來源:經(jīng)濟(jì)參考報(bào) 時(shí)間:2026-01-30 17:22
當(dāng)前,電力行業(yè)已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段,在能源變革的新時(shí)代,運(yùn)用行業(yè)先進(jìn)技術(shù)與科學(xué)管理手段實(shí)現(xiàn)轉(zhuǎn)型升級,進(jìn)一步提升電力企業(yè)效率與效益,成為行業(yè)高質(zhì)量發(fā)展的必然要求。
近日,中國電子技術(shù)標(biāo)準(zhǔn)化研究院發(fā)布的《人工智能賦能電力行業(yè)標(biāo)準(zhǔn)化研究報(bào)告(2025版)》(以下簡稱《報(bào)告》)明確指出,憑借在文字、語音、圖像、視頻等各類信息的自動(dòng)挖掘、提取與處理方面的突出能力,人工智能(AI)技術(shù)已成為推動(dòng)電力智能化發(fā)展、加速數(shù)字化轉(zhuǎn)型的關(guān)鍵力量。
在人工智能技術(shù)的驅(qū)動(dòng)下,新型電力系統(tǒng)呈現(xiàn)出數(shù)字與物理深度融合的鮮明特征,并以數(shù)據(jù)流引領(lǐng)并優(yōu)化能量流、業(yè)務(wù)流,讓電網(wǎng)逐步具備超強(qiáng)感知、智慧決策、快速執(zhí)行的核心能力。與此同時(shí),《報(bào)告》也指出,當(dāng)前人工智能賦能電力行業(yè)仍面臨差異化需求瓶頸,主要表現(xiàn)為應(yīng)用場景挖掘不足、數(shù)據(jù)共享與安全機(jī)制不完善、系統(tǒng)穩(wěn)定性與可靠性有待提升。針對這些突出問題,《報(bào)告》從數(shù)據(jù)、算力、模型、場景四大核心要素出發(fā),明確了人工智能賦能電力行業(yè)的全新技術(shù)要求。
首先是高質(zhì)量數(shù)據(jù)。數(shù)據(jù)作為人工智能模型訓(xùn)練的核心輸入,如同行業(yè)發(fā)展的“血液”,其數(shù)量與質(zhì)量直接決定模型性能的強(qiáng)弱。作為構(gòu)建電力大模型核心競爭力的關(guān)鍵,高質(zhì)量電力行業(yè)數(shù)據(jù)目前仍較為稀缺,企業(yè)從外部采購數(shù)據(jù)成本偏高,因此,打造自有數(shù)據(jù)集、做好海量數(shù)據(jù)的采集與管理,成為支撐電力行業(yè)數(shù)智化轉(zhuǎn)型的基礎(chǔ)。
電力行業(yè)高質(zhì)量數(shù)據(jù)的構(gòu)建,需統(tǒng)籌推進(jìn)感知、存儲(chǔ)、網(wǎng)絡(luò)、數(shù)據(jù)治理、數(shù)據(jù)安全五大技術(shù)需求:一是全面完善電力感知層建設(shè),實(shí)現(xiàn)數(shù)據(jù)全面采集與任務(wù)命令高效接收;二是搭建大容量、多協(xié)議兼容的電力存儲(chǔ)體系,滿足海量數(shù)據(jù)存儲(chǔ)需求;三是構(gòu)建扁平化網(wǎng)絡(luò)架構(gòu),真正實(shí)現(xiàn)“數(shù)據(jù)上得來、算力下得去、上下游貫通”;四是強(qiáng)化數(shù)據(jù)治理,從源頭制定統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn),規(guī)范數(shù)據(jù)應(yīng)用全流程,保障數(shù)據(jù)“優(yōu)生”,同時(shí)推動(dòng)數(shù)據(jù)外溢和延展,實(shí)現(xiàn)省際電力企業(yè)間的協(xié)同、流通、共享與交易,培育行業(yè)數(shù)據(jù)經(jīng)濟(jì)與數(shù)據(jù)市場;五是筑牢數(shù)據(jù)安全防線,構(gòu)建事前預(yù)防、事中預(yù)警、事后追溯的全流程安全體系,確保數(shù)據(jù)合規(guī)使用。
其次是高性能算力。作為人工智能技術(shù)發(fā)展的“心臟”,算力是支撐模型訓(xùn)練與場景應(yīng)用的核心動(dòng)力。電力行業(yè)構(gòu)建模型訓(xùn)練與推理資源池,離不開大規(guī)模AI算力支撐,而單卡性能提升有限,集群模式成為滿足大算力需求的關(guān)鍵路徑。AI集群建設(shè)需兼顧計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)三大技術(shù)需求:在計(jì)算層面,需具備大規(guī)模集群能力與彈性擴(kuò)展特性,適配不同參數(shù)規(guī)模的高階模型,其中百億、千億、萬億參數(shù)模型分別需百張、千張、萬張卡支撐;在網(wǎng)絡(luò)層面,需構(gòu)建高質(zhì)量無損、大帶寬、高可靠的網(wǎng)絡(luò)底座,零丟包是基礎(chǔ)要求,同時(shí)應(yīng)對大參數(shù)模型訓(xùn)練中百GB量級的梯度同步通信需求,破解傳統(tǒng)低速網(wǎng)絡(luò)帶寬瓶頸;在存儲(chǔ)層面,需滿足大容量、高帶寬、高IOPS、高可靠要求,適配參數(shù)規(guī)模擴(kuò)大與多模態(tài)發(fā)展趨勢,實(shí)現(xiàn)海量小文件快速加載,減少GPU空載時(shí)間,保障長時(shí)間訓(xùn)練中模型參數(shù)的準(zhǔn)確性。
第三是高精度模型。模型作為人工智能系統(tǒng)的“大腦”,承載著行業(yè)知識(shí)與智慧,是系統(tǒng)思考、判斷與決策的核心。電力企業(yè)獲取大模型能力主要有自行構(gòu)建、合作共建、云服務(wù)平臺(tái)三種路徑。在模型構(gòu)建過程中,企業(yè)通常會(huì)統(tǒng)一搭建共享高階模型,匹配大規(guī)格AI算力需求;在具體業(yè)務(wù)領(lǐng)域,則基于高階模型進(jìn)行二次訓(xùn)練,生成貼合業(yè)務(wù)需求的低階模型,適配中小規(guī)格AI算力,實(shí)現(xiàn)模型與業(yè)務(wù)的精準(zhǔn)匹配。
第四是核心業(yè)務(wù)場景。作為人工智能應(yīng)用的“靶心”,場景是實(shí)現(xiàn)“場景+數(shù)據(jù)+模型+算力”四位一體體系的關(guān)鍵載體。隨著AI技術(shù)深化應(yīng)用,電力行業(yè)應(yīng)用場景日益多元復(fù)雜,不同子場景對模型泛化性要求各異,需通過模型優(yōu)化重構(gòu)適配生產(chǎn)環(huán)境。大模型的應(yīng)用大幅提升了開發(fā)效率,無需從零開發(fā),通過增強(qiáng)訓(xùn)練即可提取適配場景的小模型,將開發(fā)周期從月級縮短至天級,使AI開發(fā)效率提升10至100倍,實(shí)現(xiàn)從作坊式開發(fā)向工業(yè)化開發(fā)轉(zhuǎn)型。而這一效率提升需高效開發(fā)工具鏈支撐,確保針對不同業(yè)務(wù)場景需求快速響應(yīng)、動(dòng)態(tài)適配,實(shí)現(xiàn)從需求提出到智能化應(yīng)用落地的快速迭代與敏捷閉環(huán)。
綜上,數(shù)據(jù)、算力、模型、場景四大核心要素相互支撐、協(xié)同發(fā)力,構(gòu)成了人工智能賦能電力行業(yè)高質(zhì)量發(fā)展的核心體系。唯有持續(xù)完善四大要素建設(shè),破解行業(yè)現(xiàn)存瓶頸,才能充分釋放人工智能技術(shù)價(jià)值,推動(dòng)電力行業(yè)實(shí)現(xiàn)數(shù)字化、智能化轉(zhuǎn)型升級,助力能源變革落地見效。
責(zé)任編輯:王奕博