9月8日，国家发展改革委、国家能源局联合发布《关于推进“人工智能+”能源高质量发展的实施意见》，为能源行业与人工智能融合发展指明了方向，对提升能源系统效率、保障能源安全、推动绿色低碳转型意义重大。人工智能如何赋能能源变革，能源行业从业者、相关企业和研究机构如何把握机遇为构建新型能源体系贡献力量，本版进行了专题讨论。
□郭 昊（特约撰稿人）
人工智能（AI）浪潮正席卷全球，能源这一国民经济命脉亦迎来“智慧转身”。9月8日，国家发展改革委、国家能源局联合发布《关于推进“人工智能+”能源高质量发展的实施意见》（简称《实施意见》），明确指出，到2027年，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；到2030年，能源领域人工智能技术实现跨领域、跨行业、跨业务场景赋能，在电力智能调控、能源资源智能勘探、新能源智能预测等方向取得突破，具身智能、科学智能等在关键场景实现落地应用。
国际能源署署长法提赫·比罗尔指出，“随着人工智能的崛起，能源行业正站在我们这个时代最重要的技术革命前沿”。多位业内人士也表示，人工智能不仅是能源行业转型升级的技术引擎，更是实现“双碳”目标、构建新型能源体系的战略支点。随着政策引导、技术突破与产业协同的持续推进，“AI+能源”的深度融合将开启我国能源行业高质量发展的新篇章。
意义重大
给能源行业带来系统性利好
总体来看，我国能源领域已形成了场景覆盖广泛的人工智能发展格局
“《实施意见》的出台，为人工智能赋能能源行业高质量发展提供了重要政策支撑，并带来系统性利好。”近日，中国科协创新战略研究院助理研究员刘仁厚接受采访时说。
他进一步分析，一是提高能源行业的整体智能化转型水平。《实施意见》的出台将调动能源企业大规模开发、部署和利用人工智能技术的积极性，进一步提高能源企业生产运营效率，从而提升能源行业整体智能化转型水平。二是降低成本，提升经济效益。一方面人工智能技术的应用将大幅提高企业生产效率，降低人力和物力等成本；另一方面随着人工智能技术的兴起，与人工智能相关的投融资不断增加，能源行业应用场景潜力巨大，对能源企业投融资形成一定利好。三是推动能源行业“双碳”目标实现。能源行业是我国最主要的碳排放源，人工智能技术赋能既是能源行业智能化转型的关键，也是能源行业绿色化转型的重要手段，将进一步降低能源行业整体碳排放，助力我国“双碳”目标实现。
国家能源局科技司相关负责人表示，能源是创新创业高度活跃的领域，具有数字化基础好、数据质量高、应用场景丰富等比较优势，应走在人工智能应用前列。特别是能源央企积极布局，围绕资源勘探、生产运维、安全监测等环节，已经成功研发应用了电力、油气、煤炭等多个具有行业代表性的专业大模型。总体来看，我国能源领域已形成了场景覆盖广泛的人工智能发展格局。
目前，人工智能在能源领域的应用较为广泛，典型场景有油气勘探、矿产开采、无人驾驶、智能巡检、科技创新等领域。
刘仁厚举例说，石油和天然气行业利用人工智能技术优化勘探、生产、维护和安全，评估地质资源情况，减少勘探的不确定性；煤炭及其他矿产开采领域，人工智能用于勘探、矿山运营和采掘冶金等方面；无人驾驶方面，自动驾驶车辆已在部分港口、货站、矿场实现较大范围应用；电力电网方面，人工智能技术用于实时监控和优化输电线路、故障检测识别等；能源科技创新方面，人工智能技术在风电叶片设计、光伏新一代电池材料筛选、先进核反应堆设计上都有一定应用，覆盖了从基础研究、技术开发到工程示范的全链条创新。
赋能新能源
可破解“成长的烦恼”
有效解决“弃风弃光”问题、打破技术研发与电力系统应用壁垒
新能源领域一位研究AI赋能绿电消纳的专家表示，《实施意见》的出台从技术与制度双维度为绿电消纳破题，既聚焦AI在风光出力预测、跨区域负荷调配等领域的技术落地，也明确建立产学研协同机制与技术标准体系。在技术路径上，AI通过精准预测风光发电波动、实时优化绿电与传统电力配比，可实现智慧化调度，有效解决“弃风弃光”问题；在制度保障上，融合创新体系建立产学研协同机制，打破技术研发与电力系统应用的壁垒，确保AI技术稳定服务绿电消纳。
具体而言，为破解“成长的烦恼”，可从以下三方面发力。
首先，提升AI精准预测能力，从源头破解新能源“波动性”困局。新能源发电的间歇性、随机性是消纳难题的核心症结——在电源侧，风能、光伏等新能源发电“靠天吃饭”，精准预测是破局的第一道防线。《实施意见》明确要求发展“新能源功率预测”智能化应用，正是基于AI可显著降低预测误差的实践成效。随着预测精度提升，可通过开展电力供需预测、电网智能诊断分析、规划方案智能生成等电网规划设计应用，在电力供需上实现智慧化调度，为绿电“腾挪”更多消纳空间，从源头减少弃电。
其次，加强AI在优化电网调度方面的作用，提升“源网荷储”协同水平。我国电网正从传统“源随荷动”模式向“源网荷储互动”新模式转型，AI正是这一转型的“智慧大脑”，它打破传统电力系统时空壁垒，通过多主体协同优化提升绿电消纳能力，这正好与《实施意见》中“提升负荷侧群控优化和动态响应能力”的要求相契合。
最后，推动AI技术与储能运维进一步融合。储能是平抑新能源波动的核心支撑，AI则推动储能设施从“被动储电”转向“主动增效”。据中关村储能产业技术联盟全球储能数据库不完全统计，截至2025年6月底，我国电力储能累计装机规模164.3吉瓦，同比增长59%。随着AI技术的深度应用，市场潜力将进一步释放。
从技术优化到模式创新，“AI+能源”的深度融合有望推动绿电消纳实现从源头破解新能源“波动性”困局、提升“源网荷储”协同水平、推动AI技术与储能运维进一步融合的“三重跃迁”。由此可见，人工智能不仅是破解绿电消纳难题的技术方案，更是推动能源结构转型、培育新质生产力的战略支点。在AI技术驱动下，我国绿电消纳水平必将迈上新台阶，为实现“双碳”目标与能源行业高质量发展注入新动力。
挑战犹存
数据壁垒、安全风险与人才短缺
跨学科、跨行业的复合型人才支撑，是当前从数字化迈向人工智能化进程的核心
人工智能在能源应用中，并不能完全大展拳脚。刘仁厚分析，第一，用于能源场景的人工智能技术发展面临的挑战主要包括三个方面：一是专业场景大模型缺少，能源行业主要可分为一次能源开采、能源转化与传输、终端能源使用等三个层级，覆盖了国民经济的众多领域和行业，应用场景广泛，相应的专业大模型需求较大，技术开发将面临较大挑战。二是基础设施支撑不足，当前人工智能技术快速发展，但要大规模部署人工智能，需要数字基础设施的支撑，包括传感器、分析和控制系统等，我国能源行业在智能化发展上参差不齐，基础设施建设将面临较大挑战。三是高质量数据集获得性差，我国能源系统复杂庞大，能源供给、电力传输、终端负荷等相互独立，各企业组织间数据共享存在壁垒。高质量数据集的缺失会影响人工智能模型的训练，导致偏差和错误，从而难以作出科学的预测和判断，进一步降低能源行业使用的意愿。
第二，人工智能应用带来能源安全挑战。首先，随着能源系统向数字化、电气化和网络化转型，电网将从电力单向传输扩展到具备“源网荷储”多向互动的功能，新的能源系统将更加依赖“技术+基础设施”，系统脆弱性更加凸显。人工智能将进一步加速能源资源转化成为新型数字资源，而网络安全风险也将成为能源安全的重大隐患。其次，能源和人工智能的发展对关键矿物依赖度较高，数据中心与能源技术所需的铜、铝、硅、镓、稀土元素等高度重叠，关键矿物供应链风险加大。最后，人工智能芯片设计和制造大多由美国制造商垄断，主要为英伟达、博通、AMD和英特尔，中美科技战背景下，围绕人工智能产业链的安全风险升高。
第三，人才方面的挑战。当前，我国人工智能技术人才以信息科学、计算机技术类人才为主，但人工智能应用能源行业需要“人工智能+能源”复合型人才，而目前跨领域、跨专业的交叉学科人才仍存在较大短板。
对此，厦门大学中国能源政策研究院院长林伯强表示，与数字化相比，人工智能技术在落地与应用层面仍存在一定差距。除了政策层面常提到的标准缺失等问题，最关键的挑战在于人才短缺。
“人工智能不仅要求技术底层能力，还需要跨学科、跨行业的复合型人才支撑，这是当前从数字化迈向人工智能化进程的核心。”林伯强说。
协同推进
构建“人工智能+”能源新生态
强化“人工智能+能源”科技创新，提升人工智能大模型开发水平，增加典型应用场景部署
未来，人工智能如何更好地与能源领域深度融合？如何推动《实施意见》更好地落实？我们还需从哪些方面发力？
国家能源局科技司相关负责人表示，能源领域智能化转型需要上下协同发力，部门协调配合，国家能源局将紧紧围绕能源领域智能化转型下一阶段目标任务，进一步强化顶层设计、政策支持和指导协调，定期开展分析研究和总结评估，研究解决工作推进中的重大问题，确保《实施意见》各项任务顺利推进。
刘仁厚建议，首先，要强化“人工智能+能源”科技创新，提升人工智能大模型开发水平，增加典型应用场景部署，加快补齐人工智能发展基础设施不足的短板，打破数据壁垒，建立能源高质量数据集，推动能源行业人工智能技术创新。
其次，强化电力算力协同。统筹考虑我国能源与人工智能发展规划，合理谋划超算中心、数据中心、大模型等的规模和数量，鼓励企业提高清洁能源电力的使用比例，加强节能降耗技术推广应用。
再次，加强人才培养。加快人工智能学科建设，探索产学研用贯通式培养模式，加强“人工智能+能源”复合型人才培养。
最后，重视能源安全。加强数字化时代安全保障，全面梳理新型风险源，制定风险等级清单，制定标准、控制、监管、评估、预案等政策方案，构建新型能源体系下的安全发展理念。