“AI+”改变千行百业

在陕北毛乌素沙漠，智能开采系统使单井日产提升40%，吨煤能耗下降 15% ；在长江经济带，燃煤电厂通过燃烧优化，每年减排二氧化碳超百万吨；在黄骅港煤炭港区，工作人员轻点鼠标，仅一个小时就完成了 8000 吨煤炭卸车作业……这是国家能源集团以人工智能等新技术驱动各产业板块智能化发展的新图景。

6月28日，国家能源集团在京正式发布“擎源”发电行业大模型。

目前，“擎源”已在水电、火电、风电、光电、储能等关键领域成功构建41大智能体，实现发电业务全流程的自动感知、智能决策与精准执行。这一里程碑式成果，标志着我国发电行业智能化、数字化转型迈入全新阶段。

当前，我国正处在产业升级的关键阶段，人工智能作为新一轮科技革命的核心驱动力，正在深刻改变传统产业模式，成为产业变革和升级的关键引擎。

近日，本刊记者深入一线企业调研采访，系统梳理了人工智能技术赋能传统产业转型升级的实践与成效。

能源产业打造“新大脑”

人工智能作为新一代技术的代表，正深刻推动着各行各业的创新与变革。AI除了在互联网领域成为各大公司“标配”，在能源、制造、农业等传统领域，也开始深度融入。在国家能源集团，“AI+能源”的发展路径日益清晰，不断催生出新的业态和模式。

从煤矿“无人采掘”到电站“黑屏运行”，再到化工全流程数字化，国家能源集团吹响“AI+”行动号角，火力全开，按下“快进键”。

让AI真正懂发电

“行业大模型，必须‘懂行业’。”国家能源集团数智科技公司（以下简称“数智科技公司”）研发工程师罗玮的这句话，道破了模型研训的核心。数智科技公司是“擎源”发电行业大模型的建设主体。

然而，让大模型真正懂发电绝非易事。通用大模型在步入发电行业时，可能会对“锅炉负荷调整”“配煤掺烧规则”等专业术语理解偏差，还可能对“今天煤质咋样”这类半句话提问意图误判，更可能因工具库庞大而选择困难。

数智科技公司团队以“数据、意图、工具”为三大攻坚方向，展开技术突围。在数据治理上，团队用8个月时间，从700T原始数据中“沙里淘金”，清洗出450G覆盖文本、视觉、时序、语音的高质量数据集，并邀请380位行业专家逐笔标注；独创的多模态融合对齐技术，更让模型能“触象鼻、摸象身、听象声”，全方位掌握行业知识。

罗玮告诉本刊记者：“传统电力领域中，不同业务场景的专业系统因开发标准不一、数据接口各异，往往会陷入各自为战的困境——用户需反复切换系统登录，数据调用依赖人工导出，新场景开发更要从头再来。这些问题，成了制约大模型价值释放的‘隐性壁垒’。”

为了应对这一挑战，数智科技公司团队深入分析了各类任务需求，并结合对上千种工具功能特性的理解，开发出能够自动优化工具调用顺序的AutoTOC智能调度算法。

智能体是大模型与生产一线的“最后一公里”。数智科技聚焦火电核心场景，开发覆盖安全环保域、电力交易域、产调中枢域、设备检修域四大核心业务领域的智能体，用解决真问题的实效，让“擎源”从“实验室”走向“生产线”。

从打破应用孤岛的协作平台，到锻造行业“最强大脑”的模型研训，再到激活一线价值的智能体开发，数智科技公司一年多来的技术攻坚，为“擎源”发电行业大模型的发布交上了一份硬核答卷。

国家能源集团公司党委委员、副总经理、大模型专项工作组副组长高彦超说：“作为国家能源集团‘AI+能源’战略的核心技术支撑者，我们奋力担当数字化转型重要实施者、数字化技术关键提供者、智慧化信息化领域创新引领者，通过打造全球首个千亿级发电行业大模型，树立发电行业智能化转型的新标杆，加速实现前沿技术在产业数字化和数字产业化领域的融合赋能。”

从“单点优化”到“全局智能”

在北京二环中轴路附近的国家能源集团生产调度中心，调度人员只需轻点鼠标，可视化大屏上便立即展现出这些场景：智能矿山百米井下正在前进的无人化采掘工作面，与东海之滨繁忙运转的港口智能翻车机遥相呼应；戈壁滩上旋转的白色风车，与高峡平湖间矗立的百米水坝“隔空对话”；钢铁洪流般呼啸前行的运煤列车，与电厂堆煤场的乌金交相辉映，共同构成一幅令人振奋的蓬勃发展景象。

这是国家能源集团以煤电化运一体化协同为核心、构建智能化生产运营调度平台打造的基石系统。

国家能源集团电力产业部运行分析处经理王安向本刊记者详细介绍了数字时代能源产业创新发展成效——

技术创新不断突破。大模型成为核心驱动力。能源行业大模型通过多源数据融合与行业知识注入，实现从“单点优化”到“全局智能”的跨越，如“光明电力大模型”“能源通道（基石）大模型”“昆仑大模型”等能源行业大模型不断发展，面向不同用户群体和不同业务应用场景，可以提供全局化服务，构筑智慧能源“大脑”。

算力基础设施不断完善。“算力+能源”是深化算力赋能行业应用的重要领域之一，能源算力应用中心逐步建设，支撑能源智能生产调度体系，实现源网荷（如光伏、风电等能源源头、电网、用电负荷）互动、多能协同互补及用能需求智能调控。同时，全国一体化算力网建设加速，正在不断优化算力与电力基础设施的时空布局，因地制宜整合分配能源生产、消费、存储及算力资源。

产业生态逐步构建。我国能源AI产业生态已形成“算力筑基、数据赋能、场景驱动、跨界协同”的发展格局，覆盖从底层基础设施到上层应用的全链条。高校、科研机构与能源企业形成“基础研究—技术开发—场景验证”的闭环生态。

“总之，人工智能的深度应用不仅有效解决了当前能源行业面临的诸多挑战，更是推动能源系统绿色低碳、灵活高效、安全可靠发展，以及面对日益复杂的能源市场波动，供给侧响应敏捷性全面提升，为构建新型能源体系提供了强有力的技术保障。”王安说。

“AI+能源”应用场景日益丰富，催生新业态

在能源行业，“AI+能源”的发展路径日益清晰，不断催生出新的业态和模式。

在电力领域，AI技术贯穿于发电、输电、配电和用电等各环节，通过优化运行参数、调度策略和用电设备控制，显著减少了能源浪费和损耗，提高了整个能源链路的效率。

例如，在发电侧，AI可以优化发电机组的运行方式，提高发电效率；在电网侧，可以优化电力调度，减少线路损耗；在用户侧，则可以通过智能控制实现节能降耗。在电网运行上，AI技术可以实时监测电网运行状态、辅助调度决策，及时发现并预警潜在的安全隐患，有效提升电网的安全性和稳定性。

在煤炭领域，2024年以来，我国煤炭智能化产能占总产能的比例提升至50%以上。AI技术可以有效应用于煤矿开采、设备诊断、安全预警等方面。例如，通过实时分析矿区传感器与监控数据，精准判断安全隐患，自动调整预警策略，有效预防事故。通过设备诊断模型可以实现掘进机、采煤机等关键设备故障智能预警与诊断，促进煤炭行业设备检维修模式从被动计划检修向主动状态维护转变。

在油气领域，以“三桶油”为代表的油气化工企业在勘探开发、炼化销售、装备制造等领域积极打造特色鲜明的应用场景，如以大模型为核心的人工智能技术融合多元数据源，构建三维可视化油藏模型，提高油井产能衰减预测精度和储层识别准确率，优化开发方案决策，提升采收率。同时，行业也不断推动工业机器人、无人机应用到智能钻井、检维修、高危作业等场景。

在可再生能源领域，针对风能、太阳能等可再生能源的间歇性和不稳定性，AI技术能够精准预测发电情况，优化并网和消纳流程，提高可再生能源的利用率。此外，通过智能调度和储能技术的应用，AI有助于解决可再生能源供电的稳定性问题，确保其持续可靠地为电网供能。

“接下来，国家能源集团将持续深化5G、AI、数字孪生等技术应用，不断推动能源产业向‘安全、 高效、绿色、智能’方向迭代，为高质量发展和中国式现代化建设提供坚强能源保障。”王安说。

千行百业都在拥抱AI

不只是能源行业，人工智能正在全方位推动传统产业智能化升级。

在农业领域，智能监测和精准灌溉技术显著提升作物产量；冶金行业借助机器学习优化冶炼工艺，提高能效；医药研发则因AI的介入大幅缩短新药研发周期。此外，港口自动化、智能印刷、AI手机和材料计算等创新技术，正在持续提升行业效率并创造新价值。

在全球科技竞争日益激烈的背景下，AI赋能已成为传统行业提升生产力的关键——既催生新业态，也倒逼企业加速转型。在政策支持与技术迭代的双重驱动下，AI与实体经济的深度融合，正深刻重塑产业格局。

在农田，在采油厂，在服装制造厂里……

在江苏某现代农业示范基地的玻璃温室内，一架搭载多光谱相机的巡检无人机正沿着作业通道平稳飞行。这套由上海开放大学研发的智能监测系统，成功攻克了温室环境下的世界性技术难题——在信号复杂的封闭空间实现厘米级精准定位。

该基地技术团队负责人向本刊记者介绍，该系统创新性地解决了钢结构对无线信号的干扰问题，确保了无人机在复杂环境中的稳定运行。

据了解，该系统集成了自主飞行、精确定位和多模态传感三大核心功能，能够对温室作物进行无损化、高通量的数据采集，实时获取植株的图像、光谱、温度等多维度生长信息。

“我们不仅采集表面数据，还通过定点植株汁液离子浓度的原位检测进行模型校准，确保数据的精准性。”技术团队负责人说。在数据处理环节，系统运用AI技术，可精准解析作物长势、营养状态和水分胁迫程度，实现从传统“经验管理”向基于实时需求的“数据对话”式精准调控转变。

实际应用数据显示，该技术使合作基地的作物产量提升3%，节水率达10%，肥料使用减少5%。“过去靠老师傅的经验，现在靠精准的数据说话。”技术团队负责人感慨道。

除了农业，人工智能技术正在向工业、服装制造业、通信等领域加速渗透，推动传统产业实现智能化升级。

近日，大庆油田采油三厂迎来了一位特殊的“新员工”——智能巡检机器人。这款机器人集成了自主导航、避障、图像分析与视觉识别等技术，可实现生产参数的实时监测、异常报警以及设备优化运行管理，不仅将工人从危险作业环境中解放出来，还实现了岗位资料的自动化处理，大幅提升了管理效率。

在服装制造业，头部企业通过引入AI辅助设计大模型，实现从裁剪、车缝、整烫到仓储配对的一体化生产流程无缝对接，大幅提升定制服装占总产量的比例。