摘要：在MEET2025智能未来大会上，新奥能源副总裁、新奥数能科技有限公司总裁、机电工程正高级工程师——程路博士，为我们分享了他们的解决方案。

编辑部 发自 凹非寺
量子位 | 公众号 QbitAI

能源领域与AI结合的关键，在于建立仿真的AI模型。

就像汽车的自动驾驶系统一样，仿真模型能够以实时的方式运行，让生产过程中的决策变得智能化。

泛能网，新奥集团旗下新奥数能打造的能碳专业能力认知平台，如今已经靠AI实现了能源业务的智能化。

在技术转型的途中，传统的能源行业与AI结合的突破口是什么？

在MEET2025智能未来大会上，新奥能源副总裁、新奥数能科技有限公司总裁、机电工程正高级工程师——程路博士，为我们分享了他们的解决方案。

程路表示，把物理世界用“数字孪生”的方式搬到数字世界，形成AI仿真模型，会为能源行业带来巨大改变。

为了完整体现程路的思考，在不改变原意的基础上，量子位对演讲内容进行了编辑整理，希望能给你带来更多启发。

MEET 2025智能未来大会是由量子位主办的行业峰会，20余位产业代表与会讨论。线下参会观众1000+，线上直播观众320万+，获得了主流媒体的广泛关注与报道。

能源革命有分布式可再生、清洁化等趋势，而科技是要更好地挖掘这些能量的价值，科技和能源结合演化的奇点已经离我们不远，在可预见的3到5年就会有革命性的爆发。

大模型的出现大幅降低了知识学习、沉淀和推理的成本，显著提升了效率，有望将普通人的认知水平提升至专家级别。

能源企业可通过选择现有大模型，结合行业机理模型、产业认知等进行训练，形成能源领域的专业大模型，实现决策、运营、交易等方面的智能化。

基于“数字孪生”的仿真模型是实现智能化的基石，可实现能源方案的一键智能生成和运行中的实时优化。

（以下为程路演讲全文）

“三到五年内，能源行业科技革命将再次爆发”

大家好，应该看我的着装就知道我来自于传统行业，我在传统的能源行业深耕了大概17年的时间。

我先简单介绍一下新奥集团，它是深耕能源行业35年的传统企业，从做天然气到综合能源，一直延续到一百零几个地级市都有我们的天然气管网和用户。

我们集团最大的资源，就是用户——现在有3000万的家庭用户，还有25万家的工商业用户。

刚才小冰的李笛先生介绍，当用户规模达到2000万，管理就成了一个难题。

而今天我们拥有更大规模的用户基础，那么如何去结合智能，如何去创造更大的价值，去实现更大的用户和企业的共赢，就成了关键问题。

我之前在央视有一个演讲，大概的意思是，其实能源的革命跟科技的革命是一脉相承的。

第一次科技革命，大家都知道是蒸汽机的革命，但背后其实是煤炭的革命。

相比以前的薪柴和煤，还有其他的基础能源，这次科技革命带来了蒸汽机和能量的高效利用。

第二次革命是我们都熟知的电力革命，以及由此带来的信息革命，背后是电的发明和广泛的应用。

到今天我们来到一个新的奇点，这个奇点是科技与能源相辅相成推动下实现的。

发生能源革命的表现是什么？

我们会发现有很多分布式、可再生、不像以前那么稳定的能源形式出现。这些大家都很熟悉，也都很清楚清洁化、再生化的趋势。

科技是要更好地去挖掘这些能量的价值，包括未来正在探索的可控核聚变等微型小型的能源站，都是到了科技和能源结合演化的奇点，我们认为这个奇点不远，在可见的三到五年就会有一个革命性的爆发。

能源结合大模型的关键，在选择和训练

今天我们依托客户资源，依托产业基础，开始思考如何将能源与AI结合。

这件事对我来说很有挑战，我们到底在人工智能方面做了些什么样的探索，或者做了什么样的实践以及贡献呢？

能源这个行业，大家都知道非常传统，也非常垂直。

要以AI改变一个这样非常传统、非常垂直，甚至数据都非常私域的行业，其实是蛮困难的。

过去我们能源行业也在结合很多的智能的算法，包括一些深度学习、强化学习，包括机器学习，都用的是一些模型+机理。

到今天，大模型到底会给我们带来一些什么样的改变，我们觉得主要有两个方面的。

第一个是让我们知识学习、沉淀和推理的成本大幅降低，或者效率大幅提升。

我们结合用大模型推演机理，再简化机理，把公式这些，过去所谓的输入输出，用大模型结合推导机理，效能能提升50%，这是很大的变化。

第二个大模型厉害的地方，就是前几天OpenAI发布了o1，它已经可以把大模型变成具有博士水平的人。

刚开始主持人介绍我是博士、机电工程正高级工程师的时候，我突然发现我马上就要被替代了。

大模型让很多普通人，或者是普通的认知水平的人，可以被拉齐到一个相对高的水平线，相当于博士的学习能力。

这两点怎么结合我们的产业基础，去改变我们客户的价值和客户的应用？

我们总结成了四个字——“选用训生”。

选是什么？我们不是做基础模型的公司，是做产业的。所以，我们会选现有的这些大模型，用它们结合能源领域的一些机理模型、产业认知，产业算法等，去训练这个领域的专业模型。

专业模型这件事过去我们觉得很难，需要大量的私域数据，但随着人工智能的发展，这件事变简单了，门槛变低了。

大家知道前不久OpenAI发布的o1模型，只需要有几千条参数对特定行业调参，就可以训练出意想不到的效果，这是我们以前认知不到的，这会对垂直行业带来巨大的改变。

通过这些训练，结合产业链海量的数据，新奥有宝贵的来自于25万家工商业用户的服务经验、海量物联测点、实时的数据等等。

这些结合刚才提到的开放模型，训练出专业大模型后，就可以做很多事情了。

比如，包括精准地预测天气对光伏、风电出力（输出功率）的影响；去分析荷源网储一体化优化，能量到底应该怎么传输，怎么去distribution，包括跟电网的互动交易，这些都会实时发生。

这些过程会要求算法足够精准，因为能源行业是不能出错的。

像我们今天在现场开这个会，如果突然这个灯全灭了、电停了，那将产生不可估量的损失。

训练产业的专业模型之后，我们会到具体的应用中，综合成三大智能——决策智能、运营智能、交易智能。

决策智能是做什么？简单说过去企业不知道什么样的能源方案最优，领导围绕方案应不应该批准的事常常遇见难题，而通过人工智能的辅助决策可以让这件事变得简单。AI会告诉他，这就是一个最优的方案，而且还能为他实时生成，降低了方案最优决策的门槛。

运营智能则是让与能源有关的管理和运行处在自治状态，比如让所有的新能源站，包括分布式的供能站，包括它与用能侧用户的结合等，都处在一个自治状态，不需要外界干预也可以让AI解决问题。

交易智能，更多是关于源网荷储，关于与电网的互动，包括现在的一些现货交易，碳的交易，让交易实时发生，同时也可以辅助你去做交易决策。

仿真模型是能源行业产生智能的基础

我们认为，智能产生的底座，来自于仿真的模型。

什么是仿真，仿真这件事提了很多年，过去我们搞能源的都会去探索仿真。

因为仿真可以省很多事，让企业不需要在物理世界先付出巨大的试错成本，就可以把参数调优，或者解决用户出现的问题。

仿真就是把物理世界用“数字孪生”的方式搬到数字世界，但这个“数字孪生”和跟平常看的3D不太一样，仿真是要带很多运行的边界条件，是要带机理，并以实时的方式运行。

我觉得这种仿真更像现在汽车的自动驾驶系统，外部会实时获取很多参数、变量数据。

能源领域也类似，大量参数、变量数据进入到AI大脑，仿真会运行实时需要处理的数据，同时预测下面会发生什么，这会带来几个改变。

第一是让所有的方案生成变得一键化、变得智能化，也就让决策这件事变得很简单。

因为当我把所有的物理世界投射到数字世界的时候，我会发现每一个边界条件的变化，都会形成我更优的方案去调整，整个过程很像一键定制。

另一个更重要的是运行的优化——当发现有任何变量和问题的时候，比如说下一秒来一片云彩，光伏出率（输出功率）随之发生10%衰减的时候，用户侧应该怎么调整，并网侧发生什么变化，以及如何跟储能的互动。

也就是说当任何变量发生的时候，它像车辆引导你驾驶一样，下一个路口应该右转，要避开行人。

能源系统进入这样一种状态的话，它会大幅度提高能源品质，降低损耗成本。

这件事听起来有点悬乎其悬，但我们认为垂直行业被AI颠覆这件事一定会发生。

下面我想通过几个具体场景案例跟大家分享，首先是一个印染工厂的案例。

印染厂是中国很典型的制造业生产场景，一排一排染缸串联在一起形成工厂的运行车间，主要完成的工作就是把色料染到布上。

染布工艺最核心是要控制染色的温度和染色的工艺，以及用什么样的布匹。

在染色时，有一个精准的控温曲线，但过去我们的自控系统靠的是“反馈调节”，也就是偏离以后再纠正的方式，呈现出的是一个锯齿状的温度跟随曲线。

今天我们人工智能怎么解决这个问题？

所有的云端算法都是在仿真世界里面预训练，不再依靠反馈调节，而是“预测调节”。

有很多模型，通过物理机理，对温度等物理量进行建模，用仿真大模型把传统加温通用知识沉淀起来，在云端通过AI算法不停预测，比如应该在五挡的时候开3秒、六档的时候开0.5秒……预测性地一点点下发策略和算法。

边侧是我们的智控一体机，把云端的算法做承接，形成算力去分发，指挥终端运行；终端则是就是燃烧器、控制器、染缸等最终的执行设备。

逻辑上说起来很简单，但一旦实现，对行业就是一种颠覆。

我们发现，靠AI和一些局域控制，就能节省25%的能源，同时还带来了染布的成品率的提升。

为什么会发生这件事？因为工艺温度跟随越好，工艺就越优良，可以说这样的举措形成了对周边工厂的降维打击，一下子拉开了30%的差距，这是非常可观的。

下一个案例关于酒店行业，酒店行业有一个很典型的特点——不管今天来1000人还是来一个人，屋里面的温度都是不会变化的。

这意味着主机房、冷机、循环水泵、冷却塔都是恒定运行状态，会带来巨大能源损失。

我们发现，人流量对顾客的体感舒适度有很重要的影响，在云端可以去训练压差-温差-流量模型，去控制一些很简单的操作，比如阀门的启停。

这些AI模型会结合环境温度、人流量、外部温度等等参数，来调整动态运行策略，下发到边侧，再用智控一体机控制一系列的终端。

在不用改变太多硬件设备的基础上，就可以带来大概20%的效率提升，这就是AI给我们创造的价值。

最后讲一个园区的案例，我们会发现园区里面很多时候同时有用能用户侧、光伏侧和储能侧，以前三者是存在争利的，比如光伏发电多的时候储能收益变低。

但今天，用AI算法可以把三者的利益统一，去调整三个不同利益主体的能量分布以及价值分布，在满足用电需求的同时，带来诸如光储8%收益提升。

这个数还是很可观的，因为我们靠光伏技术本身的进步，这么多年效能才提升10%，而AI调节的价值分配直接就能带来8%的收益。

我们当然不仅仅有这三个案例，还有很多生态合作伙伴，积累足够多用户数据，走向未来。

当我们有这么多数据沉淀、这么多场景用户，聚焦千行百业，有了更多智能算法，形成更强更优更快的仿真内核，以及跟大模型结合，那我们平台就是产业智能平台，会给千行百业的低碳清洁发展贡献我们的价值，谢谢大家！

来源：阿晶科技时代