「談碳」， 36 碳圍繞「雙碳與ESG」議題推出的專訪欄目，我們會尋找業內大公司「雙碳業務」的關鍵角色、明星企業 CEO、學界產業代表等人物，針對碳中和戰略、可持續發展、企業社會責任等話題，進行一場深談。
以下是「談碳」的第四期，36碳獨家專訪了百度副總裁李碩。為了尋找傳統行業綠色轉型的方向，李碩走訪過國內150多家工廠，去過很多三、四線城市，他的見聞與經驗，是國內能源、製造行業「減碳」現狀的真實切面。太陽東升西落，風從大地掠過，這些千百年來形成的自然規律，正在被挖掘出更多的潛能。
尤其在「碳達峰、碳中和」願景提出之後，如何馴化光風電的「脾氣」，讓其變成更「靠譜」的電力資源，成為行業的重要課題。近年來，尋找「人工智能+雙碳」的戰場，也是百度的重要任務之一。在接受 36 碳專訪時，百度副總裁李碩正為前往博鰲亞洲 2022 論壇做着出發前的準備。李碩在百度已任職16年，負責包括金融、工業、電力能源、媒體與電信等行業的解決方案、產品與技術研發。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商談合作事宜，他們希望通過人工智能技術，把天然不穩定不可控的風光發電，變成一個確定穩定的輸出。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，百度發布《2021年環境、社會及管治（ESG）報告》,報告從公司治理、人才發展、數據安全與隱私、環境責任、社會責任等方面呈現百度2021年在ESG領域的進展。更早之前，2021年6月，百度還發布過「2030年集團實現運營層面碳中和」的目標，計劃通過數據中心、辦公樓宇、碳抵消、智能交通、智能雲、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客戶。過去幾年，李碩走訪了國內150多家工廠，去過很多三、四線城市，尋找傳統行業綠色轉型的方向，與數字化智能化結合的機會。「以能源行業為例，無論是供能端，還是用能端，都有巨大的優化空間。」李碩對 36 碳說。百度副總裁 李碩
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，即便在雙碳規劃之下，火電未來也還會占到三四成比例。如何讓傳統化石能源變得更加高效和清潔，是國內能源體系轉型必須回答的問題。此消彼長，未來新能源（如風能、太陽能）的比例勢必上升。但由於新能源發電的不穩定性，我國新能源的發電量貢獻仍較低。「本質上，這是新能源供給的不穩定，和電網要求穩定之間的系統性衝突。」李碩表示，未來新能源如何融入現有電網體系，穩定供給是個艱巨挑戰。其次是用能端，涉及產業園區的企業生產用電和居民用電中，企業用電是大頭，但目前很少有企業在以用電成本為條件做動態的排產調度，無法做到充分利用峰谷電成本給企業帶來效益。在這些紛繁複雜的能源提效、降碳場景中，百度能做什麼？第一個案例在能源生產領域：在中國北方，火電廠的發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。空冷裝置的運行以往都由經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，通過智能雲產品對火電廠空冷島（火電廠空氣冷卻裝置的一個形象稱謂，幫助火電高溫蒸汽降溫）進行動態調優，綜合考慮環境溫度、風速、風向、汽輪機負荷等因素之後，結合歷史運行數據，建模分析後計算得出當前工況下的最佳群控風機轉速策略。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於其具有波動性、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徵對未來的發電量進行合理的預測，向電網輸出更精準的發電計劃，將新能源的不確定性、不穩定屏蔽在技術層之下。如此一來，在實際應用中如果出現風光電不穩定的情況，也能快速找到解決辦法。雖然技術落地仍需要時間，「但有了AI技術的介入，大規模的風光電上網可以更加高效。」泉州水務大腦：以前需要工作人員每天在設備機房裡面奔走，現在只要在中控室就可以實現全流程精細管理。
一般來說，從江河湖海到家中水龍頭，都屬於水務集團的管轄範圍，包括原水、制水、供水、排水、污水、節水等。以居民供水為例，水壓過大，所需能耗大，管網漏損率高，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。百度智能雲提供的方案是：幫助泉州水務集團在地下部署硬件傳感器監測水壓、建設水務大腦，在保證安全、穩定供水的前提下，進行智能化調壓控制，實現能耗優化。經測算，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。其他環節也是精準調參處理，減少能耗。此外，百度智能雲還提出「零碳園區」方案，從企業到園區、地區，都可以建立精細化管理與全局調控。其中企業級平台可完成實時碳追蹤及碳排放監測，能耗優化、生產工藝優化等功能；區域級平台可進行全域內碳核查及碳監測，推動區域能源互聯優化。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
在傳統企業朝着綠色生產轉型過程中，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驗的事情。百度智能雲業務也把這些項目總結為八個字：預測、優化、調度、監控，並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驗和思維，尤其是在工業互聯網發展中，幫助企業獲得更精確和高效的運作方式。全球知名機構波士頓諮詢公司(BCG)的一項量化研究表明，AI 對於減少碳排放功不可沒。預測數據顯示，AI 應用至2030年可有望減少26-53億噸碳排放，這一數據可占減排總量的5%-10%。李碩告訴36碳，能明顯感覺到當下各個行業對於實現雙碳的壓力，但很多企業還缺乏一些可行的路徑。「碳達峰、碳中和一定是個系統性工程，不是一兩家企業乾的，也不是一兩個領域乾的，而是大家在系統層面達到最優。」李碩如此表示。以下為36碳與百度副總裁李碩的對話（略經編摘）：「人工智能與老師傅」36碳：當前國家政策出台多個政策，積極推進綠色雙碳發展。對於製造、能源等行業，在「綠色雙碳」方面，當前行業最大的需求是什麼？李碩：「雙碳」從提出到現在，經過一段時間的探索，現已進入有節奏推進的階段，變得更加理智了。但在能源領域還有三個挑戰必須解決。第一是傳統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）的發電量貢獻仍較低。大規模的新能源如何融入到現有電網體系，並解決有效、穩定供給也是很大的挑戰。第三是用能端，這涉及到企業生產和居民用電，企業級的生產用電是大頭。如果自動化水平夠高的話，可以實現錯峰生產，讓工業需求用電處於相對平穩的狀態。總的來看，能源行業是雙碳計劃的重點發展目標，製造業次之，第三是交通，第四是建築。結合不同行業特色，未來可能會在橫向上形成一系列電力系統升級，縱向結合不同行業發展，更加有規律地使用能源、節省能源。舉個簡單的例子，我們在跟火電廠做火電的冷端工藝優化。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年要求在產的火電機組煤耗達到300克/度電的標準。現在比較好的火電企業能做到320克/度電，還有20克/度電的優化空間。說實話，火電企業的自動化水平已經做得非常好了，像剛才提到的冷端優化，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複雜參數來計算，確保達到冷卻標準。但在以前，這種調試和控制都是靠老師傅的經驗來控制的。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級優化方案，然後企業之間也結合在一起，形成一體化的整體優化系統。在新能源領域，人工智能就更加重要。新能源現在很大的問題在於其具有波動性、隨機性、間歇性特點，很多新能源企業面臨的困擾是，新能源供給的不穩定和電網追求穩定之間的根本性衝突，這完全可以靠新技術來解決。現在我們嘗試通過大量仿真計算，儘可能預測電網所需要的能源量。另一方面就是跟新能源企業一起探索，對風光電的不穩定情況做場景預測，例如結合風速、風向、光照強度等自然氣象特徵對未來的發電量進行合理的預測，向電網輸出更精準的發電計劃，把新能源的不確定性、不穩定屏蔽在技術層下面，就像雲計算里的PaaS層。這樣上層電網在調度時，就能預知新能源的波動，可以制定精準的調度計劃。第三個層面是需求側。我們幫很多企業做碳足跡、耗電設備的優化。從宏觀的能源供給和消耗角度看，單個企業很難解決雙碳大問題。所以我們在以園區為單位，綜合園區幾十家企業，對他們的生產用電需求進行精確預測和控制，從區域性角度平穩電網需求。36碳：新能源供給不穩定的痛點確實存在，那麼行業對於人工智能解決問題持什麼態度？觀望嗎？李碩：我覺得現在不是在觀望，而是在積極嘗試，但技術最後100米的落地可能有待這兩年的突破。因為新能源入電網要考慮一整張網，與其他環節不可分割。在這種情況下，謹慎是能夠理解，也是有必要的。去年夏天，我們跟國家電網有過一次長時間探討，國網總調度對於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碳：所以近兩年可以看到新能源（風光電）能夠實現大規模的穩定入網？李碩：本質上是兩層，一層發電側通過技術確保新能源入網是可靠的，另一層是用電側，把大家的用電需求匯聚在一起，給電網提供穩定的參考數據。這樣電網兩頭都有一個虛擬代理層，大大屏蔽電力生產和用電兩側的不確定性，現在風光電的發電量貢獻仍較低，只有十分之一左右，有了AI技術的介入，大規模的風光電上網可以更加高效。36碳：上述這些都比較聚焦在能源領域，在企業工業領域，你們怎麼助力企業減碳？一是把企業設備耗電降低。很多企業車間用電只通過一個電閘來啟停。比如橡膠行業的生產設備要高溫運行，但設備的預熱起碼要一個小時，才能進入生產環節。不生產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，嚴重影響生產節奏。通過做設備級管理，我們發現讓設備只冷卻到50度時，就能夠以最低能耗及時反應，維持企業生產。去年有一家企業用了我們的方案，在限電的情況下，保證了最重要的一條產線的生產。單條產線起碼能夠節能30%~40%。第二是在幫企業做到設備級管理之後，我們也看到了第二層機會。既然一個企業可以通過精細化管理降低能耗，那企業之間也完全可以做到這種管理，並且企業跟電網也可以有更好的議價能力。有的企業這兩年做黑燈工廠，自動化水平已經非常高。但之前為什麼不敢跟電網談判，因為企業內部還沒有做到精細化控制，不清楚什麼時候用電多少。但通過百度的工業互聯網升級後，確實可以跟電網講，什麼時候起生產線，需要多少電。現在我們在幫助蘇州和重慶、貴陽的工業園區，做區域級的用電統籌。園區級的統一對接，對於當地碳中和碳達峰的實現路徑和規劃來說，也是非常重要的信息輸入。
36碳：如果讓百度智能雲去賦能千行百業，包括剛才提及的能源、工業，這些行業都需要很深的know-how，你們是如何做到的？李碩：雲智一體是從行業、客戶的實際反饋迭代中發掘出來的。18、19年出去調研時，我們發現很多製造企業其實沒有天然的用雲需求，恨不得用一個台式機就能把軟件跑得起來。另外，製造業企業對毛利的要求很嚴格。如果不是特殊情況，是不會貿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台。企業主和車間主任腦子裡有一本非常清晰的賬。不同於互聯網，工業行業特別強調成效先行。很多傳統製造業聽到雲的反應是，感覺跟自己沒有關係。但如果講AI能夠幫企業優化工藝模型和參數，更好調度已有排產系統，這個是有用的。我們團隊還是比較早找到了怎麼跟企業主、車間主任打交道的方式。同時我們在幾個主要行業的落地，都有百度的合作夥伴一起來實現。我們通過開發者平台和合作計劃，手把手教行業裡面的工程師，用AI能力去構建自己的應用。前段時間我去重慶調研，有家企業就用我們的語音檢測的技術，解決摩托車組裝後的發動機聲音檢測。以前都是靠人來聽，現在可以用百度的AI構建應用，判斷發動機的聲音是否合格。36碳：一家企業和一百家企業用你們的產品，這兩個規模是不一樣的，你們怎麼找到行業的標杆案例，並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，但經過幾年實踐我們大概有幾個依據。我們會判斷種子場景的技術空間和商業應用價值。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化。其次會探討一旦技術成功，企業的應用規模大概有多少？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化之後，願意為這件事情付出多少錢？我們當時算過，1.55克/度電的工藝耗能節省，能給火電廠每年節約上千噸煤。在經濟規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，抽象出裡面可複製的標準化部分，客戶也會研究如何讓周邊系統也能夠配合我們的系統上線，這是一種雙向奔赴的過程。36碳：很多傳統企業包括雙碳領域企業，都不太懂數字化和智能化業務，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，在行業裡面，有些客戶對數字化的價值是非常理解的。他們真正困擾是，怎麼實現從理念到可執行的路徑，以及最終真的執行下去，並且執行下去之後還能夠培養一支持續推進數字化的隊伍，難的是後面的三步。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化成數字化路徑，因為數字化涉及幾個問題：企業現有IT設備什麼狀況，目標是什麼，現有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。企業會派人來參加我們的培訓班，學習數字化思維，我們也會派專家去企業了解內部系統。36碳：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傳感器監測水壓。第二是根據硬件收集上來的數據，用AI中台和大數據平台來進一步調節供水策略。第三是教會泉州水務集團後續如何運營。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節，但人力不會考慮到天氣和節假日、颱風等情況下，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，收集管網的數據。在考慮到人的用水習慣、壓力、管網的泵站控制、天氣等數據的基礎上，我們幫他把中台建好，訓練模型。然後有一些上層應用交給他們自己做。現在泉州水務項目已經做到第二期。水務大腦系統的運行、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，然後回來做維護，現在完全可以讓水廠拍所需的照片回來，工程師用我們平台和工具更新模型，然後用模型去做巡檢工作，非常實在地掌握了數字化能力。36碳：你們做完泉州水務集團項目後，在AI助力雙碳上有什麼經驗總結？李碩：經驗還談不上，但可以說對行業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，國家頂層設計和規劃，肯定是一個綜合性系統，這需要區域協同、企業協同，甚至東西協同的國家層面工作。我們理解痛點、構建基礎性底座，也是為未來的協同工作創造基礎，主動融入國家戰略。36碳：對於這些已經落地的項目，你們怎麼判定百度智能雲真正幫助產業解決了問題？李碩：一般在項目立項階段，我們都會對項目產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，那就再繼續研究，這個東西不着急。36碳：和4年前相比，企業的數字化、智能化變得容易了嗎？目前能源、工業的數字化智能化處於什麼階段？李碩：數字化的共識已經非常清晰了，但不同行業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，但我腦海里浮現出來的東西部工廠和不同企業的領導，他們對於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範，產業還是要往前走且走得穩。有一些行業太熱不見得是好事，去年「雙碳」剛一提出來資本市場最興奮，但資本市場很興奮，幹事的人沒那麼興奮，肯定後面是要栽跟頭的。李碩：現在明顯感覺到大家有壓力了，尤其是經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。最後碳達峰碳中和一定是一個系統性工程，不是一兩家企業乾的，也不是一兩個領域乾的，而是大家在系統層面達到最優。36氪旗下公眾號
👇🏻真誠推薦你關注 👇🏻
留言列表