维克亚特·查德里，Buzz Solutions的CTO、COO和联合创始人：回归对话

维克亚特·查德里，Buzz Solutions的CTO、COO和联合创始人，领导公司的技术开发和运营，将人工智能、机器视觉和预测分析应用于关键能源基础设施的检查和维护。他在2017年联合创立了Buzz Solutions，此前他在数据科学、机器学习、嵌入式系统、计算机视觉和自主技术方面积累了经验。在全职专注于公司之前，查德里曾在思科担任数据科学家，在Altitude Co.开发了机器学习和传感器系统，并在斯坦福大学进行了涉及自主无人机、风速传感和计算机视觉的风电场研究。他的早期研究在印度国防研究与发展组织探讨了使用模拟和遥感软件进行山体滑坡预测，这为他提供了跨基础设施风险、地理空间分析和应用人工智能的技术背景。Buzz Solutions目前将他列为其联合创始人、CTO和COO。

Buzz Solutions开发了视觉智能软件，旨在帮助能源公司检查、维护和保护输电、配电、变电站和发电基础设施。其PowerAI平台分析了通过无人机、直升机、固定翼飞机和地面检查收集的图像，将视觉数据转换为诊断结果，以帮助公用事业公司识别缺陷、评估资产状况、优先维修并将发现结果集成到现有的地理信息系统、资产管理和工单工作流中。该公司将其技术定位为一种检测基础设施风险的早期手段，减少分析检查图像所需的手动工作，并降低设备故障导致停电、停机或野火的可能性。Buzz Solutions还提供变电站监控和安全工具，反映了其帮助公用事业公司建设更安全、更有弹性和更数据驱动的电网运营的更广泛目标。

当我们在2024年采访您时，我们的对话集中在使用人工智能将公用事业公司从手动检查转向预测性维护。过去两年中，能源行业和您自己的思维发生了什么变化，导致您撰写了《Powering Intelligence》并将电力框定为人工智能未来发展的潜在约束？

当我们最后一次交谈时，话题主要集中在电网的后台，将公用事业公司从手动检查转向预测性维护。这仍然是我们的工作重点。但在过去的两年里，底层发生了变化，而且这种变化的速度几乎超过了我所在领域的任何人预料。回到那时，人工智能是一个我们在抽象层面上讨论的需求故事。现在，它表现为公用事业公司面临的大量负载增长。我开始听到我多年来认识的行业内的人们所说的一件事：不可思议的负载的互联请求，单个设施要求的电力数量与一个小城市所需的电力数量相当，并且要求在与电网实际建设无关的时间表上提供电力。那是我意识到这一点的时刻。我们花了所有的精力讨论这些模型将变得多么强大，而几乎没有讨论过一个枯燥的物理问题：我们是否能够为它们提供电力。我写了《Powering Intelligence》，因为我一直在寻找一本连接这两个世界的书，但它不存在。每个人都在写关于人工智能模型的内容，几乎没有人写关于它们所需的电子。同时，我处于一个奇怪的位置，足够接近人工智能领域以了解其雄心壮志，足够接近电网以了解新传输线和发电厂开发需要多长时间。两个时钟之间的差距就是整个故事，我想把它放在一个地方。

您认为人工智能行业的扩张在几个月内就能实现，而电力网的变化则需要几十年。当前最紧迫的瓶颈在哪里：电力生成、传输容量、变电站、变压器、互联队列、许可证还是熟练工人的可用性？

我认为这里有多个瓶颈，答案是它们都纠缠在一起。但如果你让我指出当前最紧张的节点，我会说它相对来说更少关于产生电子，而是更多关于交付电子：传输和互联过程，以及变压器和其他电气设备作为将一切联系在一起的物理部件。人们经常低估的一件事是，你可以在新闻稿中宣布一个发电厂和一个数据中心。但你不能通过新闻稿让一个大型电力变压器出现，一些变压器的交货时间以年为单位计算，而且很多变压器甚至不是在国内制造的。因此，即使意愿和资本都存在，你也会遇到零部件的供应链壁垒。此外，叠加在上面的还有互联队列，在许多地区，这是一个多年才能被研究的队列。而在所有这些之下，是劳动力问题。真正了解如何建造和维护这些设备的人正在以比我们更换他们的速度更快的速度退休。

所以，这不是一个瓶颈。最慢移动的物理部件、变压器、传输走廊、受过训练的线路工人，正是那些无法仅凭软件或金钱加速的部件。这就是使其变得困难的原因。

人工智能数据中心可以将巨大、集中的负载引入电网，这些电网原本并不是为这种水平的需求而设计的。这些设施与公用事业公司历史上管理的其他大型工业负载有何不同？它们为可靠性和容量规划带来了哪些新的风险？

公用事业公司已经处理了大负载一百年了。一个钢铁厂、一个铝冶炼厂、汽车制造厂，这些都是巨大的负载，电网规划者知道如何思考它们。所以，直觉是将数据中心视为另一个大客户。我认为这种直觉是错误的，差异正是造成新风险的原因。

三个方面引起了我的注意。首先是集中度和速度。传统的重工业负载通常在几十年里随着电网在该地区的发展而增长。这些设施希望一次性到来，在原本没有为它们设计的当地电网中。第二个方面是负载特征。这些负载中很多不是平滑的负载，它们可以快速、激进地变化，给设备带来压力，方式与工厂运行稳定的过程不同。第三个方面，也是规划者最担心的方面，是投机性堆积，我知道那是你下一个问题。这些风险是公用事业公司被要求规划一个行为与其历史模型不同的需求，并且需要在人工智能行业的时间表上，而不是电网的时间表上，投入资本和基础设施。这种规划假设的基础是基于一个世纪的另一种类型的负载，而新的负载打破了这些假设，使可靠性规划变得真正困难。这不是说不，而是需要规划得不同。

公用事业公司收到了来自数据中心开发商的雄心勃勃的电力请求，但并非所有拟建设施都会必然完成。公用事业公司如何区分承诺的需求和投机请求，避免为可能迟到或永远不会实现的项目建设昂贵的基础设施？

这是当前空间中最重要的运营问题之一，我很高兴你直接提出了这个问题，因为它没有得到足够的关注，相比其他更引人注目的主题来说。

开发商可以为同一个项目在多个地区同时提交互联请求，寻找谁能最快地提供电力。有些项目是真实的，资金到位。有些项目是选项、占位符和在队列中占据一个位置。有些项目可能永远不会实现。如果公用事业公司将每个请求都视为真实的，并开始为所有这些请求建设发电和传输基础设施，那么他们就有可能浪费巨大的成本，建设为可能永远不会到来的数据中心而建造的基础设施。而且，猜猜谁最终会为这些搁浅的资产买单——现有的费率支付者。另一方面，如果公用事业公司建设得更少，那么他们就有可能无法满足即将到来的负载的需求，从而导致电网可靠性问题。

解决方案是使投机变得昂贵，使承诺变得廉价。这意味着在公用事业公司承诺资本之前，需要有真正的经济利益，需要有与建设里程碑相关的有意义的存款、分阶段的承诺、将风险放在提出请求的当事人身上，而不是放在费率支付者的基础上。有些管辖区正在朝着这个方向发展。我的原则很简单：提出电力请求的实体应该承担电力不需要的风险。目前，太多的风险都悄悄地落在了其他人身上。

谁应该最终为人工智能数据中心所需的发电、传输和变电站升级付费？什么样的费率结构或合同保障可以防止家庭和现有企业为主要由超大规模技术公司使用的基础设施进行补贴？

这是未来十年电网政治的决定性问题，我不认为它有一个纯粹的技术答案。我认为这是关于公平的问题。我的真实观点是，成本应该尽可能地由引起它的负载承担。如果超大规模设施需要一个新的变电站和传输升级，设施应该支付它触发的成本，而不是让路上的退休人员的账单悄悄增加来支付它。这种想法看起来很明显，但历史上，费率结构的运作方式是，大型新基础设施通常在整个客户群中被社会化，这在新负载是一个雇佣了整个城镇的工厂时是有意义的。但是，当受益者是世界上最有价值的公司之一时，这就不再有意义了。

工具是存在的。为此类客户设计的特大负载费率。最低提取合同，以便数据中心不能得到基础设施建设然后放弃。与资产寿命相匹配的长期承诺。重要的是，监管机构和公用事业公司实际上使用它们，并在建设之前使用它们，而不是之后。因为一旦混凝土被浇筑，成本就进入了费率基础，这就很难收回。我在书中写到了这一点，因为我认为这是一个地方，如果激励措施稍微不正确，就可能悄悄地侵蚀公众对公用事业公司和人工智能行业的信任。

数据中心是否可以通过工作负载转移、需求响应、电池、热能存储或现场发电成为灵活的电网资产，而不是刚性的需求源？哪些人工智能工作负载可以在不损害性能的情况下在不同小时或位置之间移动？

是的，我认为这是一个很有希望的想法，所以我想小心不要过度吹捧它，因为灵活性是真实的，但它并非无限。首先要做出的区分是，人工智能计算并非都是相同的。有推理，这是在训练了这些大型模型之后的计算（活跃的模型），你问一个模型一个问题并需要立即得到答案。这需要低延迟，难以移动。然后是训练，这是用于构建模型的大规模、批处理工作负载。训练更加灵活。它不一定关心是否在下午2点或凌晨2点运行，或者在这个州或那个州，只要它完成即可。这种灵活性就是开端。如果数据中心的大部分负载是可以转移的，那么它就可以利用电网在白天有多余的清洁电力时的优势，并在系统紧张时退避。现在，加上电池、热能存储和现场发电，原本看起来像刚性需求的设施可以开始像帮助平衡电网的资源一样行事，吸收白天多余的太阳能，利用储存的能量度过峰值。诚实的警告是，这需要运营商真正愿意合作，并且需要奖励他们为此付出的努力的费率结构。技术是简单的部分，但激励设计是困难的部分。但是，数据中心可以成为电网的灵活合作伙伴，而不是对手，这是一个真正可能的世界，也比另一个世界更好。

在接下来的十年里，什么样的能源组合可以满足人工智能的电力需求？您如何看待可再生能源和储存、天然气、传统核电、小型模块化反应堆和地热能在这一组合中的作用？

我会给你一个答案，人们可能不喜欢，这个答案是：所有这些。任何人都在向你兜售单一来源的银弹。我认为可再生能源和储存是我们可以部署的最快的东西，太阳能加电池可以在看起来几乎合理的时间表上建设，而这种速度在需求增长如此之快的情况下至关重要。所以，这是近期的工作马。事实上，Buzz的许多公用事业客户（Dominion、Ameren、AEP、NYPA、Southern等）正在不断增加其太阳能足迹，以满足数据中心负载的需求。但是，可再生能源是可变的，这些负载全天候运行，这就是为什么储存做了这么多重活的原因。天然气将成为桥梁，无论人们喜欢与否，仅仅是因为它是可调度的，并且已经存在。核电目前很有趣，我们正在看到原本即将退役的工厂正在获得第二次生命，仅仅是因为数据中心将为其输出签订长期合同，这几乎没有人预料到。小型模块化反应堆和地热能是更长期的有趣玩家，但我试图在时间表上保持纪律，它们是故事中的一个重要部分，时间在十年后半段和更远。但是，现实的混合是分层的：可再生能源和储存承担增长，天然气弥补了坚实性差距，现有的核电站得到延长和重新评估，小型模块化反应堆和地热能在它们成熟时在线。错误是两种方向上的意识形态纯洁性；电网不关心我们的偏好，它关心的是按时可靠地交付千瓦时。

您在书中提出的一个核心思想是，给电网带来压力的同一个人工智能行业也可以提供现代化电网所需的工具。在负载预测、预测性维护、传输优化、植被管理、故障恢复、数字孪生或自主网格控制方面，人工智能可以在近期内带来最大的收益？

这是本书的核心，我认为也是最有希望的部分，正是给电网带来压力的行业也在提供我们曾经拥有的最好的工具来解决它。如果我要根据今天的实际回报而不是幻灯片来排名，我会把它放在这里。

预测性维护、持续监测和检查首先，因为这是Buzz花了多年时间的地方，我也看到了它的效果。使用计算机视觉和视觉人工智能来找到故障部件之前，找到有缺陷的绝缘体、过热的变压器、生锈的钩子，这不是推测性的，这是部署的，并且正在节省真正的钱和防止真正的停电。紧随其后的是负载预测和需求响应，因为整个数据中心问题我们一直在讨论，如果你可以更准确地预测需求而不是盲目规划，那么它就会变得更容易管理。然后是传输优化，充分利用现有的电线，这在建设新电线如此缓慢的情况下至关重要。植被管理和故障恢复紧随其后，因为这两个领域都是人工智能让慢而手动的东西变得快速和高效，但同时也为电网提供了足够的洞察力和情况意识，以防止事故如野火、风暴损害和停电。数字孪生和完全自治的网格控制是更远的视野，它们即将到来，并且很强大，但它们带来了信任和安全问题，我怀疑这是你的下一个问题。所以，近期来说，我的排名首先是那些不太光鲜的东西：更好地看到网格，预测其行为，并通过使网格系统更加自我意识，充分利用现有的基础设施。

我们的上一次采访讨论了Buzz Solutions对真实公用事业数据和人工审查的依赖。随着电力系统变得更加自治，哪些决策可以安全地委托给人工智能，人类判断必须在哪里保持强制性？公用事业公司如何为不透明的模型决策、网络攻击或可能传播到关键基础设施的故障做好准备？

当我们最后一次交谈时，我将我们的方法描述为人工审查，主题专家对人工智能模型进行反馈，任何置信度低于阈值或预测不良的内容，我想从那里开始，因为我的观点在这方面没有软化，它变得更加坚硬了。

人工智能在感知和推荐任务中是非凡的，查看所有这些数据，找到异常，标记风险，排名需要关注的内容。委托这一任务不仅是安全的，而且比人类单独在这种规模下做得更好。然而，我在对关键基础设施和任务关键项目采取后果行动时变得更加谨慎的地方是，错误的后果可能会导致医院断电或在整个地区蔓延。这些需要一个人类（主题专家）负责，而不是人工智能模型。所以，准备工作是三方面的。首先，保持人类在关键决策中的重要参与，不是作为一个橡皮图章，而是具有真正的授权来覆盖。第二，坚持对关键操作的可解释性，如果你不能理解模型为什么做了什么，你就不能对此负责，“人工智能决定”不是一个可以接受的答案，当灯熄灭时。第三，这也是我认为行业危险地滞后的一点，需要将这些自治系统视为扩展的攻击面，从第一天开始。软件运行网格的更多，网格继承的软件漏洞就越多。对自治控制系统的网络攻击不是数据泄露，而是一种物理事件。我们需要在成为完全自治之前为这种现实进行设计，而不是之后。好消息是，公用事业公司现在正在认真对待数据安全、信息安全和人工智能治理，并且已经开始在其组织内建立人工智能和数据治理委员会。我们在Buzz已经为行业发布了网络安全和人工智能治理的游戏规则，以便更好地了解人工智能系统的成功部署，安全且大规模。

展望五年，哪些国家和地区将能够支持人工智能的持续扩张，而哪些地区将受到电力可用性的限制？到2031年，人工智能开发与电网现代化的成功战略将是什么样的？

我认为五年后，我们会回头看并意识到，人工智能的约束从来不是芯片或人才。这些可以轻松地在全球范围内移动。决定谁会赢的东西是不能移动的东西——电力。电力成为人工智能时代的战略资源，就像石油是上一个世纪的那样，我不认为这是夸张的；我认为这只是变得可见了。

所以，领先的地区将是那些将电网容量视为竞争优势并提前开始建设和改革的地区，简化了互联，现代化了许可证而没有放弃重要的保障措施，并在需求完全到来之前投资了传输基础设施。落后的地区不会缺乏雄心或资本。他们将拥有数据中心公告和投资美元，但他们将无法提供电子设备，而且项目将悄悄地转移到其他地方。成功的策略看起来像两个时钟（我一直提到的）终于开始协同工作，而不是相互对立。它意味着将人工智能的雄心壮志的速度与能源基础设施时间表的现实相协调，利用人工智能本身来充分利用我们现有的电网，同时我们正在建设所需的电网，获得正确的成本分配，以便公众对电力可负担性的看法不会变得极度负面，并且认真对待劳动力问题，以至于真正训练下一代建设和运行该系统的人。没有一个是技术问题；我们知道如何解决这些问题；这只是一个协调和意愿的问题。在我看来，好消息是，技术行业、能源行业和政策制定者以及监管机构需要坐下来进行相关的对话。

感谢您这次精彩的采访，读者可以访问Buzz Solutions或阅读他的书：Powering Intelligence：为什么人工智能的未来取决于电网。