远景张雷：中国依托丰富场景数据，加速能源大模型发展

在近期一场聚焦“人工智能与未来能源系统”的科技闭门会议上，远景科技集团董事长张雷首次系统阐述了“物理人工智能”这一创新理念。他指出，传统大语言模型虽能处理关联关系，却难以捕捉物理世界的因果逻辑。而将AI与能量守恒、空气动力学等物理定律深度融合，正是突破这一瓶颈的关键路径。这种“AI+物理规律+系统边界”的新范式，有望消除人工智能的‘幻觉’问题，使其在真实物理场景中发挥可靠作用。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

张雷认为，能源领域将成为物理人工智能的首要突破口。作为人类社会的基础设施，能源系统的复杂性为AI提供了绝佳试验场。以风电、光伏为主体的新型电力系统虽能大幅降低碳排放，但其波动性和间歇性给电网调度带来巨大挑战。AI的毫秒级数据处理能力和全局优化决策能力，恰好能解决这一矛盾——通过预测发电出力、优化市场交易、管理电网风险，AI可显著提升新能源消纳比例，推动电力系统向“智能体”生态系统演进。

相较于美国在消费级AI领域的领先，张雷更看好中国在能源大模型赛道上的潜力。他分析称，美国AI应用多聚焦于to C场景，缺乏工业化场景和复杂能源系统的数据积累，尤其在风机制造、储能技术等物理实践层面存在短板。而中国凭借丰富的应用场景和产业数据，更有可能在这一领域实现全球领先。远景科技集团的发展轨迹便是典型案例：从风机制造起步，逐步拓展至动力电池、储能、绿色氢氨醇等领域，最终定位为能源系统公司，为能源大模型提供了从设备到系统的全链条数据闭环。

以远景赤峰零碳氢能产业园为例，该项目集成了全球最大绿色氢氨项目和独立可再生能源电网，成为能源大模型的“天然训练场”。园区内风机、储能、电网等设备的协同运行，不仅产生了海量系统性数据，更培育了AI的全局感知能力。基于这一优势，远景推出了“天枢”能源大模型，通过图神经网络、时空模型和多模态Transformer算法，结合云边端协同控制，实现了对天气、设备、电网和市场的实时分析。目前，该模型已驱动AI风机、AI储能等产品的商业化应用，部分试验数据显示，AI风机较传统机型收益提升超20%。

在新能源制造业深陷“内卷”的当下，能源大模型被张雷视为破局关键。过去三年，光伏、风电、锂电池等行业因产能过剩和恶性价格战陷入亏损泥潭，部分企业甚至出现市场均价低于生产成本的现象。张雷指出，同质化竞争的本质是“比大小、拼肌肉”，而能源大模型将推动行业重心从物质资产转向智能资产。“智能无法用规模衡量，未来竞争将聚焦于效益和效能。”他强调，能源大模型不仅能提升设备收益，更能帮助企业规避市场风险，实现从“堆肌肉”到“长脑子”的转型。

尽管市场已涌现出多种能源大模型概念，但多数在数据基础、算力支撑和可靠性验证方面存在不足，行业尚未形成权威标准。远景的规划则更为务实：张雷透露，预计1-2年内能源大模型将显现明显价值，3年内达到类似自动驾驶L3级别的成熟度。他描绘的未来能源系统，将由数以亿计的智能体构成，像珊瑚礁一样持续演进，其核心目标是更高效地消纳绿色电力，以更低成本为社会提供稳定能源。