在远景科技集团董事长张雷看来，传统人工智能的局限性正逐渐显现——尽管能够处理海量数据并发现潜在关联，却始终无法真正理解物理世界的运行逻辑。这种“有脑无心”的缺陷，让AI在能源、制造等需要精准预测与控制的领域屡屡受挫。基于此，他提出了一个全新概念：物理人工智能，即通过将能量守恒定律、空气动力学方程等物理规律深度融入AI训练过程，构建出能真正理解并遵循物理世界规则的智能系统。
“当AI学会用物理定律思考，那些困扰行业的‘幻觉’问题就会迎刃而解。”在近期举办的“人工智能与未来能源系统”闭门科技会上，张雷以能源领域为例，指出传统大模型在预测风电出力时，常因忽视空气动力学约束而给出违背物理规律的预测结果。而物理人工智能通过将流体动力学方程嵌入训练框架，能让预测结果既符合数据规律，又严格遵循物理边界。
这种技术范式的革新，正推动能源系统进入重构时代。2021年中央财经委员会提出构建新型电力系统的战略目标后，风电、光伏等清洁能源的规模化接入，让电力系统面临前所未有的复杂性挑战：如何平衡波动性极强的新能源出力？怎样在电力市场交易中规避价格风险？张雷认为，这些难题恰恰是物理人工智能的用武之地。“AI能在毫秒间处理数百万个数据点，从看似无序的波动中找出最优调度方案，这比人类工程师依靠经验判断精准得多。”
远景科技集团正在将这一构想转化为现实。其最新发布的“天枢”能源大模型，整合了全球范围的气象数据、设备运行参数、电网负荷信息等海量数据，通过图神经网络与时空模型构建出动态能源图谱。在内蒙古赤峰零碳氢能产业园的实证测试中，搭载该模型的AI风机较传统设备发电效率提升20.9%，储能系统在电力市场交易中的收益增加18.7%。更关键的是，模型能实时感知电网状态，自动调整出力策略，使新能源消纳比例提升12个百分点。
“要做出真正的能源大模型，光有算法不够，必须有工业场景的‘喂养’。”张雷以远景的业务布局解释竞争优势：从风机制造到储能系统，从绿色氢氨生产到零碳产业园运营，覆盖能源生产、传输、存储、消费的全链条。这种系统性布局使远景能获取其他企业难以企及的跨领域数据——在赤峰产业园，风机、储能、电解槽等设备产生的数据形成闭环，既包含气象条件等外部变量，也涵盖设备状态、市场价格等内部参数，为模型训练提供了“全息”视角。
这种技术突破对深陷“内卷”的新能源产业而言，无异于一场及时雨。过去三年，光伏、风电、锂电池等行业因产能无序扩张陷入价格战，部分产品市场价甚至低于生产成本。张雷直言：“当企业只能比拼规模时，行业就变成了‘肌肉’的较量。而能源大模型让竞争转向‘大脑’的比拼——谁能更精准地预测需求、优化调度、管理风险，谁就能占据优势。”
在远景的设想中，未来的能源系统将由数亿个具备自主决策能力的“智能体”构成。这些智能体既能独立运行，又能通过物联网实时交互，形成类似珊瑚礁生态的自进化系统。例如，当某区域风电出力激增时，附近的储能设备会自动调整充电策略，同时向电网发送调峰请求，整个过程无需人工干预。“这种系统不仅能更高效地消纳绿色电力，还能通过动态优化降低30%以上的运营成本。”张雷透露，远景计划在1-2年内让能源大模型产生显著经济效益，3年内达到类似自动驾驶L3级别的成熟度。
尽管前景广阔，但能源大模型的商业化仍面临挑战。当前多数同类产品因数据维度不足、算力支撑有限，难以保证在极端天气或市场波动时的可靠性。远景的解决方案是通过“云-边-端”协同架构，将核心计算放在云端，边缘设备负责实时响应，终端传感器持续采集数据，形成“感知-决策-执行”的闭环。这种设计既保证了计算效率，又降低了对单一节点的依赖。
“中国在物理人工智能领域有独特优势。”张雷对比中美产业环境指出，美国AI应用多集中于消费端，缺乏工业场景的数据积累；而中国新能源产业的规模化发展，为模型训练提供了其他国家难以复制的“数据富矿”。“当其他国家还在实验室里调试算法时，我们已经能在真实工业环境中迭代模型。”这种实践导向的研发模式，或许正是中国在能源AI领域实现全球领先的关键。
