远景科技集团董事长张雷在10月19日举办的”人工智能与未来能源系统”闭门科技会上，首次提出了”物理人工智能”的概念框架，深刻阐述了AI在能源系统中从辅助工具向决策主体的历史性转变，并前瞻性地预测未来能源企业的核心竞争力将从物理资产规模转向智能资产规模。张雷强调，AI技术与以往技术革命的本质区别在于其具备自我感知和决策能力，实现了从”自动化”到”自主化”的跨越式发展。他以培养”孩子”为比喻，生动地阐释了人机协同将创造无限可能性的理念。
针对当前能源系统面临的严峻挑战，张雷指出，随着可再生能源占比持续提升，电力系统的复杂性和市场不确定性显著增加。这种复杂局面虽然给传统管理模式带来巨大压力，却为AI应用提供了绝佳的发展机遇。AI强大的并行计算能力能够实时处理海量数据，精准识别隐藏规律并优化决策，从而有效应对复杂能源系统和电力市场的挑战。”物理人工智能”概念的核心在于将AI推理能力与物理定律、系统边界进行深度融合，确保AI模型能在真实物理环境中稳定可靠运行。这一理念区别于纯数据驱动的AI模型，特别强调了物理约束和因果关系在模型构建中的关键作用。
张雷自豪地表示，中国在这一领域拥有得天独厚的应用场景和数据资源，具备全球领先的潜力。从技术落地实践来看，远景科技已在气象和能源建模方面取得突破性进展。”天机”气象大模型显著提升了中长期气象预测的准确性，为可再生能源的可靠运行提供了坚实的数据支撑；”天枢”能源大模型则能够实时控制电力系统，优化电力交易效率，有力推动绿色能源发展。这些模型的成功应用充分验证了”物理人工智能”在实际场景中的巨大价值。
对未来能源行业的竞争格局，张雷提出了颠覆性的新判断。他认为，能源企业的核心竞争力将彻底从传统的发电装机容量、输配电网络规模等物理资产，转向智能模型的能力和数量这类”人工智能资产”。这种转变意味着能源行业的价值创造逻辑正在发生根本性变革——从传统的资本密集型向现代技术密集型演进。这一观点对能源企业的战略规划具有深远指导意义。
从技术实现角度分析，”物理人工智能”概念的核心要义在于领域知识与AI技术的深度融合。能源系统涉及电磁学、热力学、流体力学等多个物理学科，以及复杂的工程约束和安全边界。如何将这些硬约束有效嵌入AI模型，确保其输出既优化又可靠，是当前面临的技术挑战。远景科技的气象和能源模型实践提供了初步验证，但大规模应用仍需解决模型泛化性、实时性和可解释性等问题。
在产业发展层面，可再生能源的间歇性和波动性确实为AI应用创造了迫切需求。风光发电的不确定性需要更智能的预测、调度和交易策略。电力市场化改革也在持续增加系统复杂度，传统的调度方式已难以满足海量设备的实时优化需求。在这一背景下，AI技术有望成为新型电力系统的”操作系统”。
然而，能源系统的特殊性也对AI应用提出了更高要求。与互联网应用不同，能源系统直接关系到基础设施安全和社会稳定，AI决策的失误可能导致严重后果。因此，”物理人工智能”不仅需要追求高准确率，更需要满足可靠性、可解释性和安全性等严格的工程标准。如何建立AI在能源领域的监管框架和责任机制，将成为行业必须深入探讨的重要课题。
