40% 的数据中心节能，始于一封以问号结尾的邮件

Sonya Huang 和 Pat Grady 介绍 Jim Gao 为 Phaidra 的创始人兼 CEO，此前曾担任 DeepMind Energy 的负责人，那是最早投入实际应用的 AlphaGo 式强化学习系统之一。在谷歌，这项工作产出了一个至今仍有人引用的数字：数据中心冷却能耗降低 40%。Gao 用一两句话概括公司，说得很直接：Phaidra 是一家 AI 自动化公司，用强化学习直接控制客户那些大型、关键任务型的工业设施。实际上，智能体扮演的是虚拟的工厂操作员，是运营团队里多出来的成员。

这个定位是整期节目的主线。AI 能不能写邮件，已经不是值得讨论的问题。真正值得问的是：一个学习系统能否坐在价值数十亿美元的实体工厂上，采取行动，同时待在人类操作员早已习惯的安全边界之内。Gao 在剩下的对话里，把这句口号拆成了一份清单：哪些问题适合套用强化学习，数据要准备到什么程度，以及模型绝不能碰哪些旋钮。

Gao 曾经给 Mustafa Suleyman 发过一封邮件，后者后来成了他在 DeepMind 的上司，而那封邮件的标题已经成了公司里的传说：“强化学习加数据中心，等于很棒？” 那个问号可不是随便加的装饰。把强化学习和工业设施结合起来，当时还是个未知数。Gao 的本职工作，是帮谷歌设计和运营超大规模数据中心，这些数据中心的电费高达数十亿美元，效率每提高一个百分点，都是实打实的钱。2013 年，他在吴恩达（Andrew Ng）的 Coursera 机器学习课程上自学编程，那是他记忆中的第二期课程，之后开始摆弄工厂已经产生的海量数据。2016 年 3 月的 AlphaGo 是导火索。他在旧金山湾区时间凌晨 3 点左右看完了李世石的那场比赛，放不下，于是给“Moose”写了封邮件。他在邮件里说，如果 DeepMind 能在围棋上击败最顶尖的人类，那么同样的智能体也能去玩一个 Gao 熟悉的游戏：优化谷歌数据中心的电能使用效率（PUE）。

他向负责谷歌数据中心的 Joe Kava 做内部推销，整套方案一张幻灯片就讲完了：一边是围棋棋盘，另一边是 Xbox 手柄。围棋要最大化一个目标，数据中心要最小化能耗。围棋有合法的落子，工厂有阀门、水泵和设定值。围棋有规则，工厂有温度范围、冷水机组的启停限制，以及变频驱动器（VFD）的最低转速。环境可测量，行动和约束都明确。“强化学习和运营大型复杂工业系统，其实是同一件事。” Grady 问，目标、行动、约束这三样，是不是现实世界强化学习的全部要素。Gao 说：是的，100%。只要能把一个带约束的优化问题定义清楚，并映射到数据上，就可以尝试用强化学习去求解。他补充说，控制和优化两个领域各自发展，最后殊途同归，得出了同一套数学；Phaidra 正处在这两者的交汇点上。

两周后，Suleyman 带着一支 DeepMind 团队飞到山景城，他们开始梳理强化学习可能如何运行谷歌的工厂。这段合作也让 Gao 认识了联合创始人 Veda。Veda 是 AlphaGo 的早期工程师，去过首尔，见过李世石和 Larry Page，当时正在寻找下一个要攻克的问题。Gao 当时完全不知道这事能不能成。他至今还记得第一次启动这套系统的情景。他和操作员们坐在爱荷华州的一片玉米地里（谷歌喜欢把数据中心建在这样的地方），看着 AI 给出的建议操作，心里都觉得它学错了东西。但他们还是试了。能耗下降了。有两件事让他印象深刻。第一，Gao 自己就参与设计过这套机械系统，结果却是智能体在教他认识自己的工厂。第二，那些操作违反直觉。而且没有任何性能上的取舍：温度曲线一样，冷水机组的约束一样，水泵的最低转速也一样。这纯粹是软件带来的收益，并非靠更换江森自控（Johnson Controls）或特灵（Trane）的冷水机组换来的。

一个简化的思想实验，就能说明这个探索空间为什么如此之大。十台泵、每台十个设定值，就已经能组合出 100 亿种情况；而真实的工厂机器要多得多，运行模式也更多，IT 负载和天气不断变化，管道会腐蚀，换热器会结垢。规避风险的心态加上写死的启发式规则，意味着操作员只探索过约 0.00001% 的行动空间，剩下的部分很可能藏着更好的运行点。Gao 强调，这些设施本来就已经实现了自动化，只是不够智能，靠的是一堆“如果……就……”式的逻辑，再加上人工调整。2016 年的试点仍然保留了人在回路中的环节：AI 发邮件给出建议，专家审核，能耗降低了 40%。操作员后来受不了每十五分钟就查一次邮件。Joe Kava 的运营团队随后实现了完全自主运行，进入了 Gao 说从未有人验证过的领域：用云端控制大型工业设备。他和 Veda 站在一个 90 兆瓦的机房里，Veda 用一台 MacBook 合并了一个 pull request，一台大巴车大小的冷水机组轰然启动，整个地面都在震动。第一个数据点是：你可以从云端启动工厂。接下来的问题是：能不能智能地做到这一点。

爱荷华州的那种感受让 Gao 彻底信服。他引用了 DeepMind 首席执行官 Demis Hassabis 的一个说法：AI 创造力。他说，硅谷把 AI 和自动化混为一谈。AI 确实能自动化日常工作，但这样说低估了它。真正的承诺在于获得以前并不存在的知识。他是帮助设计这套系统的专家，而智能体却在告诉他关于这套系统的新东西。“这种感觉非常、非常强烈。” 他最喜欢举的例子是李世石。十年来，李世石一直稳坐围棋的顶峰，Elo 等级分在 2800 左右，已经没有人能逼他进步。公开比赛之后，DeepMind 允许他私下继续与这套系统对弈。十年来第一次，他的等级分开始回升。

Gao 的判断是，收益会集中在哪里。呼叫中心这类常规自动化，他认为不会出现值得关注的公司。真正的金矿，是那些由数据支撑、排列组合极其复杂、人类直觉已经力不从心的领域，比如蛋白质折叠和工业控制。他从 DeepMind 得到的另一个教训，也是他离开的原因。技术只有被人用起来，才会产生影响；而把实验室成果变成产品，工作量要多出百倍甚至千倍。他、Veda 和第三位联合创始人 Katie Hoffman 一直看着 DeepMind 那些了不起却从未走出大楼的成果。Phaidra 存在的意义，就是把智能虚拟操作员做成一款产品。

Gao 说，从谷歌带出来的，是存在性证明：闭环强化学习确实能大幅改变一座复杂工业设施的运行。没能带过来的，是环境。每座工厂都是独一无二的雪花：设备关系图、产品差异，还有关键冷却数据可能出错的“一百种方式”，都各不相同。谷歌之所以能率先做到这一点，是因为它本身就是一家走在前沿的公司，更重要的是，它还是一家数据分析公司，早已为高质量、高可用的遥测数据付过钱。离开这个“巢”之后，现实给了他们当头一棒。有些客户根本没有采集数据。在制药、区域供冷和数据中心等场景里，现场几乎都装了传感器——一座价值数十亿美元的工厂，花得起 100 万美元买传感器——但很多只保存 90 天、半年或一年的数据。存储“太贵”，更常见的情况是，数据除了在事故后用来取证，根本没人去用。

他把数据需求比作一座马斯洛金字塔：传感器；数据保留；清洗，也就是要知道坏数据长什么样、该怎么修复；然后是访问，既要能处理实时数据流，也要能处理历史批量数据。客户分布在这座金字塔的各个层级上，因此 Phaidra 的第一项工作，通常是一场“AI 就绪化之旅”，先让设施达到智能体能够使用的状态，然后才进入“数据输入、决策、执行、按目标评估”的循环。在执行端，今天的控制系统设计于 1970 年代和 1980 年代，正处在第三次工业革命的阶段：从模拟走向数字，实现第一代自动化。Gao 提出的第四次工业革命口号是：自我改进的基础设施，即能够自主运行、并且越运行越好的工厂。眼下，他们是在把智能硬塞进第三次工业革命的硬件里。

产品上的选择是：不增加任何硬件，也不增加新的传感器。Phaidra 在现有技术栈的顶层插入一层云端智能层，依附在 BMS 或 SCADA 之上，而这些系统里有数以百万计的 if-then 语句。写死的逻辑和十年前的运行方式一样，因为没人愿意重写后端。Gao 用了一个战场上的比喻：AI 是将军，每分钟盯着大约 10,000 条趋势，并下达命令；BMS 和 PLC（可编程逻辑控制器）是士兵。哪台泵运行、以什么速度运行，由将军决定。至于阀门实际开启的速度，则不归它管。他说，系统中约 90% 的部分，用写死的启发式规则就已经足够好了；如果把不确定的智能用在阀门的精细时序上，那将是一场灾难。安全网和护栏是客户项目中很大的一部分工作。知道 AI 不该控制什么，和知道它能控制什么，同样重要。

录制这期节目的那一周，默沙东在使用两年多之后，成为 Phaidra 第一个公开的客户。这座厂区是宾夕法尼亚州一座占地 500 英亩的疫苗生产园区，制冷能力为 62,000 吨，四座大型冷水机房相互连通，还有数百台相互耦合的设备。默沙东自己在一次会议上公布的数据显示，系统在一座冷水机房首次试用时，节能 16%。Gao 说，这正是关键任务型复杂系统的典型特征，也正是智能体最能发挥作用的地方。Phaidra 目前也在为其他客户的数据中心提供自主控制。

他会提醒客户，不要过分看重最初的那个百分比。这类系统具有不确定性；如果他能提前告诉你，哪些收益还留在桌面上没拿到，那你也就不需要 AI 了。真正有价值的是闭环：智能体采取行动，测量结果与预测之间的差距，然后持续改进。起步时的节能幅度，可能是 1%、5% 或 10%；它不会无限攀升，物理规律依然适用，但它会一直往上走，而且一旦达到最优点，就能稳定地保持在那里。写死的调试逻辑做不到这一点。管道会腐蚀，换热器会堵塞，冷却塔会结垢，设备会被拆换。即便客户在机房里塞满 H100，很快又换上 H200，自学习层也能跟着一起调整。Gao 把这称为自我改进的基础设施。

被问到强化学习在现实中还用在哪些地方，Gao 承认他的地图主要是在谷歌和 DeepMind 的范围内画出来的：一个邻近团队用强化学习延长 Android 的电池续航，还有 YouTube 的推荐系统，当然还有 AlphaZero 用同一套学习框架，自学围棋、国际象棋和将棋。大型科技公司之外，能投入生产的强化学习很少见，但他并不认为这是因为所需要素稀缺。应用空间“大得离谱”，缺的是数据基础设施。他列举了物流和运筹学领域，比如航运、航空公司、联邦快递的路线规划，涉及的业务规模以数万亿美元计，然后又提到他最关心的一个应用。他说，电网平衡可能是 AI 对抗气候变化最重要的途径。

数据中心约占美国用电量的 1.5%–2%，当年将升至 4%，到 2030 年或许会达到 9%。他说，爱尔兰已有 22% 的国家用电量流向数据中心；国际能源署（IEA）的预测是，到本十年末，这一比例将升至 37%。这些都是巨大的可调负荷。如果能协调它们，就有可能帮助平衡电网，而如今电网的供给端，已经不是打个电话给燃煤电厂那么简单了。可再生能源让发电变得随机不定，你没法让太阳按需调节。于是运营商只能保留旋转备用，让大型燃气轮机像汽车在红灯前怠速一样空转。讽刺的是，可再生能源占比越高，需要的缓冲就越多。在他的叙述里，德国在提高可再生能源占比的同时关闭了核电基荷电站，结果不得不再建更多化石燃料电厂作为备用。他的设想是，把对延迟不敏感的计算当作电网的调节工具，把任务转移到电价低或更清洁的时段。“节能幅度”这个指标本身就不对，重点应该是系统层面的成本和碳排放。谷歌此前已经在碳感知调度方面做过一些尝试。

谈到 Transformer 和强化学习的比较，他把话语权交给了 Veda，称她“远比我更专业”，并自称是学过一些 AI 的机械工程师。两者的优势看起来是互补的。Veda 认为，智能系统需要一个关于世界的模型、记忆能力，以及规划和推理的能力。Transformer 擅长消化海量的结构化和非结构化数据，并学习一个世界模型，但主要依靠相关性。工业控制则需要因果关系：智能体为什么这样做，为什么绝不能那样做，以及如何强制实现一种你知道必然存在的行为。强化学习的长处，是规划较长的行动轨迹并学习策略。最值得关注的交汇点，是让 Transformer 去学习世界模型或价值函数，供强化学习智能体在其上做规划。Gao 认为，没有因果这一环，就无法干净利落地把它切换到 Phaidra 这样的工厂里。

在快问快答环节，Gao 说，近期看起来像是 AI 应用的寒武纪大爆发，几乎全部集中在大语言模型和文本上。这是经济中很大的一部分，也很令人兴奋。着眼五到十年，他在等待同样的技术进入汽车、家庭和大型工业系统，也就是“我们所生活的现实世界的基础设施”。被问到最佩服谁，他提到了几位 DeepMind 的研究人员（在那里工作，对技术人员来说就像进了糖果店），然后详细谈到了如今在微软的 Mustafa Suleyman。数据中心项目是一项技术，Phaidra 则是一款产品；Gao 说，在这种转化上，很少有人能像“Moose”那样做得好。在 GPT-2 出现之前，他和 Katie 曾坐在西雅图的一家小酒吧里，当时 Suleyman 正在滔滔不绝地谈论大语言模型，他们却一直想把话题拉回 Phaidra，完全听不懂他在说什么。后来他创办了 Inflection。Gao 至今仍把那个晚上视为他们产品直觉的证据。

给想创业的人的建议，比如他的团队那样，从实验室离开去创办公司，分为两部分。第一，要有联合创始人。这项工作就像情绪过山车，你既需要他们分担负荷，也需要他们让你保持清醒。第二，风险比你想象的要小。无论你今天在一份上升中的工作里值多少钱，学会把技术变成产品之后，你只会更值钱。如果公司失败了，谷歌和微软会以更高的价格把你请回去。最好的投资是提升自己。整期节目的实用版本，也延续了这一精神。如果你经营工业工厂，就对照一下 Gao 的三要素：审计你的数据金字塔，当模型的价值远超存储成本时，就别只留 90 天的日志。而如果你还在等更强的对手出现，才肯让自己的等级分动起来，那就注意到：Gao 的职业生涯，转折点正是一门 2013 年的免费 Coursera 课程，以及一封用问号表达了不确定、承认自己没有把握的邮件。