Викхят Чаудхри, технический директор, операционный директор и сооснователь Buzz Solutions: Возвращенный разговор

Викхят Чаудхри, технический директор, операционный директор и сооснователь Buzz Solutions, возглавляет разработку технологий и операций компании, применяя искусственный интеллект, машинное зрение и прогностическую аналитику для инспекции и обслуживания критически важной энергетической инфраструктуры. Он стал сооснователем Buzz Solutions в 2017 году после получения опыта в области науки о данных, машинного обучения, встроенных систем, компьютерного зрения и автономных технологий. До того, как он полностью сосредоточился на компании, Чаудхри работал в качестве ученого-дата в Cisco, разрабатывал системы машинного обучения и сенсорных систем в Altitude Co. и проводил исследования в Стэнфордском университете, связанные с автономными беспилотниками, датчиками скорости ветра и компьютерным зрением для ветроэлектростанций. Его более ранние исследования в Индийской организации оборонных исследований и разработок были посвящены прогнозированию оползней с помощью симуляций и программного обеспечения для дистанционного зондирования, что дало ему технический опыт в области рисков инфраструктуры, геопространственного анализа и прикладного ИИ. Buzz Solutions в настоящее время определяет его как сооснователя, технического директора и операционного директора.

Buzz Solutions разрабатывает программное обеспечение для визуальной интеллекта, предназначенное для помощи энергетическим компаниям в инспекции, обслуживании и обеспечении безопасности линий передачи, распределения, подстанций и генерации электроэнергии. Платформа PowerAI анализирует изображения, собранные с помощью беспилотников, вертолетов, самолетов и наземных инспекций, преобразуя визуальные данные в диагностические данные, которые помогают коммунальным предприятиям выявлять дефекты, оценивать состояние активов, расставлять приоритеты ремонтных работ и интегрировать результаты в существующие географические информационные системы, системы управления активами и рабочие процессы. Компания позиционирует свою технологию как способ обнаружения рисков инфраструктуры на ранней стадии, снижения ручного труда, необходимого для анализа изображений инспекции, и снижения вероятности отказов оборудования, способствующих отключениям, остановкам или лесным пожарам. Buzz Solutions также предлагает инструменты для мониторинга подстанций и безопасности, отражая свою более широкую цель – помочь коммунальным предприятиям создать более безопасные, устойчивые и основанные на данных сетевые операции.

Когда мы интервьюировали вас в 2024 году, наш разговор был сосредоточен на использовании ИИ для перехода коммунальных предприятий от ручных инспекций к прогностическому обслуживанию. Что изменилось наиболее существенно за последние два года, как в энергетическом секторе, так и в ваших собственных мыслях, что привело вас к написанию “Powering Intelligence” и рассмотрению электроэнергии как потенциального ограничения будущего ИИ?

Когда мы последний раз говорили, разговор был в основном о заднем офисе сети, о переходе коммунальных предприятий от ручных инспекций к прогностическому обслуживанию. Это все еще та работа, которую мы делаем. Но что-то изменилось под всеми нами за последние два года, и это изменилось быстрее, чем ожидал почти кто-либо в моем мире. Тогда разговор был об ИИ в абстрактном смысле. Теперь он проявляется в виде больших показателей роста нагрузки для коммунальных предприятий. Я начал слышать одно и то же от людей, которых я знаю уже много лет в этой отрасли: заявки на подключение нагрузок, которые были бы немыслимы несколько лет назад, отдельные объекты, запрашивающие электроэнергию, которую потребляет небольшой город, и запрашивающие ее в сроки, которые не имеют отношения к тому, как на самом деле строится сеть. Это был момент, когда все стало ясно для меня. Мы тратим все свое время на обсуждение того, насколько способны эти модели, и почти не говорим о скучном физическом вопросе о том, сможем ли мы их накормить. Я написал “Powering Intelligence”, потому что я постоянно искал книгу, которая соединила бы эти два мира, и ее не существовало. Все писали об ИИ-моделях. Почти никто не писал об электронах, необходимых для них. И я оказался в странном положении, достаточно близком к ИИ-стороне, чтобы понять амбиции, и достаточно близком к сети, чтобы знать точно, сколько времени занимает строительство новой линии передачи и разработка электростанции. Пропуск между этими двумя часами – это вся история, и я хотел рассказать ее в одном месте.

Вы утверждаете, что отрасль ИИ развивается за месяцы, а сеть меняется за десятилетия. Где находится наиболее непосредственный узкий пункт сегодня: генерация электроэнергии, передача, подстанции, трансформаторы, очереди подключения, разрешения или наличие квалифицированных работников?

Я думаю, что здесь есть несколько узких пунктов, и ответ в том, что они все переплетены. Но если вы заставите меня указать на самый тесный узел прямо сейчас, это относительно меньше связано с генерацией электроэнергии и больше с доставкой ее: передача и процесс подключения, с трансформаторами и другими электрическими устройствами в качестве физических компонентов, которые связывают все вместе. Вот что люди часто недооценивают. Вы можете объявить об электростанции и центре обработки данных в пресс-релизе. Вы не можете объявить о большом силовом трансформаторе в пресс-релизе, некоторые из них имеют сроки поставки, измеряемые годами, и многие из них даже не производятся внутри страны. Итак, даже когда есть желание и капитал, вы сталкиваетесь со стеной в цепочке поставок компонентов. Затем, поверх всего этого, есть очередь подключения, которая во многих регионах представляет собой многолетнюю очередь, только чтобы быть изученной. И под всем этим лежит проблема с работниками в энергетической отрасли. Люди, которые действительно знают, как строить и обслуживать это оборудование, уходят на пенсию быстрее, чем мы их заменяяем.

Итак, это не один узкий пункт. Это то, что самые медленно движущиеся физические компоненты, трансформаторы, коридоры передачи, обученные линейные рабочие, – это именно те, которых нельзя ускорить с помощью программного обеспечения или денег. Это то, что делает все это трудным.

Центры обработки данных ИИ могут ввести огромные, высоко концентрированные нагрузки в районы, чьи сети не были разработаны для такого уровня спроса. Как эти объекты отличаются от больших промышленных нагрузок, которые коммунальные предприятия исторически обслуживали, и какие новые риски они создают для надежности и планирования мощности?

Коммунальные предприятия обслуживали большие нагрузки на протяжении века. Металлургический завод, алюминиевый завод, автомобильное производство – это огромные нагрузки, и планировщики сети знают, как об этом думать. Итак, инстинкт – относиться к центру обработки данных как к еще одному большому клиенту. Я думаю, что этот инстинкт ошибочен, и различия – это то, что создает новый риск.

Три вещи выделяются для меня. Первая – концентрация и скорость. Традиционная тяжелая промышленная нагрузка обычно росла вместе с сетью в этом регионе на протяжении десятилетий. Эти объекты хотят приземлиться огромными, все сразу, в местах, где местная сеть никогда не планировалась вокруг них. Вторая – профиль нагрузки. Многие из них не являются гладкими нагрузками, они могут быстро и сильно нагружать оборудование по-другому, чем завод, работающий в стабильном режиме. Третья, и это то, что беспокоит планировщиков больше всего, – это спекулятивное накопление, о котором, я знаю, вы будете спрашивать дальше.

Риск заключается в том, что коммунальные предприятия вынуждены планировать вокруг спроса, который ведет себя по-другому, чем все, что в их исторических моделях, и обязаны капитализировать и инфраструктуру на временной шкале ИИ-отрасли, а не сети. Когда ваши предположения о планировании основаны на столетии одного типа нагрузки, а новая нагрузка нарушает эти предположения, планирование надежности становится действительно более трудным. Это не повод сказать нет. Это повод планировать по-другому.

Коммунальные предприятия получают амбициозные запросы на электроэнергию от разработчиков центров обработки данных, но не каждый предложенный объект обязательно будет завершен. Как коммунальные предприятия могут различать обязательный спрос и спекулятивные запросы и избежать строительства дорогостоящей инфраструктуры для проектов, которые могут прибыть поздно или никогда не материализоваться?

Это один из наиболее важных оперативных вопросов в этой области прямо сейчас, и я рад, что вы спросили об этом напрямую, потому что он не получает достаточно внимания рядом с более яркими темами.

Разработчик может подать заявки на подключение одного и того же проекта в нескольких территориях одновременно, выбирая, кто сможет доставить электроэнергию быстрее. Некоторые из этих проектов реальны и финансируются. Некоторые являются вариантами, заявками и способом удержать место в очереди. Некоторые из них называются “фантомными нагрузками”, которые могут никогда не материализоваться. Если коммунальное предприятие будет относиться ко всем запросам как к реальным и начнет строить генерацию и передачу для всех из них, оно рискует обременить огромную стоимость, инфраструктуру, построенную для центра обработки данных, который может появиться через годы или никогда не появиться. И угадайте, кто в конечном итоге заплатит за обремененную стоимость – существующие абоненты. С другой стороны, если коммунальные предприятия строят меньше, то они рискуют не быть в состоянии удовлетворить спрос на входящую нагрузку, что может привести к проблемам с надежностью сети.

Способ вперед – сделать спекуляции дорогими и обязательства дешевыми. Это означает реальную финансовую ответственность до того, как коммунальное предприятие обязуется капитализировать, значительные депозиты, фазовые обязательства, связанные с строительными вехами, условия контракта, которые возлагают риск на сторону, запрашивающую электроэнергию, а не на абонентов. Некоторые юрисдикции начинают двигаться в этом направлении. Принцип, к которому я постоянно возвращаюсь, прост: сущность, запрашивающая электроэнергию, должна нести риск того, что электроэнергия не понадобится. Сейчас слишком часто этот риск тихо ложится на всех остальных.

Кто в конечном итоге должен заплатить за генерацию, передачу и модернизацию подстанций, необходимых для центров обработки данных ИИ? Какие тарифные структуры или договорные гарантии могут предотвратить субсидирование инфраструктуры, построенной в основном для гипермасштабных технологических компаний, домохозяйствами и существующими предприятиями?

Это вопрос, который определит политику следующего десятилетия сети, и я не думаю, что у него есть чисто технический ответ. Я думаю, что это вопрос справедливости. Мое честное мнение заключается в том, что стоимость должна лежать, насколько это возможно, с нагрузкой, которая ее вызывает. Если объект гипермасштабера требует новой подстанции и модернизации передачи, объект должен заплатить за то, что он вызывает, а не абонент внизу улицы, чей счет тихо растет, чтобы покрыть это. Это звучит очевидно, но так работали исторически тарифные структуры; большая новая инфраструктура часто социализировалась во всей базе клиентов, что имело смысл, когда новая нагрузка была заводом, который нанимал весь город. Это имеет гораздо меньше смысла, когда бенефициаром является одна из самых ценных компаний в мире.

Инструменты существуют. Тарифы для крупных нагрузок, разработанные специально для этого класса клиентов. Минимальные контракты, чтобы центр обработки данных не мог получить инфраструктуру и затем уйти. Долгосрочные обязательства, соответствующие сроку службы строящихся активов. Что важно, так это то, что регулирующие органы и коммунальные предприятия фактически используют их, и используют до того, как начать строить. Потому что как только бетон будет залит и стоимость будет включена в базу тарифов, очень трудно вернуть все назад. Я пишу об этом в книге, потому что я думаю, что это одно из мест, где неправильные стимулы могут тихо подорвать общественное доверие как к коммунальным предприятиям, так и к отрасли ИИ.

Могут ли центры обработки данных ИИ стать гибкими активами сети вместо негибких источников спроса за счет сдвига рабочей нагрузки, реагирования на спрос, батарей, теплового хранения, на месте генерации? Какие рабочие нагрузки ИИ можно реалистично переместить в разные часы или места без компрометации производительности?

Да, и я думаю, что это одна из более перспективных идей в этой теме, поэтому я хочу быть осторожным, чтобы не переоценить ее, потому что гибкость реальна, но она не безгранична. Начните с различия, которое имеет значение: не все вычисления ИИ одинаковы. Есть вывод, который представляет собой вычисления после того, как эти крупные модели были обучены (живые модели), и вы спрашиваете модель вопрос и нуждаетесь в ответе сейчас. Это задержка-чувствительные и трудно перемещаемые. И есть обучение, которое представляет собой крупномасштабные, пакетные рабочие нагрузки, которые строят модели. Обучение намного более гибкое. Ему не обязательно беспокоиться о том, чтобы запуститься в 14:00 или в 2:00, или в этом штате или в том, пока оно только выполняется. Эта гибкость – это возможность. Если большая часть нагрузки центра обработки данных представляет собой тот тип, который можно сдвинуть во времени, то он может наклониться к часам, когда сеть имеет избыток чистой энергии, и отойти, когда система напряжена.

Теперь добавьте батареи, тепловое хранение и на месте генерацию, и объект, который выглядит как жесткий блок спроса, может начать вести себя как ресурс, который фактически помогает сбалансировать сеть, поглощая избыточную солнечную энергию в середине дня, проезжая через пики на хранящейся энергии. Честное ограничение заключается в том, что это требует от оператора фактически хотеть сотрудничать, и это требует тарифных структур, которые вознаграждают их за это. Технология – это простая часть, но дизайн стимулов – это трудная часть. Но мир, в котором центры обработки данных являются гибкими партнерами сети, а не ее противниками, действительно возможен, и он намного лучше, чем альтернатива.

Какая комбинация источников энергии может реалистично удовлетворить потребность в электроэнергии ИИ в течение следующего десятилетия? Как вы видите роль возобновляемых источников энергии и хранения, природного газа, традиционного ядерного энергоснабжения, малых модульных реакторов и геотермальной энергии в этой смеси?

Я дам вам ответ, который людям не нравится, который заключается в том, что это все, и любой, кто продает вам единственное решение, продает что-то. Возобновляемые источники энергии и хранение – это самые быстрые вещи, которые мы можем фактически развернуть; солнечная энергия плюс батареи могут быть построены на временных шкалах, которые выглядят почти разумно по сравнению со всем остальным, и эта скорость имеет огромное значение, когда спрос растет так быстро. Итак, это рабочая лошадка ближайшего будущего. Но возобновляемые источники энергии переменчивы, и эти нагрузки работают круглосуточно, что является причиной, по которой хранение делает так много тяжелой работы в этом предложении, и почему фирменная мощность все еще имеет значение. Природный газ будет частью моста, независимо от того, нравится ли это людям или нет, просто потому, что он диспетчеризируется и он здесь. Ядерная энергетика fascinates прямо сейчас, мы наблюдаем за тем, как станции, которые были направлены на пенсию, получают новую жизнь именно потому, что центр обработки данных подпишет долгосрочный контракт на их выход, что почти никто не предсказал. Малые модульные реакторы и геотермальная энергия – это действительно интересные долгосрочные игроки, но я пытаюсь быть дисциплинированным в отношении временных шкал, они являются значительной частью истории к середине и концу десятилетия и далее, а не тем, что спасет вас в 2027 году.

Итак, реалистичная смесь – это многослойная: возобновляемые источники энергии и хранение несут на себе рост, газ мостит фирменный разрыв, существующая ядерная энергетика продлевается и переоценивается, а следующие поколения источников энергии вводятся по мере их созревания. Ошибка заключается в идеологической чистоте в любом направлении, поскольку сеть не заботится о наших предпочтениях. Она заботится о киловатт-часах, доставляемых надежно и вовремя.

Одна из центральных идей в вашей книге заключается в том, что та же отрасль ИИ, которая оказывает давление на сеть, также может предоставить инструменты, необходимые для ее модернизации. Где ИИ может создать наибольшие краткосрочные выгоды: прогнозирование нагрузки, прогностическое обслуживание, оптимизация передачи, управление растительностью, восстановление после отключения, цифровые двойники или автономное управление сетью?

Это сердце книги, и, честно говоря, это часть, которую я нахожу наиболее перспективной, та же отрасль, которая напрягает сеть, дает нам лучшие инструменты, которые у нас когда-либо были, чтобы исправить ее. Если я ранжирую по тому, где отдача реальна сегодня, а не на слайде, я бы поставил ее здесь.

Прогностическое обслуживание, непрерывный мониторинг и инспекция сначала, потому что это то, где Buzz провел годы, и я видел, как это работает. Использование компьютерного зрения и визуального ИИ для обнаружения дефектных компонентов до их отказа, треснувшего изолятора, перегретого трансформатора, ржавого крюка, это не спекулятивно, это развернуто и экономит реальные деньги и предотвращает реальные отключения прямо сейчас. Ровно рядом с этим я бы поставил прогнозирование нагрузки и реагирование на спрос, потому что вся проблема с центрами обработки данных становится более управляемой, если вы можете фактически предсказать спрос с большей точностью, а не планировать слепо. Затем оптимизация передачи, выжимая больше емкости из существующих проводов, что имеет огромное значение, учитывая, насколько медленно строится новая инфраструктура. Управление растительностью и восстановление после отключения близки, поскольку это области, где ИИ берет что-то медленное и ручное и делает его быстрым и эффективным, а также предоставляя достаточно информации и осведомленности, чтобы обеспечить устойчивость сети и предотвратить инциденты, такие как лесные пожары, повреждения от штормов и отключения электроэнергии.

Цифровые двойники и полностью автономное управление сетью – это дальнейший горизонт, они приходят, и они мощные, но они несут вопросы доверия и безопасности, которые, я подозреваю, являются вашим следующим вопросом. Итак, в краткосрочной перспективе мой честный рейтинг начинается с непритязательной работы: увидеть сеть лучше, предсказать ее поведение лучше и получить больше из того, что уже находится в земле, также делая систему сети более осведомленной. Это то, где ИИ оправдывает себя сначала.

Наш предыдущий разговор обсуждал зависимость Buzz Solutions от реальных данных коммунальных предприятий и обзор человека в цикле. Когда системы электроснабжения становятся более автономными, какие решения можно безопасно делегировать ИИ, и где человеческий суд должен оставаться обязательным? Как коммунальные предприятия должны подготовиться к не透рачным решениям моделей, кибератакам или сбоям, которые могут распространиться на критическую инфраструктуру?

Когда мы последний раз говорили, я описал наш подход как человека в цикле, предметные эксперты, которые предоставляют обратную связь ИИ-моделям по всем вопросам ниже порога уверенности или плохих прогнозов, и я хочу начать с этого, потому что моя точка зрения на это не смягчилась, она усилилась.

ИИ исключителен в задачах восприятия и рекомендаций, посмотрите на все эти данные, найдите аномалию, подчеркните риск, ранжируйте то, что требует внимания. Делегирование этого не только безопасно, но и лучше, чем то, что люди могут сделать в одиночку в этом масштабе. Где я становлюсь намного более осторожным, так это в принятии решений о критической инфраструктуре и миссионно-kritических проектах, где ошибки могут привести к отключению электроэнергии в больнице или распространиться по региону. Эти решения требуют человеческого (предметного эксперта) ответственного, не потому, что модель хуже в среднем случае, а потому, что критическая инфраструктура – это именно то место, где редкий катастрофический случай – это вся игра.

Итак, подготовка трехчастная. Во-первых, сохраните людей осмысленно в цикле на CONSEQUENTIAL решения, не как резиновый штамп, а с реальной властью отменить. Во-вторых, настаивайте на объяснимости для всего, что касается критических операций, если вы не можете понять, почему модель сделала то, что сделала, вы не можете быть ответственными за это, и “ИИ решил” – это не приемлемый ответ, когда свет выключается. В-третьих, и это то, на чем отрасль опасно отстает, относитесь к этим автономным системам как к расширенной поверхности атаки с первого дня. Чем больше мы позволяем программному обеспечению управлять сетью, тем больше сеть наследует уязвимости программного обеспечения. Кибератака на автономную систему управления – это не утечка данных, это физическое событие. Мы должны проектировать с учетом этой реальности до того, как станем полностью автономными, а не после. Положительная новость заключается в том, что коммунальные предприятия теперь серьезно относятся к кибербезопасности, информационной безопасности и управлению ИИ и также начали создавать советы по управлению ИИ и данными в своих организациях. Мы, в Buzz, опубликовали книги по кибербезопасности и управлению ИИ для отрасли, чтобы узнать больше о успешных развертываниях ИИ-систем безопасно и в масштабе.

Оглядываясь вперед на пять лет, что будет отделять страны и регионы, способные поддерживать продолжение расширения ИИ, от тех, которые ограничены доступностью электроэнергии? Как будет выглядеть успешная стратегия для согласования развития ИИ с модернизацией сети к 2031 году?

Я думаю, что через пять лет мы оглянемся назад и осознаем, что ограничение для ИИ никогда не было чипами или талантами. Эти вещи легко перемещаются по всему миру. То, что не могло переместиться, то, что фактически решило, кто выиграл, была электроэнергия и инфраструктура. Электроэнергия становится стратегическим ресурсом эры ИИ так же, как нефть была для последнего века, и я не думаю, что это преувеличение; я думаю, что это становится просто видимым.

Итак, регионы, которые выйдут вперед, будут теми, которые отнеслись к емкости сети как к конкурентному активу и начали строить и реформировать рано, места, которые упростили подключение, которые модернизировали разрешения, не разрушив при этом гарантии, которые имеют значение, которые инвестировали в передачу до того, как спрос полностью прибыл, а не спешат после. Те, кто отстанет, не будут лишены амбиций или капитала. У них будут объявления о центрах обработки данных и инвестиционные доллары, и они просто не смогут доставить электроэнергии, и проекты тихо уйдут туда, где смогут.

Успешная стратегия к 2031 году выглядит так, что два часа (которые я постоянно упоминаю в книге) наконец-то начинают работать вместе вместо того, чтобы работать друг против друга. Это означает согласование скорости амбиций ИИ с реальностью сроков инфраструктуры энергетики, использование ИИ для получения большего из сети, которую мы имеем, пока мы строим сеть, которую нам нужно, получение распределения затрат правильно, чтобы общественное мнение о доступности электроэнергии не стало чрезвычайно негативным, и серьезное отношение к проблеме рабочей силы, чтобы фактически обучить следующее поколение людей, которые строят и управляют этой системой. Ни одна из этих вещей не является технологической проблемой, поскольку у нас есть технология. Это проблема координации и воли. По моему мнению, хорошая новость заключается в том, что это те проблемы, которые мы знаем, как решать; это просто требует, чтобы технологическая отрасль, энергетическая отрасль и политики и регулирующие органы сели вместе и провели соответствующий разговор.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Buzz Solutions или прочитать его книгу: Powering Intelligence: Почему будущее ИИ зависит от сети электроснабжения.