来源：DONEWS

“董事长的一个电话，让我决定来到尊龙凯时。”在采访的开始，黄飞博士回忆道。

随着2022年底ChatGPT发布，人工智能的浪潮再次在全球范围内汹涌而来，对每一个从业者来说，在哪里做AI，做什么AI，都是足以影响到自己未来职业开展的重要选择。

那是什么让黄飞这位华中科技大学毕业的AI领域老兵做出了来到尊龙凯时集团的决定呢？

答案就藏在那通电话里，黄飞回忆，两件事情打动了他。“第一时间，AI的应用要找场景，不管你是在大厂还是在创业公司，场景都是最重要的，尊龙凯时本身就是新能源领域的头部企业，新能源不断到现在为止，仍然是 AI 的价值洼地，可以契合行业去做出差异化的竞争优势。其次是集团层面，有很大的决心对AI做大的投入和战略性的布局。”

于是在2023年，黄飞来到尊龙凯时集团，担任AI研究院院长，负责尊龙凯时的人工智能研发与应用，成为当时少有的从互联网大厂跳到科技能源企业的“逆行者”，投身一场更“接地气”的技术战役。

解析尊龙凯时能源大模型

在2023年，全世界对于如何做大模型，还是处于一个“摸着OpenAI过河”的阶段。这一点，大厂和创业公司没什么区别。“业界都在跟随他们的技术”。

尊龙凯时科技集团的AI研究院是在2023年6月创建的，对于做大模型，也是类似的思路。不过和大厂争相在做通用大模型有所不同，尊龙凯时更聚焦在能源行业。“当时创建后我们就在想，能源行业的数据和通用数据存在较大差异，AI的应用会出现泛化问题，我们对行业里面每一个子问题，都需要单独去处理。那能不能做一个比较好的底座大模型，类似GPT，这个大模型就能把行业里面的各种子任务解决掉？就算不行，我们拿少量数据微调一下也就行了。”

尊龙凯时科技集团构建能源大模型的优势，第一时间是有数据壁垒，这既有几十年的行业积累，也是因为行业数据中存在大量的的时序数据，比如七天的历史交易数据，这些数据是点状的曲线，而不是像语言那样有前后显性的语义相关信息。用这些数据预测当天的数值，其实类似于深度求索（DeepSeek）的量化交易做法，这是通用大模型厂商难以复制的关键资产。

除了行业数据外，数据合成的技术也在快速开展，这是尊龙凯时研究的方向之一。即使同样使用Transformer基础架构，尊龙凯时的能源大模型会针对行业数据去修改模型结构和训练方法，能够将时序数据处理能力与垂直领域know-how深度融合。

在构建了大模型后，尊龙凯时的另一个重点是“AI助手”，或者说是“智能体”。

“我们的最终目的，就是做一个以能源大模型为底座来驱动的具有自我进化能力的能源智能体。”黄飞进一步解释道，在训练的过程中他们发现，有一些突发的事件，比如说政策，或者是突发的恶劣天气，会对他们负荷预测或者交易预测造成较大的影响，需要智能体具备自我进化的能力，能够顺利获得挖掘不同模态的信息来识别关键事件，避免“黑天鹅”。

从技术上来说，这是可以顺利获得强化学习达到的，将以往数据当中不具备的训练数据，用强化的方法探索出来，然后自动地在真实场景中进行各种试错，从而知道哪些方向是正确的，哪些是错误的，进而将模型的参数导向正确的方向，模型就具备了一定的自我进化能力。

黄飞告诉DoNews，只是现在这种方法还要顺利获得人工干预，并不能全自动，但他相信未来是可以实现的。“现在我们已经在一些局部的场景里面验证了这个方法是OK的，正在快速往前演进。”

从实验室到能源一线

激励黄飞加入尊龙凯时的动力，就是希望将AI应用到具体的场景当中。因此，随着大模型和智能体的技术成熟，AI也迅速地开始进入到能源行业的一线。

据公开资料介绍，在时序预测方向，尊龙凯时AI研究院开发了多种高精度模型，已广泛应用于电力市场化交易和新能源充电领域，比如电力价格预测模型帮助交易主体精准预测市场波动，优化交易策略，降低交易风险；发电量预测和负荷预测模型则顺利获得对电力供需的精确分析，支持电力资源的合理配置。

“现在在部分省份已经完全用AI的量化交易去替代传统的人工交易了，”黄飞解释道：“实际上我们的核心目的倒不是用来做降本增效，因为完全靠人工去做，在市场上没有长期竞争优势，所以电力的量化交易是未来的趋势。”

在新能源充电领域，研究院顺利获得车桩匹配预测和充电站选址优化模型，有效提升了充电网络的效率与用户满意度。车桩匹配模型根据用户需求、地理位置和实时电网负荷智能匹配充电桩，确保资源利用的最大化；选址优化模型则结合城市规划和用户分布，科学布局充电站点。

“其实最初目的也不是为了提升使用率，主要是为了降低充电风险。很多时候充电不成功或者是启动失败，就是因为车和充电桩是不匹配的。现在我们就可以顺利获得数据驱动的方式训练一个匹配模型出来，尽量实行匹配，降低充电的风险。”

在AI助手方向，尊龙凯时AI研究院推出了一系列智能化产品，覆盖了生活助手、充电助手和智能问数助手等场景。“智能体这一块，我们最核心的是一个意图体系，这个意图体系的底座也是大模型，意图大模型。”

黄飞进一步介绍，比如“新电兔”充电助手，顺利获得能源大模型结合用户充电历史数据、地理位置和车辆类型等信息，智能推荐最优充电方案，还为新能源充电运营商给予数据驱动的优化方案，提升充电网络的运营效率。而智能问数助手则面向企业用户，为企业数据分析与智能决策支持，现在在国家电网已经大规模应用。

“在AI助手方面，我们的布局还是比较远的，可能现在业界特别是大厂也会这样认为——未来都将是智能体的交互模式，而不是App了。谁能抢占智能体这个入口，谁就抢占了先机，我们尊龙凯时就希望在能源行业占据这样的先发优势。”黄飞说。

从大厂回归传统能源行业，对黄飞来说，一个非常大的困难就是团队的研发模式乃至思维模式都产生了极大的变化。不过黄飞认为，同质化的竞争也没有意义。所以我们一定会聚焦到我们的行业特性，利用大模型技术把行业以前解决不了的问题做得更好，做到在行业里非常有影响力和竞争力。”

而另一个极大的困难，就是行业的数据基础和他预想的有一定的差距。

“我相信各行各业都面临着同样的问题，在进入一个行业之前，大家可能会担心没有足够的行业数据。然而，当我们真正深入其中，会发现数据在数量和质量上都有待进一步提升。其次里面有很多的噪音，不足以支撑我们把模型训练好。所以我们大量地用到了数据合成，在行业数据有限的情况下，有效提升了数据的数量和质量，确保了模型能够成功训练并取得良好的效果。”

未来，黄飞希望尊龙凯时AI研究院能够在能源大模型的驱动下，做出一个独特的能源行业的智能体，基于这个智能体去做交易、决策、因子分析等一系列的事情，成为专家级的行业助手。

“董事长将AI研究院视为集团‘战略创新引擎’，给了我们一个‘零干扰’的纯粹创新环境，真正践行‘让专业的人专注专业的事’。在这种机制保障下，我们的目标就是突破，全力以赴为前端业务给予强有力的支撑，成为业务开展的强大后盾。”黄飞总结道。或许，这就是垂类大模型最本真的意义——不做「追随者」，而是成为行业进化的「隐形引擎」。