本报记者何一华 李未来 北京报道

人工智能发展方兴未艾，今年以来，从年初春晚的机器人跳舞，到DeepSeek的崛起，再到机器人马拉松比赛，这些进展都预示着AI时代已经到来。

人工智能浪潮席卷全球的同时，能源行业也迎来“智慧转身”。近期，国家发改委、国家能源局联合发布《关于推进“人工智能+”能源高质量发展的实施意见》，为能源行业和人工智能融合发展指明了方向。

11月14日下午，由国际绿色智慧能源产业创新联合体主办的“人工智能赋能能源行业高质量发展论坛”顺利召开，《华夏时报》全程参与报道，与会嘉宾就AI大模型和能源领域深度融合进行了探讨和交流。

该论坛是2025第四届航天国际科幻季的分论坛，11月7日，第四届航天国际科幻季以“航天科幻、共创融合”为核心理念在中关村雍和航星科技园开幕，通过大会论坛、沉浸展览、潮玩市集、科普互动等多元板块，打造了一场贯穿10天的航天科技与科幻文化嘉年华。

欧美同学会副会长姚望指出，中国经济高质量发展离不开人工智能和新能源。如今中国的人工智能技术水平已跻身世界先进行列，新能源的发展也获得了国际认可，中国还拥有庞大的市场体量与卓越的人才优势，但我们仍需保持谦逊、持续精进。

国际绿色智慧能源产业创新联合体秘书长滕跃表示，以前我们聚焦供应链与产业集群的构建，现在跨行业协同的生态体系才是核心。对新能源领域而言，我们期待借助人工智能等先进工具，重塑行业生产关系，搭建全新的生态环境。

智能升级

近年来，我国新能源行业实现跨越式发展，取得举世瞩目的成就。截至2025年9月，全国风电和太阳能发电装机容量已达到17.08亿千瓦，占全国发电装机的46%；今年前三季度，风光发电量合计达1.73万亿千瓦时，占同期全社会用电量的22.3%。

不过新能源行业发展也面临一些问题，比如风电和光伏发电，具有显著的间歇性和波动性特征，其出力受天气、季节、昼夜等自然因素影响较大，难以持续稳定供电。

人工智能技术的发展，为新能源的间歇性和波动性问题提供了解决方案。记者了解到，通过深度学习、大数据分析和预测算法，人工智能能够精准预测风力、光照等气象条件变化，提升风电和光伏发电出力的短期与超短期预测精度，为电力交易与调度提供可靠依据。

AI驱动储能设施从“被动储电”转向“主动增效”，通过实时匹配新能源出力波动与用电负荷变化，动态优化充放策略，有效缓解“弃风弃光”问题，为绿电消纳拓宽空间。

与此同时，人工智能通过全流程技术赋能重塑产业效能。

本次论坛上，山东浪潮智能生产技术有限公司总经理宋志刚表示，公司应用数字孪生、AI大模型等技术，助力企业建成数字化车间，提升自动化、数字化、智能化水平，实现前后工序高效协同，完善产品质量追溯体系，提高生产效率，提升产品一次合格率，降低成本。

此外，人工智能还以颠覆性力量重塑能源新材料研发范式，破解传统研发周期长、筛选效率低、试错成本高的行业痛点。

北京深云智合科技有限公司创始人刘宇宙表示，能源的核心是化学反应，化学反应的效率优化与核心材料的性能突破，是能源领域实现技术跃迁的关键双引擎。唯有深耕基础方向，做好反应机理研究与材料创新升级，才能在能源技术突破上抢占先机。

协同发展

由于大规模新能源电力接入电网，电力系统需要在随机波动的负荷需求与电源之间实现能量供需平衡，其结构形态、运行控制方法以及规划建设与管理发生根本性变革，形成以新能源电力生产、传输、消费为主体的新型电力系统。

随着我国能源行业将进入新的发展阶段，能源基地多能互补、园区（工厂）源网荷储和“风光制氢+”等先进能源应用场景将更加多样，物联网、大数据和人工智能技术也得到越来越广泛的应用。

北京能耀数字科技有限公司总经理张曙光指出，当前能源系统愈发复杂，一个项目可能涵盖光伏、风电、储能等多个领域，还涉及制氢负荷、生产负荷、园区负荷等多元需求，且需核算长期经济性，数据量巨大，可以通过算法完成计算工作，并设计最优方案，来实现经济效益的最大化。

新型电力系统的构建，对电网供电可靠性、安全稳定性也提出了更高要求。北京煜邦电力科技有限公司杨国丽认为，推动“无人值守+运维监控”管理模式，融合大数据分析、人工智能、数据孪生等前沿技术，加速电网向能源互联网转型，深化数字化转型进程，着力提升设备运维检修效率及状态管理能力，是当前发展之核心要务。

她表示，人工智能大模型要融入电力系统各业务环节，有效的解决思路是，将近年来兴起的具身智能与智能体技术相结合，构建电力具身智能体，为大模型添加“可行动的躯体”。

广东蘑菇物联科技有限公司创始人、CEO 沈国辉对无人值守深有体会，他坦言，无人值守是客户需求所在，通过为能源站房打造专属“智能值守机器人”，可以实现用人工智能技术替代人力。比如，面对部分地区人口外流导致的用工青黄不接，或是工厂嘈杂等不适宜人力作业的场景，人工智能就成为高效解决方案。

杭州海康威视数字技术股份有限公司能源行业解决方案总监余洋表示，在安全生产领域，可以以隐患排查为主要突破口，综合运用多模态大模型、视觉大模型和光纤大模型等多种算法能力，从“人、机、物、环”等多个维度构建体系化的算法应用，从而推动安全生产管理升级。

潜在挑战

尽管AI为能源行业带来显著变革，但技术应用过程中面临的安全风险与适配问题仍不容忽视，成为制约其深度融合的关键瓶颈。

记者了解到，数据安全是首要挑战，能源行业的勘探开发数据、电网运行参数、用户用电信息等均属于核心敏感数据，AI系统在数据采集、传输、存储过程中，面临着数据泄露、篡改与恶意攻击的风险。例如电网调度数据被干扰则可能引发供电中断等严重后果。

有关数据显示，全球大模型安全事件损失已从2023年的85亿美元，剧增至2024年的143亿美元，预计2025年损失将突破235亿美元。曾有全球零售巨头的推荐系统被攻击者操纵，造成2.8亿美元的直接经济损失，用户流失率上升18.3%，引发了监管调查。

算法可靠性与技术适配性同样存在隐患。

AI算法的有效性高度依赖高质量数据，而能源行业部分场景存在数据质量不高、标注样本不足的问题。此外，AI应用的高成本与人才缺口也制约着推广落地，老旧设备数字化改造需巨额一次性投入，而复合型人才短缺导致AI系统运维成本占比攀升，部分项目因投入产出失衡难以持续推进。

对此，中国信通院人工智能研究所业务主管陈文弢给出了解决方案，他表示，按照人工智能技术产品生命周期，可将风险拆解为设计研发、训练、部署和应用4个主要环节；每个环节可进一步拆分为基础环境、数据、算法模型和产品服务方面的风险。每个风险可分别以评测、监测、防护等方式应对。

人工智能赋能能源行业的浪潮已不可逆转，其通过创新应用，为行业效率提升、结构优化注入了强劲动能。面对安全风险、数据瓶颈等挑战，需通过构建全生命周期数据治理体系、强化智能安全防护技术研发、完善产学研协同的人才培养机制，推动AI技术与能源业务深度融合。

业内专家认为，唯有在创新赋能与风险防控之间实现动态平衡，才能充分释放人工智能的新质生产力价值，助力构建清洁低碳、安全高效的现代能源体系。

责任编辑：李未来 主编：张豫宁