——AI与新能源融合创新发展研讨会透视
近日，AI新能源融合创新发展研讨会在广东广州举行。本次会议由中国能源研究会主办，中国能源研究会绿色低碳技术专委会与海光信息技术股份有限公司承办，来自多个单位和机构的专家学者围绕人工智能与能源电力深度融合的技术路径、现实瓶颈与推进策略展开深度研讨。
与会专家普遍认为，通用AI模型难以直接满足电力工业对高精度、可解释与实时性的要求，行业需在通用AI基础上发展专用工业AI，并以人机协同为原则推动落地。
加快形成“AI+能源”新质生产力
当前，人工智能发展的浪潮已席卷各行各业，算力设施建设持续扩张，电力消耗也在快速增长。国家能源局数据显示，2025年全国算力中心总用电量达1700亿千瓦时，占全社会用电量的1.6%，全国一体化算力网八大枢纽节点算力用电成为增量主力，近三年平均增长率约为39.5%，远高于全社会用电量的平均增速。算力用电的快速增长，使能源与人工智能之间的关系不只是单向赋能，而是演变为相互支撑、彼此约束的双向命题。
今年4月，国家发展改革委、国家能源局等部门联合印发《关于促进人工智能与能源双向赋能的行动方案》。政策框架的明确，为行业实践确定了方向，但技术如何真正嵌入能源系统的核心环节，仍需在具体场景中逐一回答。
中国能源研究会特邀副理事长郭智认为，人工智能与能源电力融合发展需凝聚共识、深化合作，加快形成“AI+能源”新质生产力，支撑新型电力系统建设与国家能源安全。
人机协同与生态协作是关键
围绕AI在能源决策中的角色定位，多位专家认为，技术可以帮助判断，但不能替代判断。
中国电科院人工智能所专业总师（教高）王新迎表示，当前AI模型的输出仍有不确定性，需通过人在回路、人机交互、知识交互等方式规避风险，数字孪生可在数字空间训练推演电网场景，最终需建立新的评价体系和工具。
南方电网人工智能科技有限公司战略级专业技术专家、人工智能技术官梁凌宇指出，电力行业AI要真实赋能一线业务，而非停留在通用模型层面。南方电网联动产业链上下游共同拓展，按电网业务、用电服务等板块推进智能化转型。
在人机如何分工这一问题上，南方电网能源发展研究院高级研究员李宗顺认为，AI会大幅提升建模能力，但模型不会自动变成决策；模型的作用是让不同行业、不同层级的判断放在一套逻辑下比较权衡，如同“书同文、车同轨”。
新能源高占比改变系统特性
人机协同之所以必要，根源在于系统本身的变化已经超出了传统方法的处理能力。新能源的大规模接入不是简单的电源替换，而是改变了电力系统的物理特性、运行逻辑与调度方式。
郭智介绍，2025年全国可再生能源装机容量达23.4亿千瓦、占比约60%，风电光伏装机达18.4亿千瓦，电力系统特性与调度交易方式发生根本变化。全国一体化算力网络数据节点空间近三年年均增速达40%，远高于其他领域。
具体到电网运行层面，梁凌宇指出，新能源大规模接入、分布式电源和电动汽车等新型负荷出现、电力市场交易机制复杂化，使源网荷储各环节不确定性显著增加；电网潮流由单向变双向，计算规模不断扩大。王新迎表示，新能源接入后运行方式变化剧烈，依靠少量典型方式难以覆盖实际场景，分析高度依赖专家经验。两位专家的判断指向同一个结论：继续在旧框架内修补，难以从根本上解决问题。
通用AI边界显现需专用模型补位
通用模型在标准化考试中表现优异，但其输出固有的不确定性以及对物理世界理解的局限，使其无法直接嵌入电力调度这类对确定性和实时性要求极高的核心环节。
从行业实践出发，梁凌宇建议，电力行业必须在通用AI基础上发展专用的工业AI技术，包括高精度可解释模型、高性能算子、大小模型协同等。
记者在会上了解到，南方电网已实现全栈自主可控，智算集群超3100卡，日均模型调用超5000万次、年调用达千亿级别。这意味着，专用工业AI已经在算力、算子、调用规模上形成了可量化的工程基础。
在技术路径上，王新迎提出知识嵌入与知识发现两条路径，强调未来需关注安全边界，通过人在回路、人机交互和知识交互规避风险。郭智则从架构层面建议，以物理AI为基础、以构建电力系统神经网络为目标，研制电力策略软件，将传感功能延伸到系统神经网络，实现由外挂支撑走向内嵌自动化。
计算效率与优化瓶颈待破除
专用工业AI要真正可用，还须跨过计算效率这道门槛。
在计算与优化层面，王新迎介绍，其团队通过专家知识学习实现电网运行决策支持，验证显示成功率可达90%以上、计算耗时降低20倍以上；优化方面提出变量辨识与约束压缩方法使约束规模压缩约14%，运用深度学习优化分支定界策略使节点数减少50%以上，结合国产化软硬件融合的电力优化加速效率提升约57%。
在应用场景的选择上，梁凌宇认为，电网规划是AI赋能的典型高价值场景，“十五五”期间数万亿投资规模下精准投资意义重大。李宗顺从能源模型角度指出，能源政策是多维度超大规模问题，需要统一逻辑进行比较权衡。这意味着AI在能源行业的落地需要在“容错空间较大、迭代周期较短”的环节率先突破，再逐步向核心业务渗透。
计算瓶颈之外，更大的挑战来自预测。传统预测方法建立在经济结构相对稳定的假设之上，而当前能源转型带来的结构性变化，使历史数据参考价值下降。李宗顺表示，应依靠情景分析进行多路径分散布局，而非单点预测。郭智则强调，需以数据收集和存储为基础完善电力大数据，建立数据生成、收集、整理、应用、维护机制。
上一篇：无
