新奥程路：AI×能源已经到了“奇点变革”的前一天晚上，模拟大模型是关键。

能源领域与 AI 组合的关键在于建立模拟。 AI 模型。

就像车辆的自动驾驶系统一样，模拟模型可以实时运行，使生产中的决策智能化。

泛能网，新奥数集团旗下新奥数可以打造的能碳专业技能认知平台，如今已依赖于新奥数。 AI 能源业务的智能化已经完成。

传统的能源产业和技术转型的道路 AI 什么是结合的突破口？

在 MEET2025 在未来的智能会议上，新奥能源副总裁、新奥数能科技有限公司总裁、机电工程高级工程师程路博士与我们分享了他们的解决方案。

程路表示，将物理世界以“数字孪生”的方式转移到数字世界，形成AI 仿真模型，这将给能源产业带来巨大的变化。

为充分体现程路的探索，量子位在不影响初衷的情况下，对演讲内容进行了编辑整理，希望能给您带来更多的启发。

MEET 2025 智能化未来大会是由量子位举办的行业峰会，20 剩下的行业代表参加了会议。线下观众 1000 ，在线观众直播 320 万 ，得到了主流媒体的高度关注和报道。

核心观点

能源革命具有分布式可再生、清洁等趋势，而科技则是要更好地挖掘这些能量的价值，技术与能源结合演变的奇点已接近我们，在可预见的 3 到 5 每年都会有革命性的爆发。。

大型模型的出现大大降低了知识学习、沉淀和推理的成本，显著提高了效率，有望将普通人的认知水平提高到专家级别。。

能源企业可以通过选择当前的大型模型，结合行业机制模型、产业认知等方式进行实践，在能源领域形成专业模式，在决策、运营、交易等方面实现智能化。

以“数字孪生”为基础模拟模型是实现智能化的基石。，一键智能生成和运行中可以实现能源方案的即时提升。

(下面是程路演讲的全篇)

“能源行业科技革命将在三到五年内再次爆发”

大家好，你应该看看我的着装，看看我来自传统行业。我在传统能源行业深耕了一下。 17 年时间。

首先我简单介绍一下新奥集团，这就是深耕能源行业。 35 2000年传统产业，从做天然气到综合能源，一直延续到100多个城市都有我们的天然气管网和用户。

用户是我们集团最大的资源——现在有了。 3000 一万个家庭用户，还有 25 数以千计的工商用户。

刚刚小冰的李笛先生介绍，当顾客的规模达到 2000 万，管理成了一个难题。

如今，我们有了更大规模的用户基础，那么如何结合智能，如何创造更大的价值，如何实现更大的客户和企业的双赢，就成了一个关键问题。

以前在央视有个演讲，大概意思是，其实，能源革命和科技革命是一脉相承的。。

第一次科技革命，大家都知道是蒸汽机的革命，但其实是煤炭革命的背后。

与以往的薪柴和煤炭相比，还有其它基础能源，这场科技革命带来了蒸汽机和能量的高效利用。

第二次革命是众所周知的电力革命和由此带来的信息革命，其背后是电力的发明和广泛应用。

今日，我们来到了一个新的奇点，它是在科技与能源紧密联系的推动下实现的。

能源革命的发生有哪些表现？

我们会发现有很多不像以前那样稳定的分布式、可再生的能源形式。这些大家都很熟悉，也很清楚清洁和再生的趋势。

技术是更好地探索这些能量的价值，包括未来正在探索的微型小型能源站，如可控核聚变，这些都是技术和能源结合进化的奇点。我们认为这个奇点非常接近，在可见的三到五年内会有革命性的爆发。。

能源结合大模型的关键在于选择和训练。

今日，我们依靠客户资源，依靠产业基础，开始思考如何将能源和能源 AI 结合。

这个问题对我来说是非常具有挑战性的，我们究竟在人工智能方面做了什么样的探索，还是做了什么样的实践和奉献？

能源产业，大家都知道很传统，也很垂直。

应以 AI 要改变一个非常传统、非常垂直甚至数据非常私有的行业，实际上是相当困难的。

以前我们的能源行业也在结合很多智能算法，包括一些深度学习，加强学习，包括机器学习，使用一些模型。 机理。

到目前为止，大模型到底会给我们带来怎样的变化，我们认为主要有两个方面。

首先是让我们知识学习、沉淀和推理的成本大大降低，或者效率大大提高。

我们结合大模型推演机制，简化机制，提高公式，过去所谓的输入输出，结合大模型推演机制，效率可以提高。 50%，这是一个巨大的变化。

第二个大模型强大的地方，就是前几天， OpenAI 发布了 o1，已经可以了把大模型变成具有博士水平的人。。

起初，当主持人介绍我是一名博士、机电工程高级工程师时，我突然发现自己很快就会被取代。

大型模型让很多普通人，或者是普通认知水平的人，能够被拉到一个相对较高的水平，相当于医生的学习能力。

如何结合我们的产业基础，改变我们客户的价值和客户的应用？

我们把它总结成四个字——选用训生"。

选择是什么？我们不是做基本模型的企业，而是做行业的企业。因此，我们将选择这些现有的大模型，并将其与一些机制模型、产业认知、产业算法等相结合。在能源领域训练这个领域的专业模型。

以前我们觉得专业模型这件事很难，需要大量的私域数据，但是随着人工智能的发展，这件事变得简单，门槛也降低了。

每个人都知道不久前 OpenAI 发布的 o1 模型，只需要几千个参数参考特定的行业，就可以训练出意想不到的效果，这是我们之前没有意识到的，会给垂直领域带来很大的变化。

通过这些培训，结合产业链的大量数据，新奥有一个宝贵的来源。 25 万家工业用户的服务经验，海量物联测点，实时数据等。

以上结合刚才提到的开放模式，训练出专业的大模型之后，就可以做很多事了。

例如，它包括准确预测天气对光伏和风电输出(输出功率)的影响；分析荷源网络储存的一体化提升，如何传递能量，如何传递能量。 distribution，包括与电网的互动交易，这些都会立即发生。

这些过程会要求算法足够准确，因为能源行业不能出错。。

就像我们今天在现场开会一样，如果这盏灯突然完全熄灭，电停了，那将造成不可估量的损失。

经过培训行业的专业模式，我们将到具体应用中，综合成三大智能。——智能决策、智能操作、智能交易。

决策智能你在做什么？简单来说，过去公司不知道什么样的能源解决方案是最好的，领导经常会遇到解决方案是否应该允许的问题，而人工智能的辅助决策可以让这件事变得简单。AI 会告诉他，这是最好的方案，而且还可以为他立即生成，从而降低方案最佳决策的门槛。

运营智能就是让与能源相关的管理和运行处于自治状态，比如让所有的新能源站都处于自治状态，包括分布式供能站，包括与能源侧客户的融合，不需要外部干预，也可以让所有的新能源站都处于自治状态。 AI 解决问题。

交易智能，更多的是关于源网存储，关于与电网的互动，包括一些现货市场和碳交易，这样交易就可以立即发生，同时也可以帮助你做出交易决策。

模拟模型是能源产生智能的基础。

我们认为，智能化产生的底座，来自模拟模型。

仿真是什么意思，仿真这件事提了很多年，过去我们从事能源都要探索仿真。

因为模拟可以节省很多东西，使得企业可以调优参数，或者解决用户出现的问题，而无需在物理世界中付出巨大的试错成本。。

仿真便是以“数字孪生”的方式将物理世界移动到数字世界，但是这个“数字孪生”和平时看得很清楚。 3D 不同，模拟是要的有很多运行的初始条件，就是要有机制，并以实时的方式运行。。

我认为这种模拟更像是现在汽车的自动驾驶系统，外部世界会实时获取大量的参数、变量数据。

能源领域也差不多，进入大量参数和变量数据。 AI 大脑，模拟可以立即运行需要处理的数据，同时预测以下会发生什么，这将带来一些变化。

第一是使每个方案的生成都变得一键化，智能化，这也使得决策变得非常简单。

因为当我把所有的物理世界都投射到数字世界的时候，我会发现每一个初始条件的变化都会形成一个更好的调整方案，整个过程就像一键定制。

另外一个更重要的是运行的优化——如果发现任何变量和问题，例如下一秒来一片云，光伏出率(输出功率)就会随之发生。 10% 在衰减过程中，用户侧应如何调整，并网侧发生了什么变化，以及如何与储能互动。

换言之，当任何变量发生时，它就像一辆车引导你开车，下一个路口应该右转，避开行人。

如果能源供应进入这种状态，它将大大提高能源质量，降低消耗成本。

这个问题听起来有点悬，但是我们认为垂直领域是 AI 这种颠覆肯定会发生。

以下我想通过几个具体的场景案例与大家分享，首先是印染厂的一个例子。

印染厂是中国制造业的典型生产场景。一排排的染缸串联在一起，形成工厂的运营车间。主要工作是将染料染在布上。

染布工艺的核心是控制染色温度和染色工艺，以及使用什么样的布料。

染色时有精确的温度控制曲线，但过去我们的自动控制系统依赖于“反馈调整”，即偏移后纠正的方法，呈现出锯齿状的温度跟随曲线。

今日人工智能如何解决这一问题？

一切云算法都是在模拟世界中进行预训练，不再依赖反馈调整，而是“预测调整”。

有很多模型，通过物理机制建模温度等物理量，通过模拟大模型沉淀传统的加热知识，云通过 AI 例如，算法不断地预测，需要在五档开启。 3 秒、六档开启 0.5 秒...预测性地一点一点地发布方案和算法。

侧面是我们的智能控制一体机，承接云算法，形成计算率分配，指挥终端运行；终端是燃烧器、控制器、染缸等最终执行设备。

从逻辑上讲很简单，但是一旦实现，对行业来说就是一种颠覆。

依靠，我们发现 AI 以及一些局部控制，可以节约 25% 能源，同时也带来了染布成品率的提高。

为什么会这样？因为工艺温度越好，工艺越好。可以说这样的措施构成了对周边工厂的降维攻击，一下子就打开了。 30% 差距，这是相当可观的。

下一个案例是关于酒店行业，酒店行业有一个非常典型的特征——不管今天是否来。 1000 人们还是来一个人，房间里的温度不会改变。

也就是说，主机房、冷却器、循环泵、冷却塔都处于稳定的工作状态，会造成巨大的能源损失。

我们发现，客流对客户的体验舒适度有着重要的影响，云可以训练压差 - 温差 - 流量模型，控制一些非常简单的操作，比如阀门的起停。

这些 AI 该模型将调整动态运行策略，并将其与环境温度、客流、外部温度等参数相结合，分发到侧面，然后用智能控制一体机控制一系列终端。

不需要改变太多的硬件设备，就能带来大概的概念。 20% 提高效率，这就是 AI 给予我们创造的价值。

最后，当我们谈到一个公园的案例时，我们会发现公园中的用户侧、光伏侧和储能侧经常同时使用。在此之前，三者都有盈利能力。比如光伏发电多的时候，储能收入降低。

但今天，用 AI 算法可以统一三者的利益，调整三个不同利益的主体的能量分布和价值分布，在满足用电需求的同时带来光储存等。 8% 收益提高。

这个数字还是相当可观的，因为我们依靠光伏技术本身的进步来提高这么多年的效率。 10%，而 AI 价值分配的调整可以直接带来 8% 的收益。

当然，我们不只是这三个案例，还有许多生态伙伴，积累了足够的用户信息，走向未来。

当我们有这么多数据沉淀，这么多场景客户，聚焦千行百业，有了更多的智能算法，形成了更强、更好、更快的模拟核心，结合了大模型，那么我们的平台就是工业智能平台，将为千行百业的低碳清洁发展贡献我们的价值。谢谢大家！

— 完 —

点这里� � 注意我，记住标星哦～

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相遇。 ~

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com