Bei einer geschlossenen Technologiekonferenz mit dem Titel „Künstliche Intelligenz und zukünftige Energiesysteme“, die am 19. Oktober stattfand, stellte der Vorsitzende des Envision-Gruppe, Zhang Lei, das Konzept des „Physikalischen KI“ vor. Er erläuterte den Trend, bei dem KI im Energiemarkt von einem Werkzeug zu einem Entscheidungsträger wird, und prognostizierte, dass die Wettbewerbsfähigkeit zukünftiger Energieunternehmen sich vom Umfang physischer Vermögenswerte zu dem der intelligenten Vermögenswerte verlagern wird.
Zhang Lei ist der Ansicht, dass der wesentliche Unterschied zwischen KI-Technologie und früheren technologischen Revolutionen darin besteht, dass sie nicht mehr nur ein passives Werkzeug ist, sondern ein Subjekt mit eigenem Bewusstsein und Entscheidungsfähigkeit. Dies markiert den Übergang der KI von „Automatisierung“ zu „Autonomie“. Er verglich die KI mit einem „Kind“, das gezüchtet werden muss, und betonte, dass die menschliche-Maschine-Zusammenarbeit neue Möglichkeiten schafft.
Im Hinblick auf die Herausforderungen, denen das aktuelle Energiesystem gegenübersteht, stellte Zhang Lei fest, dass mit der zunehmenden Anteil erneuerbarer Energien die Komplexität und Unbeständigkeit des Stromsystems deutlich zunehmen. Diese Komplexität übt zwar Druck auf traditionelle Managementmodelle aus, bietet aber gleichzeitig ideale Szenarien für KI-Anwendungen. Die parallele Rechenkapazität der KI kann riesige Datenmengen in Echtzeit verarbeiten, verborgene Muster erkennen und Entscheidungen optimieren, um die Herausforderungen komplexer Energie- und Strommärkte zu bewältigen.
Der Kern des Konzepts „Physikalische KI“ besteht darin, die KI-Reasoning-Fähigkeiten tief mit physikalischen Gesetzen und Systemgrenzen zu verbinden, damit sie in realen physischen Umgebungen zuverlässig funktionieren kann. Dies unterscheidet sich von rein datengetriebenen KI-Modellen und betont die Bedeutung physischer Einschränkungen und kausaler Beziehungen in den Modellen. Zhang Lei sagte, dass China in diesem Bereich über reiche Anwendungsfälle und Datenressourcen verfüge und ein führendes Potenzial weltweit besitze.
Aus technischer Sicht hat Envision bereits Fortschritte in der Wetter- und Energiemodellewicklung erzielt. Das große Wettermodell „Tianji“ verbessert die Genauigkeit der mittelfristigen Wettervorhersage und bietet eine grundlegende Unterstützung für die zuverlässige Betriebsführung erneuerbarer Energien. Das große Energiemodell „Tianshu“ kann das Stromsystem in Echtzeit steuern und die Effizienz des Stromhandels optimieren, was den Ausbau grüner Energien fördert. Die Anwendung dieser Modelle zeigt den Wert des „Physikalischen KI“ in realen Szenarien.
Zhang Lei bot eine neue Bewertung der zukünftigen Wettbewerbslandschaft im Energiebereich an. Er ist der Ansicht, dass die zentrale Wettbewerbsfähigkeit von Energieunternehmen sich von traditionellen physischen Vermögenswerten wie der Kapazität zur Stromerzeugung oder der Größe des Stromnetzes zu der Fähigkeit und Anzahl intelligenter Modelle, also sogenannter „KI-Vermögenswerte“, verlagern wird. Dieser Wandel bedeutet, dass sich der Logik der Wertschöpfung im Energiesektor grundlegend verändert – vom kapitalintensiven zum technologieintensiven Modell.
Aus Sicht der Branche hat diese Ansicht einen Referenzwert für strategische Planungen von Energieunternehmen. Wenn KI-Vermögenswerte zur zentralen Wettbewerbsfähigkeit werden, müssen Unternehmen langfristig in Bereichen wie Datenakquise, Algorithmusentwicklung und Anwendungsszenarien investieren. Es ist jedoch wichtig zu beachten, dass die physischen Infrastrukturen des Energiebereichs weiterhin unverzichtbar bleiben. „Intelligente Vermögenswerte“ sind eher eine Ergänzung und Verbesserung der physischen Vermögenswerte als deren vollständiger Ersatz.
Aus technischer Perspektive betont das Konzept der „Physikalischen KI“ die tiefgreifende Integration von fachlicher Expertise und KI-Technologie. Energie-Systeme beinhalten verschiedene physikalische Disziplinen wie Elektromagnetismus, Thermodynamik und Fluiddynamik sowie komplexe Ingenieur-Beschränkungen und Sicherheitsgrenzen. Wie man diese harten Beschränkungen effektiv in KI-Modelle integriert, um sicherzustellen, dass ihre Ergebnisse sowohl optimal als auch zuverlässig sind, stellt eine technische Herausforderung dar. Die Praxis der Wetter- und Energiemodelle von Envision bietet eine erste Validierung, doch für eine breite Anwendung müssen noch Probleme wie die Generalisierbarkeit, Echtzeitfähigkeit und Erklärbarkeit der Modelle gelöst werden.
Aus industrieller Sicht haben die intermittierenden und schwankenden Eigenschaften erneuerbarer Energien tatsächlich eine Nachfrage nach KI-Anwendungen geschaffen. Die Unbeständigkeit von Wind- und Solarenergie erfordert bessere Vorhersagen, Steuerung und Handelsstrategien. Die Reform der Strommarktwirtschaft erhöht ebenfalls die Systemkomplexität, wodurch traditionelle Steuerungsweisen nicht mehr in der Lage sind, die Echtzeitoptimierung zahlreicher Geräte zu bewältigen. In diesem Zusammenhang könnte KI-Technologie zum „Betriebssystem“ eines neuen Stromsystems werden.
Allerdings stellen die Besonderheiten des Energiebereichs auch höhere Anforderungen an KI-Anwendungen. Im Gegensatz zu Internetanwendungen geht es bei Energie-Systemen um Infrastruktur-Sicherheit und gesellschaftliche Stabilität, und Fehler in KI-Entscheidungen können schwerwiegende Folgen haben. Daher benötigt die „Physikalische KI“ nicht nur eine hohe Genauigkeit, sondern auch Zuverlässigkeit, Erklärbarkeit und Sicherheit, um ingenieurtechnischen Standards gerecht zu werden. Wie man Regulierungsrahmen und Verantwortungsmechanismen für KI im Energiebereich aufbaut, ist ein Thema, das die Branche weiterhin diskutieren muss.
