国家级零碳园区建设启动 - 2026年国家级零碳园区建设迈入进行时，首批6家园区需在2027年率先完成建设，包括河北沧州沧东经济开发区、辽宁沈阳中德高端装备制造产业园等 [1] - 建设零碳园区需要园区管理方、企业、专业服务机构等主体合力协作，一批园区已展开实践，探索零碳工业体系路径 [1] - 国家级零碳园区是应对绿色贸易挑战的桥头堡，例如远景在内蒙古鄂尔多斯布局全球首个零碳产业园，旨在应对海外市场对电池等产品设立的碳壁垒 [1] 零碳园区的内涵与建设模式 - 零碳是一种目标牵引，鼓励园区尽可能多地使用清洁能源，通过风电、光伏、储能实现绿电直供园区 [1][2] - 目前没有园区能真正做到完全的零碳，零碳并非一蹴而就 [2] - 首批52个国家级零碳园区建设范围以“园中园”为主，这是针对已建成运营多年存量园区的务实高效切入点，旨在快速打造可示范、可复制的样板 [2] - “园中园”模式能为未来整个存量园区的渐进式改造探索路径、积累经验，避免对完整存量园区进行全面改造所面临的技术、经济和运营巨大挑战 [2] 构建零碳园区的三大核心体系 - 打造零碳产业园需要依托新型能源系统、零碳数字化管理体系与绿色工业集群三大体系，将能源转型、数字技术和产业集聚三者融合 [1][3] - **体系一：新型能源系统** 以高比例新能源为核心、以绿电直连为主要模式，涉及新能源发电、绿电直供、增量配网、储能调节、源网荷储一体化调控 [3] - **体系二：零碳数字化管理体系** 依托AI和IoT技术构建能碳管理平台，实时追踪、计算与核算整个园区的能耗及碳排放数据，对产品碳足迹进行全生命周期管理 [3] - **体系三：绿色工业集群体系** 零碳产业园背后是绿色产业集群概念，园区内聚集产业链上下游企业，例如电池产业园聚集正极、负极材料、电解液、隔膜等上游供应商及下游应用方 [3] 零碳园区指标实践与技术应用 - 鄂尔多斯零碳产业园的清洁能源占比已达到100%，其中80%电力来自园区周边风光项目的绿电直供，20%通过电网购买绿电补充 [4] - 为应对风光资源波动性，公司基于自主研发的“天机”气象大模型与“天枢”能源大模型，实现分钟级精度的风光发电预测，并将AI超短期预测与实时调控深度融合 [4] - 系统可预测未来15分钟的发电情况，通过精准预测与智能调度，实现发电、储能与用电三者的动态优化与协同，在保障系统稳定前提下实现经济性最优 [4] - AI大模型平台正针对国家级零碳园区新引入的固体废物、工业用水、余热余压利用率等多维度指标进行功能深化与扩展，通过物联网技术全面采集各类资源数据 [4][5] 绿电供应模式探索与比较 - 国家级零碳园区建设文件推动“绿电直连、新能源就近接入增量配电网”等绿色电力直接供应模式落地 [6] - **“源网荷储”模式** 不允许电力反送电网，若绿电发电量超过实时负荷，多余电力只能弃用或依靠储能存储 [6] - **“绿电直连”模式** 允许不超过20%的电力反送电网，其投资回报率通常高于不允许电力上网的项目 [6] - 两种模式均要求发电侧必须与用电侧的负荷曲线进行精准匹配与拟合，企业面临“源荷互动”和仿真模拟的技术挑战 [7] - 远景赤峰绿色氢氨项目已连续稳定运行超过22个月，多次成功应对连续16小时无风无光的极端挑战，验证了绿电直连在高载能工业场景中的技术可行性与安全性 [7] - 绿电直连在具体落地中存在园区或企业供电的专用线路由谁投资等待解决问题 [6] 区域发展策略与挑战 - 西北等北方地区拥有得天独厚的新能源资源和广阔空间，实现零碳路径相对容易 [7] - 人口密集、产业聚集的东部及沿海地区园区，实现零碳的挑战更为显著 [7] - 传统能源聚集的区域往往发展零碳园区的动力更强，旨在通过建设绿电直连等零碳基础设施来保留并升级本地产业，避免产业因碳约束或成本压力外迁 [8] - 针对高挑战性区域需多路径探索：优先推动绿电直连建设本地化绿电直供系统；探索跨区域绿电交易；深度挖掘节能与循环利用潜力，通过对废水、废热、废弃物的循环利用和节能改造降低能耗 [9]

物理人工智能概念与优势 - 提出物理人工智能概念，即AI与物理定律、系统边界、知识图谱深度耦合的新范式，结合数据智能与能量守恒定律、空气动力学方程等物理规律，以消除传统大语言模型的幻觉，让AI在真实物理世界可靠发挥作用[2] - 物理人工智能是未来重要发展方向，代表从认识世界到改变世界的变革，能源领域可能成为其率先应用的领域[2] - 中国在物理人工智能和能源大模型赛道具备全球领先潜力，因拥有丰富工业化场景和复杂能源系统提供海量数据，而美国AI更偏向消费端，缺乏足够制造实践和应用场景[3] 能源大模型的应用价值 - 能源大模型能化解人类在复杂能源系统和电力市场中的焦虑，其超级能力包括毫秒级处理海量数据、发现隐藏规律和做出最优决策[4] - 应用能源大模型后，AI风机能产生更多收益，AI储能更好进行市场化交易，电网中能帮助管理风险并提升绿色电力比例[4] - 在对比试验中，AI风机较同风场未加装AI的风机收益提升20.9%[6] - 能源大模型推动行业重心从物质资产转向智能资产，从规模优先走向高效能和高收益的理性繁荣，是结束新能源行业内卷的重要工具[7][8] 远景公司的战略与优势 - 远景科技集团定位为能源系统公司，业务覆盖风机制造、动力电池、储能、绿色氢氨醇、零碳产业园等领域，将打造能源大模型视为未来最重要工作之一[2][5] - 公司具备独特优势，因需了解整个电力市场变化、风、电网运行、负荷等全局观和海量底层数据，其赤峰零碳氢能产业园作为全球最大绿色氢氨项目和最大独立可再生能源电网，为能源大模型提供最佳训练场，形成闭环系统并产生海量数据[5] - 远景发布天枢能源大模型，驱动AI电力系统、伽利略AI风机、伽利略AI储能等产品，运用图神经网络、时空模型和多模态Transformer等算法，通过云、边、端协同实现实时控制[5] - 预计1-2年内能源大模型将发挥明显作用，三年左右达到足够强大形态，类比自动驾驶L3级别，未来能源系统将进化为由数以亿计智能体构成的生态系统[11] 能源行业挑战与转型 - 构建以新能源为主体的新型电力系统面临挑战，风电、光伏等清洁能源的波动性和间歇性带来发电出力和电力市场交易的不确定性[4] - 新能源制造业陷入内卷危机，光伏、风电、锂电池等产业出现产能过剩、降价潮，市场交易均价大幅低于生产现金成本，导致企业巨额亏损[7] - 内卷源于同质化产能无节制扩张和恶性低价竞争，国家层面已发起反内卷倡议和行业自律公约[7] - 在市场化电力系统和能源金融化趋势下，企业需从堆肌肉转向长脑子，注重风险管理与收益提升[8]

核心理念与行业趋势 - 人工智能正从工具属性转向主体属性 成为需要培育和共创的同事[1][2] - 未来能源系统将进化成智能体生态系统 而非设备的简单堆叠[1] - 能源行业竞争核心将从物质资产转向人工智能资产[1][3] - 可再生能源成为主体能源导致电力系统复杂性呈指数级增长 电价波动加剧[2] - 人类难以驾驭的复杂性能源系统为人工智能提供了绝佳应用场景[2] 物理人工智能概念与技术 - 物理人工智能是AI与物理定律 系统边界 知识图谱深度耦合的新范式[2] - 将数据智能与能量守恒定律 空气动力学方程等物理规律结合 可消除传统语言大模型的幻觉[2] - 中国因丰富应用场景和产业数据 有望在物理人工智能领域实现全球领先[2] - 远景气象大模型天机显著提升了7天以上中长期气象预测准确性[3] - 远景能源大模型天枢具备全局感知 系统洞察和持续进化能力 应用于构建新型电力系统[3] 公司产品与战略布局 - 远景基于风电 储能 氢能 气象等产业能力和海量数据打造能源大模型[4] - 公司发布天枢能源大模型驱动的AI电力系统 伽利略AI风机和AI储能等前沿产品[3] - 能源大模型运用图神经网络 时空模型和多模态Transformer等先进算法 通过云边端协同实现实时控制[3] - 物理人工智能主导的能源大模型旨在推动绿色能源转型 终结行业同质化内卷竞争[4]

核心观点 - 远景能源发布伽利略AI风机，通过物理人工智能技术解决风电行业核心痛点，引领行业进入新阶段 [1] - AI风机解决方案基于四大平台，可将风电场收益提升20%以上，并通过示范项目验证了20.9%的收益提升 [3] 解决方案与技术平台 - 基于"天机"气象大模型与"天枢"能源大模型搭建全域多模态感知平台、数字孪生平台、智能控制平台和设计演化平台 [3] - 该解决方案旨在解决预测不准、风机发电性能差、安全质量隐患高等行业痛点 [3] - 示范风电场一半风机加装AI模块后，收益提升20.9%，通过精准预测、高电价交易、算法算力提升和全域多模态融合预警实现目标 [3] 预测精度提升 - "天机"气象大模型利用千卡算力和百亿参数模型，融合多模态数据和全球超过800GW能源资产数据 [5] - 模型嵌入物理约束，仅需3分钟即可生成未来15-30天的全球精准预报 [5] - 通过实时运行数据反馈形成闭环，区域级高时空分辨率可做到20米以内，持续优化预测结果 [5] 发电能力提升 - AI风机核心是过亿参数规模的神经网络，在高性能芯片支持下进行实时在线推理 [7] - 智能控制平台实现从毫秒级响应到月级别策略调度的深度融合，使风机具备预感能力和自愈力 [7] - 后台云端设计研发平台覆盖百万级仿真工况，通过海量数据实现每年超亿级案例仿真迭代，完成从标准设计到自主设计的转变 [7] 预警准确率提升 - 通过自研自制和高保真数字孪生平台掌握核心部件基因图谱 [9] - AI算力算法结合海量运行数据和物理分析，将预测准确度和覆盖度推升至新高度 [9] - 以叶片失效为例，通过多模态信号监测可早期发现风险，故障预警周期提前2个月以上 [9] 行业影响与展望 - AI风机使风机从"工具"转变为洞察天气、了解电力市场、调整功率曲线的"智能体" [11] - 人工智能对风电的赋能具有巨大想象空间和进化空间 [11]