中能专访丨田奇院士：新型电力系统如何 “养小龙虾”？

来源：中国能源新闻网 时间：2026-06-10 15:02

AI落地赋智新型电网：新型电力系统如何“养小龙虾”？

——专访国际欧亚科学院院士、光明实验室主任、华为终端首席科学家田奇

中国能源新闻网记者孔德琳 实习记者王雪聪

　　全球能源格局深度重构背景下，新型电力系统已成为能源转型核心载体与“双碳”目标关键支撑。伴随算电协同列入国家级新基建工程，AI智能体（OpenClaw，即“小龙虾”）正从工具型应用向自治智能体跃迁，为高安全、高可靠的电网注入新质生产力。当能源流、信息流、算力流深度交融，如何以AI赋能破解新能源消纳、极端风险防控？近日，田奇院士就AI智能体在电力垂域的关键技术与应用路径，接受了中国能源新闻记者专访。

　　中国能源新闻：当前，“养小龙虾（OpenClaw）”成为科技圈和能源圈的热点话题，它代表着AI从“能说会道”走向“动手执行”，从“单点工具”升级为“自治智能体”。请您介绍一下，智能体在工业垂域场景中，特别是在新型电力系统这种“极高安全性、极高可靠性”要求的场景下应用，应该重点关注什么，以及重点解决哪些问题？

　　田奇：在新型电力系统中，“极高安全性、极高可靠性”是红线，就是培养“龙虾”智能体能够约束自己的行为，保证其能够安全运行。

　　我认为重点要关注和解决三个层面的问题：

　　第一是认知层，要做到从文字预测升级为物理推演。通用大模型看世界是做文字概率接龙，但电网的智能体必须要懂物理规律。例如当雷暴云团还在几十公里外，智能体就已经要和气象数据联动了。它相当于在虚拟世界里造了一个数字化的电网，提前推演出了这场暴风雨砸下来，哪些线路会跳闸、哪些风机会停转。这样，智能体就把事后的抢修，变成了事前的防范。

　　第二是决策层，我们拒绝“盲盒试错”，要用物理法则来兜底。面对巨大的功率缺口，互联网AI习惯靠大量试错来找最优解，对于高度复杂的电网，我们需确立一条刚性底线——“AI做大脑提建议，物理规则防守底线”。智能体可以在极其复杂的工况下算出最优的调度方案，但这套方案在真正执行前，必须无条件通过‘安全沙箱’校验，物理法则拥有一票否决权。

　　第三是在执行层，要做好“端云协同”，具备“断网保命”的能力。比如极端天气往往会引起伴随通信中断，如果智能体的每次操作，都要把数据传到云端服务器，一旦网络卡顿，电网可能瞬间就会崩溃。因此，智能体不能全指望云端，必须把核心的物理常识和推理能力压缩进端侧小模型，下沉部署到变电站的边缘节点。这样哪怕极端灾害把通讯全切断了，智能体依然能快速决策。

　　中国能源新闻：我们了解到，盘古气象大模型已经在新能源功率预测、电网防灾减灾等场景实现落地，这也是新型电力系统“养虾”的第一步——让AI拥有精准的“感知能力”。请问，相比传统的数值预报和预测方法，盘古气象在精度、时效、多场景适配性上，实现了哪些突破性进展？

　　田奇：相较于传统数值预报，盘古气象大模型并非在原有技术路径上进行改良，而是通过AI驱动的范式变革，在预报精度、计算时效、场景适配性这三大维度实现了跨越式突破，将全球气象预报能力推向了一个新的高度，这就为智能体安装了可以研判未来的“眼睛”。我从以下三个方面讲。

　　第一，在预报精度方面，盘古气象大模型是首次超越传统数值方法的AI模型。我们知道，传统数值预报依赖超级计算机求解复杂物理方程组，而盘古大模型则通过数据驱动，在以下关键指标上实现了对传统方法的全面超越：

　　它的总体精度领先：盘古是全球首个预报精度超过传统数值方法的AI模型。实测显示，它在一系列气象学家关心的核心精度指标上都展现出优势。

　　它的关键指标表现优异：盘古将全球最先进的欧洲中期天气预报中心（ECMWF）的预报时效显著提升了约0.6天；并将热带气旋的路径预报误差降低了25%。

　　它对极端天气预报能力显著增强：在2023年华北极端降水事件中，盘古驱动的区域模式成功将400毫米强降水的有效预测期延长至8.5天。

　　第二，在计算时效方面，盘古气象大模型实现了从“小时级”到“秒级”的飞跃。传统数值预报进行一次全球中期预报通常需要耗费数小时，而AI大模型将这一过程缩短至秒级，实现了万倍级别的效率提升。

　　这里有两点值得关注：

　　首先关注盘古大模型的速度，目前已提升了万倍，它完成全球7天天气预报，仅需10秒，相比传统数值方法提速10000倍以上。在1张计算卡上，仅需1.4秒即可完成24小时的全球预报。

　　再看具体业务流程的变化：我们以台风路径预测为例，以前要5个小时，现在10秒就搞定了。

　　第三，在多场景适配性方面，盘古气象大模型正在从通用预报，往行业深耕去发展。盘古模型凭借其高精度和高效率，展现出强大的泛化能力，从通用预报渗透到多个垂直行业，解决了特定场景的痛点。

　　首先，盘古模型对能源行业进行了有力赋能。在风电功率预测中，应用盘古模型的方法精度超越了采用传统数值天气预报的方法，24小时和96小时的预测准确率分别达到0.714和0.654。

　　其次，盘古模型在区域与精细化预报上表现突出。香港天文台基于盘古将预测时效延长至15天，并首次实现台风路径误差小于50公里的业务化应用。通过与重庆气象局合作，模型分辨率提升至1公里/小时，能实现12小时内的精细预报。

　　最后，盘古模型还往其他领域广泛渗透。盘古模型已在区域应急、移动端服务、低空经济等多个场景落地。在贵州山地，应用后交通预警和农业灾害评估响应效率提升了约40%。

　　中国能源新闻：世界模型与我们传统的数字孪生，本质区别是什么？能否请您解答一下？

　　田奇：世界模型就是用来培养“龙虾”对于世界的认知和理解能力。

　　我们知道，传统的数据孪生主要关注世界的模拟与重建，方便我们进行数据仿真与预测。其工作的时候是人为设定一些条件，观察模拟仿真结果，其工作模式类似于“人的知识与智能”与“模拟的世界”实现结果的仿真预测。

　　而当前的世界模型则主要关注构建一个“有世界知识概念的人工智能”，这样这个智能首先能直接帮助我们进行预测，人只需要提需求就行；其次有世界知识概念的人工智能可以轻松适应我们实际物理世界中的生活，是智能体走向进一步应用的基础。

　　所以总结来讲有两方面差别，世界模型是“世界”与“智能”合二为一，另外是相比于预测，世界模型更偏重理解，这就培养了“龙虾”对于世界的认知能力，应用场景也发生了变化。

　　对于电网风险而言，现在盘古气象大模型或气象预报提供了气象知识预测，不过还需要人基于模拟结果结合规则与经验进一步判断风险。我们还注意到，如果有了“世界知识+智能”的世界模型，智能体就可以自动识别、预报风险、总结经验、管理风险系统，可能会比人类更全面、更高效。

责任编辑：沈馨蕊