访谈
Josh Wong, ThinkLabs AI 的创始人和CEO – 采访系列
Josh Wong 是 ThinkLabs AI 的创始人和 CEO。他之前曾在 GE Vernova 任职，担任 Grid Orchestration 的总经理。Josh Wong 毕业于 Waterloo 大学。
ThinkLabs AI 是一家专门从事 AI 开发和部署的公司。其使命是通过可靠的 AI 技术赋予关键行业和基础设施实现全球能源可持续性。该公司正在开发其旗舰产品 ThinkLabs Copilot，一种通过专有物理信息 AI 数字孪生技术来理解现实世界的数字助手，为工程系统提供基础模型。
您能否告诉我们更多关于 ThinkLabs AI 的愿景以及它的创立灵感?
ThinkLabs 的愿景是一个可靠、可持续和负担得起的能源基础设施，通过可靠的 AI 技术来实现。我们理解，电网仍然是能源转型的中心。为了实现去碳化，我们必须实现电气化。为了实现电气化，我们需要电网，而电网必须现代化。我们相信，电力系统工程、AI 和云计算的交叉点是解决方案。
ThinkLabs AI 如何在电网管理领域与其他 AI 初创公司区别开来?
电网是复杂的，AI 本身无法学习电网空间中存在的复杂电力流动和操作过程。ThinkLabs 将传统电力系统工程的丰富历史和信心与 AI 相结合，实现可靠的物理信息 AI，用于大规模自动推理和决策支持的关键基础设施。同时，也需要一个了解电网细微差别和公用事业公司及监管机构思维方式的经验丰富的团队。我们的团队来自电力系统领域，具有成熟的经验，包括创始人 Josh Wong，他曾将其前公司 Opus One Solutions 卖给了 GE，并处于工程、AI 和云计算的交叉点。
ThinkLabs AI 旨在解决电网管理中的哪些具体挑战?
自动化分析和实时情况感知、large 规模模拟和持续学习和推荐，以缓解电网约束和优化电网性能。具体功能包括：
- 洞察 – 电网电力流动的近实时状态估计，检测拥塞、电压违规和资本资产的实际利用情况。
- 解决方案 – 最优调度推荐，包括切换、电网设备和分布式能源资源（DERs），用于缓解拥塞、减轻 DERs 互联、减少损失、恢复中断等。
- 模型验证 – 公用事业源数据集的验证和更正，用于电网模型，节省运营支出并提高操作员对电网运营的信心。
- 操作员的 Copilot – 操作员调度推荐，使用网格物理、业务规则、标准程序和操作经验进行训练，赋予工作人员培训和提升技能的能力。
什么是 ThinkLabs Copilot，它如何增强电网规划和运营?
ThinkLabs Copilot 是一种数字助手，通过专有物理信息 AI 数字孪生技术来理解现实世界，为工程系统提供基础模型。它与公用事业规划师和操作员合作，将电网建模为“AI 数字孪生”，执行高速和大规模分析，包括近实时分析，并对电网运营、计划和设计提供推荐。
您能解释什么是物理信息 AI 数字孪生以及它如何有益于电网可靠性吗?
AI 本身无法学习如此复杂的系统，如电网，仅凭测量数据。AI 数字孪生是通过工程系统训练、工作和协作的，故称“物理信息”。训练使用来自工程模拟的大量合成数据进行。传统的物理数字孪生是确定性的、数学优化的，但受到数据质量、计算能力和响应时间慢的挑战。相反，通用 AI 技术虽然承诺速度，但存在稀疏数据、幻觉和“黑盒”效应等问题，影响关键的电网运营。物理信息 AI 数字孪生提供了透明和可靠的分析，能够抵御不良数据，快速响应和行动，适合实时运营，并具备预备和持续学习和改进的能力。
ThinkLabs AI 如何确保其 AI 模型在现实场景中的可靠性和准确性?
物理信息 AI 的性质使其保持与现实世界的联系，受现实世界的约束。我们还进行持续的模型性能学习和监测。
是什么使您的 AI 技术特别适合处理现代电网的复杂性?
能够处理不完善的数据质量，但仍能保持与确定性工程模型的联系。AI 还带来了传统工程数学无法匹配的优化和生成技术。
ThinkLabs AI 的技术如何与现有的电网管理系统（如 ADMS 和 DERMS）集成?
ThinkLabs 作为 Copilot 与现有的 ADMS、DERMS 和 AEMS 集成，这些系统将保持作为基本的通信和控制平台，而 ThinkLabs 将增加额外的智能和自动化，类似于车辆的驾驶辅助系统。
最近的 500 万美元种子投资对 ThinkLabs AI 的未来意味着什么?
这笔种子投资使我们能够从 GE 分拆和启动，与一组世界级投资者合作，投资于我们的团队和产品，推出我们的第一个商业 Copilot，并与多个渠道合作伙伴合作，将其带到客户手中。这是随后扩张和规模化的第一步。
您如何看待 AI 在电网管理和其他关键基础设施中的角色演变?
我们认为，电网管理和其他关键基础设施将越来越多地采用“AI 首先”的方法，特别是物理信息 AI。这将带来更大的理解、情况感知和自动化决策，使关键行动的编排更加高效。然而，AI 必须保持谦逊和可靠，忠于物理定律和工程设计的基础。
感谢这次精彩的采访，希望了解更多的读者可以访问 ThinkLabs AI。
