【NEX2025：AI对话】共探AI与新能源深度融合机遇与挑战

圆桌对话伊始，各企业代表结合自身业务，分享了在新能源AI领域的核心探索方向，覆盖AI底层基础设施、电力交易、储能运营、车网互动（V2G）等关键赛道。

全联新能源商会副会长单位、特隆美储能研究院院长谢茂军介绍道，特隆美储能专注于为全球用户提供储能系统综合解决方案，是集研发、生产、 销售、售后服务于一体的全产业链供应商。公司深耕电力行业30余年，拥有丰富的电力系统产品研发和制造经验，具备大批量订单交付实力。公司致力于将储能技术与场景应用充分融合，不断进行技术创新及产品方案优化，为多个细分领域提供领先的储能系统解决方案。在助力全球能源转型的业务布局与拓展进程中，特隆美已为全球20多个国家、100多个城市及地区提供服务，成功落地项目逾1000个，更收获高度国际认可——成功通过邓白氏注册认证，2024至2025年连续入围BNEF Tier1一级储能厂商榜单。

全联新能源商会常务理事、链宇科技创始人、董事长、CEO 秦宇迪介绍表示，链宇科技孵化于清华大学，是欧阳明高院士在车网互动、光储充放微电网、智慧低碳建筑领域的唯一技术转化企业。公司主营业务涵盖用户侧新能源资产管理、车网互动（即汽车与电网能量双向流动，简称V2G）、虚拟电厂和电力交易，致力于通过先进技术提升新能源微网场景下的能源聚合调度和精细能耗管控能力，并在全球首创生成式AI大模型及时序AI负荷预测大模型，为行业带来突破性进展。公司获评全球十大V2G创新企业，且为中国唯一入榜企业。其AI应用聚焦车主出行行为预测与能源调度优化，实现“车主增收不影响出行、电网/园区削峰填谷”的多方共赢。

全联新能源商会常务理事、星翼智慧能源总经理范良明表示，星翼能源是电化学储能领域专精特新企业，以“储能设备源头工厂”与“核心供应商”双核驱动构建覆盖研发、生产、交付、运营的一体化储能生态链，打造涵盖工商业用户侧、电网侧、发电侧等全场景的储能解决方案矩阵，助力能源高效利用与低碳转型。

朗新科技集团 AI研究院院长黄飞表示，朗新科技集团是一家领先的能源科技企业，长期深耕电力能源领域，聚焦“能源数字化、能源互联网”双轮战略。通过新一代数字化、人工智能、物联网、电力电子技术等新质生产力，服务城市、产业、生活中的能源场景，主要业务方向包括零碳园区、电力化市场交易、聚合平台等。朗新科技致力于运用AI智能体打通内部数据，推动AI从“对话工具”升级为“生产力工具”，其朗新九功AI 能源大模型，能够为电力市场化交易提供智能化的交易策略。

阿里云智能集团公共事务副总裁何陈棋表示，阿里云成立于2009年，是全球是四大云计算品牌之一。2018年开始布局生成式人工智能，2021年发布百亿参数的多模态模型，2023年4月正式发布通义千问系列大模型。围绕通义千问系列大模型，阿里云构建了“芯片-云计算-行业模型”全生态支撑体系。

海博思创电站事业部副总经理郭凯表示，海博思创是是行业领先的储能系统解决方案与技术服务供应商，专注于储能系统的研发、生产、销售和服务，为传统发电、新能源发电、智能电网、终端电力用户及智能微网等“源－网－荷”全链条行业客户提供全系列储能系统产品，及储能系统一站式整体解决方案。海博思创从设备端到电站运营端全面布局AI，到今年底海博运营储能项目规模将超过10GWh，将进一步探索AI助力储能电站收益最大化路径。

论坛下半场圆桌对话环节由全联新能源商会常务理事、昇科能源创始人、CEO褚政宇受邀主持，在褚政宇的引导下，嘉宾们围绕“AI与新能源融合的差异化挑战”“储能领域AI价值定位”“V2G落地关键”等议题展开深入探讨，直击行业核心矛盾。

AI服务新能源的“同与不同”

阿里云何陈棋指出，AI底层算力需求在新能源与其他行业无本质差异，但电力交易场景的“政策依赖性”“市场化转型期特性”带来独特挑战——需将电网规则、政策变量融入模型，而这需要AI企业与新能源行业深度协作，共建行业知识库。“不同于金融交易的成熟市场化，新能源交易的规则动态调整，要求AI模型具备更强的适配性。”

AI从“锦上添花”走向“核心支撑”

针对“储能企业纷纷转型投建运营，AI扮演何种角色”的问题，海博思创郭凯明确表示：“储能本质是‘电量搬运工’，AI将从辅助工具升级为核心能力。”其团队通过AI整合气象数据（NASA、中央气象局等）、现货数据（全年3万+个时点），优化调频、现货、容量市场的收益组合，已实现部分项目收益高于行业平均水平。

星翼智慧能源范良明则从工商业场景补充，“峰谷套利政策存在不确定性，AI的核心价值在于结合储能资产，帮售电公司实现‘低买高卖+负荷调节’，这是单纯设备制造无法实现的竞争力。”

特隆美谢茂军则聚焦设备端痛点指出，“当前储能安全预警、利用率优化仍有提升空间，AI需先解决设备本体的‘可靠性’问题，再谈交易赋能。”

AI破解“人车协同”难题

链宇科技秦宇迪强调，V2G作为“移动储能”，其AI应用的核心是“搞定车主和负荷资源”。“C端车主行为零散、出行需求多变，AI需先实现‘精准预测’——比如车主上班停驶4小时，能否放电2小时；再通过强化学习输出调度策略，平衡车主收益与电网需求。”目前，链宇已在山东等试点与售电公司合作，利用V2G资源弥补日前交易的负荷偏差，降低售电风险。

数据治理成最大瓶颈

几乎所有嘉宾均提及“数据缺失”是AI落地的首要障碍。海博思创郭凯坦言，“部分省份仅开放40%电网数据，我们需通过多渠道整合数据，数据治理占用团队大量精力。”朗新科技黄飞补充道，“不仅是数据量不足，数据质量（分辨率、完整性）也未达预期，模型需先具备‘容错能力’，才能在实际场景落地。”

新能源AI的未来趋势

在圆桌讨论环节，主持人褚政宇先生结合自身公司多年的实践经验，指出当前新能源AI落地面临诸多挑战，现阶段非技术层面的问题（如获取数据和资源）甚至比AI技术本身更关键 。他观察到，储能设备企业正普遍向投建运一体化转型 ，并预判未来的售电公司必须与储能投资商深度融合，才能获得必要的灵活性资源优势 。对于AI的价值，他强调应聚焦于能带来巨大提升的核心环节，最后，他引用嘉宾的观点“人们往往会高估未来一年的变化，但会低估未来十年的变化”来形容AI在能源领域的长期潜力。

对话尾声，嘉宾们以“未来3至5年AI最大价值”“当前核心挑战”为主题总结，形成三大行业共识。

核心挑战：数据与人才“双短缺”

数据层面，电网数据开放程度低、用户侧数据（如车主行为、工厂负荷）获取难，导致AI模型训练缺乏高质量素材；人才层面，复合型人才稀缺——既懂AI算法，又理解新能源业务（如电力交易规则、储能设备特性）的团队凤毛麟角。

未来价值：人机协同、全局最优成主流

朗新科技黄飞认为，“人机协同”将是长期模式，“涉及交易决策、安全运维等关键环节，AI提供‘激进/平衡/保守’选项，最终由人判断负责，避免算法风险。”

海博思创郭凯指出，“当前AI多聚焦企业局部优化（如单电站收益），未来需站在电网视角，整合发、输、配、用资源，实现‘新能源消纳+储能利用+成本最优’的全局平衡，这才是AI的终极价值。”

阿里云何陈棋则预测“Agent（智能代理）”将成重要形态，“未来每个新能源主体（电站、售电公司、车主）可能都有‘数字化助理’，24小时在线匹配交易需求、优化调度策略。”

行业协同：新能源AI专委会搭建交流平台

论坛最后，褚政宇介绍了全联新能源AI专委会的定位——作为2023年发起的行业组织，目前已汇聚数十家会员单位，旨在推动AI与新能源的“认知碰撞、资源对接、商机挖掘”。“当前行业处于AI融合初期，需要更多跨界协作，比如朗新的九功AI能源大模型与海博的电站数据结合，链宇的V2G资源与售电公司合作，才能加速突破痛点。”

此次圆桌对话不仅展现了新能源AI领域的前沿实践，更通过“直面问题、坦诚交流”为行业提供了清晰的落地路径。正如嘉宾们的共识：“我们往往高估未来一年的变化，低估未来十年的突破——AI与新能源的融合，将在数据开放、人才培养、模式创新中逐步深入，最终重塑能源行业的生产力格局。”