機器學習、大資料以及自動化正在徹底改變全球工業體系，能源行業自然也不例外。各類創新成果推動著技術進步、帶來了經濟效率的提升、創造著智慧化程度更高的業務運營模式，同時為基礎設施提供了更強的彈性水平。正因為如此，世界各地的企業與機構才積極將先進技術——特別是人工智慧，視為首要關注重點。

就能源行業來說，諸多企業正在以多種方式實施大資料與AI技術，且行業的整體積極性也正在快速增長。預計到2022年，石油與天然氣行業的AI軟體市場總額將達到驚人的28.5億美元。由此帶來的預測分析能力將可監控長達數英里的地下管道，而機器學習技術則可以幫助化石燃料企業以更低的成本高效進行鑽探，從而透徹瞭解深埋於地表之下的地質構造。新的“智慧”電網也在採用機器學習技術實現計算機、自動化與感測器裝置的整合，從而以實時監測甚至預測能源需求的快速變化。

人工智慧在能源領域的應用正在激增。比如，埃克森美孚下轄子公司XTO Energy正在與微軟方面合作，利用機器學習、商務智慧應用以及雲技術從其160萬英畝油田當中收集資料。這些實時資料將能夠改善鑽井及用於監測的基礎設施的洩漏情況和維修條件。

這樣的合作關係也使得XTO成為雲技術應用規模最大的石油與天然氣企業。據估計，微軟公司的技術實施有望到2025年幫助XTO方面將石油產量提升至每天5萬桶。

除此之外，AI還有助於提高能源基礎設施的安全性。太平洋天然氣與電力公司已經著手採用機器學習技術，用以應對因氣候變化而加劇的加利福尼亞州野火問題。事實上，部分野火事故甚至完全屬於自發燃起，並造成數十億美元的損失。加州電力公司目前嘗試利用無人機檢查其輸電塔，而後透過AI將影象轉換為資料點——目前其能夠採集的資料點已經高達10億個。將這些資料輸入演算法之後，演算法即可確定該公司應該將資源集中在哪裡，以降低發生潛在野火的風險。

▲2018年5月18日，在雪佛龍公司位於傑克/聖路易斯的主控室中，監測人員正在觀察遠離美國路易斯安那州海岸的、位於墨西哥灣的Malo深水石油鑽井平臺的海上作業工人。行業高管們紛紛表示，新技術、大資料以及智慧化程度更高的設計相結合，終將結束規模海底石油開採所帶來的高昂開支。

與此同時，智慧能源系統將越來越多地允許客戶利用可再生能源為其家庭及企業供電。可再生能源在本質上擁有間歇性屬性，因為其主要來自太陽輻射、雲層覆蓋、風以及海浪等。現代技術能夠幫助公共事業企業透過智慧電網改變這些穩定性較差的能源的流動方式，而且智慧化程度越高，效果也就越好。隨著能源儲存能力的提升，企業能夠將更多剩餘的電能輸送至公共事業級電池當中——包括鋰離子電池以及氫燃料電池等等。

雖然AI技術能夠為我們的經濟做出巨大的貢獻，但同時也可能帶來非常可怕的風險。計算機與機器的實際效果受到程式設計水平的限制，而這類設計工作完全由人類完成，因此裝置就如同開發它們的人類一樣遠稱不上完美。與此同時，數字化與互連性的增強則提升了裝置受到操縱甚至造成破壞的可能性。我們對於大資料以及機器學習技術的依賴性越強，使用者面臨的網路安全風險也就越可怕——電網與其它公共事業企業已經在著手解決這個問題。而頗具諷刺意味的是，他們在解決此類問題時也通常需要藉助人工智慧的力量。

因此，全球政府與各監管機構必須建立適當的政策性機制，用以解決技術應用規模化所帶來的具體問題以及風險。比如，最近美國會見了經濟合作與發展組織（簡稱經合組織）各成員國，希望確定在國際上使用人工智慧技術時所應遵循的原則與準則。這無疑標誌著各國政府向負責任的AI實施邁出的重要一步。

隨著AI技術戰爭的不斷升溫，企業與消費者也將受益於更加安全、更加清潔、更加便宜以及更加高效的能源。而讓這場技術競賽也才剛剛開始。

我感覺現在 ，機器學習、大資料以及自動化正在徹底改變全球工業體系，能源行業自然也不例外。各類創新成果推動著技術進步、帶來了經濟效率的提升、創造著智慧化程度更高的業務運營模式，同時為基礎設施提供了更強的彈性水平。正因為如此，世界各地的企業與機構才積極將先進技術——特別是人工智慧，視為首要關注重點。

就能源行業來說，諸多企業正在以多種方式實施大資料與AI技術，且行業的整體積極性也正在快速增長。預計到2022年，石油與天然氣行業的AI軟體市場總額將達到驚人的28.5億美元。由此帶來的預測分析能力將可監控長達數英里的地下管道，而機器學習技術則可以幫助化石燃料企業以更低的成本高效進行鑽探，從而透徹瞭解深埋於地表之下的地質構造。新的“智慧”電網也在採用機器學習技術實現計算機、自動化與感測器裝置的整合，從而以實時監測甚至預測能源需求的快速變化。個人觀點 相互交流

在這樣的專業領域不太懂，無法發表專業的建議，不過之前有看過一篇關於類似的報導，從中體會到不管怎樣，將大資料與機器學習融合到全球能源行業是非常令人激動的進步，隨著大資料與機器學習技術向能源行業不同業務領域的滲透，對海量資料的挖掘與運用已經成為推動行業發展的重要因素。

這個真的不懂，我從網上搬運了一篇。

機器學習、大資料以及自動化正在徹底改變全球工業體系，能源行業自然也不例外。各類創新成果推動著技術進步、帶來了經濟效率的提升、創造著智慧化程度更高的業務運營模式，同時為基礎設施提供了更強的彈性水平。正因為如此，世界各地的企業與機構才積極將先進技術——特別是人工智慧，視為首要關注重點。

就能源行業來說，諸多企業正在以多種方式實施大資料與AI技術，且行業的整體積極性也正在快速增長。預計到2022年，石油與天然氣行業的AI軟體市場總額將達到驚人的28.5億美元。由此帶來的預測分析能力將可監控長達數英里的地下管道，而機器學習技術則可以幫助化石燃料企業以更低的成本高效進行鑽探，從而透徹瞭解深埋於地表之下的地質構造。新的“智慧”電網也在採用機器學習技術實現計算機、自動化與感測器裝置的整合，從而以實時監測甚至預測能源需求的快速變化。

全球範圍的技術競爭

今年2月，美國發布了《美華人工智慧倡議》，致力於促進跨行業、學術界以及其它非聯邦實體的聯邦政府支出與資源分配，從而實現AI的技術性突破，維持美國在人工智慧技術領域的主導地位。

今年5月，美國能源部長裡克-佩裡宣佈，能源部（簡稱DOE）正在與克雷以及AMD公司合作構建Frontier，其中包含三臺新的機器。這些機器將提升美國的AI技術水平。Frontier被視為世界上最快的計算機，其速度水平約為當前超級計算機的50倍。

而在這一方面，中國也很早就加入了AI競爭的戰團，並在一部分指標當中領先於美國。

2017年，中國發布了《新一代人工智慧發展規劃》，其中概述了AI發展的具體研發資金與目標，希望推動中國在2030年成為全球AI技術的領導者，並藉此為國家經濟貢獻約1500億美元。雖然美國在大多數AI相關指標當中占主導地位，但中國在啟動股權融資以及資料收集方面則處於明顯優勢。此外，在全球前20所AI研究排名最高的大學當中，中國擁有17所。

AI正重塑能源行業

人工智慧在能源領域的應用正在激增。比如，埃克森美孚下轄子公司XTO Energy正在與微軟方面合作，利用機器學習、商務智慧應用以及雲技術從其160萬英畝油田當中收集資料。這些實時資料將能夠改善鑽井及用於監測的基礎設施的洩漏情況和維修條件。

這樣的合作關係也使得XTO成為雲技術應用規模最大的石油與天然氣企業。據估計，微軟公司的技術實施有望到2025年幫助XTO方面將石油產量提升至每天5萬桶。

除此之外，AI還有助於提高能源基礎設施的安全性。太平洋天然氣與電力公司已經著手採用機器學習技術，用以應對因氣候變化而加劇的加利福尼亞州野火問題。事實上，部分野火事故甚至完全屬於自發燃起，並造成數十億美元的損失。加州電力公司目前嘗試利用無人機檢查其輸電塔，而後透過AI將影象轉換為資料點——目前其能夠採集的資料點已經高達10億個。將這些資料輸入演算法之後，演算法即可確定該公司應該將資源集中在哪裡，以降低發生潛在野火的風險。

2018年5月18日，在雪佛龍公司位於傑克/聖路易斯的主控室中，監測人員正在觀察遠離美國路易斯安那州海岸的、位於墨西哥灣的Malo深水石油鑽井平臺的海上作業工人。行業高管們紛紛表示，新技術、大資料以及智慧化程度更高的設計相結合，終將結束規模海底石油開採所帶來的高昂開支。

與此同時，智慧能源系統將越來越多地允許客戶利用可再生能源為其家庭及企業供電。可再生能源在本質上擁有間歇性屬性，因為其主要來自太陽輻射、雲層覆蓋、風以及海浪等。現代技術能夠幫助公共事業企業透過智慧電網改變這些穩定性較差的能源的流動方式，而且智慧化程度越高，效果也就越好。隨著能源儲存能力的提升，企業能夠將更多剩餘的電能輸送至公共事業級電池當中——包括鋰離子電池以及氫燃料電池等等。

AI技術並不完美

雖然AI技術能夠為我們的經濟做出巨大的貢獻，但同時也可能帶來非常可怕的風險。計算機與機器的實際效果受到程式設計水平的限制，而這類設計工作完全由人類完成，因此裝置就如同開發它們的人類一樣遠稱不上完美。與此同時，數字化與互連性的增強則提升了裝置受到操縱甚至造成破壞的可能性。我們對於大資料以及機器學習技術的依賴性越強，使用者面臨的網路安全風險也就越可怕——電網與其它公共事業企業已經在著手解決這個問題。而頗具諷刺意味的是，他們在解決此類問題時也通常需要藉助人工智慧的力量。

因此，全球政府與各監管機構必須建立適當的政策性機制，用以解決技術應用規模化所帶來的具體問題以及風險。比如，最近美國會見了經濟合作與發展組織（簡稱經合組織）各成員國，希望確定在國際上使用人工智慧技術時所應遵循的原則與準則。這無疑標誌著各國政府向負責任的AI實施邁出的重要一步。

隨著AI技術戰爭的不斷升溫，企業與消費者也將受益於更加安全、更加清潔、更加便宜以及更加高效的能源。而讓這場技術競賽也才剛剛開始。