能源領域與 AI 結合的關鍵，在于建立仿真的 AI 模型。
就像汽車的自動駕駛系統一樣，仿真模型能夠以實時的方式運行，讓生産過程中的決策變得智能化。
泛能網，新奧集團旗下新奧數能打造的能碳專業能力認知平台，如今已經靠 AI 實現了能源業務的智能化。
在技術轉型的途中，傳統的能源行業與 AI 結合的突破口是什麽？
在 MEET2025 智能未來大會上，新奧能源副總裁、新奧數能科技有限公司總裁、機電工程正高級工程師——程路博士，爲我們分享了他們的解決方案。
程路表示，把物理世界用 " 數字孿生 " 的方式搬到數字世界，形成AI 仿真模型，會爲能源行業帶來巨大改變。
爲了完整體現程路的思考，在不改變原意的基礎上，量子位對演講内容進行了編輯整理，希望能給你帶來更多啓發。
MEET 2025 智能未來大會是由量子位主辦的行業峰會，20 餘位産業代表與會讨論。線下參會觀衆 1000+，線上直播觀衆 320 萬 +，獲得了主流媒體的廣泛關注與報道。
核心觀點
能源革命有分布式可再生、清潔化等趨勢，而科技是要更好地挖掘這些能量的價值，科技和能源結合演化的奇點已經離我們不遠，在可預見的 3 到 5 年就會有革命性的爆發。
大模型的出現大幅降低了知識學習、沉澱和推理的成本，顯著提升了效率，有望将普通人的認知水平提升至專家級别。
能源企業可通過選擇現有大模型，結合行業機理模型、産業認知等進行訓練，形成能源領域的專業大模型，實現決策、運營、交易等方面的智能化。
基于 " 數字孿生 " 的仿真模型是實現智能化的基石，可實現能源方案的一鍵智能生成和運行中的實時優化。
（以下爲程路演講全文）
" 三到五年内，能源行業科技革命将再次爆發 "
大家好，應該看我的着裝就知道我來自于傳統行業，我在傳統的能源行業深耕了大概 17 年的時間。
我先簡單介紹一下新奧集團，它是深耕能源行業 35 年的傳統企業，從做天然氣到綜合能源，一直延續到一百零幾個地級市都有我們的天然氣管網和用戶。
我們集團最大的資源，就是用戶——現在有 3000 萬的家庭用戶，還有 25 萬家的工商業用戶。
剛才小冰的李笛先生介紹，當用戶規模達到 2000 萬，管理就成了一個難題。
而今天我們擁有更大規模的用戶基礎，那麽如何去結合智能，如何去創造更大的價值，去實現更大的用戶和企業的共赢，就成了關鍵問題。
我之前在央視有一個演講，大概的意思是，其實能源的革命跟科技的革命是一脈相承的。
第一次科技革命，大家都知道是蒸汽機的革命，但背後其實是煤炭的革命。
相比以前的薪柴和煤，還有其他的基礎能源，這次科技革命帶來了蒸汽機和能量的高效利用。
第二次革命是我們都熟知的電力革命，以及由此帶來的信息革命，背後是電的發明和廣泛的應用。
到今天我們來到一個新的奇點，這個奇點是科技與能源相輔相成推動下實現的。
發生能源革命的表現是什麽？
我們會發現有很多分布式、可再生、不像以前那麽穩定的能源形式出現。這些大家都很熟悉，也都很清楚清潔化、再生化的趨勢。
科技是要更好地去挖掘這些能量的價值，包括未來正在探索的可控核聚變等微型小型的能源站，都是到了科技和能源結合演化的奇點，我們認爲這個奇點不遠，在可見的三到五年就會有一個革命性的爆發。
能源結合大模型的關鍵，在選擇和訓練
今天我們依托客戶資源，依托産業基礎，開始思考如何将能源與 AI 結合。
這件事對我來說很有挑戰，我們到底在人工智能方面做了些什麽樣的探索，或者做了什麽樣的實踐以及貢獻呢？
能源這個行業，大家都知道非常傳統，也非常垂直。
要以 AI 改變一個這樣非常傳統、非常垂直，甚至數據都非常私域的行業，其實是蠻困難的。
過去我們能源行業也在結合很多的智能的算法，包括一些深度學習、強化學習，包括機器學習，都用的是一些模型 + 機理。
到今天，大模型到底會給我們帶來一些什麽樣的改變，我們覺得主要有兩個方面的。
第一個是讓我們知識學習、沉澱和推理的成本大幅降低，或者效率大幅提升。
我們結合用大模型推演機理，再簡化機理，把公式這些，過去所謂的輸入輸出，用大模型結合推導機理，效能能提升 50%，這是很大的變化。
第二個大模型厲害的地方，就是前幾天 OpenAI 發布了 o1，它已經可以把大模型變成具有博士水平的人。
剛開始主持人介紹我是博士、機電工程正高級工程師的時候，我突然發現我馬上就要被替代了。
大模型讓很多普通人，或者是普通的認知水平的人，可以被拉齊到一個相對高的水平線，相當于博士的學習能力。
這兩點怎麽結合我們的産業基礎，去改變我們客戶的價值和客戶的應用？
我們總結成了四個字—— "選用訓生"。
選是什麽？我們不是做基礎模型的公司，是做産業的。所以，我們會選現有的這些大模型，用它們結合能源領域的一些機理模型、産業認知，産業算法等，去訓練這個領域的專業模型。
專業模型這件事過去我們覺得很難，需要大量的私域數據，但随着人工智能的發展，這件事變簡單了，門檻變低了。
大家知道前不久 OpenAI 發布的 o1 模型，隻需要有幾千條參數對特定行業調參，就可以訓練出意想不到的效果，這是我們以前認知不到的，這會對垂直行業帶來巨大的改變。
通過這些訓練，結合産業鏈海量的數據，新奧有寶貴的來自于 25 萬家工商業用戶的服務經驗、海量物聯測點、實時的數據等等。
這些結合剛才提到的開放模型，訓練出專業大模型後，就可以做很多事情了。
比如，包括精準地預測天氣對光伏、風電出力（輸出功率）的影響；去分析荷源網儲一體化優化，能量到底應該怎麽傳輸，怎麽去 distribution，包括跟電網的互動交易，這些都會實時發生。
這些過程會要求算法足夠精準，因爲能源行業是不能出錯的。
像我們今天在現場開這個會，如果突然這個燈全滅了、電停了，那将産生不可估量的損失。
訓練産業的專業模型之後，我們會到具體的應用中，綜合成三大智能——決策智能、運營智能、交易智能。
決策智能是做什麽？簡單說過去企業不知道什麽樣的能源方案最優，領導圍繞方案應不應該批準的事常常遇見難題，而通過人工智能的輔助決策可以讓這件事變得簡單。AI 會告訴他，這就是一個最優的方案，而且還能爲他實時生成，降低了方案最優決策的門檻。
運營智能則是讓與能源有關的管理和運行處在自治狀态，比如讓所有的新能源站，包括分布式的供能站，包括它與用能側用戶的結合等，都處在一個自治狀态，不需要外界幹預也可以讓 AI 解決問題。
交易智能，更多是關于源網荷儲，關于與電網的互動，包括現在的一些現貨交易，碳的交易，讓交易實時發生，同時也可以輔助你去做交易決策。
仿真模型是能源行業産生智能的基礎
我們認爲，智能産生的底座，來自于仿真的模型。
什麽是仿真，仿真這件事提了很多年，過去我們搞能源的都會去探索仿真。
因爲仿真可以省很多事，讓企業不需要在物理世界先付出巨大的試錯成本，就可以把參數調優，或者解決用戶出現的問題。
仿真就是把物理世界用 " 數字孿生 " 的方式搬到數字世界，但這個 " 數字孿生 " 和跟平常看的 3D 不太一樣，仿真是要帶很多運行的邊界條件，是要帶機理，并以實時的方式運行。
我覺得這種仿真更像現在汽車的自動駕駛系統，外部會實時獲取很多參數、變量數據。
能源領域也類似，大量參數、變量數據進入到 AI 大腦，仿真會運行實時需要處理的數據，同時預測下面會發生什麽，這會帶來幾個改變。
第一是讓所有的方案生成變得一鍵化、變得智能化，也就讓決策這件事變得很簡單。
因爲當我把所有的物理世界投射到數字世界的時候，我會發現每一個邊界條件的變化，都會形成我更優的方案去調整，整個過程很像一鍵定制。
另一個更重要的是運行的優化——當發現有任何變量和問題的時候，比如說下一秒來一片雲彩，光伏出率（輸出功率）随之發生 10% 衰減的時候，用戶側應該怎麽調整，并網側發生什麽變化，以及如何跟儲能的互動。
也就是說當任何變量發生的時候，它像車輛引導你駕駛一樣，下一個路口應該右轉，要避開行人。
能源系統進入這樣一種狀态的話，它會大幅度提高能源品質，降低損耗成本。
這件事聽起來有點懸乎其懸，但我們認爲垂直行業被 AI 颠覆這件事一定會發生。
下面我想通過幾個具體場景案例跟大家分享，首先是一個印染工廠的案例。
印染廠是中國很典型的制造業生産場景，一排一排染缸串聯在一起形成工廠的運行車間，主要完成的工作就是把色料染到布上。
染布工藝最核心是要控制染色的溫度和染色的工藝，以及用什麽樣的布匹。
在染色時，有一個精準的控溫曲線，但過去我們的自控系統靠的是 " 反饋調節 "，也就是偏離以後再糾正的方式，呈現出的是一個鋸齒狀的溫度跟随曲線。
今天我們人工智能怎麽解決這個問題？
所有的雲端算法都是在仿真世界裏面預訓練，不再依靠反饋調節，而是 " 預測調節 "。
有很多模型，通過物理機理，對溫度等物理量進行建模，用仿真大模型把傳統加溫通用知識沉澱起來，在雲端通過 AI 算法不停預測，比如應該在五擋的時候開 3 秒、六檔的時候開 0.5 秒……預測性地一點點下發策略和算法。
邊側是我們的智控一體機，把雲端的算法做承接，形成算力去分發，指揮終端運行；終端則是就是燃燒器、控制器、染缸等最終的執行設備。
邏輯上說起來很簡單，但一旦實現，對行業就是一種颠覆。
我們發現，靠 AI 和一些局域控制，就能節省 25% 的能源，同時還帶來了染布的成品率的提升。
爲什麽會發生這件事？因爲工藝溫度跟随越好，工藝就越優良，可以說這樣的舉措形成了對周邊工廠的降維打擊，一下子拉開了 30% 的差距，這是非常可觀的。
下一個案例關于酒店行業，酒店行業有一個很典型的特點——不管今天來 1000 人還是來一個人，屋裏面的溫度都是不會變化的。
這意味着主機房、冷機、循環水泵、冷卻塔都是恒定運行狀态，會帶來巨大能源損失。
我們發現，人流量對顧客的體感舒适度有很重要的影響，在雲端可以去訓練壓差 - 溫差 - 流量模型，去控制一些很簡單的操作，比如閥門的啓停。
這些 AI 模型會結合環境溫度、人流量、外部溫度等等參數，來調整動态運行策略，下發到邊側，再用智控一體機控制一系列的終端。
在不用改變太多硬件設備的基礎上，就可以帶來大概 20% 的效率提升，這就是 AI 給我們創造的價值。
最後講一個園區的案例，我們會發現園區裏面很多時候同時有用能用戶側、光伏側和儲能側，以前三者是存在争利的，比如光伏發電多的時候儲能收益變低。
但今天，用 AI 算法可以把三者的利益統一，去調整三個不同利益主體的能量分布以及價值分布，在滿足用電需求的同時，帶來諸如光儲 8% 收益提升。
這個數還是很可觀的，因爲我們靠光伏技術本身的進步，這麽多年效能才提升 10%，而 AI 調節的價值分配直接就能帶來 8% 的收益。
我們當然不僅僅有這三個案例，還有很多生态合作夥伴，積累足夠多用戶數據，走向未來。
當我們有這麽多數據沉澱、這麽多場景用戶，聚焦千行百業，有了更多智能算法，形成更強更優更快的仿真内核，以及跟大模型結合，那我們平台就是産業智能平台，會給千行百業的低碳清潔發展貢獻我們的價值，謝謝大家！
— 完 —
點這裏關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
>
