当人工智能的叙事从”参数竞赛”转向”产业落地”，第一个真正打开钱包的传统行业，很可能就是能源。2026年8月17日，国家能源局综合司发布通知，决定在”一带一路”能源合作伙伴关系合作网络框架下设立“人工智能+能源”工作组。这份通知篇幅不长，但它标志着”AI+能源”完成了又一次关键升级：从国内政策驱动，延伸到国际合作平台；从部委文件，落到具体的工作组织。
对大多数人来说，这只是一条行业新闻。但对能源企业、To B创业者以及正在观望AI转型的传统企业决策者来说，读懂这条政策链背后的信号，可能决定未来三到五年，你的企业是在吃红利，还是在填坑。
一、政策复盘：从”73号文”到工作组挂牌，”AI+能源”三年走完三级跳
要看懂”人工智能+能源”工作组的意义，必须把它放回完整的政策时间线里。过去一年，AI与能源的融合政策密集程度远超多数行业，形成了罕见的”三级跳”节奏。
第一跳：顶层设计——”73号文”划定八大场景
2025年9月4日，国家发展改革委、国家能源局联合印发《关于推进”人工智能+”能源高质量发展的实施意见》（国能发科技〔2025〕73号，下称《实施意见》）。这是我国首个专门针对人工智能与能源产业深度融合的国家级政策文件。《实施意见》围绕煤、电、油、气各能源品种，系统部署了人工智能+电网、+能源新业态、+新能源、+水电、+火电、+核电、+煤炭、+油气八大应用方向，推动能源领域共享人工智能发展红利，助力传统化石能源产业数字化智能化升级。
文件给出了明确的时间表：到2027年，能源与人工智能融合创新体系初步构建，算力与电力协同发展根基不断夯实，人工智能赋能能源核心技术取得显著突破、应用更加广泛深入；并对2030年提出了更高的阶段性目标。值得注意的是，”算力与电力协同”被写入顶层文件——这意味着政策制定者很清楚：AI是吞电巨兽，能源既是AI的应用场景，更是AI运行的基础设施。这种”双向奔赴”的认知，是后续所有政策的底层逻辑。
第二跳：试点落地——从文件到项目申报
政策如果只停留在文件层面，就不会形成市场。2025年11月25日，国家能源局综合司印发《关于组织开展”人工智能+”能源试点工作的通知》（国能综通科技〔2025〕168号），面向各省（区、市）发展改革委、能源局及有关中央企业组织试点申报。这一步的信号意义在于：国家开始真金白银地”筛项目”了。对产业界而言，试点名单就是一份官方认证的”落地路线图”——哪些场景被选中，哪些技术路线被认可，哪些商业模式被认为可持续，都写在申报方向和最终名单里。
第三跳：双向赋能与国际协作——行动方案与工作组挂牌
2026年4月，国家能源局会同国家发展改革委、工业和信息化部、国家数据局四部门联合印发《关于促进人工智能与能源双向赋能的行动方案》（国能发科技〔2026〕34号），围绕”能源支撑人工智能发展、人工智能赋能能源产业”两个方向作出系统部署。”双向赋能”四个字，把算力与电力的关系从单向的”谁服务谁”，升级为共生关系——数据中心选址要跟着电力资源走，电网调度也要为算力负荷的时空灵活性重新设计。
2026年8月17日，压轴动作到来：国家能源局综合司发文，在”一带一路”能源合作伙伴关系合作网络框架下设立”人工智能+能源”工作组。这个合作网络是能源领域首个由中国发起成立的多边合作平台，2021年成立以来已搭建起七个专业工作组，汇聚国内外80余家企业、科研院所、金融机构等多方力量。新设立的”人工智能+能源”工作组，成为该网络框架下的第八个专业工作组。
二、工作组要做什么：三条主线，一条暗线
根据通知内容与政策脉络，”人工智能+能源”工作组的职能可以拆解为三条明线主线。
主线一：新能源功率预测——波动性电力的”算命”生意
风电、光伏是”看天吃饭”的电源。随着新能源装机占比持续攀升、风光发电合计装机规模跃居各类电源前列，电网面对的是数亿千瓦”说不准”的电力。功率预测的精度每提升一个百分点，都直接对应着旋转备用的减少、弃风弃光的下降和市场交易中的真金白银。尤其在新能源全面参与电力市场交易的大背景下，预测偏差就是财务损失——报多了要为未发出的电承担责任，报少了要在现货市场高价买入补足。这使得功率预测从”锦上添花的技术指标”变成了”商业化生存问题”，AI大模型叠加气象数据的预测方案因此成为最刚性的需求之一。
主线二：电力系统优化——新型电力系统的”大脑”工程
高比例新能源接入后，电力系统从”源随荷动”转向”源网荷储协同”，调度复杂度呈指数级上升。负荷预测、运行方式安排、故障诊断与自愈、市场出清辅助决策……这些环节全是AI的用武之地。”人工智能+电网”被《实施意见》列在八大方向之首，本身就说明了电网侧智能化是整个体系的中枢。同时，”算电协同”带来全新命题：数据中心作为新型负荷，其时空可调特性如何参与电网互动，绿电直供如何与算力布局耦合，这些都没有先例可循，需要跨行业的工作组织来牵头探索。
主线三：能源数字化出海——把中国方案铺向”一带一路”
工作组设立在”一带一路”能源合作伙伴关系合作网络框架下，这个安排耐人寻味。中国拥有全球最大规模的新能源体系、最复杂的电网运行经验和最完整的能源装备产业链，在”AI+能源”上积累的场景和方法论，对共建”一带一路”国家极具参考价值。工作组承担的实际上是中国能源数字化方案的”国际输出接口”职能：标准对接、场景推广、项目合作。对国内企业而言，这意味着一条新的增长曲线——国内练好的内功，可以通过这个平台走向海外市场。
三条明线之外，还有一条暗线：建立信任机制。能源是强监管行业，数据高度敏感，AI决策涉及安全责任。工作组这样官方背书的协作机制，实际上是在为”数据能不能共享、模型能不能进生产系统、出了事故责任怎么划分”这些落地中的硬问题，提供协商和背书的场域。这条暗线，往往比明线更决定产业节奏。
三、传统行业AI落地的3个真实机会：不是”AI+”一切，而是痛点先行
过去两年，”AI+”的概念满天飞，仿佛所有行业都能被大模型重塑一遍。但能源行业用真金白银投票的结果显示：真正能签合同、能交付、能续费的机会，集中在三类场景。这三类场景的逻辑，同样适用于电力之外的化工、冶金、矿山、制造等传统行业。
四、两个大坑：无数企业已经用预算趟过的雷区
机会讲完，必须泼冷水。传统行业AI转型的失败案例，远比成功案例多，而且失败姿势高度雷同。归纳起来是两个坑。
第一个坑的典型症状是：先决定”我们要上AI”，再倒过来找场景。项目立项的动机是汇报PPT上需要一个”AI亮点”，是评奖申报需要一块”智能化”招牌，是参观接待需要一面炫酷的大屏。于是出现大量奇怪的产物：中控室里放着永远在播动画的数字孪生大屏，移动端App里躺着没人打开的”智能助手”，为了凑智能指标而给已经高度自动化的产线强行加一层”AI”皮。
这类项目的生命周期高度一致：验收会上掌声雷动，验收之后无人使用，两年后随着系统维护合同到期悄然下线。它的致命性在于会消耗组织信任——一线业务部门经历了”AI不过如此”的体验后，下一次真正有价值的AI项目进场时，阻力反而更大。判断标准很简单：如果一个AI项目找不到明确的第一负责人是业务部门而不是IT部门，如果它的KPI是”建成了”而不是”省了多少、赚了多少、避免了什么损失”，大概率已经在坑里了。
第二个坑更隐蔽，连不少技术能力很强的团队都会掉进去：项目确实解决了某个问题，但那个问题不是客户的核心痛点。给一座年亏损数亿的水电站部署了考勤智能分析，给一家调度紧张的地方电网做了宣传视频生成——技术都没错，价值都不对。To B创业公司尤其容易犯这个错：拿着通用大模型的能力清单去扫客户，找到什么算什么，而不是从客户的经营痛点出发反向定义产品。
这个坑还有一个孪生变种：忽视数据地基，直接盖AI大楼。大量传统企业的现场数据是残缺的、孤立的、质量堪忧的——传感器坏了没人换，历史台账是纸质扫描件，不同系统之间字段都对不上。在这种情况下直接上大模型，得到的只会是”一本正经的胡说八道”。数据治理是慢功夫，没有性感的故事可讲，但跳过它的AI项目，几乎注定沦为演示专用。真正的顺序应该是：先梳理核心业务流程，找到”损失最大、发生最频、现有手段最无力”的环节，再评估AI是不是比人、比规则、比传统算法更好的解法——有时候答案甚至是”不是”。
五、案例观察：江行智能的启示——深耕场景比追概念重要
理论框架需要一个现实标本来验证。在”AI+能源”赛道上，成立于2018年的江行智能是一个值得解剖的样本。
这家公司的路径选择颇有代表性：它没有从大模型语言能力切入，而是从边缘计算和物理世界感知起家，深耕电力能源场景，逐步演进到今天的”物理AI”定位——其JX-Phi物理AI技术体系强调对物理世界规律的理解与建模，让机器不仅”看得见”设备状态，还能”懂”设备背后的物理机理。这种选择的背后是对行业规律的尊重：能源现场的很多问题，不是自然语言对话能解决的，需要的是对声音、振动、图像、时序数据等物理信号的深度理解。
两个细节值得放大观察。第一个是场景纵深的兑现：2026年7月，江行智能参与的四川亭子口水电站基于图像识别的移动及固定终端协同巡检系统项目，入选中国电力企业联合会发布的”人工智能+”能源电力应用推广案例。这个项目的本质正是前文所述的”机会一”——四足机器人执行巡检任务，AI完成识别与预警，替代的是高危重复的人工巡检。同时，其在大型光伏智慧场站落地的”一脑多体”方案，将无人机、机器狗、轨道机器人等异构终端汇入同一个物理AI大脑统一调度，回答的是”多机器人协同”这个工程化难题。而”千座场站”级别的部署规模，意味着其模型在持续的真实数据回流中不断进化——这正是物理AI区别于实验室Demo的护城河。
第二个细节是资本结构的变化：2026年3月，江行智能完成数亿元人民币B++轮融资，由朝希资本领投，晨道资本、晶科能源、兖矿能源、建发新兴投资等产业方参与，老股东持续加注。注意这份股东名单的构成——光伏龙头、能源集团、产业资本占主导。这与上一轮（2022年Pre-B轮，联想创投等财务投资人为主）形成了鲜明对比。产业资本用真金白银投票的逻辑只有一条：这个方案能在我的产业场景里赚到钱。当能源产业方开始系统性押注某类AI公司，说明这门生意已经越过了”技术验证期”，进入了”商业复制期”。
江行智能给出的启示可以浓缩为三句话：第一，传统行业的AI生意是慢生意，从2018年成立到获得产业资本集体押注，走了八年，”物理AI没有捷径”这个判断在业内已被反复验证；第二，场景纵深比场景广度值钱，在一个领域打穿千座场站建立的数据飞轮，强于在十个领域各做一个示范项目；第三，”追概念的公司估值靠叙事，深耕场景的公司估值靠订单”——这句话适用于所有To B创业者。
六、行动清单：企业决策者与To B创业者各自该做什么
最后把全文收敛为两份可以直接执行的清单。
| 对象 | 行动要点 |
|---|---|
| 企业决策者 | ① 用”安全、用工、损益”三个筛子过滤场景，先选一个痛点足够痛、数据基础尚可的环节做试点；② 把AI项目立项权交给业务部门，IT部门做支撑而非主导；③ 关注国家”人工智能+”能源试点名单与工作组动态，借政策窗口降低试错成本；④ 建立数据治理专项，为规模化复制打地基。 |
| To B创业者 | ① 优先切入机会一（高危重复岗位替代）这类付费逻辑最硬的场景，用它养活公司，再图机会二、三的纵深；② 把标杆项目做成可复制的标准产品，警惕定制化泥潭；③ 主动对接产业资本——它们带来的不只是钱，还有场景、订单和行业信任；④ 判断细分赛道时问自己：客户的预算科目里，这笔钱本来就存在吗？ |
对整个行业而言，”人工智能+能源”工作组的挂牌只是长跑的发令枪。传统行业的AI落地没有戏剧性的奇点时刻，只有一个个场景的持续渗透。潮水的方向已经确定，剩下的区别只在于：谁在深水区游泳，谁在岸边摆姿势。
客观地说，”AI+能源”工作组的成立，其直接象征意义大于即时的业务意义——一个国际协作工作组不会立刻催生订单，但它确认了一个事实：人工智能与能源的融合已经从企业自发的技术尝试，上升为国家层面的战略工程。政策链的完整性（顶层设计、试点、双向赋能、国际平台）为产业提供了罕见的确定性，这种确定性本身就是对市场信心的托底。
同时应当保持冷静：政策的热度与产业的成熟度之间存在时差。当前能源AI的落地仍处于”点状突破”阶段，真正的行业级变革需要数据基础、责任机制、商业模式三者的长期磨合。企业既不必怀疑方向，也不宜高估速度。三个机会与两个大坑的判断框架，本质上是在提醒所有参与者：AI转型的价值锚点从来不在技术本身，而在它所替代的风险、所优化的损益、所沉淀的知识。
我们倾向于认为，未来三到五年，能源行业将完成一次残酷但健康的筛选：追概念者退场，深耕场景者收获。这个筛选过程对传统行业AI落地的示范价值，可能比任何一份政策文件都更深刻。软盟资讯将持续跟踪”AI+能源”工作组后续动态与试点落地进展，为读者带来第一手的产业观察。
栏目：数字化转型 → 智能制造/行业解决方案 | 来源：软盟资讯（SUMENG TECH MEDIA）
关于文章版权的声明：
https://news.softunis.com/71537.html 文章来自软盟资讯
若非本站原创的文章，特别作如下声明：
本文刊载所有内容仅供提供信息交流和业务探讨而非提供法律建议目的使用，不代表任何监管机构的立场和观点。不承担任何由于内容的合法性及真实性所引起的争议和法律责任。
凡注明为其他媒体来源的信息，均为转载，版权归版权所有人所有。
如有未注明作者及出处的文章和资料等素材，请版权所有者联系我们，我们将及时补上或者删除，共同建设自媒体信息平台，感谢你的支持！
