AI 的尽头是能源？能碳大模型正在改写能源管理逻辑

放在几年前，我们可能想不到，AI 技术发展及其应用的“成本刺客”竟然是电力。

现如今，当 GPT-4 的训练耗电量达到 2.4 亿度，当超算中心因断电瞬间损失千万级经济价值，当新能源汽车保有量十年增长 100 倍而充电桩利用率不足 10%—— 这些看似分散的现象，实则指向同一个核心命题：能源与智能正在形成深度耦合的共生关系。

“AI 的尽头是能源”，这似乎成了业界的某种共识，与此同时，AI 技术的发展也在助力能源行业更好地实现可持续。

在日前的 2025 泛能网新产品发布会，新奥能源副总裁、新奥泛能网 CEO 程路继续强化了公司在去年提出的“能源领域自动驾驶”的理念，他解释道，“之所以把能源和自动驾驶关联起来，主要是这里面有几个相似点：我们现在所处变革的初始阶段，跟车辆的‘智驾’非常接近。”

具体来看，车辆的自动驾驶内核有三大中枢，第一是它对世界的感知模型，包括传感器、认知模型、决策体系等；第二是主系统、座舱有友好交互，以及根据环境变量去做更精细的调节和决策；第三，所有的控制结构，包括车辆的转向、加速等。而今天泛能网构建的自动驾驶也基于这三层逻辑。

而此次泛能网正式发布的能源领域自动驾驶的体系，从能碳大模型的智能中枢，到专业 Agents 的协同网络，再到能碳智控一体机的执行终端，这套三层架构恰恰与上面三层逻辑一一对应。

能源与智能的融合：从必然到必需

智能技术的爆发式增长正在创造史无前例的能源需求。数据显示，GPT 系列模型的训练能耗呈现指数级增长，从 GPT-1 的 3.3 万度飙升至 GPT-4 的 2.4 亿度，而日常推理的能源消耗总量已远超训练阶段。这种 “吞噬能源”的特性，使得稳定、高效、清洁的能源供应成为智能时代的基础保障。

新奥泛能网 CPO 王尊指出：“从微观角度去看，我们给服务器供电的电压微小的变化，都可能导致计算任务全盘失败。而从宏观角度我们也看到大型的超算中心，因为没有使用高质量、清洁的能源，而被开出天价罚单，所以我们就需要在能源领域去构建成本更低、更稳定、质量更高的能源系统，构建这个系统本身也需要指导。”

与此同时，能源行业正全面拥抱智能化变革。国家能源集团发布的第一个电力生产大模型“擎源大模型”、国网推出的“光明大模型”，分别在电力生产与输配领域构建了智能化标杆。但在更贴近终端用户的工厂、建筑、园区等场景，综合能源领域的垂类大模型仍存在明显空白。王尊强调：“能源生产侧与输配侧的智能化已在举国体制下快速推进，但市场对智能的需求依然很旺盛，谁来满足他们的需求？有没有综合能源共同领域的垂类大模型可以补全这个拼图，我们希望可以解答大家的问题。”

这种供需关系催生了能源与智能的双向奔赴。一方面，智能技术需要能源系统提供“稳定可靠、成本可控、清洁高效”的支撑；另一方面，能源行业渴望通过智能技术实现从粗放管理到精细化运营的跃迁。

能源自动驾驶的三层架构：从智能中枢到执行终端

王尊与新奥泛能网 CTO 孙凯详解了能碳大模型、专业 Agents 与能碳智控的关键技术，并进行了现场演示。

借鉴汽车自动驾驶的技术逻辑，新奥泛能网的构建了 “能碳大模型 - 专业 Agents - 能碳智控”的三层架构。这套体系不仅解决了通用 AI 在专业领域的 “幻觉”与“遗忘”问题，更实现了从认知到决策、从规划到执行的全链路闭环。

能碳大模型：能源领域的智能中枢

与通用大模型不同，能碳大模型的核心价值在于对能源系统运行机理的深度理解。通过融合新奥泛能网积累十余年的专业数据、知识图谱和工具模型，结合强化微调与仿真技术，该模型已具备从单点设备到复杂系统的全局优化能力。

孙凯解释道：“基础大模型能理解图片和文本，但我们需要的是能分析锅炉燃烧效率、预测电网负荷波动的专业能力。”

针对大模型普遍存在的“幻觉”与 “遗忘”问题，能碳大模型采用了“泛能网 + 仿真” 的多级架构。通过物理机理模型与数字孪生系统的结合，确保决策建议符合能源系统的运行规律；借助 Agents 系统的记忆模块，实现长时记忆与知识沉淀。这种设计使大模型的商业落地能力显著提升，在印染、食品等行业的测试中，方案准确率达到 92% 以上。

专业 Agents：能源管理的虚拟专家团队

专业 Agents 体系将分散的智能能力整合为协同工作的“虚拟专家团队”，实现了从单一算法工具到综合决策系统的升级。与传统优化算法相比，Agents 具备三大核心优势：自主规划能力可根据目标自动分解任务，比如将“降低酒店能耗 15%”拆解为空调调节、照明控制等具体操作；交互透明性能实时展示决策过程，使用户清晰了解每一步优化的逻辑；持续进化性通过迁移学习沉淀行业经验，使系统越用越智能。

在印染行业，定型机 Agents 已经实现对温度、残渣、烟气排放的多参数协同控制，配合车间主管的虚拟助手，形成了“感知 - 决策 - 执行”的闭环。王尊透露：“仅在定型机场景，我们就实现了能耗降低 18%、产品合格率提升 3% 的双重收益，目前已累计优化 36000 余缸印染生产。”

能碳智控一体机：连接虚拟与物理的桥梁

作为能源自动驾驶的“手脚”，第二代能碳智控一体机在外观、结构、算力中心及智控设备上都做了改进。新增的 UPS 系统可在电压波动或断电时维持系统运行，确保能源管理不中断；其硬件兼容市面绝大部分接口，且在不改变外观结构的情况下升级了算力，标准版有三级算力背景，适应工业场景并降低成本。

在演示二代机工作时，孙凯通过“能碳智伴”虚拟助手与智能机交互，针对虚拟电厂如何完成邀约进行展示。通过屏幕可见，正常情况下通过控制储能柜，虚拟电厂响应邀约时，智能体会自动判断邀约，基于物理 AI 并加入仿真，借助深度学习和仿真学习，在减去放电邀约后，保证 SOC 体量的同时，能够完成虚拟电厂邀约响应，且保障生产。

场景落地：从衣食住行看能源智能的价值重构

能源自动驾驶体系的价值，最终体现在具体场景的效率提升与成本优化中。新奥泛能网已在印染、食品、酒店、交通等领域完成规模化落地，用数据验证了技术方案的商业可行性。

印染行业：从单设备优化到全流程智能

在印染车间，能源管理的精度直接影响产品质量与生产成本。继去年进入染缸行业，通过算法帮助染缸节能并提升印染产品质量以来，新奥泛能网的解决方案从染缸扩展到定型机，构建了覆盖多工序的 Agents 系统。

“我们关注的不仅是温度参数，还包括残渣、烟气排放等安全问题，在这样的严苛要求下，通过仿真和大模型生成了定型机智控能力。”王尊介绍，“定型机智控能力被印染行业的多工序 Agents 调用，我们为生产车间的主管、操作员和运维工打造了虚拟助手，他们通过虚拟助手完成工作闭环，同时还打造了外挂的泛能仿真 Agents—— 它既是判定虚拟助手每一步执行单元是否正确的专家，又能监控全局实现系统的不断自我进化。”

食品工厂：温度偏差 1 度背后的百万损失

食品加工对能源控制的精度要求更为苛刻。数据显示，面包生产线的温度偏差若超过 1 度，规模化食品厂的一条生产线每年会损失 10 万个面包；蛋糕厂的温度波动 5 度以上，馅料塌陷率将提升 8%-12%。针对这一特点，食品行业 Agents 开发了 “热能耗精准控制”算法，通过动态调节隧道炉的加热功率，使某月饼企业的成品开裂率降低 15%，年节约能源成本超 200 万元。

酒店与商业建筑：舒适与节能的平衡术

在住的领域，去年新奥泛能网服务的中等规模星级酒店节省能源近 15%。在此基础上，今年在场景和业态上均有突破，从酒店制冷扩展到热水供应，还包括北方居民冬季供暖 —— 目前已覆盖 8000 多户居民供暖，以及超过 100 万平米办公楼，为酒店、商超等场景提供舒适的温湿度环境。通过大模型生成小模型、Agents 模式，其解决方案还能为不同场景提供可承诺的详细节能指标。

交通能源：充电桩的智能革命

在能源场景下谈出行，离不开机车生产、新能源汽车本身和充电桩的能源管理与优化。有两个数据值得关注：新能源汽车 10 年保有量增长 100 倍，技术从 L2 升级到 L3，是产业与智能双向奔赴的典型成果；全国有 1374 万台充电桩，公共充电桩占三分之一，车桩比达 8.7:1，导致充电排队现象频发，但公共充电桩全年平均使用率不足 10%，部分较好的也仅 30%-40%。

对此，新奥泛能网为充电桩结合智能提出两步走方案：一是通过智能将充电桩与周边光伏、储能及用能设施联动，形成 “荷、源、网、储、充、售” 完整闭环，提升综合效率；二是让充电桩接入能源网络，参与需求响应、电力交易，成为能源网络的智能节点，使其运营模式从单纯卖电转向综合收入模式，提升收益。正如王尊所说：“充电桩不应只是充电设备，更要成为能源网络的智能节点，这才是虚拟电厂的核心价值。”

未来图景：从 L3 到 L5 的能源智能进化

参照汽车自动驾驶的分级标准，新奥泛能网定义了能源领域的智能化等级：L1-L2 阶段实现局部自动化，如单设备能耗优化；L3 阶段达到局域自治，可在无人干预下保障系统安全高效运行；L4-L5 阶段则实现多能源协同与全域自治，最终构建城市级的智能能源网络。

程路在发布会上透露：“目前我们的产品已实现 L2 + 级别的能力，正在向 L3 突破。预计 2025 年，将在大型工业园区实现 L3 级局域自治；到 2030 年，有望在重点城市建成 L4 级能源系统。”

从更长远看，能源自动驾驶的终局将重构整个能源系统的运行逻辑。就像 L5 级汽车自动驾驶将颠覆交通规则一样，全域自治的能源系统可能让传统电厂、电网调度模式成为历史。程路描绘道：“未来的城市能源网络，将由云端大模型统一调控，数百万个智能 Agents 分布在工厂、建筑、车辆中，实时平衡供需、优化配置，实现真正的零碳高效运行。”

这种变革并非遥不可及。当某食品厂的隧道炉因 Agents 调节而节省 20% 能耗，当酒店客人在舒适室温中享受更低的住宿成本，当充电桩从闲置设备变为收益增长点 —— 这些细微的变化正在累积成能源行业的智能化浪潮。在这条路上，每一度电的高效利用，每一次决策的精准优化，都在推动着能源行业向更智能、更绿色的未来迈进。