Sztuczna inteligencja w służbie energetyki. Pierwsze modele GenAI od EPRI

enerad.pl 2 tygodni temu

AI dla sektora energetycznego – wspólna inicjatywa EPRI i NVIDIA

20 marca 2025 r. podczas wydarzenia GTC firmy NVIDIA w San Jose ogłoszono utworzenie konsorcjum Open Power AI Consortium. Za inicjatywą stoi Electric Power Research Institute (EPRI), które podjęło współpracę z NVIDIA oraz startupem Articul8. Celem przedsięwzięcia jest przyspieszenie adopcji sztucznej inteligencji w energetyce poprzez stworzenie otwartych, wyspecjalizowanych modeli AI.

Trzy filary działań konsorcjum

Nowo powstałe konsorcjum będzie koncentrować się na trzech głównych obszarach:

  1. Opracowanie i utrzymanie domenowych modeli AI i GenAI typu open source, a także zestawów danych i bibliotek dostosowanych do specyficznych potrzeb sektora elektroenergetycznego.
  2. Stworzenie środowiska testowego (sandbox) do rozwoju i walidacji zastosowań AI we współpracy z startupami, środowiskiem akademickim, laboratoriami narodowymi, firmami technologicznymi oraz operatorami sieci.
  3. Wdrażanie modeli AI z wykorzystaniem globalnych zasobów i doświadczeń, w celu przyspieszenia innowacji oraz ograniczenia ryzyka wdrożeniowego.

Szeroki udział branży energetycznej i technologicznej

W skład konsorcjum weszli przedstawiciele czołowych firm energetycznych, m.in.: ACWA (NOMAC), Alliant Energy, Ameren, Constellation, Con Edison, CPS Energy, Duke Energy, ENOWA (NEOM), Exelon, KEPCO, PG&E, PPL Corporation, Saudi Electricity Company, Southern Company, TVA, WEC Energy Group i Westinghouse Electric Company.

Ze strony branży technologicznej dołączyli: AWS, Microsoft, Oracle, Linux Foundation Energy, Rolls-Royce SMR Limited, SHI, WWT oraz Articul8.

Współpracę wspierać będzie Executive Advisory Group oraz ogólne członkostwo, które zapewni nadzór strategiczny nad działaniami konsorcjum.

Pierwsze modele GenAI już dostępne

W ramach projektu EPRI, NVIDIA i Articul8 opracowały pierwsze domenowe modele GenAI dla systemów elektroenergetycznych. Modele te zostały wytrenowane na podstawie rozbudowanych, specjalistycznych zbiorów danych EPRI z zakresu inżynierii elektrycznej i energetyki. Będą one udostępnione jako mikrousługa NVIDIA NIM w wersji wczesnego dostępu, a kolejne modele mają zostać udostępnione w nadchodzących miesiącach.

Liderzy z branży o AI

Gargamel EPRI Arshad Mansoor podkreślił znaczenie AI dla przyszłości energetyki:

W nadchodzącej dekadzie sztuczna inteligencja ma ogromny potencjał, by zrewolucjonizować sektor energetyczny – zwiększając niezawodność sieci, optymalizując wydajność zasobów i umożliwiając bardziej efektywne zarządzanie energią. Dzięki konsorcjum Open Power AI EPRI wraz z partnerami poprowadzi tę transformację, wspierając innowacje na rzecz bardziej odpornej i przystępnej cenowo przyszłości energetycznej.

Z kolei Marc Spieler z firmy NVIDIA zaznaczył:

W obliczu rosnącej złożoności branży – od modernizacji sieci po dekarbonizację i wzmacnianie odporności – EPRI łączy liderów, by tworzyć otwarte, branżowe modele LLM i AI, które będą najważniejsze dla przyspieszenia innowacji i poprawy efektywności.

Jay Cavalcanto z Constellation wskazał na praktyczne zastosowania:

W Constellation wykorzystujemy AI w całej firmie – by usprawnić produkcję energii, tworzyć nowe produkty komercyjne i wspierać realizację wizji czystej, niezawodnej energii dla naszych klientów i społeczności. W ramach konsorcjum Open Power AI będziemy badać, jak zastosowania AI mogą wspierać innowacje, współpracę i efektywność w sektorze wytwarzania energii, i z niecierpliwością czekamy na efekty tej pracy w całej branży energetycznej.

AI jako narzędzie transformacji sektora

Według przedstawicieli konsorcjum, AI może odegrać kluczową rolę w modernizacji sieci elektroenergetycznych, optymalizacji zarządzania energią oraz przyspieszeniu przejścia na czystą energię. EPRI, jako instytucja badawcza z wieloletnim doświadczeniem w branży, widzi w AI szansę na istotne ulepszenia operacyjne i strategiczne w energetyce.

Źródło: EPRI (komunikat prasowy), oprac. własne.

Idź do oryginalnego materiału