本報記者何一華 李未來 北京報道

人工智能發展方興未艾，今年以來，從年初春晚的機器人跳舞，到DeepSeek的崛起，再到機器人馬拉松比賽，這些進展都預示著AI時代已經到來。

人工智能浪潮席卷全球的同時，能源行業也迎來“智慧轉身”。近期，國家發改委、國家能源局聯合發布《關于推進“人工智能+”能源高質量發展的實施意見》，為能源行業和人工智能融合發展指明了方向。

11月14日下午，由國際綠色智慧能源產業創新聯合體主辦的“人工智能賦能能源行業高質量發展論壇”順利召開，《華夏時報》全程參與報道，與會嘉賓就AI大模型和能源領域深度融合進行了探討和交流。

該論壇是2025第四屆航天國際科幻季的分論壇，11月7日，第四屆航天國際科幻季以“航天科幻、共創融合”為核心理念在中關村雍和航星科技園開幕，通過大會論壇、沉浸展覽、潮玩市集、科普互動等多元板塊，打造了一場貫穿10天的航天科技與科幻文化嘉年華。

歐美同學會副會長姚望指出，中國經濟高質量發展離不開人工智能和新能源。如今中國的人工智能技術水平已躋身世界先進行列，新能源的發展也獲得了國際認可，中國還擁有龐大的市場體量與卓越的人才優勢，但我們仍需保持謙遜、持續精進。

國際綠色智慧能源產業創新聯合體秘書長滕躍表示，以前我們聚焦供應鏈與產業集群的構建，現在跨行業協同的生態體系才是核心。對新能源領域而言，我們期待借助人工智能等先進工具，重塑行業生產關系，搭建全新的生態環境。

智能升級

近年來，我國新能源行業實現跨越式發展，取得舉世矚目的成就。截至2025年9月，全國風電和太陽能發電裝機容量已達到17.08億千瓦，占全國發電裝機的46%；今年前三季度，風光發電量合計達1.73萬億千瓦時，占同期全社會用電量的22.3%。

不過新能源行業發展也面臨一些問題，比如風電和光伏發電，具有顯著的間歇性和波動性特征，其出力受天氣、季節、晝夜等自然因素影響較大，難以持續穩定供電。

人工智能技術的發展，為新能源的間歇性和波動性問題提供了解決方案。記者了解到，通過深度學習、大數據分析和預測算法，人工智能能夠精準預測風力、光照等氣象條件變化，提升風電和光伏發電出力的短期與超短期預測精度，為電力交易與調度提供可靠依據。

AI驅動儲能設施從“被動儲電”轉向“主動增效”，通過實時匹配新能源出力波動與用電負荷變化，動態優化充放策略，有效緩解“棄風棄光”問題，為綠電消納拓寬空間。

與此同時，人工智能通過全流程技術賦能重塑產業效能。

本次論壇上，山東浪潮智能生產技術有限公司總經理宋志剛表示，公司應用數字孿生、AI大模型等技術，助力企業建成數字化車間，提升自動化、數字化、智能化水平，實現前后工序高效協同，完善產品質量追溯體系，提高生產效率，提升產品一次合格率，降低成本。

此外，人工智能還以顛覆性力量重塑能源新材料研發范式，破解傳統研發周期長、篩選效率低、試錯成本高的行業痛點。

北京深云智合科技有限公司創始人劉宇宙表示，能源的核心是化學反應，化學反應的效率優化與核心材料的性能突破，是能源領域實現技術躍遷的關鍵雙引擎。唯有深耕基礎方向，做好反應機理研究與材料創新升級，才能在能源技術突破上搶占先機。

協同發展

由于大規模新能源電力接入電網，電力系統需要在隨機波動的負荷需求與電源之間實現能量供需平衡，其結構形態、運行控制方法以及規劃建設與管理發生根本性變革，形成以新能源電力生產、傳輸、消費為主體的新型電力系統。

隨著我國能源行業將進入新的發展階段，能源基地多能互補、園區（工廠）源網荷儲和“風光制氫+”等先進能源應用場景將更加多樣，物聯網、大數據和人工智能技術也得到越來越廣泛的應用。

北京能耀數字科技有限公司總經理張曙光指出，當前能源系統愈發復雜，一個項目可能涵蓋光伏、風電、儲能等多個領域，還涉及制氫負荷、生產負荷、園區負荷等多元需求，且需核算長期經濟性，數據量巨大，可以通過算法完成計算工作，并設計最優方案，來實現經濟效益的最大化。

新型電力系統的構建，對電網供電可靠性、安全穩定性也提出了更高要求。北京煜邦電力科技有限公司楊國麗認為，推動“無人值守+運維監控”管理模式，融合大數據分析、人工智能、數據孿生等前沿技術，加速電網向能源互聯網轉型，深化數字化轉型進程，著力提升設備運維檢修效率及狀態管理能力，是當前發展之核心要務。

她表示，人工智能大模型要融入電力系統各業務環節，有效的解決思路是，將近年來興起的具身智能與智能體技術相結合，構建電力具身智能體，為大模型添加“可行動的軀體”。

廣東蘑菇物聯科技有限公司創始人、CEO 沈國輝對無人值守深有體會，他坦言，無人值守是客戶需求所在，通過為能源站房打造專屬“智能值守機器人”，可以實現用人工智能技術替代人力。比如，面對部分地區人口外流導致的用工青黃不接，或是工廠嘈雜等不適宜人力作業的場景，人工智能就成為高效解決方案。

杭州海康威視數字技術股份有限公司能源行業解決方案總監余洋表示，在安全生產領域，可以以隱患排查為主要突破口，綜合運用多模態大模型、視覺大模型和光纖大模型等多種算法能力，從“人、機、物、環”等多個維度構建體系化的算法應用，從而推動安全生產管理升級。

潛在挑戰

盡管AI為能源行業帶來顯著變革，但技術應用過程中面臨的安全風險與適配問題仍不容忽視，成為制約其深度融合的關鍵瓶頸。

記者了解到，數據安全是首要挑戰，能源行業的勘探開發數據、電網運行參數、用戶用電信息等均屬于核心敏感數據，AI系統在數據采集、傳輸、存儲過程中，面臨著數據泄露、篡改與惡意攻擊的風險。例如電網調度數據被干擾則可能引發供電中斷等嚴重后果。

有關數據顯示，全球大模型安全事件損失已從2023年的85億美元，劇增至2024年的143億美元，預計2025年損失將突破235億美元。曾有全球零售巨頭的推薦系統被攻擊者操縱，造成2.8億美元的直接經濟損失，用戶流失率上升18.3%，引發了監管調查。

算法可靠性與技術適配性同樣存在隱患。

AI算法的有效性高度依賴高質量數據，而能源行業部分場景存在數據質量不高、標注樣本不足的問題。此外，AI應用的高成本與人才缺口也制約著推廣落地，老舊設備數字化改造需巨額一次性投入，而復合型人才短缺導致AI系統運維成本占比攀升，部分項目因投入產出失衡難以持續推進。

對此，中國信通院人工智能研究所業務主管陳文弢給出了解決方案，他表示，按照人工智能技術產品生命周期，可將風險拆解為設計研發、訓練、部署和應用4個主要環節；每個環節可進一步拆分為基礎環境、數據、算法模型和產品服務方面的風險。每個風險可分別以評測、監測、防護等方式應對。

人工智能賦能能源行業的浪潮已不可逆轉，其通過創新應用，為行業效率提升、結構優化注入了強勁動能。面對安全風險、數據瓶頸等挑戰，需通過構建全生命周期數據治理體系、強化智能安全防護技術研發、完善產學研協同的人才培養機制，推動AI技術與能源業務深度融合。

業內專家認為，唯有在創新賦能與風險防控之間實現動態平衡，才能充分釋放人工智能的新質生產力價值，助力構建清潔低碳、安全高效的現代能源體系。

責任編輯：李未來 主編：張豫寧