访谈
ThinkLabs AI创始人兼CEO Josh Wong – 采访系列
将 Unite.AI 添加到您在 Google 上的首选来源
Josh Wong 是 ThinkLabs AI 的创始人兼 CEO。他之前曾在 GE Vernova (GEV ) 担任 Grid Orchestration 的总经理。Josh Wong 就读于滑铁卢大学。
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 实现全球能源可持续性，赋予关键行业和基础设施以可靠的 AI。该公司正在开发其旗舰产品 ThinkLabs Copilot，一种数字助手，通过专有的物理信息 AI 数字孪生体来理解现实世界，为工程系统提供基础模型。
您能否告诉我们更多关于 ThinkLabs AI 的愿景和其创立的灵感来源?
ThinkLabs 的愿景是可靠、可持续和负担得起的能源基础设施，通过可靠的 AI 实现。我们理解，电网仍然是能源转型的中心。要实现脱碳，我们必须实现电气化。要实现电气化，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?
电网复杂，AI 本身无法学习电网中复杂的电力流动和运营过程。ThinkLabs 结合传统电力系统工程的丰富历史和自信，使用可靠的物理信息 AI，实现大规模自动推理和决策支持，用于关键基础设施。同时，需要一个经验丰富的团队，了解电网和公用事业公司、监管机构的思维方式。我们的团队来自电力系统领域，具有成功的经验，包括创始人 Josh Wong，他曾将之前的公司 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?
自动化分析和实时推荐，实现电网的实时态势感知、大规模模拟和持续学习，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，检测拥堵、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，包括开关、网格设备和分布式能源资源（DERs），用于缓解拥堵、减少损失、恢复中断等。
- 模型验证 – 公用事业公司源数据集的验证和更正，用于网格模型，节省运营费用和提高运营商的信心。
- 操作员的 Copilot – 操作员调度推荐，使用网格物理、业务规则、标准程序和运营经验，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，通过专有的物理信息 AI 数字孪生体来理解现实世界，为工程系统提供基础模型。它与公用事业公司的规划师和操作员合作，建立电网的“AI 数字孪生体”，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。
您能解释一下什么是物理信息 AI 数字孪生体，以及它如何有益于电网可靠性?
AI 本身无法学习如此复杂的系统，如电网，仅凭借测量数据。AI 数字孪生体是训练的、工作的和与工程系统合作的，因此是“物理信息的”。训练使用来自工程模拟的大量合成数据生成。传统的物理学仅仅基于数字孪生体是确定性的和数学优化的，但受到数据质量、计算能力和响应时间的限制。相反，通用的 AI 技术承诺速度，但数据稀疏、幻觉和“黑盒”效应令人担忧。物理信息 AI 数字孪生体提供透明和可靠的分析，能够抵御不良数据，快速响应和行动，适合实时运营，并具备预先训练的操作场景和闭环、持续学习和改进的过程。
ThinkLabs AI 如何确保其 AI 模型在现实世界场景中的可靠性和准确性?
物理信息 AI 的性质使 AI 与现实世界紧密结合，并受现实世界的约束。我们还进行持续的学习和监测模型性能。
什么使您的 AI 技术特别适合处理现代电网的复杂性?
由于被确定性的工程模型训练，但处理现实世界运营中的不完美数据质量。AI 还带来了丰富的优化和生成技术，超越了传统的工程数学。
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，后者将保持为基本的通信和控制平台，而 ThinkLabs 将添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，投资我们的团队和产品，推出我们的第一个商业 Copilot，并与一系列渠道合作伙伴合作，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。开启更大的理解、态势感知和增加自动化决策和关键行动的编排。然而，始终保持谦逊和值得信赖的 AI，忠于物理和工程设计的基本法则。
感谢这次精彩的采访，希望了解更多的读者可以访问 ThinkLabs AI。
