本报记者|白雪近日，国家发展改革委、国家能源局联合印发《关于推进“人工智能+”能源高质量发展的实施意见》(以下简称《实施意见》)，明确了2027年、2030年两阶段发展目标，系统部署八大应用场景，为能源行业智能化转型按下“加速键”。在“双碳”目标推进、新型电力系统建设提速的当下，“人工智能(AI)+能源”的深度融合，为能源高质量发展注入新质生产力。业内专家表示，AI与能源的深度融合将重塑行业格局，未来5～10年将是技术突破与商业模式创新的关键期。企业需“以自主创新为矛、以绿色转型为盾”，在异构计算、算网融合、智能体集群等领域构建核心竞争力。能源是创新创业高度活跃领域能源是创新创业高度活跃的领域，具有数字化基础好、数据质量高、应用场景丰富等比较优势，应走在人工智能应用前列。特别是能源央企积极布局，围绕资源勘探、生产运维、安全监测等环节，已经成功研发应用了电力、油气、煤炭等多个具有行业代表性的专业大模型。《实施意见》的出台，恰逢能源行业转型与AI技术突破的“关键交汇点”。中国企业资本联盟副理事长柏文喜在接受本报记者采访时表示，2025年是“十四五”规划收官之际，也是新型电力系统建设从“试点示范”走向“规模化推广”的窗口期。同时，国产大模型、算力基础设施、行业数据治理刚刚完成“可用”跃迁，具备向能源这类高可靠场景渗透的条件。国际注册创新管理师、鹿客岛科技创始人兼CEO卢克林在接受本报记者采访时认为：“《实施意见》不仅为行业发展划定了清晰路径，更向资本、技术、人才释放明确信号，即能源是AI最大落地场景、AI是能源系统升级刚需。”北京市社会科学院副研究员王鹏认为：“《实施意见》直指能源行业核心痛点，新能源消纳、电网稳定性等挑战，恰好能与AI在预测、调度、优化等领域的技术优势形成互补，推动能源系统从‘被动响应’转向‘主动智能’。”从目标设定来看，《实施意见》构建了“两步走”的发展框架。第一步，到2027年，能源与人工智能融合创新体系初步构建，算力与电力协同发展根基不断夯实，人工智能赋能能源核心技术取得显著突破，应用更加广泛深入。推动5个以上专业大模型在电网、发电、煤炭、油气等行业深度应用，挖掘10个以上可复制、易推广、有竞争力的重点示范项目，探索百个典型应用场景赋能路径，培育一批能源行业人工智能技术应用研发创新平台，制定完善百项技术标准，培养一批能源与人工智能复合型人才，探索建立能源领域人工智能技术研发应用金融支撑体系，形成符合我国国情的能源领域人工智能技术创新发展模式，能源领域智能化成效初显。第二步，到2030年，能源领域人工智能专用技术与应用总体达到世界领先水平。算力电力协同机制进一步完善，建立绿色、经济、安全、高效的算力用能模式。能源与人工智能融合的理论与技术创新取得明显成效，能源领域人工智能技术实现跨领域、跨行业、跨业务场景赋能，在电力智能调控、能源资源智能勘探、新能源智能预测等方向取得突破，具身智能、科学智能等在关键场景实现落地应用。形成一批全球领先的“人工智能+”能源相关研发创新平台和复合人才培养基地，建成更加完善的政策体系，持续引导“人工智能+”能源高效、健康、有序创新，为能源高质量发展奠定坚实基础。不过，目标实现并非坦途。国家能源局科技司相关负责人就《实施意见》接受采访时表示，相比于能源行业的高安全性与强专业性，以及对决策容错率和知识体系完备性的严苛要求，人工智能技术在能源领域应用仍然存在着技术可靠性不足、数据基础较为薄弱、电算供需逆向分布等不容忽视的问题与挑战。大模型“黑箱”特性导致的可解释性缺陷和潜在幻觉风险，使得人工智能技术在涉及核电站安全决策、电网实时调度等核心领域尚无法满足行业级可靠性要求。随着越来越多场景融入人工智能应用，亟需加强顶层设计和系统谋划，加快推动人工智能技术在能源领域的深度应用，带动能源整体性变革，助力加快构建新型能源体系。柏文喜结合示范项目反馈，指出主要挑战体现在多个量化维度：已建新能源场站约60%的测风/测光数据质量不满足AI训练要求；若要支持5个以上行业大模型和百个应用场景，需新增0.8~1吉瓦AI训练负荷，相当于北京全年峰值负荷的3%；能源核心场景对模型误差率要求小于等于0.1%，而当前大模型在极端事件样本上的幻觉率仍大于5%。更大的缺口在人才层面，柏文喜直言：“2025届能源-人工智能复合型人才缺口约2.3万，而高校年供给不足3000人。这种结构性缺失，比技术突破更需要时间弥补。”卢克林认为，最大拦路虎不是算法，而是数据孤岛、专用芯片与场景碎片化，电网实时数据出境受限，国产AI芯片在浮点精度、功耗上仍落后NVDIA两代；风光场站传感器标准“七国八制”，一个模型换座山就“水土不服”……这些短板，正是未来5年行业攻坚的核心方向。电网侧成短期爆发“主阵地”华能集团通过AI运维，风电场年降本3.8亿元，设备平均无故障时间(MTBF)从180天延长至310天，发电量损失减少65%；国家电投长沙运营中心的新能源功率预测系统，准确率突破90%，故障识别准确率超98.6%；大唐集团建立了“风电场智能大脑”专业的股票配资一览表，实现风机性能动态评估和预防性维护，故障预警准确率达90%以上。这些案例正成为“可复制、易推广”的标杆。《实施意见》系统部署了“人工智能+电网、能源新业态、新能源、水电、火电、核电、煤炭、油气”八大应用场景，覆盖能源生产、传输、消费全链条。综合“数据就绪度-投资回报期-安全敏感度”三维评估，电网侧AI应用被业内普遍认为是短期内最可能取得重大突破并广泛应用的领域。电网作为能源系统的“中枢神经”，其安全稳定运行直接关系能源安全。《实施意见》提出，围绕新型电力系统下的电网安全、新能源消纳、运行效率等要求，开展电力供需预测、电网智能诊断分析、规划方案智能生成等电网规划设计应用，加强电网工程智慧建设管理；推进电网多尺度智能仿真分析，探索人工智能模型在电网智能辅助决策和调度控制方面的应用，提升电力系统源网荷储全要素安全可靠低碳运行水平；稳步提高输变电等关键装备研制智能化水平；推动电力设备故障预测性维护，打造具备自主感知、决策、执行能力的电力设备健康管理智能体，提升设备精益化管理水平；推动营配调智能一体化应用，构建电网运营服务智能支撑体系，提升电力客户全过程智能服务水平；促进人工智能技术融入电力应急体系和能力建设，提升电力系统防灾减灾救灾智能化水平。在上海，国网上海电力的“光明大模型”已展现出强大效能。柏文喜介绍，该模型在极端天气下，可使电力抢修响应时间缩短30%以上，配网巡视人力减少50%。在全国统一电力市场建设背景下，电网调度运行的智能化升级更显关键，新能源功率预测、负荷预测、离线仿真分析、在线安全分析、市场出清运筹优化等智能化应用，正持续完善新一代智能调控技术支持体系。电网侧AI应用的快速落地，源于三大优势。一是技术成熟度高。王鹏表示：“电网领域已具备AI应用的基础条件，如预测、诊断等技术的准确率较高。”二是经济效益显著。卢克林提到：“一条特高压直流闭锁损失可达10亿元，AI预警准确率每提升1%，等于投保上亿元，而调度云、负荷侧虚拟电厂、秒级级联故障推演，3套产品已走完POC(概念验证)，今明年就能在迎峰度夏中规模化上线。”三是政策推动有力。在王鹏看来：“政策要求挖掘可复制示范项目，并推动跨区域资源聚合，为电网AI化提供明确路径。”除电网外，新能源、能源新业态等场景的突破也在加速。在新能源领域，“气象预测+功率预测+智慧交易+智能运维”一体化模式逐渐成熟。国家电投在内蒙古的光伏基地，通过“无人机+CV”技术实现少人运维；偏远地区风电场则利用大模型、声纹检测、遥感技术，构建“无人化”巡检体系，提升设备巡检效率与场站综合运营效率。在能源新业态领域，虚拟电厂、绿氢生产、园区智能降碳成为热点。虚拟电厂运营商平台可根据电网指令与市场信息，实现大规模灵活性资源聚合优化调控；绿氢生产通过AI算法动态调整电解槽电流密度，实现可再生能源功率波动与电解装置柔性负荷的毫秒级匹配；园区智能降碳系统则结合电价与碳排放因子，自动优化空调温度、充电桩功率，形成“碳-能-费”协同模式。数据算力算法“短板”仍较明显尽管“人工智能+能源”发展势头迅猛，但传统能源企业转型仍面临多重挑战，数据、算力、算法三大核心领域与国际先进水平的差距也亟待缩小。对传统能源企业而言，“三缺”问题最为突出。卢克林认为：“传统能源企业最怕缺全量数据、缺复合人才、缺试错预算。”针对这些问题，王鹏提出三方面解决方案：一是分阶段实施，优先在设备运维、安全监测等高价值场景试点AI，逐步扩展至全链条；二是构建生态联盟，与科技企业、高校合作，共享技术资源，降低研发风险；三是培养复合型人才，设立AI专项培训计划，提升技术团队中AI人才占比。从行业整体来看，数据、算力、算法三大领域的“短板”仍较明显。对此，王鹏表示，数据方面，我国能源数据量庞大，但质量参差不齐，数据标注准确率低，清洗成本高，国际领先企业已建立全球能源数据湖，数据治理能力显著更强；算力方面，我国算力规模快速增长专业的股票配资一览表，但能效比低，高端芯片制造工艺受限，算力密度不足，落后于国际先进水平；算法方面，我国基础算法研究取得突破，但行业适配性不足，复杂场景下的误差率较高，国际领先算法在开源生态、开发者工具链等方面更完善，模型迭代速度更快。尽管挑战重重，但“人工智能+能源”的未来前景依然值得期待。卢克林预测，AI把能源“采-发-输-配-储-用”的线性链条打成一张实时协同网，价值链从“卖千瓦时”转向“卖调节能力”。未来5~10年，中国将出现三大新商业物种：“算法电厂”——不持有物理资产，靠AI聚合分布式资源，卖备用容量给电网；“能源GPT”——按对话计费，替售电公司、园区、家庭自动生成用能方案；“AI+CCUS(碳捕获和封存)运营商”——用强化学习动态优化捕集剂注入，按吨碳卖服务。2030年前，能源行业利润池的15%将重新分配给这类“软资产”公司。王鹏则认为，AI与能源的深度融合将重塑行业格局，在产业链上游，数据服务商、算力供应商崛起，形成“数据-算力-算法”新生态；在产业链中游，传统能源设备制造商向“智能装备+服务”转型，提升产品附加值；在产业链下游，能源服务商拓展至综合能源管理、碳交易等新领域，推动能源市场多元化。未来5~10年将是技术突破与商业模式创新的关键期，多智能体协同、量子-经典混合计算等技术将推动AI从单任务执行向复杂场景决策升级，“算力即服务”(CaaS)模式成熟，跨区域算力调度平台降低企业获取门槛，虚拟电厂、智能微电网、碳管理AI等模式将普及，推动能源系统向“清洁低碳、安全高效”转型。
实盘配资门户网提示：文章来自网络，不代表本站观点。
