海上巨人

正午，船往幽藍的海面上駛去。

風卷起了海浪，浪頭很高。華為中國政企電力行業解決方案部的孔慶偉和深圳供電局的客戶一行人，顛簸了許久，終于到達位于深圳西部的大鏟島海域。

一個高達70多米的輸電線路基塔，像巨人般紋絲不動地矗立在眼前。大家一起下了船，順著金屬焊接的梯子，登上了基塔的鋼筋混凝土平臺。

“就是這里了。”客戶說。

往下看，海下30多米處，有20多根巨大樁基深扎海底，托起了這個巨大的平臺；向上望，高壓電線從塔尖如同放射線一樣，連接到隔壁的鐵塔上，正源源不斷地把電帶給深圳西部的多個區域。

仰視著這座“海上巨人”，孔慶偉若有所思。不久前，華為和南方電網成立了聯合創新中心，希望圍繞客戶提出的研究課題，提供前沿的技術方案和產品，解決電網在數字化轉型過程中的問題。他此行的目的就是調研輸電線路巡檢存在的問題。

輸電線路分布在深圳全市各個區域，設備點多面廣，而且大部分位于丘陵山間，當然，也有像這樣的變幻莫測的海域。由于受氣候、運行環境的影響很大，需要巡檢員長途跋涉，翻山越嶺，定期進行線路巡檢，及時發現缺陷與隱患。深圳供電局輸電管理所管轄桿塔7700多個，線路4000多公里。按照傳統輸電方式巡檢，巡檢員每年巡線行走路程約2500公里。這個距離相當于從深圳一路走到北京。

更艱苦的是，巡檢人員需要徒手攀登巡檢電塔，在懸空的導線上持續工作數個小時。有人稱他們為“蜘蛛人”，有人稱他們為“高空舞者”，行走于高空云端的照片看起來氣勢磅礴，但只有他們知道，在輸電桿塔上工作是如何驚心動魄。

“高塔有二三十樓層那么高。說不害怕，肯定是假的。”線路班的班長楊興，是深圳供電局輸電管理所的資深巡檢員。每一次上桿塔，不管看起來多么云淡風輕，他心里還是會忍不住打鼓。

夏季鐵桿非常燙手，塔上溫度更是超過40℃，攀爬異常艱難，冬季寒風凜冽，高處風速很大，要克服劇烈的晃動。除了系上安全繩，有時還要抬著壓機、架空線、吊鏈、鋼絲繩等“重型武器”負重前行，已經不能用簡單的辛苦來形容。

客戶順著基塔塔尖方向望去，感慨地說：“如果能智能巡檢可以代替人工巡檢，一切都會大有不同。”

一望無際的海面上，波光在翻滾著，孔慶偉心里也泛起了漣漪。深耕電力行業十多年，他篤定一點：只有貼合生產業務場景，瞄準客戶的最痛的問題，技術才能在行業落地生根。

客戶的痛

客戶的痛由來已久。

暴雨、冰雪、臺風等各類極端氣象情況，都是供電安全面臨的挑戰。2008年春節，一場遍及20個省的超大范圍低溫、冰凍驟然而至。大雪迫使鐵路、公路、民航交通中斷，有列車因為電力中止，被逼停在高架橋上。很多電塔轟然倒下，造成很多區域大規模停電。

從這以后的數年間，國內一些區域的輸電桿塔上試點安裝了第一代在線監測設備，內置攝像頭，可以抓拍圖片。但由于沒有很好地解決供電和網絡的技術問題，設備頻繁出現故障，反而加重了維護壓力。這好比主人想要找個保姆，誰知道保姆天天生病，反而要主人天天去照顧。電力巡檢依然高度依賴于人工。

2018年前后，南方電網深圳供電局開始嘗試“智能巡檢”，在數千座電力桿塔上陸續安裝第二代在線監測設備，從一定程度上解決了可用性的問題。

不同于第一代設備的笨重，第二代在線監測設備背的是“小電池背包”，更適合被安裝在桿塔上。身板不大，卻內有乾坤。除了攝像頭、太陽能電板，還內置傾斜傳感器、溫度傳感器、微氣象監控裝置等，可以監測桿塔傾斜角度、溫度、濕度、風速、風向、氣壓、雨量、光輻射等多種參數。

但為了省電、省流量，每隔一小時，設備才會采集一次，把圖片、視頻和監測參數傳回后臺，其余時段關機。

“一個小時可以發生太多的事。線路下有施工，或者風箏吹到線路上，都可能影響輸電線路穩定運行，造成大面積的停電。”孔慶偉深知客戶的擔憂。

更關鍵的是，由于缺乏有效的邊端智能識別功能，桿塔固定攝像頭拍下的圖片和視頻需要全部回傳到主站，通過主站分析查找故障。因此導致大量的無效圖片及視頻回傳，工作量大，存儲空間大。對于線路故障也只能事后分析，故障判斷不及時。

“每天傳回后臺的照片有幾千張，一個月下來有幾十萬張，根本來不及看。”深圳供電局的工作人員談起繁重的分析工作，無奈地說。而要從數十萬張極其相似的照片中找出可能存在的隱患點，就像在玩“大家來找茬”游戲一樣考驗眼力和耐力。

雖然近年來深圳供電局也做了關于無人機巡檢的嘗試，作為桿塔上的固定攝像頭的補充，但也只解決“看得見”的問題，依然“看不懂”，發現故障還是依賴人，效率很低。

孔慶偉記得有一回去現場調研，看著無人機駕駛員蹲坐在輸電桿塔下，為了抓拍到清晰圖片，一會兒手工調焦距，一會兒做缺陷的實時判定，一天下來汗流浹背，他在心里默想：“如果我們能把經驗變成AI的話，就可以大大提升巡檢的效率了。”

殺手锏

帶著調研取得的詳實信息，孔慶偉回到了公司。經過各部門的規劃、碰撞，拿出了一套基于“云-管-邊-端”電力物聯網架構的電網視頻智能巡檢方案，希望通過與攝像頭、無人機等設備集成供邊緣AI算力，構建云邊協同AI架構，端側識別故障，實現缺陷就地自動識別。

給輸電桿塔上的攝像頭裝上AI的“大腦”，成為了第一個階段性目標。

“這是我們的殺手锏！”吳杰指著一個火柴盒大小的Atlas 200 AI加速模塊，笑著說。他是華為?騰計算產品部Atlas項目群的技術專家，也是這個項目研發側的負責人，接下來的9個月，他要負責操刀這臺AI“大腦”的移植手術。

“你看，這里面有一顆?騰310 AI處理器，可以對圖片和視頻進行實時分析，并第一時間給出診斷結果。”

一個小小的模塊，能有這么大的威力？

這不得不提到計算能力（簡稱算力）的重要性。小至手機、PC，大到超級計算機，算力存在于各種硬件設備，沒有算力就沒有各種軟硬件的正常應用。Atlas 200 AI加速模塊，擁有強大的算力，體積小、耗電少，半張信用卡大小就可支持16路高清視頻實時分析——原本幾個月才能完成的龐大數據計算和處理，交給它，就是分分鐘的事情。

它可以結合基于深度學習的識別算法，實現對圖像及視頻信息實時分析、報警、上傳，大量減少無效圖片的回傳，減輕帶寬壓力。同時，主站AI也可以實現后臺精準分析，及時揪出人工巡視不易發現的隱患點。

華為團隊迫不及待地想把它“安利”給客戶。

捉襟見肘

不出所料，第一次交流，客戶就表達出了濃厚的興趣，但也有些將信將疑，畢竟眼見才能為實，華為能不能拿出更多有說服力的證明？為此，2019年3月，華為團隊拿著設備的樣機為客戶做了第一次演示。

在萬眾矚目之下，算法模型在樣機上順利跑通，這意味著這個AI“大腦”正常運行。

表現如何？一看數據，每一次識別圖片和視頻，需要等待XX毫秒，才能輸出結果。雖然人幾乎沒有感知，但是和華為團隊宣稱的“實時”還有一點差距。

“還能更快嗎？”顯然，抱著高期待的客戶，還不夠滿意。

孔慶偉的心里咯噔了一下，應該是算法模型還沒有完全適配。“這就好比和客戶說，用我們的金磚，可以給你造一棟富麗堂皇的別墅，結果好像還差點意思。”

更大的問題出在功耗上。AI“大腦”很聰明，但是對于身體的負荷超出了預期：功耗高達十幾瓦！

真沒想到，這個“小家伙”看起來雖然個子小小的，卻是個“大胃王”。要知道，為了滿足桿塔的安裝要求，合作伙伴金三立提供的在線監測裝置，電池大小是恒定的，要支持內置的所有傳感器、攝像頭的用電需要，本來就很困難了，現在又多一個Atlas 200加速模塊，讓這個本不富裕的電池更加捉襟見肘。

“試點驗證一下效果應該還可以，商用的話……”看到這個結果，合作伙伴的工程師連連搖頭。那隱含的意思就是——別想了，沒法商用。

遇山開山，遇水架橋

焦慮和失落的情緒彌漫在華為研發團隊中。

那段時間，吳杰同時輾轉于兩個電力項目中，幾乎沒有睡過一個安穩覺。“壓力太大了！”有時候在夢里，他會夢到電塔高聳的塔尖和炫目的烈日，不由得一陣暈眩。

曾在電力行業摸爬滾打多年，他很清楚，輸電場景對于客戶來說是剛需。孵化出來的創新方案，如果無法解決客戶的痛點，無法和業務做深度的融合，就是一塊漂亮但無用的磚頭。“我們不能空談創新，只有真正能派上用場的產品，才是有用的產品。”

要成功完成這臺移植手術，華為必須和合作伙伴一起，做好軟硬件的適配。

“我們可以做減法，降功耗！”這群由芯片、算法、驅動等領域的十幾個小伙伴組成的作戰小分隊，早已習慣了遇山開山，遇水架橋。

“在這個場景下，客戶對算力的要求不需要達到極致標準。”有人提議降低一部分算力，減少功耗。

經過仔細的分析、權衡，研發團隊判定這是一個可行方案：“殺雞不用牛刀，客戶需要的才是最好的。”

這一輪優化過后，再一測，功耗降到了3.4瓦。看來，快成了！

不過吳杰還不是很滿意：“兄弟們再想想辦法。”

大家仿佛變身精打細算的管家，用放大鏡一一審視家中還能省下的開銷。“在這種場景下，我們有一些不需要用的接口，是不是可以從這里下手？”又有兄弟揪出了一個改進點。

大家吭哧吭哧排查了一遍，把不必要的接口關了，又省下了0.1~0.3瓦的功耗。

“這下齊活了，只有3瓦了！”階段性的目標終于達成！

不過，精益之路沒有盡頭。研發團隊在研究對接方案時，又發現一個問題——“大腦”和“身體”建立“握手協議”的時間點不一樣，會導致在線監測設備的休眠喚醒時間過長，設備啟動后還要兩三秒反應時間。圍繞這個問題，吳杰等人又做了針對性的改進，也應用到了后期交付的設備中，省下了更多功耗。

而與此同時，圍繞識別圖片速度還不夠快、不夠準確的問題，華為研發團隊根據算法模型在芯片層面做了調優和適配，進一步提升了識別的效率和準確率，最終獲得了客戶的認可。

從20天到2小時

2019年6月，項目正式進入交付階段。深圳1800多個桿塔上的在線監測裝置陸續裝上了AI“大腦”，未來這個數字還會增加到3000個。

這些聰明的“大腦”，替巡檢人員上高空，下隧道，巡視一切可能的意外狀況，外力破壞等風險實時識別準確度率達90%，大幅降低人工圖像處理工作量80%，提高視頻監測人員工作效率5倍以上，各項性能指標皆達到預期值。

“過去戶外輸電線路傳統人工巡視需要20天才能完成的工作量，如今只需2小時，巡檢效率提升80倍。”2019年9月3日，南方電網深圳供電局與華為舉行聯合發布會，正式宣布第一階段的成果。客戶激動地說：“傳統輸電人‘坐朝問道、垂拱平章’的巡檢夢想正成為現實。”

除了桿塔固定攝像頭，華為研發團隊還計劃和客戶一起，研制搭載Atlas 200 AI加速模塊的無人機，讓無人機可以自動完成視頻和關鍵部位的圖像拍攝，并對圖像視頻進行故障的實時識別。

“如釋重負。”吳杰感到了一種前所未有的輕松，“電力場景太特殊了，關系到千家萬戶。讓我們開心的是，我們做出來的產品真的幫助客戶解決了很多問題。”

而孔慶偉說，這僅僅是一個聯合創新的開始：“只有圍繞生產業務場景去解決客戶問題，公司才能找到在行業的價值，我們能做的還有很多。”

如今，華為和合作伙伴的輸電智能巡檢聯合方案也已經在浙江、江蘇、天津、湖北等更多的省份試點或應用。華為Atlas人工智能計算解決方案正在推動著電力行業的歷史變革，為萬家燈火注入智能和高效。

城市的每盞燈火之下，都有動人而美好的故事。一幅生機勃勃的AI巨幅畫卷正在緩緩鋪開……

　　本文轉載自《華為人》