。 训练 AI 模型 马萨诸塞州阿默斯特大学的研究人员估计 2019 年几个 AI 模型的碳排放 ， 第一个主要模型之一 同类研究。10 研究发现 BERT - 当时是 Google 最先进的大型语言模型 （ LLM ） - 发出 数据创新中心 2 约 1, 438 磅二氧化碳 (CO2) 在 79 小时的 使用 64 个高级图形处理单元 (GPU) 、芯片进行培训 通常用于训练 AI ， 原始的研究论文和随后的新闻 文章经常指出 ， 虽然大型人工智能模型的性能优于现有的 在语言翻译基准测试中 ， 改进只是 边际。这意味着人工智能研究人员正在做琐碎的事情 性能改进以牺牲大量的 碳排放。事实上 ， 其他人工智能研究人员在一份报告中明确了这一点 广泛阅读的论文 “关于随机鹦鹉的危险 ： 可以语言 ” 模型太大 ？ ”15 他们认为这是 “环境种族主义 ” 富裕的西方国家部署更大的 AI 系统将对全球贫困社区产生负面影响 南方。具体来说 ， 他们写道: 例如 ， 问马尔代夫的居民是否公平或公正 （ 到 2100 年可能会在水下 ） 或苏丹的 80 万人 受严重洪水影响的培训和环境代价 部署越来越大的英语 [语言模型] ， 当类似的大 - 没有为 Dhivehi 或苏丹阿拉伯语生产比例模型 ？16 考虑到这些指控 - 训练 AI 系统不仅对 环境 ， 但也是一种公开的种族主义行为 - 这并不奇怪 ， 许多人

重数据的同步与异构融合，提升系统 的整体感知能力和适应性。多模态认知智能将逐步朝着深度神经网络与认知科学深度融合的方向演进，致 力于突破模态间的语义鸿沟，实现更接近人类认知水平的智能系统，为自然语言理解、视觉问答、跨模态 检索等任务提供重要的理论基础与技术支撑。 （5）超高灵敏度跨尺度缺陷检测技术 人工智能的飞速发展促使全球先进半导体芯片的需求持续旺盛，推动制程工艺节点迈入 20 Å（2 出：借助生成模型提出新颖的科学假设，从而扩展研究边界，例如在药物研发中预测新的活性化合物。 ④ 实验验证：构建自动化实验验证流程，例如通过具身机器人将数据模型与物理测试无缝连接。⑤ 结 果报告与可解释性：通过实验结果的可视化、自然语言生成技术以及模型可解释性工具，揭示对结果 具有关键预测作用的模式和规律。⑥ 专家反馈与进化：引入专家经验和领域知识，建立反馈机制，持 续优化模型与假设。 数据和物理规律驱动的智能科学计算的未来 这一方向的主要研究机构包括麻省理工学院、斯坦福大学、清华大学、北京大学、上海交通大学、北京邮 电大学等。 此外，具身智能研究与机器人操作、导航的结合日益密切。近年来的重要趋势是引入语言引导的主动 感知。例如，视觉语言导航、视觉语义导航、视觉语言操作、具身问答等新型模型得到长足发展，已在多 类实际物理环境中得到验证。目前关注的焦点在于对学习场景的泛化能力，而对场景动态能力的考察不足。 这一方向的主要研究机构

关键数智技术 电力AI大模型 电力AI大模型即在通用大模型的基础之上，使用海量电力行业 信息加以训练，打造出具备适配于电力调度、巡检、交易等行 业特色场景的思维链能力的专业大模型。电力AI大模型在语言 模型、深度学习等算法加持下，可成为具备理解和推理能力的 中枢平台，并集成其他各类可用工具，全面赋能预测、预警、 诊断、调度、交易等业务场景；同时，电力AI大模型可基于自 身的学习能力，在应用中自主优化迭代，持续提升预测精度和 调令 供需电价 气象数据 观测、ERA5 设备数据 风机 储能 Transformer类神经网络 词元化 向量化 注意力 机制 前馈 整合 解码 输出 语言/视频 ERA5 短期记忆 长期记忆 机器 语言大模型 气象大模型 人机交互新范式 电 网 中长期合同曲线 中长期竞价曲线 现货交易策略 实时监测 设 备 出力控制 启停复位 视频 机 器 人 时，大幅节约了数据采集成本； • 推动生产管理由 “分散孤立”向“一体协同”转变，驱 动生产全要素效能提升。 电力智能物联技术（AIoT） 电力智能物联技术（AIoT）将机器学习、深度学习、自然语言 处理等AI技术整合到传统物联网中，对传感器采集的海量数据 进行大规模数据处理和分析，使物联网技术突破的监测感知的 范畴，具备更高效的自动化决策以及预测、预警能力。 泛在电力物联网在海量分散的电力设备之间建立联结，支持对

关键数智技术 电力AI大模型 电力AI大模型即在通用大模型的基础之上，使用海量电力行业 信息加以训练，打造出具备适配于电力调度、巡检、交易等行 业特色场景的思维链能力的专业大模型。电力AI大模型在语言 模型、深度学习等算法加持下，可成为具备理解和推理能力的 中枢平台，并集成其他各类可用工具，全面赋能预测、预警、 诊断、调度、交易等业务场景；同时，电力AI大模型可基于自 身的学习能力，在应用中自主优化迭代，持续提升预测精度和 调令 供需电价 气象数据 观测、ERA5 设备数据 风机 储能 Transformer类神经网络 词元化 向量化 注意力 机制 前馈 整合 解码 输出 语言/视频 ERA5 短期记忆 长期记忆 机器 语言大模型 气象大模型 人机交互新范式 电 网 中长期合同曲线 中长期竞价曲线 现货交易策略 实时监测 设 备 出力控制 启停复位 视频 机 器 人 时，大幅节约了数据采集成本； • 推动生产管理由 “分散孤立”向“一体协同”转变，驱 动生产全要素效能提升。 电力智能物联技术（AIoT） 电力智能物联技术（AIoT）将机器学习、深度学习、自然语言 处理等AI技术整合到传统物联网中，对传感器采集的海量数据 进行大规模数据处理和分析，使物联网技术突破的监测感知的 范畴，具备更高效的自动化决策以及预测、预警能力。 泛在电力物联网在海量分散的电力设备之间建立联结，支持对

可在 产品销售环节优化销售策略和客户体验。基于机器学习与自然 语言处理技术，构建市场预测与客户交互的双引擎智能系统。 通过时间序列分析挖掘历史销售、舆情及宏观经济数据中的潜 在规律，融合包含社交媒体趋势、供应链波动等在内的多源异 构数据，生成高置信度的市场需求预测报告，动态优化定价策 略与库存分配。同时，部署预训练语言模型、驱动的智能客服 系统，结合知识图谱生成准确、有针对性的回复，提供个性化

有的机遇。AI通过优化储能系统管理效率、降低运营成本、增强市场竞争力等形式重塑储能行业价值 链，其应用场景也从单一问题解决向多维度、全链条的智能化转型拓展。然而，储能行业复杂的工业 系统特性决定了其对AI的需求远超消费领域的传统大语言模型（LLM）。取而代之的是融合型 AI——一种能够整合多源数据、跨越多个领域、实现实时决策与优化的创新解决方案。 （1）明确方向：“AI+储能”赋能企业稳定增收 衡量AI赋能储能的效果，关键 增长。虽然AI当前正在迅速走向成熟并在储能行业的应用潜力巨大，但要实现其长远的价值并促进收 入增长，企业仍需要清晰的战略和步骤。首先，需要明确储能行业的特定需求，这不仅仅依赖消费领 域的LLM（大语言模型），而更需要融合型AI的创新解决方案。其次，明确可实施的技术方案至关重 要。我们可以从两个层面入手：一方面是从实际应用场景出发，遵循可实现性和价值高低的原则来构 建AI框架；另一方面，技术支 AI可协调分布式储能、电动汽车、柔性负荷等资源参与电网调频、需求响应，并基于博弈论和强化学 习制定虚拟电厂在电力市场中的最优报价策略。AI赋能的技术价值在于大模型模拟不同政策下的市场 演化路径，辅助长期投资决策；通过自然语言处理分析用户用电习惯，提升需求侧响应参与率。 4. 储能市场雷达：智能营销系统规模化获客（新兴价值） 该场景借助AI驱动的精准营销工具，快速切入工商业储能市场，抢占增量客户。主要应用方向包 括

软件。Microsoft于1月发布Azure Quantum Development Kit 1.0，使其速度提高了 100倍，体积缩小了100倍，并能在浏览器中运行。Quantinuum于1月发布量子自然 语言处理软件lambeq 0.4.0版本，提高可用性以及字符串图处理速度。Intel于2月推 出量子软件开发工具包Ouantum SDK 1.1。IBM于3月发布Qiskit SDK 1.0，进一步提 问题。例如，量子神经网络是量子AI模型的一种典型形式，通 过量子比特的叠加和纠缠特性，可以显著提升模型的计算能力 和效率，尤其是在大数据处理、图像识别和自然语言处理等领 域，量子AI模型有望为其带来颠覆性突破。 AI辅助提高硬件设计效率 量子AI模型有望为图像识别、自然语言处理等领域带来颠 覆性突破 第十一章 产业展望 153 AI+量子技术的融合不仅体现在量子计算的软硬件优化上， 还促进了量子算法和

煤矿智能化发展滞后于人工智能技术进步。近年来国家大力推 进人工智能技术快速发展，2025 年政府工作报告提出“人工智能+” 战略，部署深化中央企业“AI+”专项行动，ChatGPT、DeepSeek 等大 语言模型凭借高效的多模态数据处理能力、强大的工业场景适应性和 可扩展性，为传统产业实现智能化转型升级奠定了坚实的技术基础。 当前，煤炭行业技术装备的智能化还主要基于工业自动化的架构，相 较于通用人

最佳论文奖，在人工智能、数据库、操作系统 等领域的论文数量位居国内研发机构第一、世界前列。在机器智能领域，智能语音交互平台赋 予“能听、会说、懂你”式的人机交互体验，在电力、金融、司法、保险、电商等多个领域均 有应用案例；在深度语言模型体系 ALICE 相继刷新了世界记录，获得多项竞赛冠军。 项目概述 随着国家“双碳”战略落地，大量新能源直接并网和消纳，给电网带来了巨大的冲击。准 确的新能源功率预测可以保障电网安全稳定运

量子计算为机器学习和深度学习算法带来前所未有的加速。 传统计算机处理大规模数据和复杂模型存在计算瓶颈，量子计 算的并行处理能力可快速处理海量数据，加速模型训练，显著 提升人工智能学习效率与智能水平。在图像识别、语音识别和 自然语言处理等领域，量子-人工智能融合实现更精准识别与 理解，推动智能安防、智能客服、智能写作等应用发展。智能 安防借助量子计算算力，快速分析监控视频海量数据，实时预 警并精准识别异常行为；智能客服能更准确理解用户问题，提