6月20-21日，以“人工智能深化協同，能源科技求索創新”為主題的2025國家能源互聯網大會在杭州盛大召開，全球產業技術領先者施耐德電氣受邀出席大會，展示了助力能源轉型的數智技術及解決方案，并圍繞AI驅動能源轉型等話題進行了技術分享。

源網荷儲全鏈協同，AI驅動能源轉型

AI不僅僅是能源的消耗者，更將成為能源效率的革新者。施耐德電氣電網行業高級架構師王照在大會演講中提及，AI正與能源系統進行深度融合，并成為能源企業實現數智化轉型的“核心引擎”。

當前電力系統的數據量、更新速率和關系復雜性正呈爆炸式增長，而AI恰恰能夠憑借實時的決策洞察精準識別資源浪費，并以智能化的方式優化資源管理策略，提升能源系統的柔性。例如，在源網互動方面，由AI賦能的預測性調度可以減少棄風棄光，有力提升光伏、儲能等分布式能源與大電網的協同性。

在用電側，AI能夠深度挖掘工業等場景的節能潛力，加速消費端的低碳轉型。對于用能企業而言，在數字化、電氣化加速推進的時代，AI將成為構建可持續未來的核心驅動力。AI與能源管理系統的深度融合，將為企業帶來三重價值：精準識別能效瓶頸、智能優化資源配置以及降低用能成本與碳排放總量。

施耐德電氣將前沿的AI預測技術與行業知識經驗相結合，開發了在綜合能源復雜運營條件下具有自主管理與調節能力的模型預測控制算法。依托這一算法，由AI驅動的微電網解決方案助力傅雷圖書館實現了光伏自消納率約88%、建筑新能源滲透率約67%的卓越成果，同時實現了70%的減碳量，使其成為了全球首座LEED凈零碳認證圖書館。

AI融合能源技術，推動技術升級與商業模式創新

在AI的全面“浸潤”下，能源系統在技術升級和商業模式創新兩個層面都面臨著革新與進化。而這樣的變化，正推動著嶄新的業態和增長點隨之誕生。

在技術層面，AI 正從“單應用”走向“鏈應用”，在能源系統的源、網、荷、儲全環節協同應用。其中，伴隨著邊緣AI的普及，輕量化AI模型正越來越多地部署于智能電表、儲能終端，實現本地快速決策，降低對云端算力的依賴。例如，施耐德電氣在傳統的綜保裝置中集成了經過180萬個實際用例訓練的、基于機器學習的故障檢測算法，將小電流接地選線選段的精準度顯著提升，其應用價值可見一斑。

王照在演講中指出，在設備運維層面，施耐德電氣的POI-MV中壓主動運維智能單元基于機器學習、大數據分析和多維度模型訓練技術，可實現開關設備健康狀態持續監測，并提供早期預警和后續設備運維建議，從而助力用戶實現了對配電資產從“被動搶修”到“主動運維”的轉變。

當AI擁有了跨域數據協同能力，還可以打破能源、交通、工業等領域的數據壁壘，創造新的價值。例如，AI可以調度電動汽車向電網反向送電，或對工廠用電進行削峰填谷的智能調度，從而通過電力市場交易創造額外收益。

而在商業模式層面，AI同樣可以帶來一系列新的變化。在AI的推動下，未來能源相關的商業模式有望從傳統的“賣產品”轉化為“賣服務”。例如，企業購買的不再局限于傳統的硬件產品，還可以購買訂閱制的“AI能效優化服務”，并按照節能效果或PUE達標率付費。與此同時，虛擬電廠也可以利用AI聚合光儲、電動車等分布式資源參與電力市場，提升收益能力。

相應地，為了適應這些新業態，企業也勢必需要推動自身的“進化”，不斷培育新的能力與生態。未來，企業要想憑借AI的賦能，決勝充滿不確定性的能源市場，將不得不從單純的“硬件研發”轉向培養“軟硬協同”的復合型能力。比如，廠商既要迭代可以承載AI功能的智能硬件，也要構建靈活的軟件平臺;既要在解決多場景的電力行業專屬大模型上發力，也需解決傳統AI的泛化性問題，以適配電力系統的非線性特性。

這樣的要求，也將進一步推動企業尋求構建“硬件 + 算法 + 服務”的生態，加強跨界合作。在這方面，施耐德電氣基于EcoStruxure 平臺，并聯合生態合作伙伴聯合開展AI能源應用開發，率先樹立了圍繞AI應用開展生態合作的典范。

共享共贏共創，突破AI與能源技術協同挑戰

無須諱言，盡管AI與能源技術的深度協同已經“漸入佳境”，但仍有一系列不可忽視的挑戰亟待解決。首先，能源數據分散于發電、輸配電、用電等不同企業，跨主體、跨部門的數據共享仍然存在較大阻礙，造成的“數據壁壘”往往讓AI訓練因缺乏足夠數據而“難為無米之炊”。

其次，面對電網的成百上千種故障模式，AI的算法適配也存在短板，通用的 AI 模型往往會有準確率不足的問題，而行業專屬大模型由于數據不足造成訓練效果差強人意。

最后，面對高度重視安全可靠性的能源系統，AI的潛在安全風險同樣不容忽視。一旦AI引擎深度參與能源調度，算法漏洞很可能引發能源調度連鎖故障，這無疑對安全防護體系的完善提出了更高要求。

轉型在即，如何化解這些瓶頸與挑戰?施耐德電氣全國銷售部銷售總監楊偉臨在活動期間表示：“在AI與能源技術加速融合的大勢所趨之下，我們面臨來自數據、算法和安全等方面的挑戰，可以從政策保障數據權益、技術協同、守住安全紅線等三個方面考慮破解之道。”

施耐德電氣倡導推動“能源數據共享池”試點，鼓勵共享數據訓練模型，同時保障數據主權;與此同時，施耐德電氣建議行業聯合建立“能源 AI 開源社區”，共享故障數據集、訓練框架，讓每個參與者既作為開源的貢獻者，也成為開源的貢獻者，從而以生態合作實現互利共贏;最后，則是在技術層面為AI樹立“安全柵欄”，避免因過度依賴或放任AI使用而產生安全風險。

可見，利用AI技術促進能源系統“數字覺醒”的過程，絕非一帆風順。然而，在政策護航、技術創新、生態合作的共同作用下，AI等數字化技術驅動的能源轉型前景必將勢不可擋。

能源系統迎來“數字覺醒”的本質，正是能源管理從“經驗驅動”轉向“數據驅動”的過程。未來，施耐德電氣將持續將AI與能源管理有機結合，并攜手上下游伙伴，一起推動技術創新落地，賦能更多企業實現節能減碳和智能化運營，邁向可持續發展未來。