中國儲能網(wǎng)訊：生成式人工智能（AI）大模型已成為當前第三次AI浪潮的研究熱點，代表了AI技術最新發(fā)展趨勢，將引領三場革命：人機交互革命，人與機器的自然語言溝通更加自然高效；認知協(xié)作革命，大模型運用自身認知能力與人類共同解決復雜問題；計算范式革命，推動以中央處理器（CPU）主導向以圖形處理器（GPU）為核心的AI計算體系轉變。
演進方向： 安全可靠融入核心業(yè)務
在能源電力領域，生成式AI技術正在快速發(fā)展，已經(jīng)出現(xiàn)多個行業(yè)大模型。例如，國內首個千億級多模態(tài)行業(yè)大模型——光明電力大模型可以為電網(wǎng)安全穩(wěn)定運行、促進新能源消納、做好供電服務提供“超級大腦”；昆侖大模型支持油氣新能源、煉化新材料等專業(yè)海量數(shù)據(jù)建模需求。
能源電力行業(yè)應用場景豐富、運行機理復雜、樣本模式眾多、安全約束嚴格，如何將人工智能技術安全、可靠地融入行業(yè)核心業(yè)務，從海量數(shù)據(jù)中提取模式、預測趨勢、優(yōu)化決策，從而支撐能源電力安全、經(jīng)濟、低碳運行，進而實現(xiàn)能源電力資源的高效配置和利用，是我們必須面對和解決的關鍵問題。
同時，我們也看到，能源電力系統(tǒng)是高維度非線性復雜巨系統(tǒng)，其結構形態(tài)、運行機理和技術基礎正在發(fā)生深刻變化，基于物理方程數(shù)值計算的傳統(tǒng)預測、分析、決策方法難以為繼。因此，需要瞄準新型電力系統(tǒng)高維非線性復雜動力學特性觀測、預測、決策等科學計算難題，開創(chuàng)融合物理方程數(shù)值計算、神經(jīng)網(wǎng)絡數(shù)據(jù)驅動、符號邏輯數(shù)理推導的電力專用計算范式；著重考慮將能源電力系統(tǒng)動力學特性原生嵌入神經(jīng)網(wǎng)絡結構中，進而構建面向高維復雜動力學特性的符號邏輯觀測補強方法，研發(fā)融合高維復雜動力學特性的符號邏輯求解加速模型，探索基于符號邏輯計算框架的高維復雜動力學特性符號回歸方法。通過以上探索，支撐新型電力系統(tǒng)源荷預測、建模仿真、方式分析、優(yōu)化調度等四類核心業(yè)務，甚至輔助發(fā)現(xiàn)新的能源電力運行控制規(guī)律。
目前業(yè)界正深入研究能源電力大模型研發(fā)路徑、應用模式，打造專用底座，推動行業(yè)大模型參與能源電力業(yè)務全流程、嵌入全環(huán)節(jié)。
研發(fā)路徑： 構建電力原生時序大模型
從“世界的本質是數(shù)學”這個角度看，所有的問題都能夠用一個高維度的非線性的數(shù)學方程組來描述，從宏大的能源社會電力復雜系統(tǒng)，到微觀的一個裝置設備，都可以用數(shù)學的思維進行描述、展開計算。
人們期待通過人工智能技術找到一種工具，去高效描述復雜的高維非線性系統(tǒng)，進而找到一種分析方法去觀測、預測和決策。目前的現(xiàn)實是，基于神經(jīng)網(wǎng)絡技術的新一代大語言模型，還是依賴統(tǒng)計概率性，去等效或者逼近任意復雜的高維非線性動態(tài)系統(tǒng)。這決定了大語言模型只具備統(tǒng)計相關性，欠缺邏輯因果性，不具備邏輯推理的能力。
當下大量行業(yè)大模型所采取的研發(fā)技術路線是，選擇通用大模型作為基座模型，然后使用大量行業(yè)通識數(shù)據(jù)進行增量預訓練，使之適應行業(yè)特性并掌握領域內的專業(yè)知識；通過行業(yè)專家對模型輸出結果進行標注，再結合多輪專家反饋強化學習，進一步提升模型在行業(yè)任務上的專業(yè)性和準確性。
這樣的研發(fā)路徑雖然能夠快速構建適配行業(yè)需求的大模型，但存在一些不足：增量預訓練依賴于大量高質量行業(yè)數(shù)據(jù)，而行業(yè)數(shù)據(jù)的收集、清洗和標注成本高昂；專家反饋學習需要大量專業(yè)人員參與，耗時且主觀性強；能源電力的物理特性未能深度嵌入大模型構建過程，導致訓練和推理結果無法完全滿足可信人工智能的要求。
近一年多來，筆者在擔任未來產(chǎn)業(yè)類腦計算、算力網(wǎng)絡項目執(zhí)行負責人期間逐步認識到，傳統(tǒng)AI研發(fā)路徑（即基于大數(shù)據(jù)量、大參數(shù)量、大計算量的訓練方式）已難以滿足實際應用性能需求，尤其在電力行業(yè)這種高時效性、高精度要求的領域面臨瓶頸。
因此，嘗試從0到1構建電力原生時序大模型是一種解決思路。電力系統(tǒng)主要處理的數(shù)據(jù)不是圖像、文本，而是能夠捕捉電力系統(tǒng)實時變化的電氣量、化學量等時序數(shù)據(jù)。從大模型構建初始就需要把物理方程、符號邏輯等因素融合進神經(jīng)網(wǎng)絡架構設計，將電力物理規(guī)律與AI智算能力深度結合。由此，可以進一步構建出專業(yè)中模型和業(yè)務小模型，通過大中小模型的協(xié)同進化，實現(xiàn)從全局到局部、從理論到應用的深度融合。大模型提供宏觀視角和全局分析能力，中模型處理專業(yè)領域具體需求，小模型快速響應業(yè)務變化。
應用模式：構建電力具身智能體
目前，行業(yè)大模型應用模式主要包括網(wǎng)頁訪問、接口調用和私有化部署。網(wǎng)頁訪問方式較為通用，用戶通過瀏覽器在線訪問大模型；接口調用則通過開放應用程序編程接口（API），將大模型功能集成到企業(yè)的業(yè)務系統(tǒng)中；私有化部署則將大模型部署到企業(yè)本地環(huán)境中，確保數(shù)據(jù)隱私合規(guī)，但對本地計算推理硬件有性能要求。
上述三種應用模式的不足之處在于：網(wǎng)頁訪問方式與企業(yè)的具體業(yè)務流程關聯(lián)性較弱，更多是作為獨立工具存在；接口調用發(fā)揮的作用往往局限于特定任務處理，無法實現(xiàn)對業(yè)務流和信息流的真正嵌入；私有化部署具有較高的成本和技術門檻，目前停留在輔助工具層面?？傊?，三種模式更多是對傳統(tǒng)人機交互的升級，難以實現(xiàn)真正意義上的認知協(xié)作、計算范式變革，模型潛力尚未得到充分釋放。
總體來看，目前大模型的應用還處于一種個人（To C）應用的階段，真正的行業(yè)（To B）應用需要模型解決業(yè)務問題。它不能僅僅是問答，或者通過串聯(lián)運行方式輔助決策，而應該是一種串并聯(lián)或者相互協(xié)作的運行方式，最終實現(xiàn)從人機協(xié)同的界面到認知協(xié)作功能的跨越。
問題的根源在于大模型實現(xiàn)了業(yè)務認知而無法付諸行動，因此前述三種應用模式未能實現(xiàn)全業(yè)務環(huán)節(jié)參與、全業(yè)務架構嵌入。
我國電力系統(tǒng)是世界上規(guī)模最大、結構最復雜、能源轉型最快的人造巨系統(tǒng)，在電力平衡、系統(tǒng)調控、設備運維、人員作業(yè)等方面面臨諸多挑戰(zhàn)，需借助先進人工智能技術提升狀態(tài)感知、運行認知、控制決策的智能化水平?！傲可怼庇柧毮茉搭I域的大模型，將為數(shù)實融合尋找可行的新路徑。
大模型要融入電力系統(tǒng)各業(yè)務環(huán)節(jié)，一個有效的解決思路是，將近年來興起的具身智能與智能體相結合，構建電力具身智能體，為大模型添加“可行動的軀體”。
電力具身智能體的核心在于依托云邊端算力底座，采用大模型和業(yè)務小模型構建智能體，以具身進化技術指導智能體自主學習。智能體中的小模型負責執(zhí)行具體作業(yè)任務，大模型負責對小模型進行調度編排，并按需發(fā)起與云側行業(yè)大模型的云邊協(xié)同進化；具身智能體能夠實現(xiàn)跨層級、跨場景的數(shù)據(jù)、知識、模型協(xié)同，實現(xiàn)從數(shù)據(jù)感知到分析、決策、規(guī)劃及行動的閉環(huán)進化，確保對電力業(yè)務的實時感知、精準分析、科學規(guī)劃，并迅速執(zhí)行決策。
（作者系中國電力科學研究院正高級工程師，電力異構融合類腦計算關鍵技術研究項目負責人、電力人工智能大模型分布式算力調度與協(xié)同訓練推理項目執(zhí)行負責人。）
