集群、分布式训练框架等。 4能源行业部分大模型 （一） ◼ 国网光明电力大模型：（开源与闭源并举） 发输变配用、调度、交易 规划、建设、运行、检修、营销 ◼ 南网，大瓦特 ◼ 三峡集团“大禹”大模型 ◼ 中核集团龙吟大模型 ◼ 中国广核，“锦书”大模型 ◼ 中国石油，昆仑大模型 ◼ 中国石化，“胜小利”大模型 ◼ 中国海油，“海能”人工智能模型 ◼ 国家管网，“管网”大模型 4一、能源生产与管理 4一、能源生产与管理 （一） 9 ◼ 新能源发电优化： 1、精准的功率预测：DeepSeek可构建更精准的新能源发电预测模型，对太阳能、风能等发电功率进行提前预测。例如，针对某风光装 机占比达58%的省级电网，DeepSeek通过构建考虑新能源场站波动特性的动态安全域模型，将弃光率从19%降至3.2%，日前预测精度提高 至94.7%。 2、优化调度决策：基于精准的发电预测，AI 大模型可以综合考虑 大模型可以综合考虑电网的负荷需求、不同新能源电站的发电能力、储能设备的状态等多 方面因素，制定出最优的电力调度方案。这有助于提高电网对新能源电力的消纳能力，降低弃风、弃光率，提高新能源发电的利用效率。 10 ◼ 能源管理： 1、电网状态监测与故障诊断：利用 传感器网络收集电网的实时运行数 据，如电压、电流、功率因数等， AI 大模型可以对这些数据进行实时 分析和处理，监测电网的运行状态 。一旦发现异常情况，如电压波动

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 工业/能源 DeepSeek 冲击下，AI 产业对国内电 力行业的变与不变 华泰研究 工业 增持 (首评) 能源 增持 (维持) 研究员 刘俊 SAC No. S0570523110003 SFC No 算力+双碳政策，中国绿色算力提升新能源需求端消纳 与海外不同，中国电网更加稳定，并不需要大量分布式电源直连去实现稳定 供应。2023 年发改委、工信部《深入实施“东数西算”工程加快构建全国 一体化算力网的实施意见》首次提出到 2025 年底，国家枢纽节点新建数据 中心绿电占比超过 80%。在十四五期间我国单位 GDP 二氧化碳排放降低 18%的目标约束下，我们预计各地算力中心将积极消纳新能源。对应到数据 中心建设对新能源消纳的拉动，我们估算 中心建设对新能源消纳的拉动，我们估算 2024-26 年每年 6~9GW 的数据中 心建设将带来 18~27GW 的本地新能源消纳能力。 投资建议： 看好国内数据中心建设带来的电源国产替代机会，以及技术迭代加速后 HVDC 以及巴拿马电源和 SST 的发展机遇。产业链标的包括：欧陆通，中 恒电气，明阳电气，伊戈尔。最后，我们重申于《新型电力系统成本篇：多 维解决消纳问题，新能源迈入 2.0 时代》（2024

Proprietary and Confidential All Rights Reserved. 目录 2 1. 背景 2. 洞察：人形机器人落地场景顺序与评估模型 3. 聚焦：工业场景落地（新能源汽车制造） 4. 纵览：国内外人形机器人落地场景顺序 5. 展望：人形机器人产业关键节点识别（工业、家庭） M2 2025 Proprietary and Confidential All Rights 本次《人形机器人落地场景洞察白皮书》4大核心亮点： • 创新逻辑：提出“人形机器人场景落地评价模型”，依托服务头部企业的实战经验，以及对机器人产业逻辑>10年 的洞见，识别落地场景顺序——工业、家庭、商业服务 • 聚焦工业：洞见新能源汽车制造——5大工序 VS 人形机器人适配4大工种（搬运、质检、工站衔接、基础组装） • 真实案例：采集某全球头部企业场景规划——验证人形机器人落地场景、适配工种逻辑 • 产业展望：工业、家庭场 Proprietary and Confidential All Rights Reserved. 目录 4 1. 背景 2. 洞察：人形机器人落地场景顺序与评估模型 3. 聚焦：工业场景落地（新能源汽车制造） 4. 纵览：国内外人形机器人落地场景顺序 5. 展望：人形机器人产业关键节点识别 M2 2025 Proprietary and Confidential All Rights Reserved

产业和应用渐次导入的规律，推动核心技术攻关。充分发挥科 研院所、高校和企业在技术攻关、成果转化中的创新主体作用， 形成技术产业发展合力。 绿色低碳，安全可靠。坚持绿色低碳发展，全面提升算力 设施能源利用效率和算力碳效（CEPS）水平。统筹发展与安全， 进一步强化网络、应用、产业链安全管理和能力建设，构建完 善的安全保障体系。 （三）主要目标 到 2025 年，计算力方面，算力规模超过 300 30%以上，重点行业核心数据、重要数据灾备覆盖率达到 100%。 应用赋能方面，打造一批算力新业务、新模式、新业态， 工业、金融等领域算力渗透率显著提升，医疗、交通等领域应 用实现规模化复制推广，能源、教育等领域应用范围进一步扩 大。每个重点领域打造 30 个以上应用标杆。 二、重点任务 （一）完善算力综合供给体系 1. 优化算力设施建设布局。按照全国一体化算力网络国家 枢纽节点布局， 促进边缘算力协同部署。加快边缘算力建设，支撑工业 制造、金融交易、智能电网、云游戏等低时延业务应用，推动 “云边端”算力泛在分布、协同发展。加强行业算力建设布局， 满足工业互联网、教育、交通、医疗、金融、能源等行业应用 需求，支撑传统行业数字化转型。 4. 推动算力标准体系建设。加快制定面向业务需求的算力 设施、IT 设备、智能运营等方面的基础共性标准，完善相关技 术要求、测试方法等，充分发挥标准对产业发展的引领和推动

2.0 , 人类对 AI 的想象, 飞速从简单地识图、识字、辨音等 基础场景 进化到今天: AI 具备了强大的分析能力, 能够深度挖掘数据价值, 走 深向实, 行业大模型在金融、医疗、教育、零售、能源等多个行业领域实现了初 步应用, 并产生了明显的经济效益和社会效益。 特别是在中国, AI 的风起云涌恰逢波澜壮阔的企业智能化浪潮,体现在《中 国企业智能化成熟度报告 (2024) 》 (以下简称《报告》) 技术红利加速释放,为各行各业的转型注入了新动力。 中国信通院最新发布 的《人工智能发展报告 (2024 年) 》认为, 当前人工智能应用持续走深向 实,行业大模型已在金融、 医疗、教育、零售、能源等多个行业领域实现了 初步应用,并产生了明显的经济效益和社会效益。 如今, AI 成为发展新质生 产力的核心要素, 企业智能化转型也成为新质生产力的关键价值呈现。 企业作为科技创新的主力军,积极投身于人工智能的应用浪潮中 网+" 到 "人工智能+" , 创新之变正在打开经济增长的更大空间。 自 2022 年开 始,我们在全国范围内,面向大中型企业客户发放《企业智能化成熟度评估量表》, 覆盖包括制造、 公共事业、 交通、能源、建筑、金融、流通、医疗卫生、专业服 务、个人消费服务、媒体、 电信、互联网在内的 13 大行业, 开展了基于年比年 历史数据的演进观测和分析, 以期寻找穿越周期、持续跃升的智能化转型和发展 规律。

云边协同的智能运维方案帮助新能源场站实现无人运维，智能运维 • 基于分布式云计算和AI等先进技术，通过云边协同架构，实现总部与边缘场站两级资源协同互动，打造新一代无人化智能场站 • 数字化能力下沉场站，提升巡检智能化，降低生产运营风险，推动新能源减员增效 云边协同 领先的AI算法模型 边缘侧与总部一致的数字化能力，实现巡检 业务协同、算法协同、数据协同、管理协同 融合腾讯业界领先的视觉大模型、新能源 行业模型，同时支持第三方算法模型 效果：质检指标比人工提升10倍；联 合发布《工业AI质检标准白皮书》。 面：云边端协同智能云平台 体：联合创新、人才与生态合作 电池材料筛选研究 AI 电池寿命预测 AI联合实验室 IDC光储能源 项目 项目/人才/生态 智能制造部 储能事业部 XX 创新实验室 端 端 边 设备监控、数据采集、模型应用 边缘设备管理、数据 存储、边缘推理训练 云 边 端 协 同 GPU 服务器 数据存储 X 倍 效率提升 千万/年 成本节省 管控 硬件 AI平台 数据管理 推理训练 模型应用 机房 智 能 云 平 台 点：产线 AI 质检 基于数字底座的智能物流调度确保新能源企业高效不间断生产 业务挑战 AGV、物流设备与载具缺乏有效管理，频繁出现问题。调度系统不具备追溯功能； MES非实时性致使AGV无法及时切换，临时工单需要人工参与清料处理。 方案效果 数

AI大模型高度智能化的生成能力具 备巨大潜力和无限可能，为其在各 个领域的应用提供了更广阔的空间。 采纳 成长期 目标市场渗透率 探索 孵化期 试验 加速期 落地 成熟期 发展阶段 100% 0% 农业 能源 医疗 建筑 制造 电商 出行 游戏 软件 金融 传媒 教育 广告 AI大模型赋能千行百业 • 随着技术的突破与应用场景的拓展，“AI+”将给各行业、各领域注入发展驱动力，助 大模型训练带来的算力中心需求将由定制批发模式承接 • 为保证大模型训练效率，大模型厂商对算力中心提出更高要求 算力中心 ✓ 网络通信：集群内部节点之间更高的网 络带宽与更低的网络延迟 ✓ 能源供应：稳定的大规模电力供应 • 算力中心定制批发模式有效满足大模型训练需求 ✓ 运维管理：专业的、7*24小时的运维服务 • 训练时间是大模型厂商的关键竞争要素 以训练15TB数据，5,000 云厂商以API或私有化部署形式 将DeepSeek模型接入云平台， 推动AI应用开发范式向云端 MaaS（模型即服务）模式演进 推理需求由城市型算力中心承接，原零售型中心升级后或迎需求高峰；训练需求仍集中在环一线及新能源富集地 区，由定制批发型中心承接。未来五年，第三方算力中心定制批发需求将实现近30%的增长，28年将突破22GW。 24 资料来源：灼识咨询 中国第三方算力中心定制批发业务IT容量需求变化 – 存量口径

互联网是连接平台，人工智能是生产力  互联网是赋能性技术，生产力属性较弱  人工智能既能单兵作战，也能外部赋能 互联网创造了能写140个字的推特和分享照片的Instagram AI能帮助人解决登陆火星、能源自由的问题 5 政企、创业者必读 大模型是真智能，是人工智能的重大拐点。你相不相信？ 大模型是一场工业革命，将重塑所有产品和业务。你相不相信？ 不拥抱AI的组织和个人，会被拥抱AI的组织和个人淘汰。你相不相信？ 语言翻译 文本创作 自动驾驶 具身智能 1 2 4 5 知识问答 代码编程 文本生成 多轮对话 图像生成 视频生成 音频生成 A I 数字人 生物制药 新材料研究 脑机接口 基础科学 能源自由 宇宙探索 生命科学 科学 能力 6 AI Fo r Science 知识管理（ 内部知识管理、 外部情报分析、 大数据分析、 工作流知识） 专家经验模型（ 专业模型训练） 业务流程自动化（ 连铸 热轧 冷轧 销售 • 料场环境实时监控 • 人员越界安全监测 • 回转窑窑况智能分 析 • 原料无人天车吊装 控制 • 生产现场运输状态 监控 • 现场路线智能调度 • 智能化能源调度 • 料场智能调度 • 燃料水分视觉分析 • 多角度废钢图像 采集 • 废钢智能定级 • 杂质识别 & 扣杂 • 废钢槽编号识别 • 多角度废钢图像采集 • 废钢智能定级 • 杂质识别

6亿公里（2024.08） 29.3亿公里（2024.12） 14.8亿公里（2024.11） 756万公里（实车测试里程， 2024.07） 资料来源：汽车之心，中工汽车网，中国财经报，AI新能源低碳出行，国元证券研究所 请务必阅读正文之后的免责条款部分 道路交通的复杂程度与训练数据的体量使端到端的落地对于算力有极高的要求。道路交通环境的复杂性并不能完 全用交通规则来覆盖。例如，机动车道 发布/制定单位 文件名称 相关内容 2020.10.20 国务院 《新能源汽车产业发 展规划（2021—2035 年）》 推动新能源汽车与信息通信融合发展，推进以数据为纽带的“人—车—路—云”高效协同。基于汽车感知、交通管 控、城市管理等信息，构建“人—车—路—云”多层数据融合与计算处理平台，开展特定场景、区域及道路的示范 应用，促进新能源汽车与信息通信融合应用服务创新。 2023.11.17 工信部等四部 车企抢滩DeepSeek，AI行业与智能驾驶共振 15 （3）云端高效训练。在云端，DeepSeek基于当前智驾企业积累的数据库，通过数据生成完善场景构建，仅需极少量标注数据即可实 现高效训练。据NE时代新能源消息，这种方式可以节省约90%的标注成本，还可以生成海量的增强数据。据懂车帝消息，传统智驾系 统需6-12个月完成场景训练，而DeepSeek的MoE（混合专家）架构可将周期压缩至45天。（4）蒸馏技术提升研发效率、降低算力需求。