AI大模型時代，我國提出開展“人工智能+”行動，AI智能體（Agent）被認為是“人工智能+”賦能各行各業應用落地的關鍵。
生成式AI的發展是劃時代的，堪比50年前個人電腦的出現和30年前互聯網的出現，未來10年從個人生活方式到社會經濟的方方面面，都會被顛覆或者重構。2025年政府工作報告明確提出持續推進“人工智能+”行動，并強調支持大模型廣泛應用，中央政治局4月25日下午就加強人工智能發展和監管進行第二十次集體學習，明確提出“面對新一代人工智能技術快速演進的新形勢，要充分發揮新型舉國體制優勢，堅持自立自強，突出應用導向，推動我國人工智能朝著有益、安全、公平方向健康有序發展”。
“人工智能+”延續“互聯網+”賦能千行百業的思路，賦能能源電力行業的方式也將是顛覆性的，未來能源電力系統從單元、設備、系統、場站到電網，AI智能體（Agent）將是核心并無處不在，基于智能體重構二次系統的芯片、基礎軟件和高級應用，以及改變一次系統的構架、功能、交互方式，有望解決困擾能源電力系統多年的經典難題，徹底實現由內及外的智能和全新的用戶體驗。
國際上，早在2023年11月，比爾·蓋茨在他的官方博客上發布長文表示5年內每個人都將擁有AI智能體，并稱“它們將徹底改變我們的生活方式”，同時強調了AI智能體的重要性：“在計算機行業，Android、iOS和Windows都是平臺，智能體將成為下一個平臺。”2024年9月，OpenAI發布o1推理模型系列，展現了新的尺度定律：增加推理時間可以提升模型性能，表明生成式AI的現實落地需要適用于不同特定領域和應用的推理，新一代的AI智能體應用將出現。
2025年3月6日中國創業公司Monica發布全球首款通用AI智能體產品Manus，其具備從規劃到執行全流程自主完成任務的能力，如撰寫報告、制作表格等。它不僅生成想法，更能獨立思考并采取行動，具備規劃并執行復雜任務的能力，能直接交付完整成果，展現了一定程度的通用性和執行能力。在能源電力行業，2024年底國家電網公司正式發布光明電力大模型，其中也包括與行業場景深度融合的智能體服務。
智能體技術發展
智能體（Agent）的概念由Minsky在其1986年出版的《思維的社會》一書中提出，Minsky認為社會中的某些個體經過協商之后可求得問題的解，這些個體就是智能體。他還認為，智能體應具有社會交互性和智能性。智能體的概念由此被引入人工智能和計算機領域，進入上世紀90年代迅速成為研究熱點。但當時想要實現真正的智能還缺乏必要的現實條件，因此很長一段時間里Agent更多被理解為一種軟件“代理”，更多強調其反應能力和社交能力等，比起更一般的代理（如proxy）以被動響應為主，智能體更強調是在特定環境下連續自發地實現功能，同時與相關智能體和進程相聯系的軟件實體。其顯著的特點是具有自主性、社會能力、主動響應能力、時間連續性、自適應性和可移動性等，直到近十年深度學習技術的發展才使得智能性的真正實現成為可能。
多智能體系統（Multi-Agent Systems）是為了解決單個智能體不能夠解決的復雜問題而由多個智能體協調合作形成的問題求解網絡。為了使智能體之間能夠合理高效協作，智能體之間的協調機制成為多智能體系統研究的重點問題。一般地，每個智能體被認為是一個物理的或者抽象的實體，能夠作用于自身和環境，并可與其他智能體通信。多智能體系統的研究方法實際上是用模擬人類社會系統的運作機制來提高計算機系統解決復雜問題的能力，采用多個智能體進行協作，通過任務分解和任務協調提高整個系統的能力是一個可行的途徑。另外通過多智能體之間的合作還可以克服單個智能體知識不完全、處理的信息不確定等不足，解決跨域安全，隱私保護等方面的問題。
AI智能體的主要特征是自主性，雖然在生成式AI的加持下其智能性得到極大提升，但現階段它通常還是在相對有限的需求范圍內工作，目的是高效、準確地完成指定的任務。AI智能體依賴明確的指令或規則來執行任務，而更高級階段（一般稱為Agentic AI）則表現為高度自主性，能夠設定任務、制訂計劃、靈活適應環境，并能主動學習并優化行為，它不僅能完成任務，還能自主設定目標、預測風險，甚至指揮多智能體系統協作。
既然AI大模型已經具備很強的可擴展性，理論上所有智能性都應該可以在大模型本身得到實現，那為什么應用落地還需要AI智能體？其中有重要的跨域和主體問題，基礎或垂域大模型提供主體一般與應用主體不同，涉及的基礎數據和專業知識屬于不同的管理域，因此行業應用落地一般需要另外構建AI智能體，而不是直接調整模型本身，其中還衍生出重要的AI智能體平臺。
AI智能體平臺
傳統的平臺類軟件包括操作系統、中間件、數據中臺等，大模型時代AI智能體平臺將徹底顛覆傳統架構，主要包括基礎大模型、垂域大模型、智能體平臺、智能體應用等幾個層面。傳統以數據為中心的系統架構方式不復存在，大模型本質是對數據和知識更加有效的壓縮。
基礎大模型包括大語言模型、多模態大模型、時空序列大模型等多種類型。目前發展比較快的以大語言和多模態模型為主，但是很多系統的建模無法用文本、圖像、聲音或視頻完成，來自傳感器物聯網具有時空序列特征的數據是模型的基礎，這在能源電力系統運行中體現得尤為明顯。
垂域大模型是在基礎模型之上形成的針對特定垂直領域應用的模型。介于AI應用與基礎大模型之間，垂域大模型一般不針對單一應用，但具備在某一特定行業或領域的專業深度知識，是對基礎大模型本身進行全量或局部參數微調形成的。在能源電力領域，可以針對電力、新能源、儲能等不同行業開發不同的垂域大模型，而模型之上要獲得用戶體驗感好的應用還需要進一步開發AI智能體。
智能體平臺提供端到端的工具和服務，一般包括感知、規劃、記憶和工具等方面的增強功能，在不改變模型的基礎上，提供AI智能體從設計、開發、實施、發布、運行、運營到運維等全生命周期的一站式支持。
感知增強：主要針對當前環境采集實時數據，比如電力系統運行基礎數據比較統一，一般包括電流、電壓、有功、無功等基本信息。而目前大語言模型以總結歷史數據和信息為主，缺乏與當下環境的實時交互。
規劃增強：將任務拆解，流程具象化，就像工廠流水線一樣，可以放置不同的工具完成不同任務的處理。通過搭建工作流來創建特定的技能，讓智能體具備某個復雜場景的高質量處理能力。
工具增強：讓智能體學會調用各種外部工具，涵蓋搜索引擎、文檔檢索、數據分析、代碼編寫等各種工具，通過添加特定的插件，形成智能體與外部系統進行信息交互的能力。
記憶增強：獲取、存儲、保留和后續檢索信息的過程。通過本地資料、在線文檔、引入專業數據和創建特定知識庫，讓智能體具備某些私有的知識信息，在不改變模型的同時增加專業性。
能源電力應用
在應用層可以實現不同類型的能源電力行業應用。AI在能源電力系統中的應用由來已久，但基本集中在圖像視頻監控等領域，大模型技術的發展極大拓寬了應用類型，以AI智能體為載體，以高質量數據來源為前提，可以實現更多與生產運行直接相關的應用。
管理治理類。大語言模型可以直接應用于企業管理類的應用，在企業營銷、運營、財務、法務、人力資源、客服等方面都可以發揮作用，提高知識傳播和共享的效率；在能源電力行業，數據治理、電能質量治理等也都是典型應用，直接關系到企業的運營水平。
建模預測類。新型電力系統的核心挑戰來源于新能源的間歇性和負荷的不確定性，利用AI技術進行負荷建模和新能源出力的預測成為剛需。基于Transformer的生成式AI架構可以處理維度更高、規模更大的數據，更好捕獲數據之間的關聯關系，可以將更多的環境、氣候等相關因素納入模型架構，實現更高的預測準確性和模型泛化能力。
運行調度類。在建模預測的基礎上，AI技術還可以在實時運行過程中基于數據驅動產生調度策略。一方面大電網的運行調度可以越來越多地實現AI技術的輔助決策；另一方面，在分布式的能源微網、源網荷儲一體化等能源互聯網場景中，AI智能體可以實時制定新能源出力和儲能充放電策略等，實現基于AI的能量管理。
價值交易類。價值層面，我國在大力推動電力市場建設，近期136號文要求新能源全面入市，使得AI技術在新能源項目規劃和運營中成為剛需。在綠色低碳價值實現方面，AI技術也可以在綠證交易和碳交易等方面發揮作用。尤其我國最近在大力推動虛擬電廠的試點，大規模分散主體、分布式資源的聚合，沒有AI技術的支撐也很難得到實現。
跨界融合應用
“人工智能+能源”不僅僅意味著AI技術在能源電力垂直領域的應用，更能夠成為新質生產力發展的核心引擎，以下列舉了幾個方面的典型場景。
智能家居。大模型技術的發展引起人機交互體驗的極大提升，為智能家居的落地應用提供了契機。家庭能量管理系統（HEMS）是智能家居的基本組成部分，可以將屋頂光伏、戶用儲能、電網接入、家用電器、電動汽車充電等源網荷儲的各個環節進行統一管理，借助AI技術實現優化，達到綠色低碳節能的目的。由智能家居還可以衍生出智慧建筑、智慧小區/園區、新型智慧城市等管理場景，“人工智能+能源”都是其中的核心引擎。
算能融合。延續能源互聯網能源信息基礎設施一體化的思路，算能融合將是未來基礎設施發展趨勢。新能源、新型儲能等能源電力技術的進步會促進和支撐AI智算中心等基礎設施的建設和綠色低碳可持續發展，智算中心作為大規模負荷和可調節資源又可以反過來參與新能源消納和新型電力系統運行。去年7月，國家發展改革委、國家能源局、國家數據局印發《加快構建新型電力系統行動方案（2024—2027年）》，特別提到：“實施一批算力與電力協同項目。統籌數據中心發展需求和新能源資源稟賦，科學整合源荷儲資源，開展算力、電力基礎設施協同規劃布局。”
交能融合。近期交通運輸部、國家發展改革委、國家能源局等十部門聯合印發《關于推動交通運輸與能源融合發展的指導意見》，體現了交通是“人工智能+能源”賦能的典型行業。例如，近年來新能源電動汽車發展迅速，對充電方面的需求呈指數級增長，光儲充系統成為主流，AI智能體可以綜合交通網、電網和充電網的信息為用戶提供充電推薦服務，在滿足用戶需求的基礎上最大程度提高充電效率，增加新能源消納。另外，城市軌道交通的綠色低碳發展也要求綜合能效不斷提升，這些都離不開“人工智能+能源”與交通行業的深度融合。
基站微電網。隨著5G/6G技術的不斷發展，通信基礎設施的能耗越來越高，也逐漸面臨可持續發展問題。通信基站由于數量大、分布廣，更適合與新能源微電網相結合，形成分布式的能源信息基礎設施一體化典型場景，而其中的能量管理和市場交易等問題同樣可以借助AI技術來解決。
離網油氣井。針對分布式油氣井的用電需求，采用離網型新能源微電網替代目前以井口燃機發電驅動采油（氣）機的需求，同時受油氣井生命周期影響，微電網2—5年就要進行一次搬遷，需要考慮整體裝置的易拆裝性和可移動性。離網微電網的控制也可以借助AI技術實現，充分結合負荷特征，實時制定新能源出力和儲能充放電策略，實現整體上經濟效益最大化。這是“人工智能+能源”與傳統油氣行業結合的典型場景。
新能源化工。一方面利用新能源、儲能等組成源網荷儲一體化系統驅動化工生產，另一方面通過化工技術制備高效、清潔的能源載體，如綠氫、氨能和合成燃料（如甲醇）。這是“人工智能+能源”與化工行業結合的典型場景，利用AI技術可以實現化工—能源—數字化的深度耦合。
接下來的十年，“人工智能+能源”將成為發展新質生產力的核心引擎，AI智能體的發展是關鍵。
在AI智能體技術的發展中，多智能體協作將成為主要趨勢，復雜任務可以分解為很多個代表不同主體、具備不同專業特長的智能體之間的協作，而協作本身也是由AI驅動的，進而形成AI智能體技術的高級形態Agentic AI，更加具有自主性。
未來能源電力行業的AI應用將與企業和行業業務流程深度融合。AI智能體的功能將不僅僅是完成一次對話問答或者查詢一次知識庫那么簡單，其本身對于業務層知識也具有超越人類認知的理解和認識，能夠在目標驅動下自主決策。AI智能體還可以與手機、電腦、網聯車、機器人等終端深度融合，自主完成企業管理或生產運行所需的業務流程，應用范疇會遠遠多于本文所列舉的類型和場景。
聯系地址：陜西省西安市北關正街35號方興大廈8樓
