■ 本报记者 范毓蓉 刘宏森

编者按：在人工智能加速发展变革的当下，能源国资央企在数字化转型中积累了哪些优势、取得了哪些成绩?在人工智能领域做了哪些布局?应当在推动人工智能赋能实体产业中注意规避哪些问题？日前，本报记者对中国电机工程学会人工智能专业委员会委员、中国能源研究会人工智能技术委员会委员李超进行了专访。

记者：近年来，能源央企在推动人工智能发展方面积累了哪些优势？

李超：能源央企充分认识人工智能发展的历史机遇，在人工智能领域的创新发展显著提速，已成为引领技术与产业变革的排头兵与新引擎。

第一，能源央企具备海量数据资源积累，构筑了AI大模型发展的基石。能源产业作为国民经济命脉，在能源生产、传输、消费各环节持续沉淀海量数据资源，这些高价值数据是驱动AI技术突破的核心要素。

第二，能源央企具备丰富的应用场景，能够充分释放人工智能技术价值。生成式A1与决策优化模型在能源领域展现出多维应用潜力，涵盖能源调度、设备故障诊断等核心场景。这种“技术+业务”深度融合，正在重塑能源生产和消费模式，在深层次推动能源产业从“资源依赖”向“创新驱动”质变。

第三，能源央企加大投入，政策资金双轮驱动创新。能源央企积极响应国家政策号召，在AI建设方面保持充足投入，这是持续推动AI创新的重要基础之一。同时，很多央企通过建立产学研协同创新平台、设立联合实验室等机制，打造“A1+”能源融合关键技术的策源地。

记者：能源央企在人工智能领域的布局主要围绕哪些方面展开，取得了哪些成绩？

李超：在党中央、国务院关于人工智能决策部署与国务院国资委“A1+”专项行动引领下，国资央企积极探索人工智能与所在产业深度融合。深度求索（DeepSeek）大模型发布后，短短两个月时间已有超20家能源央企完成DeepSeek本地化部署，将其应用于经营和生产管理中。

一是能源央企加快建设智能算力中心。无论电网、发电还是油气企业，都在构建国产化算力集群，这些基础设施为能源行业大模型研发应用提供底层支撑。同时，依托全产业链优势，在火电、煤炭、新能源、石油石化等领域构建一批高质量数据集。

二是在行业大模型方面，已有几十家央企自研或联合研发行业大模型，其中能源央企是主力军。这些行业大模型的发布，往往是基于开源或者闭源的通用大模型，加入企业自身积累的数据训练而成，扩充和丰富了大模型的内涵和应用场景。

三是典型AI应用遍地开花结果。在能源生产、物资采购、日常办公等领域，众多高价值应用不断涌现，在提升业务效率、优化客户体验、降低安全风险等方面，已有很多可量化的产出。

记者：在更好更快推动人工智能赋能能源行业战略性任务中还面临哪些挑战？

李超：能源企业在深入推进“A1+”专项行动中面临的问题主要包括：

第一，AI技术自主可控要求高。人工智能技术体系可解构为算力、框架、模型、应用四层架构，每一层都面临不同程度的“卡脖子”风险，需要企业做好统一规划与技术选型，从源头上解决自主可控问题。

第二，数据安全要求高，共享有限制。能源领域的数据常常涉及国家能源安全、企业商业机密及用户隐私等问题，在充分挖掘数据潜在价值的同时，确保数据隐私不被泄露已成为能源行业模型训练亟须攻克的难题。

第三，场景选择难度大。能源领域场景多样，如何选择价值高、可落地的场景也是难题。如果在场景规划时选择了落地难度大或价值并不高的场景，势必影响场景建设效果。

第四，人工智能复合型人才短缺。能源企业在推进智能化转型过程中，面临高端复合型AI人才供给的结构性短缺困境。尤为突出的是，兼具深厚能源行业知识底蕴与前沿AI技术能力的跨界人才极度匮乏。

记者：在推动Al技术赋能上下游产业链中，能源央企应当重点从哪些方面发力？又应当注意规避什么问题？

李超：能源央企作为我国能源行业的中流砥柱与领军力量，在深耕自身A1技术革新、驱动内部智能化转型的同时，肩负辐射带动上下游产业协同发展人工智能的重任。

第一，头部能源央企在完成AI算力与行业大模型建设后，不仅可用于自身业务，还可向行业提供算力和模型服务，以降低行业整体资源消耗，加速行业智能化落地。

第二，能源央企可主动向行业中小企业及科研机构开放高价值业务场景应用，搭建技术验证与开发平台，通过共建场景实验室，加速A1技术在业务环境中的落地转化，形成“需求牵引——技术突破——应用反哺”的闭环创新机制。

第三，牵头制定能源领域数据分类分级标准接口规范及安全协议，构建跨企业数据流通基础设施。

第四，通过“资本+技术”双轮驱动策略以战略投资、联合实验室等方式，系统性扶持产业链上下游A1初创企业，培育一批专精特新创新主体，推动AI技术集群式突破与产业化应用。