挑战传统行业分类人工智能-航空-净零排放混合公司
Posted: Wed Apr 23, 2025 4:52 am
与往常一样，我们一直在忙于为英国最具活力、最令人兴奋的行业构建数据库。本周，我们遇到了一家打破传统行业分类的公司。
我们的机器学习和内部专家在两个独立的项目中找到了它：一个在英国寻找人工智能公司，另一个与航空脱碳有关。
这是人工智能、航空和净零排放的融合，正是我们喜欢寻找的那种公司。
Satavia 简介
这家公司名为 Satavia。他们的目标是通过人工智能技术，减少 60% 的航空业对气候的影响，相当于所有人类活动造成的气候影响的 2%。他们是英国创新的典范，并已获得英国创新署、航空航天技术研究所和欧洲航天局的资助。
他们的 DECISIONX 平台使飞机运营商、制造商和维护公 罗马尼亚电报号码数据库 司能够减少飞机发动机和部件的损坏，从而使航空业更加智能、更加环保。该平台通过提供环境数据和分析来实现这一目标。这些环境信息可用于防止凝结尾云，凝结尾云会将热量滞留在地球大气中。凝结尾云是由于飞机发动机排出的水蒸气饱和原本潮湿的空气，在高空凝结并冻结成冰晶而形成的。
新冠疫情爆发前，全球每天有超过9.3万个航班。从伦敦飞往旧金山的往返航班每人排放约5.5吨二氧化碳当量，相当于一辆家用汽车一年排放量的两倍多。然而，尾迹的形成对气候的影响几乎是飞机发动机排放的两倍，约占航空业对气候总影响的60%。
微软在 Satavia 案例研究中描述了尾迹云的影响。
航空公司运营商可以利用该平台提供的信息来调整飞行计划。这有助于延长发动机寿命、提高发动机性能，并减少碳排放和维护成本。
显然，Satavia 是一家发挥着重要作用的公司。Satavia 正在创造就业机会，开发知识产权，并积极参与实现净零碳排放的重要工作。
那么为什么在官方数据中很难找到它们呢？
人工智能是工业分类的未来，也是航空业的未来
与许多创新型公司一样，Satavia 的创始人 Adam Durant 在 2013 年注册时找不到合适的标准产业分类代码 (SIC Code)。他选择了 62020（信息技术咨询活动）。这个代码虽然描述了公司的部分业务，但远非完美。
一家科技公司利用人工智能来减少温室气体排放的想法，对于我们的朋友SIC代码来说，实在有点难以接受。它根本无法应对这个概念。Satavia是一家航空航天制造商（30300——航空航天器及相关机械制造）吗？它是一家环境咨询公司（74901：环境咨询活动）吗？
当然，Satavia 并非完全如此。之前我们将其描述为人工智能、航空和净零排放的融合体。当然，Satavia 没有特定的 SIC 代码，它是全新的，具有创新性，并且跨越多个类别，颠覆了传统的行业分类。
这就是静态行业分类体系的问题所在。它们无法跟上创新的步伐，也使得在官方数据中很难找到像Satavia这样进步的公司。
那么如何找到其他无法归类的公司呢？
我们的人工智能在筛选110万个英国网站寻找英国的人工智能公司时，发现了Satavia的平台DECISIONX。在构建英国净零供应链相关公司名单时，它发现的正是这些公司在脱碳方面的影响力。
我们建立了英国最全面的公司数据库之一。我们的技术从超过 83 万家公司网站挖掘数据，并将其与 Companies House 和 CreditSafe 的其他记录关联起来。这种方法可以访问 400GB 的英国公司数据，用于绘制任何行业的公司分布图。
利用我们的平台构建行业的方法有很多。通常，我们会先创建一个包含 20-30 个我们想要寻找的优秀公司样本的训练集。然而，如果要探索非常小众的行业，我们会采取不同的方法。
这种方法使用公司网站上使用的关键词来构建训练集。对于 Satavia 来说，这些关键词可能是“航空”、“净零”、“人工智能”等等。我们与该领域的专家合作创建这些关键词集（我们称之为分类词）。
分类器术语和循环中的专家
分类器术语有助于训练我们的人工智能，使其能够在 400GB 的数据中找到我们所需的公司类型。分类器术语会根据其对行业的价值被赋予正值或负值。算法会根据这些值来评估是否应将某家公司纳入或排除在名单之外。
我们让AI自行处理，然后与我们的行业专家一起回到平台，在第一个数据库创建完成后，用反面例子训练AI。例如，当根据这些关键词搜索像Satavia这样的公司时，算法可能会返回波音的网站。虽然这很相关，但并非我们想要的，所以我们会告诉算法忽略像波音这样的公司。
在这个阶段，我们经常会更新分类器术语，添加一些更贴近我们正在寻找的公司的特定关键词，例如“凝结尾迹形成”。我们也可能添加其他关键词来过滤掉其他公司。
这个数据库构建和修改的过程一直持续到我们满意地找到了合适的公司。
探索新兴经济的新途径
这个过程使我们能够发现并定义新的领域（例如人工智能-航空-净零排放的融合）。它检验了公认的公司分类，并使我们能够分享激动人心的创新案例。
那么，这引出了一个显而易见的问题：英国有多少家人工智能-航空-净零排放融合公司？嗯。恐怕这个话题以后再说，但这正是我们在“数据城”热衷于解答的那种问题。
我们的机器学习和内部专家在两个独立的项目中找到了它：一个在英国寻找人工智能公司，另一个与航空脱碳有关。
这是人工智能、航空和净零排放的融合，正是我们喜欢寻找的那种公司。
Satavia 简介
这家公司名为 Satavia。他们的目标是通过人工智能技术，减少 60% 的航空业对气候的影响，相当于所有人类活动造成的气候影响的 2%。他们是英国创新的典范，并已获得英国创新署、航空航天技术研究所和欧洲航天局的资助。
他们的 DECISIONX 平台使飞机运营商、制造商和维护公 罗马尼亚电报号码数据库 司能够减少飞机发动机和部件的损坏，从而使航空业更加智能、更加环保。该平台通过提供环境数据和分析来实现这一目标。这些环境信息可用于防止凝结尾云，凝结尾云会将热量滞留在地球大气中。凝结尾云是由于飞机发动机排出的水蒸气饱和原本潮湿的空气，在高空凝结并冻结成冰晶而形成的。
新冠疫情爆发前，全球每天有超过9.3万个航班。从伦敦飞往旧金山的往返航班每人排放约5.5吨二氧化碳当量，相当于一辆家用汽车一年排放量的两倍多。然而，尾迹的形成对气候的影响几乎是飞机发动机排放的两倍，约占航空业对气候总影响的60%。
微软在 Satavia 案例研究中描述了尾迹云的影响。
航空公司运营商可以利用该平台提供的信息来调整飞行计划。这有助于延长发动机寿命、提高发动机性能，并减少碳排放和维护成本。
显然，Satavia 是一家发挥着重要作用的公司。Satavia 正在创造就业机会，开发知识产权，并积极参与实现净零碳排放的重要工作。
那么为什么在官方数据中很难找到它们呢？
人工智能是工业分类的未来，也是航空业的未来
与许多创新型公司一样，Satavia 的创始人 Adam Durant 在 2013 年注册时找不到合适的标准产业分类代码 (SIC Code)。他选择了 62020（信息技术咨询活动）。这个代码虽然描述了公司的部分业务，但远非完美。
一家科技公司利用人工智能来减少温室气体排放的想法，对于我们的朋友SIC代码来说，实在有点难以接受。它根本无法应对这个概念。Satavia是一家航空航天制造商（30300——航空航天器及相关机械制造）吗？它是一家环境咨询公司（74901：环境咨询活动）吗？
当然，Satavia 并非完全如此。之前我们将其描述为人工智能、航空和净零排放的融合体。当然，Satavia 没有特定的 SIC 代码，它是全新的，具有创新性，并且跨越多个类别，颠覆了传统的行业分类。
这就是静态行业分类体系的问题所在。它们无法跟上创新的步伐，也使得在官方数据中很难找到像Satavia这样进步的公司。
那么如何找到其他无法归类的公司呢？
我们的人工智能在筛选110万个英国网站寻找英国的人工智能公司时，发现了Satavia的平台DECISIONX。在构建英国净零供应链相关公司名单时，它发现的正是这些公司在脱碳方面的影响力。
我们建立了英国最全面的公司数据库之一。我们的技术从超过 83 万家公司网站挖掘数据，并将其与 Companies House 和 CreditSafe 的其他记录关联起来。这种方法可以访问 400GB 的英国公司数据，用于绘制任何行业的公司分布图。
利用我们的平台构建行业的方法有很多。通常，我们会先创建一个包含 20-30 个我们想要寻找的优秀公司样本的训练集。然而，如果要探索非常小众的行业，我们会采取不同的方法。
这种方法使用公司网站上使用的关键词来构建训练集。对于 Satavia 来说，这些关键词可能是“航空”、“净零”、“人工智能”等等。我们与该领域的专家合作创建这些关键词集（我们称之为分类词）。
分类器术语和循环中的专家
分类器术语有助于训练我们的人工智能，使其能够在 400GB 的数据中找到我们所需的公司类型。分类器术语会根据其对行业的价值被赋予正值或负值。算法会根据这些值来评估是否应将某家公司纳入或排除在名单之外。
我们让AI自行处理，然后与我们的行业专家一起回到平台，在第一个数据库创建完成后，用反面例子训练AI。例如，当根据这些关键词搜索像Satavia这样的公司时，算法可能会返回波音的网站。虽然这很相关，但并非我们想要的，所以我们会告诉算法忽略像波音这样的公司。
在这个阶段，我们经常会更新分类器术语，添加一些更贴近我们正在寻找的公司的特定关键词，例如“凝结尾迹形成”。我们也可能添加其他关键词来过滤掉其他公司。
这个数据库构建和修改的过程一直持续到我们满意地找到了合适的公司。
探索新兴经济的新途径
这个过程使我们能够发现并定义新的领域（例如人工智能-航空-净零排放的融合）。它检验了公认的公司分类，并使我们能够分享激动人心的创新案例。
那么，这引出了一个显而易见的问题：英国有多少家人工智能-航空-净零排放融合公司？嗯。恐怕这个话题以后再说，但这正是我们在“数据城”热衷于解答的那种问题。