▲ 位于北海的Johan Sverdrup油田蕴藏(NTB Scanpix/AFP via Getty Images)
在挪威国家石油公司Equinor巨大的北海新油田中,成千上万个传感器正在将数据反馈到Data Gumbo打造的新型区块链平台,以不可变方式记录运营状态,借此实现合约自动化、向供应商付款、甚至在不久的未来测量油田的碳排放量。
在距离挪威海岸90英里的寒冷北海上,石油巨头Equinor公司开发出过去五十年以来规模最大的项目之一——一座高300英尺的钻井平台,名为Johan Sverdrup。在达到产能顶峰之后,这里每天将产出75万桶石油。而油田整体储量估计为27亿桶,将持续数十年不断产出,为Equinor公司提供大量现金。
谈起石油,挪威人有两种基本认识:首先,丰厚的石油产出让挪威人受益匪浅,这也是他们1.2万亿美元主权财富基金的主要来源;但这些极具环保意识的斯堪的纳维亚人也对石油开采产生的环境影响感到毛骨悚然。该公司在2018年由Statoil更名为Equinor,新任CEO Anders Opedal承诺,将到2050年转型为一家碳友好型企业——成为全球首家“净零”石油公司。
为了优化效率,Equinor为John Sverdrup油田配备了数千个传感器,用来监控从管道中流过的石油量、新井的钻探速度以及设施所消耗的柴油总量等等。具体来说,Johan Sverdrup油田的传感器能够生成相当于15条并发高清视频流的庞大数据,数据内容将被传输至位于休斯顿的初创企业Data Gumbo处。Data Gumbo则负责将重要的数据编码至一套专有且不可变的区块分类账GumboNet之内。
Data Gumbo公司CEO Andrew Bruce解释道:“我们使用现场数据来确认事务,而后将结果存储在链上。客户则直接管理分布式分类账。任何一方都无法更改作为信任基础的事务中的任何部分。事实就是事实,不存在多个版本。”
因此,这套平台能够在Equinor及其供应商联盟之间建立起数十份“智能合约”。Bruce介绍称,“以往,订单与记录的对账工作需要花费几周时间,承包商拿到报酬还需要再等上几周。”现在,该公司可以对智能合约进行编程,确保在钻机上的传感器指示钻头到达特定深度时,自动触发对钻井承包商的付款操作。他指出,Baker Hughes等承包商“能够凭借良好的工作进度更快拿到报酬”,这种灵活的支付周期又成为Equinor的一大优势,帮助其在谈判中有效控制合约价格,同时降低后台会计团队的工作强度与人力成本。根据Equinor估计,在Data Gumbo的帮助下,Johan Sverdrup油田在第一年运营期间就省下了2000万美元。
▲ 在Johan Sverdrup钻井平台上,Equinor员工通过iPad监控运营状况。“不了解问题,就无法解决问题。”
截至目前,Data Gumbo共有20家客户,Equinor是其中最具发展潜力的一家。Equinor从2019年开始,通过简单的试点项目测试GumboNet,包括监控卡车如何为美国页岩压裂作业引水。之后,他们又宣布计划在十个大型项目中部署这套平台,其中包括新的Dogger Bank离岸风电项目(全球最大的风电项目)。此外,Equinor甚至通过向这家位于休斯顿的公司投资600万美元,获得了一部分Data Gumbo股权。
除此之外,石油领域体量最大的沙特阿美公司也已经投资400万美元,并考虑使用GumboNet部署一部分自身业务。此次筹款总额为2000万美元。Bruce强调:“我们必须显示出令人信服的成本节约效果。去年的油价大崩盘并不是坏事,这提醒从业企业现状已经非常严峻,必须减少运营开支。”
不仅如此,区块链技术的介入还有望逐步推动企业向低碳能源的过渡。目前,各类工业企业都在使用区块链网络监控并汇总自身碳排放量。Bruce指出,“只要根据现场测量到的设备使用率,再结合运行效率与燃料使用量,就能准确计算出整体碳足迹。”他们已经与可持续发展会计标准委员会合作制定了一项计划,使用收集到的数据证明所有重要ESG得分(包括环境、社会与治理得分)。
在他看来,“区块链是理想的真实、清洁数据来源。一切内容并非基于估算,而是基于事实并将影响到每一个人。因此,借助这套‘免费且优雅’的解决方案,我们可以明确向投资者提供ESG得分。”(免费的说法可能不够准确,Data Gumbo会根据使用其网络的客户数量收取费用。)
可以看到,Equinor正以创造性的方式探索如何从区块链应用中获取更多收集。该公司一位发言人表示,随着全社会对控制碳排放问题的日益重视,对能源供应中碳排放量进行认证的诉求也将成为主流。“未来,我们可能终有一天会全面追踪整个石油价值链产生的所有碳排放。而不了解问题,就无法解决问题。”
其中当然还有不少挑战:将接入区块链的传感器网格整合至新领域内,难度要比改造旧有领域高得多。此外,更高的自动化水平与执行效率也会消灭相当一部分工作岗位。再有,部分服务企业并不希望把自己的每项操作都记录在GumboNet上以接受严格审查。但Data Gumbo的核心优势就在那里——客户加入之后,就很少会选择离开。他们还拥有一套预先构建完成的网络,新客户可以随时参与其中。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。