7月31日，國務院常務會議審議通過《關于深入實施“人工智能+”行動的意見》。會議指出，要深入實施“人工智能+”行動，大力推進人工智能規(guī)模化商業(yè)化應用，充分發(fā)揮中國產業(yè)體系完備、市場規(guī)模大、應用場景豐富等優(yōu)勢，推動人工智能在經濟社會發(fā)展各領域加快普及、深度融合，形成以創(chuàng)新帶應用、以應用促創(chuàng)新的良性循環(huán)。

能源行業(yè)作為國民經濟的核心基石，始終肩負著保障能源安全、推動能源自主、提升能源利用效率的核心使命。其特殊性在于，能源的生產與供應直接關聯(lián)國家戰(zhàn)略安全——從煤炭、石油等傳統(tǒng)能源的開采運輸，到風電、光伏等新能源的并網消納，全鏈條的每個環(huán)節(jié)都對穩(wěn)定性和可靠性有著極高要求。與此同時，能源利用效率的提升直接關系節(jié)能減排目標的落地成效，而能源自主能力更是決定國家在全球能源格局中戰(zhàn)略地位的關鍵。

這些核心訴求共同塑造了能源行業(yè)獨特的發(fā)展生態(tài)：既形成了復雜精密的技術壁壘，也構建了嚴謹規(guī)范的監(jiān)管體系，更沉淀了相對固化的運營模式。這種以生產安全為導向的行業(yè)特性，在保障能源穩(wěn)定供應的同時，也為 AI 技術的深度融入設置了多重挑戰(zhàn)——如何在巨頭主導的行業(yè)格局中打破數(shù)據(jù)孤島，如何讓 AI 算法精準適配能源生產的復雜工況，如何在技術創(chuàng)新與既有系統(tǒng)兼容性之間找到平衡，成為人工智能+能源進程中必須攻克的關鍵課題。

一

大型能源企業(yè)的創(chuàng)新?lián)敚篈I+增效

2025年初的“DeepSeek時刻”引發(fā)了國內各界對人工智能的集中關注，大型能源企業(yè)迅速響應，依托多年沉淀的行業(yè)知識庫與運行數(shù)據(jù)，推出面向多場景的行業(yè)大模型。例如國家電網推出的“光明大模型”，已在智能客服、方案生成、設備運維等場景初步顯現(xiàn)應用價值。

大型能源企業(yè)的行業(yè)大模型普遍以通用語言大模型為技術底座，依托特定內外部研發(fā)機構，著力追求對集團內部多業(yè)務場景的全面覆蓋。這種模式在實踐中有著顯著的AI+增效效果：一方面系統(tǒng)性沉淀了海量行業(yè)數(shù)據(jù)，讓分散的業(yè)務文檔、設備運行日志等資源實現(xiàn)結構化整合與價值釋放；另一方面也培養(yǎng)了一批既懂能源業(yè)務又通AI技術的復合型人才，為技術落地夯實了基礎。

然而，這類行業(yè)大模型仍沿用語言大模型的技術框架，擅長處理自然語言類任務，卻難以直接適配電力調度、新能源與負荷預測、源網荷儲協(xié)同優(yōu)化、電力現(xiàn)貨交易等新型電力系統(tǒng)下的核心挑戰(zhàn)——這些場景對實時性、精確性和可靠性有著極高要求。

更核心的挑戰(zhàn)在于，能源行業(yè)關鍵任務高度依賴時序數(shù)據(jù)建模：從電力負荷與電價預測、設備健康狀態(tài)評估，到可再生能源出力預估，這類任務不僅需要精準捕捉多時間尺度的歷史關聯(lián)性，還要深度融合氣象、市場、運行工況等多源異構信息，并在毫秒至小時級的時間分辨率上實現(xiàn)高精度預測與快速響應決策。語言大模型因缺乏原生的長時序依賴捕捉機制與跨模態(tài)特征融合能力，在實際應用中往往面臨預測精度不足、穩(wěn)定性欠佳的問題，需要單獨研發(fā)時序大模型以滿足上述核心挑戰(zhàn)。

此外，其潛在的內部壟斷風險也不容忽視：其一，具有創(chuàng)新活力的外部機構因難以接觸核心場景數(shù)據(jù)與關鍵業(yè)務反饋，技術研發(fā)缺乏真實場景的迭代土壤，難以深度參與能源AI領域的技術突破；其二，受限于數(shù)據(jù)安全與合規(guī)要求，行業(yè)大模型往往難以對外提供服務或開展開放性聯(lián)合研發(fā)，導致技術成果難以跨企業(yè)流動，直接限制了行業(yè)層面的協(xié)作創(chuàng)新與技術共享，在一定程度上制約了AI技術在能源領域的規(guī)?；瘽B透與產業(yè)生態(tài)的多元發(fā)展。

二

電力市場創(chuàng)造核心應用場景：AI+增收

學者Jeffrey Ding在其暢銷書《科技與大國崛起：技術擴散如何塑造經濟競爭》中闡明，技術革命的“擴散效應”（GPT Diffusion），而非“領先產業(yè)壟斷”（Leading Sector Monopoly），才是決定大國興衰的關鍵機制。國家能否將GPT（通用技術，如機械化、電氣化、計算機化）廣泛應用于經濟各領域（而非少數(shù)產業(yè)），才是其長期優(yōu)勢來源。

AI行業(yè)的發(fā)展始終遵循著客觀的技術演進規(guī)律，其廣泛應用往往以核心應用場景的突破為關鍵驅動。

在大模型興起之前的深度學習階段，“搜索、廣告、推薦”被業(yè)界公認為AI少數(shù)實現(xiàn)商業(yè)化閉環(huán)的殺手級應用——該場景不僅支撐起互聯(lián)網平臺的核心收入增長，更通過真實業(yè)務需求反向推動算法模型、算力架構的持續(xù)迭代升級。

這一規(guī)律在能源行業(yè)同樣存在映射：隨著風光發(fā)電量占比持續(xù)提升而日趨現(xiàn)貨化的電力市場，正成為能源領域的“搜廣推”級核心應用場景。它一頭連接能源生產端、一頭貫通消費端，直接決定著能源資源的配置效率與市場主體的收益空間。 “136號文”出臺后，電力市場深化改革更催生了海量交易數(shù)據(jù)、動態(tài)價格信號與精細化調度需求，這些數(shù)據(jù)如同互聯(lián)網平臺的用戶行為數(shù)據(jù)般，為AI技術提供了精準落地的場景土壤。

AI技術通過高精度預測電力負荷、優(yōu)化電力交易策略、動態(tài)平衡電網供需，正在重塑電力市場的運行邏輯；而市場主體能力的提升又反過來助推電力市場改革深化，如同“搜廣推”重塑互聯(lián)網流量分配邏輯，成為驅動能源行業(yè)智能化轉型的核心引擎。以電力交易為切入點的AI技術應用，正成為激活能源市場活力、重塑能源產業(yè)格局的關鍵突破口。

在這一電力市場智能化應用的浪潮中，國內外已涌現(xiàn)出一批極具代表性的標桿企業(yè)。英國的章魚能源（Octopus Energy）憑借電力交易驅動的虛擬電廠模式脫穎而出，其基于AI的能源管理平臺Kraken能夠聚合海量分布式能源資源，通過精準的負荷預測與交易策略優(yōu)化，實現(xiàn)分布式能源的高效調度與靈活交易——在為用戶提供“零賬單”的同時，也為電網穩(wěn)定運行提供了有力支撐。筆者自清華大學科技成果轉化的清鵬智能同樣以“AI+電力交易”破局，不到一年時間，清鵬的電力交易智能體從戰(zhàn)勝90%的人類交易員已進化至水平接近頂尖3%的交易員。

更具有社會意義的是，Octopus Energy始終以“能源轉型”為核心理念服務廣大用戶，清鵬智能則通過技術平權持續(xù)提升新能源企業(yè)收益，提升用戶綠電消費比例，降低用戶用電成本，讓更多用戶共享能源智能化紅利，助力其成長為領先的“AI for 能源”企業(yè)。

三

算電協(xié)同的必由之路：AI+降本

能源領域需要AI賦能，AI發(fā)展則需要強有力的能源支撐。

目前，中美兩國在算力中心能源供應方面所面臨的挑戰(zhàn)大相徑庭。美國面臨的困境主要是無法有效滿足大型算力中心的用電需求，而中國算力中心的主要挑戰(zhàn)，則更多聚焦在用能成本的合理控制以及如何切實實現(xiàn)綠色用能。這不僅關系到能源利用效率的提升，更是我國堅定不移踐行可持續(xù)發(fā)展理念，推動數(shù)字經濟與綠色經濟協(xié)同共進、融合發(fā)展的關鍵所在。

電力行業(yè)普遍認為，算力中心作為可轉移、可中斷負荷，能夠作為電力系統(tǒng)中的靈活性資源，參與電力系統(tǒng)的削峰填谷，助力電力供需平衡。然而在實踐中，算力中心投資強度極高、運維人員稀缺，跨區(qū)調度又面臨著基礎環(huán)境異構、網絡帶寬限制等挑戰(zhàn)，目前“算隨電動”尚不具備大規(guī)模經濟可行性。

為了積極推動人工智能產業(yè)進一步蓬勃發(fā)展，建議在強化規(guī)劃與做好頂層設計的基礎上，針對算力發(fā)展的熱點地區(qū)，積極主動推進綠電直供以及源網荷儲一體化建設。借助先進的AI技術，實現(xiàn)對新能源發(fā)電與算力負荷的精準預測，形成最優(yōu)化用能方案，并制定綠色電力交易策略，以此助力零碳算力中心的建設與實現(xiàn)，推動整個行業(yè)朝著綠色、可持續(xù)的方向發(fā)展。

“東風隨春歸，發(fā)我枝上花”，當下既是新能源澎湃發(fā)展的時代，也是AI深度賦能能源行業(yè)的時代。在碳中和戰(zhàn)略的引領下，中國的“AI+能源”正以革新之力重塑整個能源產業(yè)鏈，必將走出一條獨具特色的“AI+能源”中國之路。

想?yún)⑴c閉門研討活動

和線上產業(yè)微信群

請注明公司、職位

添加微信：shizhicyy

視知產研院聚焦科技和新能源

微信公號已有100萬+高質量粉絲

添加微信：ishizh_business

加好友請注明合作品牌