中國人工智能+能源：增效、增收與降本

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模化商業化應用，充分發揮中國產業體系完備、市場規模大、應用場景豐富等優勢，推動人工智能在經濟社會發展各領域加快普及、深度融合，形成以創新帶應用、以應用促創新的良性循環。

能源行業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國家戰略安全——從煤炭、石油等傳統能源的開采運輸，到風電、光伏等新能源的并網消納，全鏈條的每個環節都對穩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略地位的關鍵。

這些核心訴求共同塑造了能源行業獨特的發展生態：既形成了復雜精密的技術壁壘，也構建了嚴謹規范的監管體系，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特性，在保障能源穩定供應的同時，也為 AI 技術的深度融入設置了多重挑戰——如何在巨頭主導的行業格局中打破數據孤島，如何讓 AI 算法精準適配能源生產的復雜工況，如何在技術創新與既有系統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

大型能源企業的創新擔當：AI+增效

2025年初的“DeepSeek時刻”引發了國內各界對人工智能的集中關注，大型能源企業迅速響應，依托多年沉淀的行業知識庫與運行數據，推出面向多場景的行業大模型。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應用價值。

大型能源企業的行業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機構，著力追求對集團內部多業務場景的全面覆蓋。這種模式在實踐中有著顯著的AI+增效效果：一方面系統性沉淀了海量行業數據，讓分散的業務文檔、設備運行日志等資源實現結構化整合與價值釋放；另一方面也培養了一批既懂能源業務又通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、源網荷儲協同優化、電力現貨交易等新型電力系統下的核心挑戰——這些場景對實時性、精確性和可靠性有著極高要求。

更核心的挑戰在于，能源行業關鍵任務高度依賴時序數據建模：從電力負荷與電價預測、設備健康狀態評估，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特征融合能力，在實際應用中往往面臨預測精度不足、穩定性欠佳的問題，需要單獨研發時序大模型以滿足上述核心挑戰。

此外，其潛在的內部壟斷風險也不容忽視：其一，具有創新活力的外部機構因難以接觸核心場景數據與關鍵業務反饋，技術研發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，受限于數據安全與合規要求，行業大模型往往難以對外提供服務或開展開放性聯合研發，導致技術成果難以跨企業流動，直接限制了行業層面的協作創新與技術共享，在一定程度上制約了AI技術在能源領域的規模化滲透與產業生態的多元發展。

二

電力市場創造核心應用場景：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（而非少數產業），才是其長期優勢來源。

AI行業的發展始終遵循著客觀的技術演進規律，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”被業界公認為AI少數實現商業化閉環的殺手級應用——該場景不僅支撐起互聯網平臺的核心收入增長，更通過真實業務需求反向推動算法模型、算力架構的持續迭代升級。

這一規律在能源行業同樣存在映射：隨著風光發電量占比持續提升而日趨現貨化的電力市場，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據、動態價格信號與精細化調度需求，這些數據如同互聯網平臺的用戶行為數據般，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、優化電力交易策略、動態平衡電網供需，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”重塑互聯網流量分配邏輯，成為驅動能源行業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，國內外已涌現出一批極具代表性的標桿企業。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化，實現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提升新能源企業收益，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。

三

算電協同的必由之路：AI+降本

能源領域需要AI賦能，AI發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，則更多聚焦在用能成本的合理控制以及如何切實實現綠色用能。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發展理念，推動數字經濟與綠色經濟協同共進、融合發展的關鍵所在。

電力行業普遍認為，算力中心作為可轉移、可中斷負荷，能夠作為電力系統中的靈活性資源，參與電力系統的削峰填谷，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，跨區調度又面臨著基礎環境異構、網絡帶寬限制等挑戰，目前“算隨電動”尚不具備大規模經濟可行性。

為了積極推動人工智能產業進一步蓬勃發展，建議在強化規劃與做好頂層設計的基礎上，針對算力發展的熱點地區，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，實現對新能源發電與算力負荷的精準預測，形成最優化用能方案，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，推動整個行業朝著綠色、可持續的方向發展。

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

想參與閉門研討活動

和線上產業微信群

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