专题策划（下）| 如何实现大模型与行业的深度耦合？

推荐语

深度解析大模型如何推动产业升级，探索人工智能技术在能源等领域的应用前景。

核心内容：
1. 大模型技术赋能产业升级的系统工程
2. 学术界与企业界专家对大模型技术机遇与挑战的深入讨论
3. 中国石油昆仑大模型的实践探索与行业大模型的四层架构详解

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

刘速：中国石油天然气集团公司全力探索智能化发展工程，以昆仑大模型为核心开展“人工智能+”行动。研发团队围绕“五个一”开展工作，即训练一套国内领先的行业大模型、落地一系列创新应用场景、形成一套高质量的行业数据集、搭建一个集中统一的AI中台和建设一个资源共享的智算中心。

昆仑大模型是面向能源行业的大模型，顶层设计包含L0通用基础大模型、L1行业大模型、L2专业大模型、L3场景大模型四层架构，覆盖勘探开发、炼油化工、油气储运、产品销售、工程建设和装备制造等业务领域，具备行业知识问答、物体检测、图文生成等能力，能有效解决能源化工行业各环节业务问题，推动技术创新和产业升级。其中，L1行业大模型训练形成700亿参数语言、3亿参数视觉、160亿参数多模态，成为能源化工领域首个通过国家备案的行业大模型。在对能源化工行业的理解能力、视觉识别范围、多模态领域能力等方面，行业大模型较基础模型有显著提升。

专业大模型在行业大模型的基础上，通过专业领域数据增强预训练+微调训练形成。其特点是满足专业场景需求，专业属性强。在地震处理、地震解释、测井处理解释等方面提升了运行效率。2025年，我们还计划做实时大模型，目前已构建20多个场景大模型，打造了4类应用场景，搭建AI中台支持三大流水线。未来，我们将打造更多行业场景，探索智能体等新技术的应用。

朱红：国内首个千亿级多模态电力行业大模型——光明电力大模型于12月19日发布。国家电网公司人工智能发展旨在推进数字化转型，提升电网运行管理水平，采用大模型和专用模型协同模式。光明电力大模型是面向电力行业的千亿级多模态大模型，能够面向电力生产、建设、管理、运营、科研、制造、服务等全产业链提供专业化智能化服务。

研发团队从筑底、强知识、练思维三方面提升大模型专业能力，在架构上新增跨模态适配层等，增强多模态融合分析能力，打造全行业样本，提升知识理解和生成能力，用实际案例引导逻辑推理和自我优化。

光明电力大模型在电网规划、电网运维、电力调控、供电服务等600多个应用场景发挥智能专家作用，实现电力与算力的协同赋能，助力新型电力系统和新型能源体系建设。目前，自动生成供用电方案的功能已在江苏实践应用。未来，光明电力大模型将致力于与原有模型协同发展，深耕业务协同等领域，形成新生态。

王峰：中国电信全力推动云智一体，构建“1+1+1+M+N”布局，即一个智算云底座，一个通用大模型底座，一个多模态数据集底座，M个企业内部大模型和N个行业大模型。在大模型时代，算力是重要的基础设施，算力的发展呈现“点、线、面”规模，我国亟需突破算力“卡脖子”问题。中国电信作为云网资源运营商，为行业大模型提供算力服务，按照“以网补算”的方式促进算力的高效供给，即以用户需求为核心，通过网络控制面分发服务节点的算力、存储、算法等资源信息，提供最佳的计算、存储、网络等资源的分发、关联、交易与调配，从而实现整网资源的最优化配置和使用。

褚政宇：人工智能必须放在应用场景中看，电池大模型是新能源资产管理的创新引擎。

在能源产业链中，储能处于中游位置，随着中国新能源装机容量迅速增加，储能与动力电池的规模也日益壮大，已迈入太瓦时时代。然而，电池安全问题越发凸显，如电池着火事件频发，严重威胁人们的生命财产安全。现存的电池管理系统基于简单的逻辑判断，比如电压、温度大于特定值就报警，容易产生大量报错信息，运维人员难以快速判断其对安全性的实际影响，无法有效解决电池着火问题。在此背景下，为解决电池安全隐患，研发电池大模型迫在眉睫，旨在借助先进技术提升电池管理的安全性与可靠性。

郭欣：精准的新能源预测对电网的稳定运行至关重要。为提升数据同化能力和预测精度，德国气象局开发了一款人工智能大模型，成功解决了不同类型数据（如地面测量、雷达、卫星数据等）在时间和空间上的智能化衔接，使数据同化与天气预测能够在同一模型中完成。该模型不仅显著提高了新能源预测的精度和效率，还大幅降低了预测服务的成本。

随着天气预测技术的进步，人工智能在运行调度领域展现出巨大潜力，并带来深远变革。德国电网普遍采用双回线设计，以确保当一条线路发生故障时，另一条线路能够承担功率传输，这使得电网的有效输电能力仅为理论容量的50%。然而，随着新能源占比的持续上升，如何提升现有线路的输电能力成为亟待解决的难题。为应对这一挑战，德国电网企业正在测试“治愈性调度”方法，即借助配备电池的“网络助推器”优化电网运行。在实际应用中，这一方法不仅增强了电网应对突发事故的能力，还能降低运营成本，从而缓解电力转型带来的高额成本压力。同时，它也将成为人工智能在电网调度领域的重要研究方向。

王刚：人工智能与能源天生强相关，探索“AI+绿电”合作模式具有重要意义。

在与能源企业合作过程中，应该采用两种应用模式。一是“应用为先，小步快跑”，依托大模型智能体的应用开发平台，打造一系列知识、数据、流程的智能体助手。在能源行业识别高价值应用场景，如设备检维修、安全巡检、虚拟值班、技术监督、智能班组、“两票”生成等生产核心场景持续赋能。二是顶层规划，统筹规划。依托集团级人工智能基础底座，打造集中式模型训练环境，汇聚高质量数据样本集，沉淀纳管共性算法模型和智能体应用，面向产业单位和区域公司提供分布式推理能力。

目前，科大讯飞与多家能源企业展开合作，在合作过程中总结出一套包括建算力、理数据、训模型、保安全、精运营等多维度的方法论，构建了L0~L3级别的能源行业大模型体系，落地实践了大小协同、通专结合的“人工智能+能源”的新范式。

吴文峻：深入推进生成式人工智能技术发展，使其能够广泛落地应用，是当前人工智能领域关注的焦点。

虽然当前大模型推理能力明显提升，如在数学、代码、逻辑推理等方面取得了进步，但现有语言模型存在一定的局限性，与行业深层融合和落地应用还有差距。

大模型逻辑推理能力的提升，对人工智能未来发展以及实现行业应用至关重要。单纯的数据驱动只能构造“鹦鹉学舌”的复诵型智能体，因此纯粹依靠扩大规模，实现绝对通用的智能模型并不是可行的技术路线；面向大量的垂直领域，如电网等复杂巨系统场景，必须走“通专结合”的技术路线，形成包含推理、记忆、协调等能力的综合体系架构，尽早实现大模型在产业领域的广泛落地与赋能，这将在未来5~10年内成为主要研究方向。在工业制造领域，可以以大模型为基座，构建各类工业任务的专业模型，形成各个行业领域的智能体，实现大模型与制造行业的适配。

董建：人工智能标准是支撑产业高质量发展的关键。在政策层面，国内国际皆加紧布局人工智能。我国关注高质量发展和赋能实体经济，美国强调技术发展，欧盟注重监管。在产业层面，人工智能产业热度高涨，全球科技企业积极布局人工智能发展，产业规模增速进入快车道。在标准层面，国内国际对人工智能的标准化重视程度前所未有。

标准是推动人工智能产业发展的重要技术基础和制度保障，对于促进技术创新、保障安全、推动产业协同和国际合作等具有重要作用。2024年，工业和信息化部、国家标准委等四部委联合印发《国家人工智能产业综合标准化体系建设指南（2024版）》。我国也在积极参与人工智能领域国际标准的制定，同时推进国内人工智能标准化建设，如人工智能管理体系标准、数据管理能力成熟度标准、大模型评测标准、人工智能计算设备评测方法等。此外，具身智能标准研制、人工智能安全治理框架和大模型备案等工作也在推进之中。

周飞：当前行业大模型研发普遍遵循“基座模型构建—领域知识注入—认知能力强化”的阶梯式研发路径：首先，基于千亿参数量级的通用基座模型构建认知中枢，为行业应用提供基础认知框架；其次，通过能源电力行业数据的增量预训练，实现行业语言特征的深度适配；最后，采用专家引导的监督微调策略，提升模型在特定场景下的知识表征精度与逻辑推理能力。该范式在静态业务场景中表现优异，但在应对新型电力系统的高维非线性、强时变动态特性时，传统路径在算法动态更新、物理深度嵌入、边缘实时推理方面呈现显著局限性。基于此，建议立足第一性原理，聚焦新型电力系统复杂动力学特性的高维表征、实时观测、精准预测、动态决策等核心需求，从底层数学原理出发重塑能源电力大模型的研发与应用范式。具体实施包含以下两个方面：

一是创新模型架构，构建融合物理方程数值计算、神经网络数据驱动、符号逻辑数理推导的神经符号混合计算框架，实现复杂动力学特性在模型架构层面的原生表达，有效解决新型电力系统“计算维度爆炸、模型精度不足、决策响应滞后”等痛点。

二是革新训练范式，开创“原生训练—认知蒸馏—强化学习”的研发路径，构建“行业模型—专业模型—作业模型”的三级协同架构，形成感知、认知、决策、执行的闭环进化链路，确保针对能源电力业务的实时感知、精准推演、科学决策和快速响应。

曾震宇：大模型的兴起，让业务软件的交互模式发生了重大转变。以往复杂的交互模式和流程，需要专业人员记住大量操作方式，而现在借助大模型，交互逐渐向自然语言、图片、语音等更人性化的方式转变，人与机器的交流越来越像人与人之间的交流，这背后是上百亿甚至上千亿的大语言模型或多模态模型的支撑。

随着技术的不断发展，大模型有望在更多行业和领域实现深度应用，进一步推动产业升级和创新发展。但同时，也需关注大模型发展中面临的可解释性、数据安全等问题，通过持续的技术创新和研究，不断完善和优化大模型技术，使其更好地服务于社会和行业发展。

王冠：以GPT为代表的通用大语言模型存在数值运算不精确、逻辑推理不严谨、无法在线自主学习迭代等局限。

基于概率体系，以Transformer为主要架构的通用大模型学到的是语言的统计规律，而不是数学公式或数值计算方法。大模型通过数据学习关系和关联，依赖概率而非逻辑步骤。算术需要逐步推理和精确的步骤，而这些主要用于识别语言模式的模型难以处理。因此，即使模型已经见过很多算术问题的例子，它也可能只是根据学到的模式进行近似或猜测，而不理解何为“计算”。

大模型未设计专门的算术逻辑。基于概率体系的模型，学到的知识和输出的内容本质上来自于概率分布，这意味着正确答案或最优答案的概率小于100%，与符号体系截然不同。

为解决这些问题，应引入符号体系与概率体系融合，大模型需要在底层迭代机制上作出调整，以实现精确计算、严谨逻辑推理和在线学习。在线学习的核心是与环境、人类用户交互的能力，即交互式强化学习技术，通过每一个用户个体、智能体所处的环境的变化，实时更新模型。如同英伟达黄仁勋所言，“推理即训练”是未来大模型实现产业落地的核心技术突破。

陆继祥：南瑞集团深度参与了光明电力大模型研发等工作，光明电力大模型融合专业知识，为电力行业应用提供新途径。电力系统参数和指令需精确数值。受2024年诺贝尔化学奖得主成果的启发，可考虑构建面向电网运行的专业化模型，通过智能体提供准确计算服务，突破电力系统技术难题。通过持续收集整理数据、改进模型架构、融入电力物理规律和专业知识等路径，在目标函数中加物理公式、构建模型时加入神经网络和注意力机制等，未来有望为电力系统智能化转型提供技术支撑。

赖少明：人工智能技术的崛起给舆论生态、媒体格局、传播方式带来巨大变革。大模型能大量替代一般性、基础性的内容生产，缩短周期，提升采编效率，并在创意策划等特定领域提供思路和创意。而且，人工智能还在内容传播、互动等方面催生了深刻变革。经过一年多实践，英大传媒集团已在新媒体内容制作上大量应用人工智能大模型技术；未来，将基于媒资素材库的海量数据和国家电网公司光明电力行业大模型，打造由“通用模型+电力知识+场景应用”构成的英大传媒垂直大模型，在此基础上赋能各种AI工具，精准服务策采编发全流程，推动能源领域新闻传播和知识服务的转型升级。

新媒体编辑 | 王若溪

执行审核｜张越月

观点改变世界

《能源评论》数字期刊

长按二维码 或点击 阅读原文

解锁更多内容