在2022年中國電機工程學會人工智能專業委員會年會暨電力行業人工智能技術創新應用論壇上，華為昇騰計算行業解決方案總監吳杰發表了“人工智能融合賦能平臺（AICE）助力電力數字化建設”主題演講，他表示：得益于廣大合作伙伴的支持，過去幾年昇騰AI已經初步構建了一個健康的可持續發展的生態，在電力領域適配90%以上的主流生態伙伴。

昇騰AI方案也已在山東、江蘇、浙江、四川、湖南、廣東等25+省市部署應用，涵蓋輸電、變電、配電、用電等多種應用場景。

未來，我們期待能夠和大家一起推動電力行業智能化升級，通過AICE賦能行業智慧生態建設，加速智慧能源新基建的步伐。

吳杰在本次活動的主題演講中提到：

在產業蓬勃發展的大環境下，AI技術要深入行業場景，僅憑創新落地還遠遠不夠。正如人在學校學習基礎知識后，需要一直在社會工作中實踐成長，AI通過初始的訓練環境學習后，也需要深入到行業的生產系統中，不斷結合實際場景的數據，進行增量訓練和迭代學習，才能滿足更多樣和變化的應用需求。而打造這樣的行業AI生產系統，需要滿足算隨數建、訓推一體、云邊協同三點。

為解決行業痛點，讓AI持續迭代更新、自我演進，華為聯合合作伙伴共同發布了基于昇騰AICE的行業場景化解決方案。

人工智能融合賦能平臺（簡稱AICE），是基于昇騰AI基礎軟硬件提供具備自主演進能力的訓練-推理一體化平臺。

從技術構成上來看，

基礎軟硬件層，包括昇騰AI的訓練和推理硬件，可以提供中心和邊緣的算力資源，并適配了歐拉開源操作系統、異構計算架構CANN、AI框架昇思MindSpore等軟件；

業務使能層，與AICE的平臺伙伴共同打造AI訓練平臺和推理平臺，進行算法更新和增量訓練，構筑具備自主演進能力的訓推一體平臺；

算法應用層，包含算法伙伴提供的算法，以及華為提供的全域感知、知識計算、機器人等引擎實現算法的全域智能，賦能千行百業邁向智能化。

AICE具備自我演進能力，通過增量學習和“非正常即異常”檢測，邊用邊學，可促進AI識別結果更準確，識別場景更豐富。

增量學習即依賴AI設備進行主動數據篩選，并自動上傳到中心對象存儲，僅對篩選后數據人工標注，再通過增量學習中心容器自動化增量訓練與評估，實現AI精度不斷提升。以某廠家螺絲釘檢測為例，平均檢測精度可從81.7%提升到96.4%；而且增量學習極大地降低標注量，節約標注成本，依托自動化學習框架，實現學習效率2~4倍提升。

“非正常即異常”檢測過濾掉99.99%的正常樣本，將未知異常、誤報推送到AI運營側統一審核、分析。比如在輸電檢測場景，面對未提前訓練過的物品，絲巾、鐵絲網、廢棄氣球等，自動篩選異常圖片，上報至樣本庫，然后對模型進行迭代升級，在不斷提升識別率并保證商用效果的前提下，不斷擴展異常場景的識別范圍。

依托AICE和電力行業樣本庫資源，可以打造面向設備運檢類、知識服務類、調度預測類的預訓練模型，覆蓋發、輸、變、配、用等各個環節，賦能全場景業務。

在AICE上，通過預訓練模型快速生成的業務AI算法，可大幅縮短開發周期，提升開發效率。原先一個新算法開發需要2~4個月，而通過預訓練模型，僅需收集、標注的少量數據，1-2周的時間即可開發出新算法。

同時，通過海量樣本共享，采用“預訓練模型 +區域微調”模式，可大大提高模型精度。

此外，預訓練模型減少了AI重復投資，一次性開發，行業共用，還可降低電力AI應用規模落地的門檻。

通過AICE賦能，不僅促進了人工智能與電力行業的深度融合，更推動了人工智能的工程落地和規模化應用，未來，昇騰AI將繼續攜手伙伴，打造更多基于AICE的電力行業解決方案，加速電力行業數智化升級。