能源數字經濟從「概念探索」走向「實踐深耕」

轉自：中國能源報

業內認為，在政策協同、技術攻堅與生態共建的合力下，我國能源數字經濟正從「概念探索」邁向「實踐深耕」，為全球能源革命貢獻中國智慧。

「數字經濟已經成為推動全球經濟結構重組、資源重新配置的重要力量」「能源電力行業持續推動數字技術與能源電力深度融合，也促使能源電力經濟規模屢創新高」「數字智能技術與能源電力產業的深度融合已然成為推動能源高質量發展，培育新質生產力的關鍵力量」……在近日舉行的「能源數字經濟交流會」上，與會專家普遍認為，能源電力行業的數字化、智能化轉型是推動構建清潔、低碳、安全、高效的新型能源體系，支撐新型電力系統建設的重要驅動力量。

業內認為，在政策協同、技術攻堅與生態共建的合力下，我國能源數字經濟正從「概念探索」邁向「實踐深耕」，為全球能源革命貢獻中國智慧。

戰略引領與產業升級新引擎

在能源革命與數字革命深度融合的背景下，能源數字經濟已成為推動能源行業高質量發展的核心動力。統計數字顯示，2024年，電力行業總資產超22萬億元，總收入達8.2萬億元，分別佔全國GDP的1/6和6%，15家電力企業進入《財富》世界500強，數量約佔中國企業的12%。數字融合成效逐步顯現，2024年，我國主要電力企業數字化投入超過400億元，今年1至7月，全國累計完成電力交易電量3.5萬億千瓦時，佔到全社會用電量比重61.2%。

「新能源用户聚合，電產協同等新業態交易電量持續提升，帶動相關產業規模超萬億元，為能源數字化轉型提供了堅強支撐。」中國電力企業聯合會黨委書記、常務副理事長楊昆強調，未來數據要素化、技術智能化、產業生態化是研究的三大方向，通過政策諮詢、標準共建、產業孵化等功能，助力構建清潔低碳、安全高效的新型能源體系。

國家能源局信息中心原主任梁建勇指出，能源數字化是破解能源安全、效率、低碳三重挑戰的關鍵。我國5G基站數量已達455萬個，生成式AI專利全球佔比61.5%，虛擬電廠規模突破3500個，技術創新成果顯著。他提到，國務院《關於深入實施「人工智能+」行動的意見》明確了「到2027年實現六大重點領域廣度融合、2035年全面步入智能經濟新階段」的目標，能源行業需抓住機遇，推動數智化轉型從「單點突破」向「系統重構」跨越。

國家電網副總工程師、國網能源研究院黨委書記、董事歐陽昌裕表示，能源數字經濟的發展不僅是技術應用，更是生產要素、生產力、生產關係的系統性變革。數據作為新型生產要素，正深度融入能源供給、傳輸、消費與交易全環節，推動產業鏈上下游協同創新。在生產要素方面，數據作為新型生產要素正深度融入能源供給、傳輸、消費與交易全環節，推動產業鏈上下游的信息共享和自主協同。在生產力方面，數字智能技術為行業注入新動能，精準預測調度、響應需求、增強韌性，人工智能助力科技創新與新質生產力打造。在生產關係方面，數字經濟向能源電力行業加速滲透融合，打破時空限制，延伸產業鏈條，推動業務跨界創新發展，通過數字共享、平臺共建、價值共創等方式，數字化、智能化為能源電力行業多主體深度互聯和高效合作創造了有利條件。

國家電網數字化部主任助理趙永彬指出，在「雙碳」背景下，電源結構清潔化、電網形態多元化、數智特性靈活化，給電網企業帶來巨大考驗，因此採用數字化、智能化的手段支撐新型電力系統建設在業內已經形成共識。而人工智能作為數字化的高階形態和高級階段，給未來新型電力系統建設提供了一個重要的路徑。

「能源行業是戰略性新興產業與未來產業的重點發展方向。中央部委與地方政府推出財政補貼、試點示範等舉措，畫出清晰發展藍圖，營造鼓勵創新的制度環境。」中國大唐集團技術經濟研究院戰略所所長申萬對《中國能源報》記者表示，近年來，能源央企普遍設立數字科技類公司，更好地為央企數字化轉型助力。在技術層面上，物聯網、大數據與人工智能、區塊鏈、5G與邊緣計算等技術與能源行業耦合，持續降低風電光伏度電成本，顯著提高新能源消納，推動綠色轉型，重塑能源業態。

數據孤島、技術瓶頸與生態待破局

儘管能源數字經濟前景廣闊，但行業仍面臨多重挑戰。中國工程院院士劉合指出，當前大模型發展存在「數據質量不足、算力成本高、算法協同弱」三大痛點。他強調：「AI系統的成敗80%取決於數據優劣，但能源行業數據確權難、共享難、流通難，導致‘數據大不等於大數據’。」以油氣行業為例，數據不可重複、動態變化的特點使得訓練樣本稀缺，而過度依賴公有數據易導致模型「幻覺」和性能下降。

劉合表示，大模型的性能高度依賴海量、高質量的訓練數據。然而，當前行業普遍面臨數據不足與質量低下的雙重困境。當訓練樣本激增而數據質量參差不齊時，模型容易產生嚴重的「幻覺」現象，即生成內容與事實嚴重不符，導致模型能力下降，內容可信度大打折扣。此外，大模型的訓練與部署成本高昂，已成為制約其廣泛應用的關鍵障礙。以千億級參數模型為例，單次訓練的算力成本即可高達數百萬元。此外，模型的持續優化、迭代更新以及反覆調優均需投入鉅額資金，導致總體成本持續攀升。

申萬也認為，目前數據價值未能充分發揮。能源電力行業的物理特性決定了將源源不斷產生海量的高頻數據，但其中大量的數據並未進行有效的治理和挖掘，高質量數據缺乏，數據價值未能充分發揮，數據從資源到資產的轉化不足。此外能源電力業務數智化轉型需要高額的軟硬件投入，但對應的經濟回報周期長，虛擬電廠、新型儲能等新業務盈利模式仍需持續探索。另外，缺乏既懂能源電力行業又懂數字化的複合型人才。現實業務場景里，懂電力的人不熟悉數據模型，懂算法的人不瞭解電力供需。項目一落地就陷入「翻譯」困境，導致需求反覆修改，工期拉長，成本抬升。

梁建勇則從政策與生態層面指出，能源數字化存在「重硬件輕軟件、重建設輕應用」的傾向，數據孤島與安全風險突出。「能源行業數據保密制度滯后於時代發展，跨部門協同機制尚未健全，導致數據價值難以釋放。」此外，核心技術自主可控不足，高端傳感器、智能芯片依賴進口，人才短缺問題也制約了轉型深度。他舉例：「煤礦智能化採煤工作面雖已超50%，但核心算法仍需突破，AI人才缺口達百萬級。」

建議政策協同、技術攻堅與生態共建

面對挑戰，業內專家提出系統性解決方案。劉合建議，行業需加強數據全生命周期管理，建立專用數據中心，推動「大小模型聯動、開源與自主結合」，以場景化應用破解技術落地難題。「油氣行業應聚焦勘探、生產等核心場景開發專用小模型，避免大模型‘參數虛增’。同時，建立‘物理隔離+異地算力’的數據安全機制，平衡開放與保密需求。」他強調，能源企業應聯合構建行業數據底座，提升數據質量，為AI訓練提供「高質量燃料」。

梁建勇呼籲，需強化頂層設計，構建協同高效的政策法規體系。應明確能源數智化發展的戰略規劃，加強跨部門、跨領域的資源整合與協同聯動。依據國務院剛發佈的《關於深入實施「人工智能+」行動的意見》指導精神，由國家發改委牽頭，統籌科技部、工信部、國家能源局等多方力量，形成工作合力。同時，應加大財政金融政策的傾斜支持力度，為能源數字化、智能化項目提供有力保障。尤為關鍵的是，必須同步健全數據安全、隱私保護、網絡安全的法律法規與監管機制，確保能源數智化在安全、可靠的軌道上穩健發展。

「未來能源行業首先要打通‘數實融合’中的數據供給堵點，培育一批專業化程度高、分析能力強的數據服務機構，服務能源電力企業進行數據治理，深度挖掘數據價值。同時加大數據開放，對數據進行必要的脱敏脱密后，依託統一的公共數據平臺向全社會開放，降低全社會的用數成本，更好服務AI+時代的數據需求。」申萬建議，其次，加強對能源數字產業政策扶持力度，出臺更多有利於能源數字產業協同發展的政策，包括税收優惠、資金補貼、市場準入等，以更大力度支持能源電力企業積極投資新型儲能、虛擬電廠、充電基礎設施、智能微電網等能源新技術新業態新模式。最后，推動「產學研」深度融合，支持能源電力、信息技術、生產製造等多行業企業深度跨界合作，同時與有關高校、科研院所合作培養畢業生，強化跨學科整合能力，培養一支既懂能源電力業務，又懂數智化專業技術的複合型人才隊伍。

文 | 本報記者 蘇南