撰文：李信馬?
“董事長的一個電話，讓我決定來到朗新。”在采訪的開始，黃飛博士回憶道。
隨著2022年底ChatGPT發(fā)布，人工智能的浪潮再次在全球范圍內(nèi)洶涌而來，對每一個從業(yè)者來說，在哪里做AI，做什么AI，都是足以影響到自己未來職業(yè)發(fā)展的重要選擇。
那是什么讓黃飛這位華中科技大學畢業(yè)的AI領(lǐng)域老兵做出了來到朗新集團的決定呢？
答案就藏在那通電話里，黃飛回憶，兩件事情打動了他?！笆紫龋珹I的應用要找場景，不管你是在大廠還是在創(chuàng)業(yè)公司，場景都是最重要的，朗新本身就是新能源領(lǐng)域的頭部企業(yè)，新能源一直到目前為止，仍然是 AI 的價值洼地，可以契合行業(yè)去做出差異化的競爭優(yōu)勢。其次是集團層面，有很大的決心對AI做大的投入和戰(zhàn)略性的布局?！?/p>
于是在2023年，黃飛來到朗新集團，擔任AI研究院院長，負責朗新的人工智能研發(fā)與應用，成為當時少有的從互聯(lián)網(wǎng)大廠跳到科技能源企業(yè)的“逆行者”，投身一場更“接地氣”的技術(shù)戰(zhàn)役。
解析朗新能源大模型
在2023年，全世界對于如何做大模型，還是處于一個“摸著OpenAI過河”的階段。這一點，大廠和創(chuàng)業(yè)公司沒什么區(qū)別?！皹I(yè)界都在跟隨他們的技術(shù)”。
朗新科技集團的AI研究院是在2023年6月成立的，對于做大模型，也是類似的思路。不過和大廠爭相在做通用大模型有所不同，朗新更聚焦在能源行業(yè)?！爱敃r成立后我們就在想，能源行業(yè)的數(shù)據(jù)和通用數(shù)據(jù)存在較大差異，AI的應用會出現(xiàn)泛化問題，我們對行業(yè)里面每一個子問題，都需要單獨去處理。那能不能做一個比較好的底座大模型，類似GPT，這個大模型就能把行業(yè)里面的各種子任務解決掉？就算不行，我們拿少量數(shù)據(jù)微調(diào)一下也就行了。”
朗新科技集團構(gòu)建能源大模型的優(yōu)勢，首先是有數(shù)據(jù)壁壘，這既有幾十年的行業(yè)積累，也是因為行業(yè)數(shù)據(jù)中存在大量的的時序數(shù)據(jù)，比如七天的歷史交易數(shù)據(jù)，這些數(shù)據(jù)是點狀的曲線，而不是像語言那樣有前后顯性的語義相關(guān)信息。用這些數(shù)據(jù)預測當天的數(shù)值，其實類似于深度求索（DeepSeek）的量化交易做法，這是通用大模型廠商難以復制的關(guān)鍵資產(chǎn)。
除了行業(yè)數(shù)據(jù)外，數(shù)據(jù)合成的技術(shù)也在快速發(fā)展，這是朗新研究的方向之一。即使同樣使用Transformer基礎(chǔ)架構(gòu)，朗新的能源大模型會針對行業(yè)數(shù)據(jù)去修改模型結(jié)構(gòu)和訓練方法，能夠?qū)r序數(shù)據(jù)處理能力與垂直領(lǐng)域know-how深度融合。
在構(gòu)建了大模型后，朗新的另一個重點是“AI助手”，或者說是“智能體”。
“我們的最終目的，就是做一個以能源大模型為底座來驅(qū)動的具有自我進化能力的能源智能體。”黃飛進一步解釋道，在訓練的過程中他們發(fā)現(xiàn)，有一些突發(fā)的事件，比如說政策，或者是突發(fā)的惡劣天氣，會對他們負荷預測或者交易預測造成較大的影響，需要智能體具備自我進化的能力，能夠通過挖掘不同模態(tài)的信息來識別關(guān)鍵事件，避免“黑天鵝”。
從技術(shù)上來說，這是可以通過強化學習達到的，將以往數(shù)據(jù)當中不具備的訓練數(shù)據(jù)，用強化的方法探索出來，然后自動地在真實場景中進行各種試錯，從而知道哪些方向是正確的，哪些是錯誤的，進而將模型的參數(shù)導向正確的方向，模型就具備了一定的自我進化能力。
黃飛告訴DoNews，只是目前這種方法還要通過人工干預，并不能全自動，但他相信未來是可以實現(xiàn)的。“目前我們已經(jīng)在一些局部的場景里面驗證了這個方法是OK的，正在快速往前演進?！?/p>
從實驗室到能源一線
激勵黃飛加入朗新的動力，就是希望將AI應用到具體的場景當中。因此，隨著大模型和智能體的技術(shù)成熟，AI也迅速地開始進入到能源行業(yè)的一線。
據(jù)公開資料介紹，在時序預測方向，朗新AI研究院開發(fā)了多種高精度模型，已廣泛應用于電力市場化交易和新能源充電領(lǐng)域，比如電力價格預測模型幫助交易主體精準預測市場波動，優(yōu)化交易策略，降低交易風險；發(fā)電量預測和負荷預測模型則通過對電力供需的精確分析，支持電力資源的合理配置。
“現(xiàn)在在部分省份已經(jīng)完全用AI的量化交易去替代傳統(tǒng)的人工交易了，”黃飛解釋道：“實際上我們的核心目的倒不是用來做降本增效，因為完全靠人工去做，在市場上沒有長期競爭優(yōu)勢，所以電力的量化交易是未來的趨勢?！?/p>
在新能源充電領(lǐng)域，研究院通過車樁匹配預測和充電站選址優(yōu)化模型，有效提升了充電網(wǎng)絡的效率與用戶滿意度。車樁匹配模型根據(jù)用戶需求、地理位置和實時電網(wǎng)負荷智能匹配充電樁，確保資源利用的最大化；選址優(yōu)化模型則結(jié)合城市規(guī)劃和用戶分布，科學布局充電站點。
“其實最初目的也不是為了提升使用率，主要是為了降低充電風險。很多時候充電不成功或者是啟動失敗，就是因為車和充電樁是不匹配的?，F(xiàn)在我們就可以通過數(shù)據(jù)驅(qū)動的方式訓練一個匹配模型出來，盡量做好匹配，降低充電的風險?！?/p>
在AI助手方向，朗新AI研究院推出了一系列智能化產(chǎn)品，覆蓋了生活助手、充電助手和智能問數(shù)助手等場景?！爸悄荏w這一塊，我們最核心的是一個意圖體系，這個意圖體系的底座也是大模型，意圖大模型?！?/p>
黃飛進一步介紹，比如“新電兔”充電助手，通過能源大模型結(jié)合用戶充電歷史數(shù)據(jù)、地理位置和車輛類型等信息，智能推薦最優(yōu)充電方案，還為新能源充電運營商提供數(shù)據(jù)驅(qū)動的優(yōu)化方案，提升充電網(wǎng)絡的運營效率。而智能問數(shù)助手則面向企業(yè)用戶，為企業(yè)數(shù)據(jù)分析與智能決策支持，目前在國家電網(wǎng)已經(jīng)大規(guī)模應用。
“在AI助手方面，我們的布局還是比較遠的，可能現(xiàn)在業(yè)界特別是大廠也會這樣認為——未來都將是智能體的交互模式，而不是App了。誰能搶占智能體這個入口，誰就搶占了先機，我們朗新就希望在能源行業(yè)占據(jù)這樣的先發(fā)優(yōu)勢。”黃飛說。
從大廠回歸傳統(tǒng)能源行業(yè)，對黃飛來說，一個非常大的困難就是團隊的研發(fā)模式乃至思維模式都產(chǎn)生了極大的變化。不過黃飛認為，同質(zhì)化的競爭也沒有意義。所以我們一定會聚焦到我們的行業(yè)特性，利用大模型技術(shù)把行業(yè)以前解決不了的問題做得更好，做到在行業(yè)里非常有影響力和競爭力。”
而另一個極大的困難，就是行業(yè)的數(shù)據(jù)基礎(chǔ)和他預想的有一定的差距。
“我相信各行各業(yè)都面臨著同樣的問題，在進入一個行業(yè)之前，大家可能會擔心沒有足夠的行業(yè)數(shù)據(jù)。然而，當我們真正深入其中，會發(fā)現(xiàn)數(shù)據(jù)在數(shù)量和質(zhì)量上都有待進一步提升。其次里面有很多的噪音，不足以支撐我們把模型訓練好。所以我們大量地用到了數(shù)據(jù)合成，在行業(yè)數(shù)據(jù)有限的情況下，有效提升了數(shù)據(jù)的數(shù)量和質(zhì)量，確保了模型能夠成功訓練并取得良好的效果?！?/p>
未來，黃飛希望朗新AI研究院能夠在能源大模型的驅(qū)動下，做出一個獨特的能源行業(yè)的智能體，基于這個智能體去做交易、決策、因子分析等一系列的事情，成為專家級的行業(yè)助手。
“董事長將AI研究院視為集團‘戰(zhàn)略創(chuàng)新引擎’，給了我們一個‘零干擾’的純粹創(chuàng)新環(huán)境，真正踐行‘讓專業(yè)的人專注專業(yè)的事’。在這種機制保障下，我們的目標就是突破，全力以赴為前端業(yè)務提供強有力的支撐，成為業(yè)務發(fā)展的強大后盾?！秉S飛總結(jié)道?；蛟S，這就是垂類大模型最本真的意義——不做「追隨者」，而是成為行業(yè)進化的「隱形引擎」。
