源领域，在企业工业领域，你们怎么助力企业减碳？
李硕：主要帮大家做两件事情：
一是把企业设备耗电降低。很多企业车间用电只通过一个电闸来启停。比如橡胶行业的生产设备要高温运行，但设备的预热起码要一个小时，才能进入生产环节。不生产时也要一直保持温度，不敢让机器凉了。不然再次启动设备又要一段时间，严重影响生产节奏。
通过做设备级管理，我们发现让设备只冷却到50度时，就能够以最低能耗及时反应，维持企业生产。去年有一家企业用了我们的方案，在限电的情况下，保证了最重要的一条产线的生产。单条产线起码能够节能30%~40%。
第二是在帮企业做到设备级管理之后，我们也看到了第二层机会。既然一个企业可以通过精细化管理降低能耗，那企业之间也完全可以做到这种管理，并且企业跟电网也可以有更好的议价能力。
有的企业这两年做黑灯工厂，自动化水平已经非常高。但之前为什么不敢跟电网谈判，因为企业内部还没有做到精细化控制，不清楚什么时候用电多少。但通过百度的工业互联网升级后，确实可以跟电网讲，什么时候起生产线，需要多少电。
现在我们在帮助苏州和重庆、贵阳的工业园区，做区域级的用电统筹。园区级的统一对接，对于当地碳中和碳达峰的实现路径和规划来说，也是非常重要的信息输入。
二、“找到与车间主任对话的方式”36氪：如果让百度智能云去赋能千行百业，包括刚才提及的能源、工业，这些行业都需要很深的know-how，你们是如何做到的？
李硕：云智一体是从行业、客户的实际反馈迭代中发掘出来的。18、19年出去调研时，我们发现很多制造企业其实没有天然的用云需求，恨不得用一个台式机就能把软件跑得起来。另外，制造业企业对毛利的要求很严格。如果不是特殊情况，是不会贸然要花几百万甚至上千万去搞一套效果都不确定的技术平台。企业主和车间主任脑子里有一本非常清晰的账。
不同于互联网，工业行业特别强调成效先行。很多传统制造业听到云的反应是，感觉跟自己没有关系。但如果讲AI能够帮企业优化工艺模型和参数，更好调度已有排产系统，这个是有用的。我们团队还是比较早找到了怎么跟企业主、车间主任打交道的方式。同时我们在几个主要行业的落地，都有百度的合作伙伴一起来实现。
我们通过开发者平台和合作计划，手把手教行业里面的工程师，用AI能力去构建自己的应用。前段时间我去重庆调研，有家企业就用我们的语音检测的技术，解决摩托车组装后的发动机声音检测。以前都是靠人来听，现在可以用百度的AI构建应用，判断发动机的声音是否合格。
36氪：一家企业和一百家企业用你们的产品，这两个规模是不一样的，你们怎么找到行业的标杆案例，并且判定这个方向是对的？
李硕：这确实比较考验我们的判断力，我们不一定每个点能选对，但经过几年实践我们大概有几个依据。我们会判断种子场景的技术空间和商业应用价值。首先会看技术空间到底能带来多大改进，像刚才提到的空冷岛优化。
其次会探讨一旦技术成功，企业的应用规模大概有多少？比如一个火电厂有多少火电机组能使用？一个火电机组方案优化之后，愿意为这件事情付出多少钱？我们当时算过，1.55克/度电的工艺耗能节省，能给火电厂每年节约上千吨煤。
在经济规模和前期技术论证都能走得通的情况下，我们基本会往前去做。过程中，我们也会跟客户不断迭代方案，抽象出里面可复制的标准化部分，客户也会研究如何让周边系统也能够配合我们的系统上线，这是一种双向奔赴的过程。
36氪：很多传统企业包括双碳领域企业，都不太懂数字化和智能化业务，如何说服他们？能否以泉州水务项目为例，简单介绍下？
李硕：不是不懂，在行业里面，有些客户对数字化的价值是非常理解的。他们真正困扰是，怎么实现从理念到可执行的路径，以及最终真的执行下去，并且执行下去之后还能够培养一支持续推进数字化的队伍，难的是后面的三步。
泉州水务就非常有热情。我们把泉州水务集团的宏观设计转化成数字化路径，因为数字化涉及几个问题：企业现有IT设备什么状况，目标是什么，现有IT设备与目标之间是不是三年可行，一年见效，这是必须要回答的问题。
当然，我们在授人以鱼的过程当中也会授人以渔。企业会派人来参加我们的培训班，学习数字化思维，我们也会派专家去企业了解内部系统。
36氪：你们在泉州水务集团项目上，是如何从0到1的？
李硕：我们大概做了三层。第一是帮泉州水务集团在古城地下特定位置部署管网传感器监测水压。第二是根据硬件收集上来的数据，用AI中台和大数据平台来进一步调节供水策略。第三是教会泉州水务集团后续如何运营。
举个例子，古城用水量和泵的压力，以前都是工程师人力来调节，但人力不会考虑到天气和节假日、台风等情况下，居民用水的波峰波谷会完全不一样。如果用水量不大的情况下，工程师把水压力加的很大的话，管网就会滴漏。
所以我们在古城地下水管里部署了传感器硬件，收集管网的数据。在考虑到人的用水习惯、压力、管网的泵站控制、天气等数据的基础上，我们帮他把中台建好，训练模型。
然后有一些上层应用交给他们自己做。现在泉州水务项目已经做到第二期。水务大脑系统的运行、维护，他们的IT人员都能够掌握。以前泉州水务的工程师都要自己出去巡检，然后回来做维护，现在完全可以让水厂拍所需的照片回来，工程师用我们平台和工具更新模型，然后用模型去做巡检工作，非常实在地掌握了数字化能力。
36氪：你们做完泉州水务集团项目后，在AI助力双碳上有什么经验总结？
李硕：经验还谈不上，但可以说对行业的痛点理解应该是比较到位了，且对技术方案进行了总结和抽象，目前已经有了局部试点，下一步就是夯实试点。
更长远来看，我觉得整个新型能源体系的构建、综合能源的场景落地，国家顶层设计和规划，肯定是一个综合性系统，这需要区域协同、企业协同，甚至东西协同的国家层面工作。
我们理解痛点、构建基础性底座，也是为未来的协同工作创造基础，主动融入国家战略。
三、“双碳是系统性工程”36氪：对于这些已经落地的项目，你们怎么判定百度智能云真正帮助产业解决了问题？
李硕：一般在项目立项阶段，我们都会对项目产生的技术价值和应用价值，都会做定义。我们最终一定把客户能够看得见的提质增效、降本、绿色安全指标效果拿出来。如果一点效果都没有，那就再继续研究，这个东西不着急。
36氪：和4年前相比，企业的数字化、智能化变得容易了吗？目前能源、工业的数字化智能化处于什么阶段？
李硕：数字化的共识已经非常清晰了，但不同行业的起点和基础确实还有比较大的差距，我说的既对又是废话的，但我脑海里浮现出来的东西部工厂和不同企业的领导，他们对于这些东西的理解还是有很大差异的。
在这种情况下，最好的策略和方式还是要有先进的示范，产业还是要往前走且走得稳。有一些行业太热不见得是好事，去年“双碳”刚一提出来资本市场最兴奋，但资本市场很兴奋，干事的人没那么兴奋，肯定后面是要栽跟头的。
36氪：那当下这些企业对双碳这个事情兴奋了吗？
李硕：现在明显感觉到大家有压力了，尤其是经过去年一系列限电事件。另一方面有压力但是还没有找到一个可行的路径，都在探索当中。最后碳达峰碳中和一定是一个系统性工程，不是一两家企业干的，也不是一两个领域干的，而是大家在系统层面达到最优。
欢迎关注 36 碳
相关推荐
谈碳 | 腾讯SSV副总裁许浩：没什么碳排放的腾讯，为什么要碳中和？
蚂蚁集团何征宇：双十一背后的技术减碳，有一招“绿色计算”的杀手锏 | 谈碳
百度发布2021年ESG报告： 176个智能红绿灯减碳超2万吨
远景的碳中和大棋局：十年一百个新园区，减掉一个日本的碳排放 | 碳案
巅峰对话：“碳”路者如何走好双碳之路每一步？丨2021中国投资人未来峰会
马斯克卖碳赚了16亿美元，碳交易卖的究竟是什么？
最前线 | 全国人大代表张雷: 让零碳产业园成为双碳转型“先立后破” 的重要载体
马斯克「卖碳」赚了16亿，碳交易卖的究竟是什么？
马斯克盖茨争当“卖碳翁”
他们用一根海藻，“碳中和”一头牛
网址: 百度副总裁李硕：用AI帮工厂减碳，先学会和车间主任对话 | 谈碳 http://m.xishuta.com/newsview63440.html
