核心观点 - 国家层面系统谋划能源领域人工智能与行业融合发展路径 提出2027年和2030年两阶段发展目标 明确关键技术布局和应用场景 为培育新质生产力提供顶层设计和行动指南 [2][4] 发展背景与需求 - 人工智能是构建新型能源体系的关键技术引擎 对能源生产与消费方式产生长期影响 [3] - 国内能源企业已发布十余个企业专用大模型 但存在各自为战开发现状 导致资源冗余和系统壁垒 制约长远发展 [3] - 亟需引导发展方向 降低人工智能使用成本 提升场景落地效果 [3] 阶段发展目标 - 2027年目标侧重打基础树标杆探路径 开展能源全领域行业级专业大模型应用和典型场景挖掘 通过示范项目平台建设标准制定人才培养推进技术验证与模式探索 [4] - 2030年目标侧重全面赋能生态构建 推动能源人工智能技术总体达到世界领先水平 形成全球领先研发创新基地 实现跨领域跨业务场景赋能 [4] 关键技术布局 - 夯实数据基础 构建能源行业级高质量数据资源体系 解决数据孤岛问题 [6] - 强化算力支撑 推动算力布局与电力资源协同规划 实现算力资源高效协同与低碳运行 [6] - 提升模型基础能力 突破多智能体协同和可解释人工智能等关键技术 打造贴合能源供需特点的精准算法 [6] 专业大模型建设 - 构筑5个以上专业大模型 重点围绕电力煤矿油气等能源业务特点 [7][8] - 推动大模型与专业软件融合 大小模型协同及智能体等研发模式创新 强化专业认知与决策支持能力 [7][8] 应用场景规划 - 重点围绕电网能源新业态新能源水电火电核电煤炭油气等方向 [9] - 推动人工智能在预测分析规划设计调度运行市场交易设备运维等典型场景规模化应用 [9] - 增强人工智能在能源供需平衡安全监控预警内部协同优化跨域融合创新等方面的支撑作用 [9] 创新生态建设 - 推进试点示范 遴选可复制易推广的场景和企业标杆应用 支持地区和企业开展应用试点 [11] - 完善标准规范 建立健全覆盖技术研发应用落地和效果评估的全链条标准体系 制定能源数据治理算力融合等基础规范 [12] - 强化协同创新 设立创新平台组建创新联盟 构建产学研用深度融合的良性循环体系 [13]