新奧程路：AI×能源已到“奇點變革”前夜，仿真大模型是關(guān)鍵｜MEET 2025

編輯部 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

能源領(lǐng)域與AI結(jié)合的關(guān)鍵，在于建立仿真的AI模型。

就像汽車的自動駕駛系統(tǒng)一樣，仿真模型能夠以實時的方式運行，讓生產(chǎn)過程中的決策變得智能化。

泛能網(wǎng)，新奧集團旗下新奧數(shù)能打造的能碳專業(yè)能力認知平臺，如今已經(jīng)靠AI實現(xiàn)了能源業(yè)務的智能化。

在技術(shù)轉(zhuǎn)型的途中，傳統(tǒng)的能源行業(yè)與AI結(jié)合的突破口是什么？

在MEET2025智能未來大會上，新奧能源副總裁、新奧數(shù)能科技有限公司總裁、機電工程正高級工程師——程路博士，為我們分享了他們的解決方案。

程路表示，把物理世界用“數(shù)字孿生”的方式搬到數(shù)字世界，形成AI仿真模型，會為能源行業(yè)帶來巨大改變。

為了完整體現(xiàn)程路的思考，在不改變原意的基礎上，量子位對演講內(nèi)容進行了編輯整理，希望能給你帶來更多啟發(fā)。

MEET 2025智能未來大會是由量子位主辦的行業(yè)峰會，20余位產(chǎn)業(yè)代表與會討論。線下參會觀眾1000+，線上直播觀眾320萬+，獲得了主流媒體的廣泛關(guān)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(jié)合演化的奇點已經(jīng)離我們不遠，在可預見的3到5年就會有革命性的爆發(fā)。
• 大模型的出現(xiàn)大幅降低了知識學習、沉淀和推理的成本，顯著提升了效率，有望將普通人的認知水平提升至專家級別。
• 能源企業(yè)可通過選擇現(xiàn)有大模型，結(jié)合行業(yè)機理模型、產(chǎn)業(yè)認知等進行訓練，形成能源領(lǐng)域的專業(yè)大模型，實現(xiàn)決策、運營、交易等方面的智能化。
• 基于“數(shù)字孿生”的仿真模型是實現(xiàn)智能化的基石，可實現(xiàn)能源方案的一鍵智能生成和運行中的實時優(yōu)化。

（以下為程路演講全文）

“三到五年內(nèi)，能源行業(yè)科技革命將再次爆發(fā)”

大家好，應該看我的著裝就知道我來自于傳統(tǒng)行業(yè)，我在傳統(tǒng)的能源行業(yè)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(yè)35年的傳統(tǒng)企業(yè)，從做天然氣到綜合能源，一直延續(xù)到一百零幾個地級市都有我們的天然氣管網(wǎng)和用戶。

我們集團最大的資源，就是用戶——現(xiàn)在有3000萬的家庭用戶，還有25萬家的工商業(yè)用戶。

剛才小冰的李笛先生介紹，當用戶規(guī)模達到2000萬，管理就成了一個難題。

而今天我們擁有更大規(guī)模的用戶基礎，那么如何去結(jié)合智能，如何去創(chuàng)造更大的價值，去實現(xiàn)更大的用戶和企業(yè)的共贏，就成了關(guān)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，但背后其實是煤炭的革命。

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，背后是電的發(fā)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(xiàn)的。

發(fā)生能源革命的表現(xiàn)是什么？

我們會發(fā)現(xiàn)有很多分布式、可再生、不像以前那么穩(wěn)定的能源形式出現(xiàn)。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(jié)合演化的奇點，我們認為這個奇點不遠，在可見的三到五年就會有一個革命性的爆發(fā)。

能源結(jié)合大模型的關(guān)鍵，在選擇和訓練

今天我們依托客戶資源，依托產(chǎn)業(yè)基礎，開始思考如何將能源與AI結(jié)合。

這件事對我來說很有挑戰(zhàn)，我們到底在人工智能方面做了些什么樣的探索，或者做了什么樣的實踐以及貢獻呢？

能源這個行業(yè)，大家都知道非常傳統(tǒng)，也非常垂直。

要以AI改變一個這樣非常傳統(tǒng)、非常垂直，甚至數(shù)據(jù)都非常私域的行業(yè)，其實是蠻困難的。

過去我們能源行業(yè)也在結(jié)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么樣的改變，我們覺得主要有兩個方面的。

第一個是讓我們知識學習、沉淀和推理的成本大幅降低，或者效率大幅提升。

我們結(jié)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(jié)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(fā)布了o1，它已經(jīng)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(fā)現(xiàn)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。

這兩點怎么結(jié)合我們的產(chǎn)業(yè)基礎，去改變我們客戶的價值和客戶的應用？

我們總結(jié)成了四個字——“選用訓生”。

選是什么？我們不是做基礎模型的公司，是做產(chǎn)業(yè)的。所以，我們會選現(xiàn)有的這些大模型，用它們結(jié)合能源領(lǐng)域的一些機理模型、產(chǎn)業(yè)認知，產(chǎn)業(yè)算法等，去訓練這個領(lǐng)域的專業(yè)模型。

專業(yè)模型這件事過去我們覺得很難，需要大量的私域數(shù)據(jù)，但隨著人工智能的發(fā)展，這件事變簡單了，門檻變低了。

大家知道前不久OpenAI發(fā)布的o1模型，只需要有幾千條參數(shù)對特定行業(yè)調(diào)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(yè)帶來巨大的改變。

通過這些訓練，結(jié)合產(chǎn)業(yè)鏈海量的數(shù)據(jù)，新奧有寶貴的來自于25萬家工商業(yè)用戶的服務經(jīng)驗、海量物聯(lián)測點、實時的數(shù)據(jù)等等。

這些結(jié)合剛才提到的開放模型，訓練出專業(yè)大模型后，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(wǎng)儲一體化優(yōu)化，能量到底應該怎么傳輸，怎么去distribution，包括跟電網(wǎng)的互動交易，這些都會實時發(fā)生。

這些過程會要求算法足夠精準，因為能源行業(yè)是不能出錯的。

像我們今天在現(xiàn)場開這個會，如果突然這個燈全滅了、電停了，那將產(chǎn)生不可估量的損失。

訓練產(chǎn)業(yè)的專業(yè)模型之后，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。

決策智能是做什么？簡單說過去企業(yè)不知道什么樣的能源方案最優(yōu)，領(lǐng)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(yōu)的方案，而且還能為他實時生成，降低了方案最優(yōu)決策的門檻。

運營智能則是讓與能源有關(guān)的管理和運行處在自治狀態(tài)，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(cè)用戶的結(jié)合等，都處在一個自治狀態(tài)，不需要外界干預也可以讓AI解決問題。

交易智能，更多是關(guān)于源網(wǎng)荷儲，關(guān)于與電網(wǎng)的互動，包括現(xiàn)在的一些現(xiàn)貨交易，碳的交易，讓交易實時發(fā)生，同時也可以輔助你去做交易決策。

仿真模型是能源行業(yè)產(chǎn)生智能的基礎

我們認為，智能產(chǎn)生的底座，來自于仿真的模型。

什么是仿真，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。

因為仿真可以省很多事，讓企業(yè)不需要在物理世界先付出巨大的試錯成本，就可以把參數(shù)調(diào)優(yōu)，或者解決用戶出現(xiàn)的問題。

仿真就是把物理世界用“數(shù)字孿生”的方式搬到數(shù)字世界，但這個“數(shù)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(xiàn)在汽車的自動駕駛系統(tǒng)，外部會實時獲取很多參數(shù)、變量數(shù)據(jù)。

能源領(lǐng)域也類似，大量參數(shù)、變量數(shù)據(jù)進入到AI大腦，仿真會運行實時需要處理的數(shù)據(jù)，同時預測下面會發(fā)生什么，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。

因為當我把所有的物理世界投射到數(shù)字世界的時候，我會發(fā)現(xiàn)每一個邊界條件的變化，都會形成我更優(yōu)的方案去調(diào)整，整個過程很像一鍵定制。

另一個更重要的是運行的優(yōu)化——當發(fā)現(xiàn)有任何變量和問題的時候，比如說下一秒來一片云彩，光伏出率（輸出功率）隨之發(fā)生10%衰減的時候，用戶側(cè)應該怎么調(diào)整，并網(wǎng)側(cè)發(fā)生什么變化，以及如何跟儲能的互動。

也就是說當任何變量發(fā)生的時候，它像車輛引導你駕駛一樣，下一個路口應該右轉(zhuǎn)，要避開行人。

能源系統(tǒng)進入這樣一種狀態(tài)的話，它會大幅度提高能源品質(zhì)，降低損耗成本。

這件事聽起來有點懸乎其懸，但我們認為垂直行業(yè)被AI顛覆這件事一定會發(fā)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(yè)生產(chǎn)場景，一排一排染缸串聯(lián)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，以及用什么樣的布匹。

在染色時，有一個精準的控溫曲線，但過去我們的自控系統(tǒng)靠的是“反饋調(diào)節(jié)”，也就是偏離以后再糾正的方式，呈現(xiàn)出的是一個鋸齒狀的溫度跟隨曲線。

今天我們?nèi)斯ぶ悄茉趺唇鉀Q這個問題？

所有的云端算法都是在仿真世界里面預訓練，不再依靠反饋調(diào)節(jié)，而是“預測調(diào)節(jié)”。

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(tǒng)加溫通用知識沉淀起來，在云端通過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(fā)策略和算法。

邊側(cè)是我們的智控一體機，把云端的算法做承接，形成算力去分發(fā)，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(zhí)行設備。

邏輯上說起來很簡單，但一旦實現(xiàn)，對行業(yè)就是一種顛覆。

我們發(fā)現(xiàn)，靠AI和一些局域控制，就能節(jié)省25%的能源，同時還帶來了染布的成品率的提升。

為什么會發(fā)生這件事？因為工藝溫度跟隨越好，工藝就越優(yōu)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?？捎^的。

下一個案例關(guān)于酒店行業(yè)，酒店行業(yè)有一個很典型的特點——不管今天來1000人還是來一個人，屋里面的溫度都是不會變化的。

這意味著主機房、冷機、循環(huán)水泵、冷卻塔都是恒定運行狀態(tài)，會帶來巨大能源損失。

我們發(fā)現(xiàn)，人流量對顧客的體感舒適度有很重要的影響，在云端可以去訓練壓差-溫差-流量模型，去控制一些很簡單的操作，比如閥門的啟停。

這些AI模型會結(jié)合環(huán)境溫度、人流量、外部溫度等等參數(shù)，來調(diào)整動態(tài)運行策略，下發(fā)到邊側(cè)，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(chuàng)造的價值。

最后講一個園區(qū)的案例，我們會發(fā)現(xiàn)園區(qū)里面很多時候同時有用能用戶側(cè)、光伏側(cè)和儲能側(cè)，以前三者是存在爭利的，比如光伏發(fā)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(tǒng)一，去調(diào)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(shù)還是很可觀的，因為我們靠光伏技術(shù)本身的進步，這么多年效能才提升10%，而AI調(diào)節(jié)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，還有很多生態(tài)合作伙伴，積累足夠多用戶數(shù)據(jù)，走向未來。

當我們有這么多數(shù)據(jù)沉淀、這么多場景用戶，聚焦千行百業(yè)，有了更多智能算法，形成更強更優(yōu)更快的仿真內(nèi)核，以及跟大模型結(jié)合，那我們平臺就是產(chǎn)業(yè)智能平臺，會給千行百業(yè)的低碳清潔發(fā)展貢獻我們的價值，謝謝大家！