能源驅動的 AI 將會被用來解決能源問題

2020 年，更節省能源的 AI 將成為一個重要的話題。從科技巨頭、汽車製造商到油氣巨頭，無一不在尋求削減成本、提升效率、降低能耗。

一直以來，我們都在說人工智慧，也在強調其所需要的算力。但是算力不是憑空產生的，是需要消耗能量的。在我們不斷強調要提高算力讓 AI 變得更聰明的時候，我們也需要考慮使用更具可持續性的能源解決方案。

現階段 AI 的進步多是自上而下的，也就是科技巨頭在領導 AI 方面的研發以及開發開源工具方向，這主要是因為科技巨頭在算力方面佔有巨大優勢。Fast Company 曾報導，2018 年穀歌在其 BigGAN 實驗中，為創造出高度逼真的影像，消耗了相當於普通美國家庭半年的平均電量。

（來源：CB Insights）

相較於雲端計算，邊緣計算並不具有同等的算力和資源，所以在 AI 越來越多地被應用在邊緣裝置（如電話、相機）的過程中，能源利用效率正變得越來越重要。這裡第一個值得關注的方面是更加節能的 AI 裝置。

Xnor.ai 是一家致力於開發低能耗邊緣 AI 工具的初創公司，它關注超低功耗、可執行 AI 演算法的相機。其硬體工程和機器學習團隊曾提出一個問題：“（我們）是否可以開發出一臺能夠在沒有電池的情況下執行深度學習模型的硬體裝置及機器學習架構？ 它可以是非常低功耗，甚至太陽能驅動的。”今年初，蘋果公司收購了 Xnor.ai，這一舉動反映了蘋果在低能耗 AI 方面的佈局，以及其在蘋果手機的 AI 晶片及 VR 應用方面的積極努力。

中國深圳耐能人工智慧有限公司（Kneron）主打高效能、低功耗、低成本的 AI 解決方案，最近釋出了一款針對邊緣裝置的低耗能 AI 處理器。本月初，耐能宣佈完成 4000 萬美元 A2 輪融資，由李嘉誠旗下維港投資領投，其資方包括阿里巴巴創業者基金、高通、中科創達、紅杉資本子基金 Cloudatlas 等，總計獲得了超過 7300 萬美元的融資。

另一個值得關注的方向是用於大型能源工廠及其裝置的 AI 管理預測工具。比如，比爾·蓋茨投資的初創公司 Heliogen 主要集中於一些能源行業的細分市場，比如透過使用 AI 演算法來控制太陽能發電系統中的定日鏡。

根據天氣預報的資料以及收集到的風力發電機的資料，DeepMind 的神經網路可以提前 36 個小時預測未來風能產量。基於這些預測，DeepMind 的模型可以提前一天將如何實現最優交付告知電網企業。對電網企業來說，能夠有計劃地排程能源非常重要。

谷歌一直在積極推動在其資料中心使用可再生能源，而且它正在使用 AI 來幫助實現這一行動。透過與 DeepMind 合作，藉助其神經網路來提高風能產量。

（來源：Google AI research）

關鍵詞

超低功耗的機器學習裝置

對於在邊緣裝置（如智慧手機、智慧家居攝像頭等）來說，能效正在成為一個重要的考量因素。

大型能源企業

越來越多的大型雲服務商正在向使用可再生能源方向轉變，並透過融合 AI 來提高可再生能源產量、簡化資料中心操作流程。

精簡操作

AI 可以很好地預測可再生能源產量、將電網管理自動化、幫助精確鑽探油井以及為智慧家居和商業建築中的可持續能源管理提供解決方案。