中國儲能網訊：近年來，人工智能被視為推動產業(yè)變革的戰(zhàn)略性技術。為了緊握大模型技術革新帶來的時代紅利，能源企業(yè)將充分發(fā)揮頭雁效應，打造行業(yè)人工智能頂層設計與應用先行融合發(fā)展新模式。在頂層設計中，充分考慮企業(yè)特色，構建大小模型協(xié)同、通專模型結合的多層級大模型新體系；在應用先行中，優(yōu)先選擇業(yè)務價值高且技術成熟的場景先行先試，小切口實現大縱深，驗證場景效果，實踐應用集團集中訓練與區(qū)域分布推理的新機制。
雙輪驅動，加快應用
一方面，政策持續(xù)加碼，加速推動能源行業(yè)智能化。全國各省市也同期發(fā)布了人工智能助力能源行業(yè)高質量發(fā)展的地方政策文件?！侗本┦型苿印叭斯ぶ悄?”行動計劃（2024—2025年）》提出建設大模型電力管理與規(guī)劃平臺，用于電力智能巡檢、優(yōu)化調度、故障診斷等；《成都市人工智能產業(yè)高質量發(fā)展三年行動計劃（2024—2026年）》，將“提供充足能源保障”作為重點任務之一，加速構建“立體雙環(huán)”網架結構，推動調峰電站、虛擬電廠建設；《廣東省關于人工智能賦能千行百業(yè)的若干措施》提出多方融合共建智慧能源，加快人工智能與電力工業(yè)、能源互聯(lián)網等裝備及系統(tǒng)的融合應用。
另一方面，基礎技術革新，大跨步邁入大模型時代。大模型技術引領科技革命，2024年諾貝爾物理學獎授予人工智能領域科學家，凸顯其基礎研究的重要性。自ChatGPT問世，大模型技術呈爆發(fā)式增長。
2024年，國際層面，OpenAI發(fā)布推理模型o3，提升AI推理能力，并推出 Sora 生成逼真視頻；谷歌整合團隊推出Gemini2.0，深耕多模態(tài)能力；在國內，“百模大戰(zhàn)”激烈，眾多大模型涌現。在C端市場，字節(jié)跳動的豆包憑借豐富知識儲備和高效交互能力服務用戶，小米的 kimi 在智能家居場景表現出色。在B端市場，《中國大模型中標項目監(jiān)測報告（2024）》的數據顯示，大模型落地速度正在逐月加快，中標金額快速上升。2024年1月，可統(tǒng)計的大模型中標項目有10個，當年年底，市場披露的大模型中標數量接近400個；中標金額也從1月的282萬元升至年底的超25億元。分析顯示，2025年大模型落地應用速度將進一步加快，真正的應用淘汰賽也將揭開序幕。
頂層設計，多維統(tǒng)籌
在頂層設計方面，能源企業(yè)應從總部或集團層面統(tǒng)籌人工智能工作，從建算力、理數據、訓模型、保安全、精運營多維度統(tǒng)籌考慮。
建算力的重點在于異構算力、異地算力的集約化統(tǒng)籌納管。通過貫徹執(zhí)行國產化升級路線，實現不同國產化廠商的算力資源統(tǒng)一調度。加強異地算力中心統(tǒng)籌管理，構建算力網絡，實現就近計算。
理數據的重點在于高質量語料的收集與配比以及數據權責。依托集團平臺的數據預處理、標注工具套件，沉淀行業(yè)數據和專屬數據資產，包括原始數據集、預訓練數據集、微調樣本集、測試樣本集、回流結果集等多類形態(tài)，面向全集團提供數據共享集市，在集團生態(tài)內構建高質量數據集的數據飛輪。
訓模型的重點在于多種類模型選擇、多層級模型的實施規(guī)劃。通過統(tǒng)一規(guī)劃多種類、多層級的大模型體系，在L0基礎大模型（語言大模型、多模態(tài)大模型、時序預測大模型等）之上構建大模型體系，包括L1級能源行業(yè)大模型、L2級領域大模型（如風、光、水、火、核電大模型等）、L3級場景大模型（如設備運檢、安全生產、調度值班、功率預測等），并擬定牽頭主責單位。
保安全的重點在于大模型的數據與模型的安全保障。通過構建完善的大模型安全防護體系防范注入攻擊和隱私泄露。數據層面，構建專屬數據管理體系，分級分類存儲，嚴控訪問權限，確保數據全流程加密；模型層面，部署安全隔離環(huán)境，定期更新模型補丁，引入監(jiān)測系統(tǒng)實時預警異常，加強內部人員培訓，提升安全意識。
精運營的重點在于集團與產業(yè)單位以及區(qū)域公司的分工協(xié)作。通過構建人工智能整體運營體系，在基礎要素運營、業(yè)務運營、人才運營、生態(tài)運營四方面持續(xù)發(fā)力?；A要素運營主要覆蓋算力、數據、算法模型的資源一體化運營；業(yè)務運營以場景需求為驅動，豐富模型能力譜系，牽引人工智能應用研發(fā)；人才運營打造一批懂業(yè)務懂技術的“人工智能+能源”的專業(yè)人才梯隊；生態(tài)運營通過整合自身及第三方資源形成AI生態(tài)，打造行業(yè)標桿應用，面向全產業(yè)鏈賦能升級。
應用先行，協(xié)同賦能
在場景應用先行試點方面，能源企業(yè)總部或集團層面需要從業(yè)務價值和技術成熟度兩個維度進行評估。從業(yè)務價值維度來看，主要評估應用場景是否能夠切實解決能源企業(yè)的實際業(yè)務問題，帶來明顯的經濟效益或社會效益。從技術成熟度維度來看，要評估所采用的人工智能技術是否已經相對成熟，是否能夠穩(wěn)定可靠地運行。
經過對能源行業(yè)200多項場景應用的研究分析，在檢維修引導式排查、設備故障診斷維護、經營生產報告生成、運行調度值班預警、安全巡檢智能預警、能源營銷智能客服、行業(yè)情報混域檢索、多模態(tài)安全培訓等20余項場景適合先行試點。以某能源企業(yè)在風電場的人工智能應用試點為例，其核心試點場景為風機葉片故障診斷。通過在風機上安裝傳感器，采集葉片的振動、溫度等數據，利用人工智能模型進行分析，提供引導式故障排查建議，實現快速排查報警原因、成因追蹤解析、檢修溯源與規(guī)程引用、檢維修報告智能生成。有效減少了風機因葉片故障停機的時間，提高了風電場的發(fā)電效率，每年可為企業(yè)帶來數百萬元的經濟效益。
大模型作為中樞統(tǒng)籌調度視覺圖像、科學計算、語音識別、圖文識別等傳統(tǒng)小模型能力，形成合力，共同賦能。在能源生產監(jiān)測方面，大模型可以接收來自各個小模型的信息，如視覺圖像小模型采集的生產設備外觀圖像、科學計算小模型分析的生產參數等，然后進行綜合處理。例如，大模型可以根據視覺圖像小模型發(fā)現的設備外觀異常情況，結合科學計算小模型提供的設備運行參數，準確判斷設備是否存在故障隱患，以及故障的嚴重程度，從而及時采取措施進行維修。
基于通用L0級別大模型，構建L1行業(yè)大模型、L2領域大模型、L3場景大模型體系，打造多層級專用大模型，提高專用場景的準確率，同時通用大模型兜底回答。
以2024年中國石油發(fā)布的昆侖大模型為例，創(chuàng)新提出了四層大模型架構體系。L0通用大模型具備基本的自然語言處理、邏輯推理、視覺分析、多模態(tài)識別、科學計算等能力。L1行業(yè)大模型針對石油行業(yè)的特點，對能源化工的相關知識進行了深入學習。L2領域大模型進一步聚焦于地震處理、測井處理、煉化裝置等專業(yè)領域，打造一批具備專業(yè)特色的大模型。L3場景大模型則是針對具體的應用場景，如常減壓裝置、地震研究、試驗測試、地質工程、設備完好性檢查等進行微調訓練，打造一系列大模型場景應用助手。
集中訓練，分布推理
在預訓練方面，能源企業(yè)總部或集團層面應負責集中訓練，構建 L0基礎大模型，搭建統(tǒng)一訓練工具鏈，收集共享高質量數據集，提供統(tǒng)一算力環(huán)境。利用總部優(yōu)勢，整合各業(yè)務環(huán)節(jié)數據，為大模型訓練提供充足資源，提升訓練效率和質量。
產業(yè)單位和區(qū)域公司進行分布推理，在集團基礎上訓練專用大模型，通過云邊協(xié)同實現分布式部署和推理，就近計算。同時，回流推理結果，實現模型迭代演進。以某能源企業(yè)區(qū)域公司為例，基于集團基礎大模型，訓練新能源設備檢維修專屬模型，通過云邊協(xié)同部署，回流結果優(yōu)化模型，形成良性循環(huán)。
隨著技術發(fā)展，人工智能與能源行業(yè)融合前景廣闊。在技術層面，未來大模型多模態(tài)融合將更精細化。當前，多模態(tài)融合在能源場景應用還有提升空間，未來有望在能源生產現場同時處理設備圖像、聲音、運行參數等多模態(tài)信息，實現精準設備狀態(tài)監(jiān)測和故障診斷。
人工智能算法也將持續(xù)優(yōu)化，深度推理大模型提升了邊端有限算力下數學計算相關算法模型的準確率。例如，在新能源發(fā)電功率預測方面，通過引入時序大模型與深度學習算法構建組合模型，在長三角新能源場站試點，月均短期發(fā)電功率預測準確率提高 5%，為單場站節(jié)省百萬元成本。
人工智能與能源行業(yè)的融合在政策和技術的推動下已取得顯著進展，能源企業(yè)通過積極探索實踐，形成了有效的發(fā)展模式。未來，隨著技術的不斷進步，二者融合將在能源行業(yè)發(fā)揮更大作用，推動能源行業(yè)向智能化、高效化、綠色化發(fā)展，為構建現代化經濟體系提供有力支撐。
（作者系科大訊飛羚羊工業(yè)電力行業(yè)解決方案總監(jiān)。編輯：王偉）
