
▲ 位于北海的Johan Sverdrup油田蘊(yùn)藏(NTB Scanpix/AFP via Getty Images)
在挪威國家石油公司Equinor巨大的北海新油田中,成千上萬個(gè)傳感器正在將數(shù)據(jù)反饋到Data Gumbo打造的新型區(qū)塊鏈平臺(tái),以不可變方式記錄運(yùn)營狀態(tài),借此實(shí)現(xiàn)合約自動(dòng)化、向供應(yīng)商付款、甚至在不久的未來測量油田的碳排放量。
在距離挪威海岸90英里的寒冷北海上,石油巨頭Equinor公司開發(fā)出過去五十年以來規(guī)模最大的項(xiàng)目之一——一座高300英尺的鉆井平臺(tái),名為Johan Sverdrup。在達(dá)到產(chǎn)能頂峰之后,這里每天將產(chǎn)出75萬桶石油。而油田整體儲(chǔ)量估計(jì)為27億桶,將持續(xù)數(shù)十年不斷產(chǎn)出,為Equinor公司提供大量現(xiàn)金。
談起石油,挪威人有兩種基本認(rèn)識(shí):首先,豐厚的石油產(chǎn)出讓挪威人受益匪淺,這也是他們1.2萬億美元主權(quán)財(cái)富基金的主要來源;但這些極具環(huán)保意識(shí)的斯堪的納維亞人也對(duì)石油開采產(chǎn)生的環(huán)境影響感到毛骨悚然。該公司在2018年由Statoil更名為Equinor,新任CEO Anders Opedal承諾,將到2050年轉(zhuǎn)型為一家碳友好型企業(yè)——成為全球首家“凈零”石油公司。
為了優(yōu)化效率,Equinor為John Sverdrup油田配備了數(shù)千個(gè)傳感器,用來監(jiān)控從管道中流過的石油量、新井的鉆探速度以及設(shè)施所消耗的柴油總量等等。具體來說,Johan Sverdrup油田的傳感器能夠生成相當(dāng)于15條并發(fā)高清視頻流的龐大數(shù)據(jù),數(shù)據(jù)內(nèi)容將被傳輸至位于休斯頓的初創(chuàng)企業(yè)Data Gumbo處。Data Gumbo則負(fù)責(zé)將重要的數(shù)據(jù)編碼至一套專有且不可變的區(qū)塊分類賬GumboNet之內(nèi)。
Data Gumbo公司CEO Andrew Bruce解釋道:“我們使用現(xiàn)場數(shù)據(jù)來確認(rèn)事務(wù),而后將結(jié)果存儲(chǔ)在鏈上。客戶則直接管理分布式分類賬。任何一方都無法更改作為信任基礎(chǔ)的事務(wù)中的任何部分。事實(shí)就是事實(shí),不存在多個(gè)版本。”
因此,這套平臺(tái)能夠在Equinor及其供應(yīng)商聯(lián)盟之間建立起數(shù)十份“智能合約”。Bruce介紹稱,“以往,訂單與記錄的對(duì)賬工作需要花費(fèi)幾周時(shí)間,承包商拿到報(bào)酬還需要再等上幾周。”現(xiàn)在,該公司可以對(duì)智能合約進(jìn)行編程,確保在鉆機(jī)上的傳感器指示鉆頭到達(dá)特定深度時(shí),自動(dòng)觸發(fā)對(duì)鉆井承包商的付款操作。他指出,Baker Hughes等承包商“能夠憑借良好的工作進(jìn)度更快拿到報(bào)酬”,這種靈活的支付周期又成為Equinor的一大優(yōu)勢,幫助其在談判中有效控制合約價(jià)格,同時(shí)降低后臺(tái)會(huì)計(jì)團(tuán)隊(duì)的工作強(qiáng)度與人力成本。根據(jù)Equinor估計(jì),在Data Gumbo的幫助下,Johan Sverdrup油田在第一年運(yùn)營期間就省下了2000萬美元。
▲ 在Johan Sverdrup鉆井平臺(tái)上,Equinor員工通過iPad監(jiān)控運(yùn)營狀況。“不了解問題,就無法解決問題。”
截至目前,Data Gumbo共有20家客戶,Equinor是其中最具發(fā)展?jié)摿Φ囊患?。Equinor從2019年開始,通過簡單的試點(diǎn)項(xiàng)目測試GumboNet,包括監(jiān)控卡車如何為美國頁巖壓裂作業(yè)引水。之后,他們又宣布計(jì)劃在十個(gè)大型項(xiàng)目中部署這套平臺(tái),其中包括新的Dogger Bank離岸風(fēng)電項(xiàng)目(全球最大的風(fēng)電項(xiàng)目)。此外,Equinor甚至通過向這家位于休斯頓的公司投資600萬美元,獲得了一部分Data Gumbo股權(quán)。
除此之外,石油領(lǐng)域體量最大的沙特阿美公司也已經(jīng)投資400萬美元,并考慮使用GumboNet部署一部分自身業(yè)務(wù)。此次籌款總額為2000萬美元。Bruce強(qiáng)調(diào):“我們必須顯示出令人信服的成本節(jié)約效果。去年的油價(jià)大崩盤并不是壞事,這提醒從業(yè)企業(yè)現(xiàn)狀已經(jīng)非常嚴(yán)峻,必須減少運(yùn)營開支。”
不僅如此,區(qū)塊鏈技術(shù)的介入還有望逐步推動(dòng)企業(yè)向低碳能源的過渡。目前,各類工業(yè)企業(yè)都在使用區(qū)塊鏈網(wǎng)絡(luò)監(jiān)控并匯總自身碳排放量。Bruce指出,“只要根據(jù)現(xiàn)場測量到的設(shè)備使用率,再結(jié)合運(yùn)行效率與燃料使用量,就能準(zhǔn)確計(jì)算出整體碳足跡。”他們已經(jīng)與可持續(xù)發(fā)展會(huì)計(jì)標(biāo)準(zhǔn)委員會(huì)合作制定了一項(xiàng)計(jì)劃,使用收集到的數(shù)據(jù)證明所有重要ESG得分(包括環(huán)境、社會(huì)與治理得分)。
在他看來,“區(qū)塊鏈?zhǔn)抢硐氲恼鎸?shí)、清潔數(shù)據(jù)來源。一切內(nèi)容并非基于估算,而是基于事實(shí)并將影響到每一個(gè)人。因此,借助這套‘免費(fèi)且優(yōu)雅’的解決方案,我們可以明確向投資者提供ESG得分。”(免費(fèi)的說法可能不夠準(zhǔn)確,Data Gumbo會(huì)根據(jù)使用其網(wǎng)絡(luò)的客戶數(shù)量收取費(fèi)用。)
可以看到,Equinor正以創(chuàng)造性的方式探索如何從區(qū)塊鏈應(yīng)用中獲取更多收集。該公司一位發(fā)言人表示,隨著全社會(huì)對(duì)控制碳排放問題的日益重視,對(duì)能源供應(yīng)中碳排放量進(jìn)行認(rèn)證的訴求也將成為主流。“未來,我們可能終有一天會(huì)全面追蹤整個(gè)石油價(jià)值鏈產(chǎn)生的所有碳排放。而不了解問題,就無法解決問題。”
其中當(dāng)然還有不少挑戰(zhàn):將接入?yún)^(qū)塊鏈的傳感器網(wǎng)格整合至新領(lǐng)域內(nèi),難度要比改造舊有領(lǐng)域高得多。此外,更高的自動(dòng)化水平與執(zhí)行效率也會(huì)消滅相當(dāng)一部分工作崗位。再有,部分服務(wù)企業(yè)并不希望把自己的每項(xiàng)操作都記錄在GumboNet上以接受嚴(yán)格審查。但Data Gumbo的核心優(yōu)勢就在那里——客戶加入之后,就很少會(huì)選擇離開。他們還擁有一套預(yù)先構(gòu)建完成的網(wǎng)絡(luò),新客戶可以隨時(shí)參與其中。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。