数据问题不解决，AI大模型将缺少根基

来源：中国企业家杂志

未来，算力行业应该会往开放、融合发展。

图片来源｜协鑫集团

8月27日，由中国电力企业联合会、中国中小企业协会、协鑫集团主办的“长三角数字能源算力大会暨专精特新产业融合发展论坛”在苏州举办。会上，作为主持人，协鑫能科移动能源首席运营官张猛和阿里云解决方案部能源与制造首席专家李下蹊，浪潮集团能源交通行业部副总经理朱炯，开普云信息科技股份有限公司能源部总经理周立明，SRT软体机器人联合创始人、CEO高少龙，星逻智能创始人、CEO王海滨，世冠科技创始人、董事长李京燕围绕“AI算力与新型能源体系场景应用”共同展开了一场圆桌对话。

本场论坛的精彩观点：

1.新的能源体系越来越具有C端的属性和互联网的属性。

2.用传统建机房的方式无法处理能源互联网庞大的数据量，所以一定要用到云。

3.对工业而言，创新的本质其实是工业机理模型。

4.数据的问题如果不能很好解决，将来AI大模型其实是缺少根基的。

以下为圆桌对话的演讲实录（有删减）：

新业态、新变化

张猛：我觉得从数字的基础设施建设来讲，它所体现出来的就是信息化、数字化、智能化。其实说到底最终落地的两个点，无非就是提高资源配置的效率，以及绿色低碳的转型。

在这个过程当中，涌现出来很多新的业态，新的模式，新的场景或者新的技术，也出现了很多企业。首先从行业的角度，各位嘉宾怎么看待这个行业的发展现状？结合到目前行业的发展情况，各位对产品和服务是怎么思考的？

李下蹊：我们看到新能源的崛起不仅仅是技术上的变革，还有运营模式上的变革。阿里和协鑫与我们的新能源企业其实有过很多的服务的经历。一路走来，在这样一个时点上，我们看到有两个核心的变革方向和特征：

第一，现在的新的能源体系越来越具有C端的属性和互联网的属性。

第二，数据越来越多参与到了企业的价值创造过程中。

为什么说新的能源体系、以新能源为基础的能源互联网越来越具有C端和互联网的属性？以分布式光伏、户用光伏为例。截至2023年6月份，中国的户用光伏已经达到了9500万千瓦，占到中国光伏总装机容量的1/4，这意味着户用已经铺到了700多万个，不管是农户还是城市里的屋顶上，都让我们新能源企业的运营方式有了非常大的变化。

因为有了模式上的改变，数据会越来越多参与到价值创造过程当中。以前我们可能看到数据是指标，是一些财务报表，是我们经营状况的一个描述，是我们的一个打分表。但是现在，在新的能源互联网时代，数据直接参与到了价值的创造过程当中。

比较简单的一些例子，在光伏材料上，不同的材料，不同的型号，我们以前可能是通过从实验室到产线到装饰，最后推向市场。当我们有了互联网的手段之后，可以让在市场上已经铺设的光伏面板的数据回流，让不同材料、不同型号在不同光照和环境条件下的数据能够回流，帮助、指导、优化我们产品的设计，通过这些大数据和模型来帮助我们优化产品的设计和研发。

在市场推广上，这些回流的数据和发电效率的信息、当地政策的信息，还有农户的一些基本情况，能够把它绑定起来，用AI模型来帮助我们制定新的分布式光伏。我们新的产品设计的推广的理念，这些都是利用这些数据能够对我们的运营方式带来一些新的改变。

调度是在新能源行业里非常突出的一个问题，光伏发电本身就不稳定，客户自发自用的需求也不稳定，那我们就可以利用分布式网络上面拿到的这些数据来帮助我们预测、测算我们未来的需求，并且帮助我们做好光储充的一些平衡。

朱炯：对于未来这个行业可能发生的一些变化，我认为其中可能有三个矛盾：

第一，涉及到行业“壁垒”。比如今天谈的是能源行业，再往上说是电力行业，再到新能源，可能新能源里又分风光电等等。那么在这个行业线当中，如果从10年前或者20年前浪潮的视角来看，这个行业跟我没关系，因为我是做IT设备，你是做电力行业。我觉得第一个矛盾，未来不管是AI的走向，还是数据时代走向，还是未来算力走向，实际上要直接去面对的问题就是这个行业的壁垒，我们如何以不同的视角去看待它。

第二，经历了这么多年的社会分工，包括行业的分工，经常会听到有专家在提一个词，就是专业的人干专业的事。但实际上到现在为止，如何把这些专业之间各自所专长的内容能够包容共享，能够融合，大家一块干一件事，这可能是第二个矛盾。

第三，如何真正把AI算力和体系场景应用真正结合起来，不仅仅是PPT，是如何真的能够用起来，而且不光是参与者在当中觉得它有价值，更重要的是最终的使用者，甚至老百姓能够感受到价值点。

顺着这三个“矛盾”，我个人认为未来算力行业应该会往开放、融合发展，以及大家集中资源和集中力量共同去干好一件，能够让所有人感受到这个事是对每个老百姓有价值的发展方向。

周立明：开普云能源板块，这几年一直在基于大数据和人工智能，面向国家电网、南方电网以及一些发电集团，提供数据相关的服务。其中在AI大模型以及AI人工智能这块，也有一些积累和体会。在这块，我主要想发表两个核心的观点。

第一，在整个AI大模型和整个人工智能领域，在能源行业第一个观点叫有需求，所以有动力。

第二，有积累，所以也有压力。我们这个团队其实过去这十来年，一直在做电力调控，包括前期我们做过稳定运行、经济安全稳定调控等等很多非大模型类的AI人工智能的模型和算法。

高少龙：我们是一家机器人企业，跟电力行业其实是两个维度的关联，我们切身能感受到新型电力系统，包括新能源是成为我们整个机器人行业一个巨大客户，一个巨大的应用场景，也催生了很多只做电力行业这样的上市公司，这是对于应用端是一个拉动。另外一个方向是对我们供给侧的拉动。

在整体的算力协同上，我们现在的算法模型旗帜是一个黑箱，大家也无法共享，我们觉得如果一个大型的企业，把我们尤其是工业环节的天量的数据做一些共享的模型，或者共享资源库，对于我们所有企业，尤其是机器人企业的发展会有非常大的帮助。

王海滨：我们现在火爆的新能源光伏厂站的前市场，也就是大量的新能源厂站的建设，其实并没有把它的发电量提升到极致，也就是说整个光伏转化成电能的效率，其实有很多的时候是被各种因素而降低了。

李京燕：今天大家在讲大数据，讲算力，没有谈到机理模型，我们作为一个工业软件公司来谈一谈这个对我们整个行业有什么作用。

世界工业两个大的变化，一个是软件定义工业，软件定义产品，我认为软件未来也会定义整个能源系统，这是第一点。

第二点就是产品的智能化。将来我们的产品要在市场占有它的份额，也就是必须要智能化，未来的产品会越来越智能，不管是单个的装备还是整个系统，所以这个是世界工业的两个大趋势。

创新的本质是什么呢？我觉得对于工业来讲，最底层的东西其实是工业机理模型。有了机理模型，对它进行数字化，才有数字化的基础。

对于我们这样一个工业软件公司，可能对这个行业最大的价值就是建立准确的完整的机理模型，我相信我们的新能源行业具备了准确完整的、一手的机理模型的时候，将来再有新的技术进来，就会非常容易从本质上对系统进行创新。

如何解决行业痛点

张猛：其实总结一下有三个关键词。

第一，对于这个行业的认知，其实很多产品和服务都是基于我们对于这个行业的认知去展开的；第二，场景。每一家企业都是在聚焦自身认为最可靠的场景上，或者最有效的场景；第三，听到大家谈到了一些行业的痛点，或者说自己的一些切入点。

我想问一下李下蹊总，对于我们目前大型的互联网公司，他们往往依托于自身的云技术，从原网侧来切入生态，为电力公司跟电网提供数字化的升级和云的存储服务。在你看来，对于互联网公司来讲，相较于其他的互联网公司，我们有哪些的比较优势？

李下蹊：好的谢谢。阿里云是一个云计算的产品公司，云是我们的核心产品。但是要回答您这个问题，我们可能还是要回到新能源行业，我们新能源行业有什么痛点？这样的痛点阿里云在中间能够起到什么作用？我们还有什么缺陷？我们还需要和其他的伙伴一起来做。回答这个问题，我从两个方面来讲。

第一，我们现在面临能源互联网这样一个基础设施，它的数据量大，到底有多大；第二，我们怎样才能有效地组织，怎样有效的分析，怎样有效的使用这样一些大的数据。

我们现在已经无可避免进入了一个能源互联网时代，已经不再是传统的能源发电的时代。在新的时代里，我们到底有多少数据？我们做过一些简单的测算，我们只看光伏、风电，以及光伏和风电所对应的储能配电，三个不同的场景。

光伏，今天装机容量已经到了4亿千瓦，风电4亿千瓦，两个大数。每年产生的数据有40个PB。如果再加上10%的配比做的配件的储能电站，每年会产生120个PB的数据，3个加起来，我们只看风电、光伏和配件的储能，每年就会产生200个PB数据量。

如果说，我们在现在这个时间点，我们是需要把这些数据存20年，一般存成质保的角度，从电站运营的角度要存20年，这个数据有2000个PB。它需要目前最前进的大数据集群，它需要很容易就达到几万台的服务器规模。

这个数据量如此之大，是不是我们现在传统的IT基础设施能够解决的？其实是不行的。我们只知道，我们也和很多新能源的头部企业合作。头部的新能源企业，千亿级的新能源企业，在集团总部，它的IT机房一般是100~200台。这么庞大的数据量是不能用传统的建机房的方式来处理能源互联网，一定要用到云。

所以说在这一点上，我们认为阿里云是有办法来帮助到协鑫，和协鑫一起在互联网赛道上一起往前进。

第二个问题，有这么大的数据，为什么云有用，我们怎么样让它发挥更大的效率？这里面就包括了云它不只是简单的算力堆集，不只是简单的算力管理，它是让我们的算力能够发挥更大的作用，它的算力调度能够更经济，让我们有更大的压缩比来处理成PB级的数据，它有更好的计算、存储的性价比，它能够做更好的异地集群的调度。

当我们有很多的分布式的能源电站的时候，我们怎么样进行算力和数据的调度，并且能够和我们AI为主的智算集群能够形成无缝的结合，让我们宝贵的GPU资源，它的利用率能够更高，所以说这是作为云计算基础设施在能源互联网当中能够形成的一些特殊的价值。

所以在这个点上，我想说阿里能做什么，不能做什么。阿里做得好的，其实就是建云这样一些事情。阿里不能做什么？或者说我们缺乏什么？我们其实缺乏的是我们对于这个行业深刻的认知以及场景上的想象力，毕竟我们在这么多数据，我们拿到之后怎么用，怎么让它真正为中国的能源互联网事业创造价值，这个需要我们和客户紧密合作，也需要我们和我们的合作伙伴有更深的合作。

张猛：第二个问题我想问一下SRT的高总，您是从事机器人行业，从能源这个行业来讲，是现在目前非常大的市场，尤其是现在AI技术应用。在这方面，您的产品或者思考在哪里？

高少龙：实际上今天有两个新的消息，第一个是OpenAI“退出”了机前人工智能；第二个，我们公司是北京市人形机器人主要参与单位之一。我认为在AI算力对于整个机器人领域的影响，我觉得分一个前提，三个环节。

第一个，前提，在整个机器人领域，对于算力的需求是极其巨大，甚至要高于正常认知到的，比如说流程制造业、离散制造业等等。尤其是今年开始，机器人开始进入人的生活场景，有点倾向于通用人工智能，它要求的数据量会大很多。我们会把它分成三个层次。

第一，识别，这已经是特别大的量级，对于AI算力以及能源的应用。还是分两个维度，在识别本身的环境中，之前在机器人应用的领域，对识别是下了很多条条框框，来减少对算力的消耗。

这个时候可能就需要整个AI算力给我们提供巨大的支撑，能够协助我们完成算力的建立，其实这只是做了1/10的工作。剩下一部分工作，还有很大一块是在决策。

在生产场景下，甚至在有限场景下的决策其实是相对容易的，因为它毕竟还有很多条条框框的限制。那么在机器人应用领域，因为它涉及到大量IOT硬件，它的决策相对来讲是比较复杂，甚至这里面还包括了巨量的场景的模拟和分析，甚至我认为它有一定社会属性在里面。

第三，更大的场景，也是我个人，包括我们公司特别在意的一点就是运动控制。我们现在机器人的运动控制完全是人工控制的，实际上逻辑上是一模一样。

整个所有这一切的背后，除了对网络的巨大需求之外，更重要的其实就是对算力的需求。

张猛：接下来这个问题抛给王总。目前特种智能的机器人技术属于能源数字化的基础共性技术之一吗？融合了很多的多学科、多感知。在这方面，目前智能机器人在能源行业有哪些应用？现在目前整体的推进情况怎么样？

王海滨：其实说到机器人，我们对机器人的定义肯定是广泛的定义。比如说在空中自动化飞行，并且把一望无际的光伏电量当作一个芯片去检测每个门失效的无人机它就是一个机器人，能够提供它飞行，并且对地面的红外光、可见光进行检测，定位到哪个失效，这个就是它的自动驾驶算法。

其实我们会配套给这些新能源厂站，不单是检测机器人，检测风机的，检测光伏的，其实我们还可以配到用软件定义硬件，让无人机变成安防机器人，在夜间能够去杜绝偷盗抢的安防问题。

张猛：接下来问一下李总，在您的专业领域，是如何去驱动能源行业的发展，您是怎么通过您的技术手段去驱动这个行业发展的？

李京燕：就像我前面刚才说的，我们工业软件就是提供机理模型，刚才周总谈到机器人，有些场景拿数据来理更容易，没有必要去做机理模型，他提到20年。

我觉得不需要这么长时间，这个是分行业来的，还是看行业。因为工业软件是工业支持的软件化，是工业技术的软件化，所以每个工业软件公司它都有它自己在沉淀的行业，在这个行业上做的事情。

比如说对于世冠来讲，我们在航空航天做的比较多，我们在汽车也积累了比较多。对于能源来讲，我们就讲航空发动机，我们都知道长江1000、长江2000，就是给咱们国家919和919配套。如果说以商用航空发动机来讲，我们能做的是什么？从机理模型里头的系统，比如说多元异构模型的集成，因为这里边就会涉及到机电液、热电磁，最重要的是控制。我们会做控制系统，来形成一个闭环，对它进行仿真测试验证，这是属于在研发阶段。

那么具体到能源系统，比如说电力系统，就像今天上午也有专家提出来，比如说有风电，有光伏等等，有不同的行业，这都是属于你的能源来源而已。但是你把它分解出来，每个产品分解出来，其实就是我刚才说的机电液、热电磁波这些专业的东西。

张猛：刚才阿里云也谈到关于存储的问题，大量的数据存储所带来的查询和分析一系列的问题，我们也知道浪潮这两年有很多动作，包括服务了很多的客户，积累了一些认知，在这方面您的判断是怎样的？

朱炯：这几年我们在很多细分行业也在做探索，但是实际上您刚才提到不管是数据查询的响应能力，还是对于应用系统的性能问题等等，这个很现实，就是客户最直接的感受问题。

张猛：开普云应该是AI思维。开普云是领先的基于AI的大模型提供商，请谈一下对这个行业的看法。

周立明：开普云应该算作一种AI、IT技术、场景落地的提供商，我们主要是做的产品、服务。针对AI大模型这一块，前一段开普云也发布了一些典型的场景，我们也建立了自己的开物大模型平台，在这个平台之上，我们也发布了一系列的典型应用场景。针对这个行业除去围绕着安全，甚至以前提到道德等等一系列的问题。

从场景落地的角度，我感觉我们更关注三个问题：

第一，数据。前一段我们和国家电网在帮着他们做一个网测储能的调控策略、调控方案的算法，做一个项目吧。其实这里边涉及到的数据就不仅仅是储能的数据，还会涉及到源网荷储等等多个维度的数据。不仅涉及到调度的数据，还涉及到了营销，甚至发展的数据。也不仅仅涉及到了一些历史数据，还涉及到了一些预测的数据。

所以数据的问题如果不能很好的解决，将来我们的AI大模型其实是缺少根基的。当然刚才听崔总说了咱们协鑫有数据，我还是很兴奋。将来如果从IT和协鑫这样，业务能够有效融合的话，我相信我们还是肯定能发挥很好的价值。

第二，如何解决业务痛点和业务问题的事情。前一段时间，开普云也发布了一个虚拟电厂的调控平台的产品，在我们产品落地的过程中，因为我们目前服务着一些不同领域的客户，但是真正落地的时候就会发现，每一个行业、每一个客户痛点都不同，关注点都不同。

比如说像电网，核心关注的是稳定、安全的问题。前一段跟电网的交流，他说经济上你不用替我考虑，你把安全稳定的问题给我缓解一下就行了。但是从政府的角度，他可能关注的是我如何保供，包括现在有绿政的问题，借助绿电交易，能够让我的单位GDP能耗降一降，减少它的一些压力。

对于集团的发电企业来说，更关注的是如何提升新能源消纳，让我的投资回报可能更好。所以业务的痛点不同，我们同样发布一款产品，我们面临要解决的问题也是不一样的，这样也对我们将来AI大模型、AI算力的落地提出较大的挑战。

当然还有第三个问题，耐得住耐不住寂寞的问题。