两部门发文推进“人工智能+”能源高质量发展

近日，国家发展改革委、国家能源局印发了《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》）。《实施意见》提出了2027、2030两个阶段性目标，并部署了3个方面的重点任务。

“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。”国家能源局科技司相关负责人介绍，“特别是能源央企积极布局，围绕资源勘探、生产运维和安全监测等环节，已经成功研发应用了电力、油气及煤炭等多个具有行业代表性的专业大模型，总的看，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。”

与此同时，相比于能源行业的高安全性与强专业性，以及对决策容错率和知识体系完备性的严苛要求，人工智能技术在能源领域应用仍然存在着技术可靠性不足、数据基础较为薄弱，以及电算供需逆向分布等不容忽视的问题与挑战。大模型“黑箱”特性导致的可解释性缺陷和潜在幻觉风险，使得人工智能技术在涉及核电站安全决策、电网实时调度等核心领域尚无法满足行业级可靠性要求。

该负责人表示，随着越来越多场景融入人工智能应用，亟需加强顶层设计和系统谋划，加快推动人工智能技术在能源领域的深度应用，带动能源整体性变革，助力加快构建新型能源体系。

统筹考虑能源领域人工智能应用实际，立足能源行业发展基础，放眼行业发展近中期目标，《实施意见》以拓展人工智能与能源领域深度融合应用场景为重要依托，以提升能源领域人工智能创新应用技术水平为主攻方向，以推进智能算力与电力协同发展为必要支撑，以健全能源智能化发展的创新体系为关键保障，提出能源领域人工智能发展的分阶段目标。

到2027年，着眼于打牢基础、树好标杆、健全体系。针对能源领域智能化水平不均衡、共性技术支撑不足、规模化应用尚未形成等问题，重点推动“五十百”工程，即推动5个以上专业大模型在电网、发电、煤炭及油气等行业深度应用，挖掘10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，制定完善百项技术标准，培育一批行业级研发创新平台，形成符合我国国情的能源领域人工智能技术创新发展模式。

到2030年，聚焦自主可控、深度赋能、国际领先。在前期技术积累和场景验证的基础上，着力推动能源领域人工智能专用技术实现体系化突破与规模化落地。这一阶段更注重核心技术的自主创新与深度融合应用，通过人工智能技术增强能源系统的安全性、绿色化和效率，支撑我国新型能源体系建设。

《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。

一是面向能源各场景全方位赋能。《实施意见》围绕煤、电、油、气各能源品种，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、煤炭及油气八大应用场景，推动能源领域共享人工智能发展红利，助力传统化石能源产业数字化智能化升级，加快新能源、能源新业态及能源交叉领域与人工智能的深度融合，培育壮大能源新产业新模式。在纵向上，围绕能源装备制造、能源生产、输运、调度、消费等环节，强化人工智能对能源产供储销的提质增效作用，提升能源系统整体效率。

二是专栏明确典型场景建设路径。坚持战略引领与精准落地并重的原则，聚焦智能化转型需求急迫、数据基础完备、应用价值明确、规模化应用潜力大的方向，以专栏形式明确了37个人工智能+能源的融合应用发展重点任务，涉及百余项场景，其中，油气方向有6个，煤炭、电网、水电及能源新业态方向各5个，火电、新能源方向4个，核电方向3个，同时，提出了各项任务的建设路径与目标。

三是加大关键共性技术供给。围绕数据、算力及算法，系统构建人工智能应用基础支撑体系，提出人工智能在能源领域应用的三大共性关键技术攻关方向：夯实数据基础，加快形成能源领域高质量数据集，确保能源数据全流程安全可靠；强化算力支撑，统筹规划资源，构建算力、电力深度融合的算电协同发展机制；提升模型基础能力，推动人工智能与能源领域软件深度融合，加快突破人工智能绿色低碳技术瓶颈。

“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。”上述负责人提到了下一步工作的3个重点。

在强化组织实施方面，加强统筹协调，形成上下联动的工作格局，推动各地方、各企业因地制宜细化落实举措，建立健全长效工作机制并强化过程督导，确保《实施意见》各项任务落到实处、取得实效。

在加强产学研协同方面，综合考虑煤电油气各行业应用潜力、成熟度及带动作用等因素，遴选一批能源领域人工智能应用高价值场景，鼓励企业、科研院所和高校等各类创新主体建设高水平研发创新平台和创新联盟，促进产学研用深度融合。

在加速科技成果转化方面，探索建设行业级人工智能应用测试平台，有效协同企业自主研发的大模型，解决大模型“重复造轮子”问题，避免先进算力和能源资源被过度消耗。遴选一批可复制、易推广的标杆场景与案例，鼓励体制机制与商业模式创新，推动能源领域人工智能科技项目实施与成果转化。（何  珺）