作者：Alter
DeepSeek的現象級出圈，為業界開辟了一條通向AI的新路徑，也為大模型的落地應用打開了更大的空間。
在大模型走深向實的氛圍下，越來越多的企業改變了觀望態度，開始深入挖掘大模型帶來的新質生產力。一些走在行業前沿的創新探索，開始頻繁置身于聚光燈下，成為業界討論、學習的對象。
譬如在昇騰AI創新大賽2024總決賽上斬獲應用創新組金獎的“許繼智算”團隊，用大模型巧妙破解了缺陷檢測、風險識別等人工巡檢難以解決的“歷史性難題”，給出了大模型落地電力裝備運維的技術路線。
01 跨越智能化運維的“最后一公里”
提起電力裝備運維，可能不少人都比較陌生。
簡單來說，電力裝備運維就是對變電站、高壓變壓器、特高壓換流閥等電力設備進行巡視、檢修維護、故障處理、性能測試等工作，通過定期的檢查和維護，保障電力系統運行的安全可靠。
但在相當長的時間里，電力裝備運維都依賴人工檢查，不僅對運維人員的經驗、能力有著極高的要求。
由于傳感終端的壽命短、穩定性差，導致誤報率高，再加上電力裝備的環境比較復雜，人工巡檢可能無法及時發現潛伏性缺陷。即使是一個微小的疏忽，也可能會引發難以想象的危險。
例如某±800kV換流站的爆炸事故，直接原因是巡檢人員對隔離開關傳動部件中軸銷、銷釘等附件維護檢查不嚴不細，造成隔離開關無法承受電動機起動時產生的電流。所折射出的深層次原因，則是在設備缺陷監測難、傳感終端誤報率高的情況下，人工巡檢對一些隱蔽缺陷“力不從心”。
正是在這樣的背景下，電力裝備運維一直對新技術持開放態度，無人機、機器人等紛紛走向巡檢崗位，同時也包括人工智能技術。
倘若能夠將人工智能融入電力裝備運維，或許可以利用算法對一些特定故障進行分析，智能檢測異常狀態并實時告警，進而解決人工巡檢數據分析能力不足的短板，及時發現變壓器等設備潛伏性缺陷。
理想很豐滿，現實中卻遇到了“最后一公里”的挑戰。
比如現有技術能力的局限性。當前市場上已有的智能運維方案，往往是針對某個設備、某些故障、某些場景，采用單一模態數據來驅動算法模，產生了模型分散、可復用度低、更新慢、通用性差、對任務場景依賴性強等問題。
再比如真實運維場景的復雜性。電力設備在運行時會產生各種干擾，使得異響信號的信噪比低，采集到的數量質量差、故障狀態數據少。而傳統模型的深度認知能力和分析決策能力相對不足，并未能解決誤檢、漏檢等核心痛點。
時間來到2022年末，大模型的浪潮席卷全球，對新技術敏感的電力運維，迅速達成了一種行業共識——或許可以利用大模型的能力，融合文本、聲紋、圖像等多參量和多模態信息，打破現有技術的局限性，提升電力裝備運維的智能識別和故障推送能力，跨越智能化運維的“最后一公里”。
02 一群年輕人給出了“技術路線圖”
“許繼智算”團隊，就是最早擁抱大模型的團隊之一。
隸屬于中國電氣裝備集團-許繼電氣科學技術研究院的“許繼智算”團隊，平均年齡只有28.7歲，卻集結了應用數學、模式識別、控制工程、CV、計算機工程等專業人才，研發方向聚焦于人工智能技術在智慧線路、智慧變電、軌道交通、智慧配電、電網調控等業務領域的落地應用。
為了打通大模型落地的最后一公里，“許繼智算”團隊基于昇騰軟硬件體系提出了電力裝備運維垂直大模型的技術路線：
以基礎大模型基座為起點，結合沉淀多年的電力知識，通過增量訓練、微調訓練、提示詞工程等，研發出了許繼智言電力大模型，并結合向量化知識庫部署，構建了名為“智電靈眸”的智能運維平臺。
參加昇騰AI創新大賽2024的數百支團隊中，不乏相似的落地理念，為何“許繼智算”團隊能夠脫穎而出呢？
答案離不開團隊提出的三個創新思路。
一是大小模型多融合。
大模型擁有強大的泛化能力，而小模型在特定任務上表現出色。“許繼智算”選擇了大小模型多融合的落地方案，在大模型全局預測的基礎上，采用小模型進行精準篩選，并利用小模型生成預測提示知識輔助大模型進行精準判斷。通過大小模型的分工協作，既提升了故障診斷的精度和效率，同時降低了計算成本，更適用于處理電力行業復雜多變的運維需求。
二是“三庫一體”強推理。
針對大模型普遍存在的幻覺、專業知識答不準、行業信息更新難等問題，“許繼智算”采用了“三庫一體”的架構，即將RAG向量數據庫、圖數據庫、SQL數據庫融合在一起，構建了電力設備運維領域的專業知識模型，并結合檢索增強生成技術、圖譜更新等工具，基于知識庫高質量高精準數據和大模型語義理解能力，進一步提高了大模型應答的準確性。
三是正負樣本精檢測。
正如前面所提到的，電力設備采集到的只有某些運行方式下的特定狀態，不可見的狀態無法獲取真實數據。“許繼智算”團隊的解法是對電力圖像、設備聲紋和設備運行數據等進行清洗、對齊和特征提??；在融合階段通過注意力機制或圖網絡實現模態間的交互和信息共享，然后將各模態的決策結果進行加權融合，極大地提升了垂直大模型的性能。
借用一位評審專家的說法：“許繼智算”團隊的技術創新能力、行業應用經驗和工程化落地能力，有效解決了當前電力裝備運維智能化方案方案中定制化程度高、深度認知能力不足等問題，提升了電力行業的智能化水平。
03 電力裝備運維進入“智能體”時代
檢驗一套方案的最佳方式，無疑是真實的生產環境。
依托中國電氣裝備集團的大型電力裝備制造和系統軟件開發優勢，“許繼智算”團隊的打造“智電靈眸”智能運維平臺，已經以通用服務組件、系統軟件集成等方式，先后在“一帶一路”鐵路牽引變、變電站智能巡視工程、±800kV換流站柔直換流閥健康狀態診斷等項目中試點，應用場景涵蓋電力行業的發、輸、變、配、用全環節。
以±800kV換流站運維為例，能夠設備概況、巡檢要求、操作手冊、故障診斷與故障處置等進行智能分析，給出相關措施，讓每個巡檢人員都能擁有“老師傅的經驗”。
譬如“變流站繞組溫度高”的問題，只需要在對話框中輸入相關問題，“智電靈眸”會快速給出相應的處理方案，包括現象檢查溫度計是否到達預警值、冷卻器是否投入運行，以及不同結果對應的處理方案。
同樣的還有500kV變電站智能巡視的案例，能夠識別刀閘、旋鈕開關、壓板、表計、空開、指示燈、山火、異物、山體滑坡、工程車輛、未穿絕緣靴、高空拋物、線盤倒放、無人扶梯等不同場景下上百種設備缺陷及安全風險。
也就意味著，變電站的巡視不再依賴人工經驗，甚至不需要人工到場，可以根據采集的圖像和視頻數據，智能分析潛在的風險和缺陷，及時作出預警，有效提高了電力設備缺陷檢測成功率和運維人員的工作效率。
比這些案例更有說服力的，是一組落地前后的數據對比：在變電站、換流站等實際運維場景中，“智電靈眸”智能運維平臺相較于傳統方法，識別準確率提升了30%以上，能夠更精準地識別設備故障和異常狀態；故障預警速度提升了50%，能夠更快地發現潛在故障，減少停機時間。
打一個比方的話，在多模態大模型“視、聽、想、做”能力的賦能下，電力裝備運維有了“看得見、聽得著、會思考、能行動”的“智能體”，將徹底改寫電力裝備運維的巡檢范式，全面進入到“智能體”時代。
對于“許繼智算”團隊來說，他們的使命遠沒有結束，將專注于更多電力專用智能體的開發，通過加強算力平臺構建、數據資產管理、算法模型智能體構建等方式，實現電氣裝備的全面智能化運維。
04 寫在最后
一塊石頭投入湖中，最迷人不是入水時的“咕咚”聲，而是激起的層層漣漪。
如果說DeepSeek的崛起是投向AI行業的石頭，吸引了全社會的討論和關注；多模態大模型在電力裝備運維等場景中的邏輯，就是一層一層的漣漪，讓外界看到了大模型更深層次的價值。
大模型的“詩和遠方”不是寫詩、作畫，而是需要更多像“許繼智算”這樣的創新團隊，將大模型的能力應用到千行萬業。
