一、人工智能技術發展趨勢分析

　　大模型代表當前人工智能發展熱潮，已經成為人工智能技術發展應用的重要底座，近期發展以增強多模態融合和規則學習能力為主，中期與物聯網、機器人、量子科技等跨領域技術融合加速，遠期向具有自主認知、決策與執行能力的通用人工智能發展。

圖1 以大模型為主的人工智能技術演進趨勢

　　近期發展重點聚焦在對當前大模型理解能力和生成能力的進一步升級，主要體現在多模態融合增強多元數據處理能力、結合強化學習增強對于規則的理解學習能力兩方面。多模態融合，提升對視頻、聲音、圖像、文本等不同類型數據的對齊轉化與融合分析能力；與強化學習結合，引入物理邏輯或社會規則，增強大模型對確定性知識的準確理解與學習能力。

　　中期發展集中在與其他領域技術的融合加深，主要體現在邊緣智能、具身智能和量子人工智能等方面，是對大模型與物理社會系統交互方式的重要拓展。邊緣智能，大模型將廣泛開源，中小型或個體開發者可以調用大模型能力提升邊側與端側的開發應用效率；具身智能，通過賦予機器人實時反應能力和智慧賦能物理世界，實現更加緊密的人機交互；量子人工智能，利用量子計算機的特殊性質，如量子疊加和量子糾纏，來加速機器學習和優化算法，實現更高效、更準確的人工智能應用。

　　遠期發展邁向通用人工智能，增強自主認知、決策與執行能力，主要體現在類腦智能、人機共生融合等方面，朝著世界模擬器的方向發展。類腦智能，以計算建模為手段，通過軟硬件協同讓機器實現低能耗、高功效的計算，甚至智能水平上達到或超越人類；人機共生融合，人類與機器之間的界限逐漸模糊，借助人工智能的強大能力，提升自身的智力和創造力；世界模擬器，在數字世界中完全模擬現實世界，為科學研究和應用開發提供全新平臺。

　　二、大模型深度融合的電力人工智能應用框架

　　大模型深度融合的電力人工智能應用體系通過“大模型+小模型”的形式，差異化支撐客戶服務、經營管理、運行調度、規劃設計等電網業務。其中，小模型具有特定任務精度高、運行速度快的優勢，深度應用于運行調度的部分場景中，大模型通過海量信息的理解、生成、推理，支撐提升小模型性能，同時拓展補充應用場景，發揮基礎底座和新型場景應用兩類功能。

圖2 “大模型+小模型”功能定位

　　運行調控短期內仍然是小模型擅長領域，大模型可發揮基礎底座支撐、提升專業小模型性能的作用。運行調控類業務包含設備線路檢測分析、電網穩態暫態分析、源荷預測等關系電網安全穩定運行的核心場景，對人工智能應用的準確性、時效性要求較高，容錯冗余度低，在大模型尚未突破數據物理機理融合難題的階段內，仍需要發揮專業小模型對特定問題的高效計算優勢，但可以利用大模型對于通用知識的廣泛學習能力，輔助提升小模型性能。

　　客戶服務、經營管理和規劃設計可以探索發揮大模型價值，大規模拓展人工智能應用場景。這三類電網場景均涉及人、設備、環境的交互與內容生成，與大模型在理解、生成能力方面的突出優勢相匹配，因此可在輿情分析、智能客服、制式報告生成、智能培訓等場景中探索應用。其中，客戶服務、經營管理相比于規劃設計在容錯上的冗余度更高，因此對于大模型的應用更為包容開放。

　　三、分階段推進人工智能在不同電網業務的融合應用

　　大模型深度融合的人工智能技術在近、中、遠期不同發展階段的突破，將推動體系建設重點的階段性變化，需要緊跟技術發展態勢，布局適應不同發展階段的建設重點。

　?。ㄒ唬┈F階段在經營管理、客戶服務兩類支撐業務應用程度最深，在規劃設計和運行調控兩類核心業務中的應用仍處于探索磨合階段

　　經營管理和客戶服務屬于支撐類業務，對人工智能應用的準確性和時效性要求較低，容錯冗余度高，在輿情分析、智能客服、制式報告生成、智能培訓等場景中廣泛探索，可深入應用。

　　規劃設計和運行調控屬于核心類業務，與中長期電網基礎設施布局建設和短期瞬時安全穩定運行調控密切相關，雖然中長期規劃建設對時效性要求較低，帶來一定的容錯冗余度，但兩類業務對計算結果的準確性和可靠性都具有極高要求，導致當前人工智能技術的應用仍然處于起步磨合階段。

（注：綜合系統內外多方意見與研究成果評估，“應用深度”與“容錯冗余度”的最高評分均為5分。）

　?。ǘ┲衅谌斯ぶ悄芘c其他領域技術融合加深，提升運行調控與客戶服務類業務中的多模態信息交互與多主體協同能力

　　運行調控類業務，變電站、輸電線路等設備加載智能終端設備，具備實時監測、異常發現與自主運維能力；新能源、新型負荷、新型儲能等多元主體溝通交流與協同互動終端友好便捷化，電網調控策略能夠實時反饋相關主體并進行優化，調度指令可以自動執行。

　　客戶服務類業務，客戶用電行為與輿情信息實現多源實時采集，主動分析客戶需求與情感傾向，自動推送所需信息、服務選擇策略。

　?。ㄈ┻h期人工智能認知理解、決策執行能力全面提升，重點深化電網規劃設計與運行調控核心業務的應用

　　規劃設計類業務，人工智能能夠準確預測不同區域新能源開發出力水平與負荷波動情況，結合傳統能源資源分布與電網基礎設施建設基礎，自主規劃區域間、區域內不同時間階段的電網建設。

　　運行調控類業務，實時高頻跟蹤監測新能源、新型負荷、新型儲能等多元主體運行狀態，結合電力現貨市場、輔助服務市場與調峰調頻市場的價值信號，自動生成最優調控策略，并廣泛連接相關主體，實現調度指令的自動執行。

　　四、相關配套設施與機制建設

　　（一）構建云邊端協同的采集、計算與通訊設備網絡

　　按照前述人工智能技術能力分類，海量信息理解與內容生成兩方面能力主要依賴高性能智能算力支撐模型訓練推理，需根據應用進展測算智能算力需求并提前采購建設；多模態信息交互、邏輯推理與知識學習、多主體協同三方面能力均涉及人、設備、環境等多元主體行為的監測采集與反饋響應，因此需要加強相關環節的端側采集設備，邊側快速計算與自主執行設備，以及云側大規模計算和通信設備的需求測算、規劃布局與采購建設。

　?。ǘ┘訌娭悄芑瘶I務重塑與人機協同機制設計

　　按照四類電網業務的容錯冗余度與應用深度差異，分類開展配套機制設計。經營管理與客戶服務類業務，圍繞人工智能深度應用的場景需求與技術能力，開展相關業務環節的智能化重塑，例如決算審計全流程自動化、財務風險自動提醒與超前防控、招標采購商務文件自動生成與人工校核等，充分發揮人工智能技術的支撐賦能甚至代替顛覆價值；規劃設計與運行調度類業務，在傳統流程中研究增加人類知識與機器智能協同的促進機制，例如自動生成電網規劃初稿提升規劃專家工作效率、定期預測新能源出力與負荷波動并自動推送以輔助電網調控等，進一步增強人工智能對業務操作與管理決策人員的支撐賦能作用。

原標題：大模型深度融合的電力人工智能應用框架與策略
責任編輯：符仲明
網頁編輯：蘇偉