9月8日，国家发展改革委、国家能源局印发《关于推进“人工智能+”能源高质量发展的实施意见》(以下简称《实施意见》)，围绕行业应用需求和基础能力供给协同推进，从应用场景赋能、关键技术供给等方面部署了一系列重点任务，并以专栏形式细化明确了研发应用重点方向。

　　《实施意见》提出2027年、2030年两个阶段性目标。其中，到2027年，能源与人工智能融合创新体系初步构建，算力与电力协同发展根基不断夯实，人工智能赋能能源核心技术取得显著突破，应用更加广泛深入。

　　此外，要推动五个以上专业大模型在电网、发电、煤炭、油气等行业深度应用，挖掘十个以上可复制、易推广、有竞争力的重点示范项目，探索百个典型应用场景赋能路径，培育一批能源行业人工智能技术应用研发创新平台。

　　AI进入电力生产链让行业生产关系发生根本转变

　　上海电力大学副校长张波接受《每日经济新闻》记者微信采访时表示，以大模型、具身智能为代表的技术变革，正推动电力领域生产工具发生巨大变化。

　　例如大模型有非常卓越的生成能力、预测能力和流程设计能力，在“源网荷储”的很多场合下都可以赋能到传统电力场景中去。具身智能在电力巡检、故障处理等方面具有非常重大的应用前景。还可以基于历史数据分析用户侧电力需求，利用AI工具实现供需两侧电力配置的精准平衡。

　　张波告诉记者，AI（人工智能）推动的“人机共生”关系也正在促使电力领域生产关系的变革。AI作为全新的“元”进入电力生产链，让电力行业生产关系发生根本性转变。它打破了传统上人类单一主导电力系统的格局，从而进入“人、AI”二元时代，引领我们步入“从人机协同到深度交互融合共生”的新型电力系统时代。

　　《实施意见》还系统部署了人工智能+电网、能源新业态、新能源、水电、火电、核电、煤炭、油气八大应用场景。可以看出，多个应用场景均聚焦电力领域。

　　张波认为，在电力领域中，电源管理、电网优化预测、储能分析等多个垂直领域已经有非常多的人工智能技术介入，但也面临多方面的挑战。

　　当下，电力行业数据工程是否得到质量的本质提升，直接影响包括人工智能大模型在内的技术适用性与准确性，这其中也包含了大模型因数据质量问题带来的生成错误以及模型幻觉等安全威胁问题。

　　另外，模型设计的泛化能力不足，即当下的很多模型设计主要在单一区域或场景中应用，无法适用于更加广泛的区域条件和差异化场景。例如，具身智能在电力场景的广泛应用还依赖于其是否具有适配电力场景的具身基座大模型，以精准适配各类机器人在电力场景中的动作控制、行动规划等。

　　张波表示，新型电力系统是一个复杂而庞大的系统工程。无论从极宏观尺度调控，还是从极微观精准响应等，人工智能仍需要进行进一步优化。如何在“源网荷储”四个维度以及新型电力系统整体系统角度实现与人工智能的全面协同乃至全局优化提升，仍是一个难题，目前仅仅依靠单一大模型还无法完全解决。

　　需要在政策引导、要素配置等方面做好工作

　　张波告诉每经记者，推动人工智能在电力行业的产业化落地，要发挥多方面的作用，包括国有企业、高等院校以及领先的人工智能企业等，这些多元主体之间存在巨大的协同可能和共赢潜力。

　　目前，人工智能与电力行业融合所产生的研究机构、研发平台、产教融合学院和联合攻关主体等创新模式不断涌现，这些都是对合作模式的有益探索。

　　为了实现这一目标，需要在政策引导、要素配置、创新机制、评价改革和市场验证等方面做好工作。

　　从技术角度看，“AI+电力”是一个典型的跨学科组合，是利用新技术推动传统行业转型升级的创新实践，也是“科学研究与产业应用”的典型融合场景。

　　未来在高质量的“人工智能+”赋能基础上，能源电力行业不论在宏观层面上对新型电力系统整体转型升级，还是微观层面诸如微电网甚至电气零部件生产、运维的性能预测分析和故障诊断等不同细小环节优化，都会获得更大的创新突破。