瓦茨拉夫在《能源与文明》中说，人类历史可视作寻求控制更多样、更集中的可用能量并实现更大规模的储存和流动，以及使用更实惠的方式、更低的成本和更高的效率将能源转化为光、热、运动的历程，简单来说，能源的流动、储存和控制形式的改变是人类文明演进的根源。

文学家同样窥见了这一规律，乔治·奥威尔1937年在《通往威根码头之路》中写道：我们赖以生存的机器以及用于制造机器的机器都直接或间接地依赖煤炭（能源），在西方世界的新陈代谢中，煤矿工人的重要性仅次于农民，他们扛起来脏兮兮的煤，却支撑着这个光鲜的世界。

当我们把目光拉回现在，互联网、人工智能所引发的第四次科技革命所带来产业变革仍需要能源的支撑，更重要的是，人工智能正在颠覆能源行业的运行逻辑，酝酿着不同以往的能源流动、储存和控制形式。

而在双碳目标的推动下，数字化与绿色能源产业更无法错过彼此的爆发期，“数字化、智能化对于新型能源体系来不是一个锦上添花的可选项，而是一个必选项，没有数字化无法构建起新型能源体系。”浙江大学能源工程学院教授钟崴在2023 区域（园区）综合智慧能源发展论坛上说。

争做头号玩家

智能技术的演进推动综合能源服务模式的转变，随着能耗双控向碳排放双控，综合能源将逐步向能源节约、碳资产管理特征的低碳示范样板发展，演变为个性化、定制化的能源服务。

综合能源服务发展历程

能源行业的转型首先发生在行业内部，最明显的特征是：电老虎、燃气大王、互联网巨头都开始在能源领域卷服务。“综合能源在智能技术的加持下，电力集团也在往综合能源的方向转型，凭借高科技技术、新材料，成为一个更加贴近社会可观可视的载体，形成更多的客户的黏性、用户的友好性。”中国科学院广州能源研究所汪鹏说。

汪鹏认为，从业务维度来看综合能源服务，规划设计院、工程公司、设备制造商等供应商处于产业链上游，分别提供不同类型的产品和服务。电网、发电、燃气、地方能投等是最主要的投资公司，也是最有力的竞争者。投资公司和供应商在整个能源产业链条上各司其职，不构成竞争关系。

能源行业的“大象”们缓慢转型，但已经初具成效，2018年，国家电网公司组建了27家省级综合能源服务公司，全年实施综合能源服务项目2943个，综合能源业务收入51亿元，同比增长167%。

2019年，国家电网又重点布局综合能效服务、多能服务、分布式能源、专属电动汽车服务等四大业务，形成了一种新型的为满足终端客户多元化能源生产与消费的能源服务方式，涵盖能源规划设计、工程投资建设、多能源运营服务以及投融资服务等方面。

无独有偶，“燃气大王”王玉锁父子依托多年积累的城市客户群体打造泛能网平台，汇集能源生态各方，为园区提供高质量的一站式能源相关服务，全面覆盖园区业务场景，通过数字能源科技为能源管理赋能，帮助园区用能企业、政府、供能方、综合能源运营商的不同角色用户实现智慧高效的能源管理。

真正的野蛮人是行业外部的互联网公司。阿里、腾讯、百度等云服务商早已深入能源电力、低碳技术等产业领域，企图用工业互联网逻辑颠覆能源格局，任正非领衔的华为煤矿军团早已深入幽暗的矿井，将鸿蒙操作系统导入采煤工业设备。

地方国企、互联网公司、通讯行业均进军能源业务，大型电力集团也在转型。区域（园区）综合智慧能源逐渐演变成多方势力厮杀的角斗场。

天下熙熙皆为利来，可对于传统能源巨头和互联网公司来说，双方在区域（园区）综合智慧能源服务业务上均有不少难以解决的痛点。

对于大企业来说，传统供能边界一般停留在红线段，企业对用户能源需求认知不够，无法形成成熟的商业模式，此外，由于综合能源服务种类繁杂，自身特点决定更适合定制化客户，对规模效益取胜的国企存在巨大挑战。

杭州数元电力科技有限公司董事长兼CMO俞庆曾表示，从市场战略意义上看，综合能源服务可能是个伪命题。“综合能源是个‘筐’，啥都能往里装，似乎除了管制业务之外，所有与能源沾边的服务都可以算综合能源。一个概念一旦过于宽泛，也就意味着落地艰难。”

而对于技术实力雄厚的互联网公司来说，能源行业是现实版本的“拾荒者统治”，互联网公司作为外来者，双方在产业理解上的巨大差异是难以跨越的鸿沟，更为复杂难解的是能源行业愿不愿意让利？

在纪录片《华为一百张面孔》中，一位华为高管就曾向导演竹内亮吐槽与煤炭工业融合的艰难：“我们想去合作，但人家表示，我的父辈、我、我将来的孩子都在这个行业里吃饭，你们来了是不是砸我的锅。”

能源指挥官

互联网智能技术到底怎么和能源行业融合？底层逻辑是什么？

人工智能先驱、控制论的创始人维纳认为，人类和其他生物的智能行为，也同样可以推广到机器，根据“信息（输入）—行动（输出）－反馈”模型，机器能够对环境的外部输入给予预期的输出，这便是智能的体现。

对工业界来说，控制论意义上的智能在于机器可以通过传感器对海量信息进行采集，并迅速做出反馈、科学决策和行动，促进信息集成，提高数据质量和自动化水平并进行智能模型的升级迭代。

具体到能源行业，浙江大学教授钟崴说：“能源行业对于智能技术的需求源自双碳背景下新型的能源体系的建设，其中一个具体的方案就是构建区域的综合能源系统。”

由于新型能源体系运行当中，供需的匹配、工况的匹配越来越复杂，要用新一代信息技术构建能源互联网，实现能源系统和互联网协同联动，进一步地提高系统的效率，并借助数字化的手段实现系统节能。这是控制论思维在能源领域的延伸。

“数字化、智能化对于新型能源体系来不是一个锦上添花的可选项，而是一个必选项，没有数字化无法构建起新型的能源体系在。”钟崴认为。

横向来讲，一个区域（城市）的能源是由水、热、气、电组成的综合网络，并且在双碳目标下能源系统每年都在变化，是一个复杂性极强的动态系统。仅仅靠人脑来做决策，不管是设计院还是 运行单位、生产单位都非常吃力。

面对动态变化的复杂能源体系，系统论思维必不可少。钟崴认为，综合能源的本质是一种系统思维应用于能源行业、能源转型的过程。能源体系就是一个开放的复杂巨系统，应对逻辑是系统分析工业问题，建立定量的模型，基于科学规律形成复杂性的分析和决策这便是用数字化做能源智能调度方向的逻辑。

智能调度和系统思维的表现形式是工业机理级别的数字化孪生，在数字化孪生模型的帮助下，“智慧大脑”实现区域（园区）综合能源的联网调度，实时获取能源市场特别是电力现货市场的价格波动，兼顾能源效率和企业的经营效益，形成定量化的运营和发展策略。

一切数字化

神思电子首席科学家闵万里举出了更为贴切的例子。他以济南市的供热网络为例，介绍了超融合大模型对城市能源系统的智能控制、安全监测、需求预测方面的作用。

超融合是什么意思呢？无论是气、水热还是交通网络，所有的数据都是依托于一个强大的拓扑结构（网络结构），数据本身映射拓扑结构上，通过定义它的动力学特征，就可以发现和利用其客观存在的物理关系，在全网中实现协同控制。

比如济南在下暴雪，AI会及时分析天气状况，调度热源厂提前加温，倘若下雪后才加温，欠供便出现。闵万里分析，超融合大模型可以把数据映射的动力学特征提取出来，在急速大面积降温或者升温前生成预案，从而使得全网的供热和需求之间相对平衡。

闵万里认为，通过收集城市能源面向拓扑结构网络上时序数据流，人工智能大模型可以实时分析城市能源系统的信息反馈并进行数字孪生，高效实现城市能源的优化配置而降低运行损耗率，精准预测和识别能源系统波动，量化调控目标和力度，为城市能源生命线的智慧、高效运行找到最优解。

与以往孤立、僵化的供热系统不同，超融合大模型的优势是：通过建设基于热网的数字化供热模型，把供热网络数字化，再通过人工智能和数字化算法的叠加，对供热的负荷和热网的调用进行预测，既可以保证供热质量，也可以实现安全和节能的目标，同时自动产生策略，自动分发，形成一套软件平台的架构。

这一过程中的核心是打通多元异构的数据。比如一个换热站有流量、温度、压力，有单个截面上的物理变量，还有时间区间上的积分变量、电磁场的通量，不同结构的量从不同的拓扑的结点上要融会贯通。

在一个城市的能源结构中，具体到源、网、站，每一个环节的工艺工况数据实时在线，按照业务逻辑、按照拓扑关系进行整合，打穿为一条又一条的数据链条，当一个链条出问题时便可以发现和排除问题点。

例如，为保障供热管道安全，智能技术可以通过测试同一主网相邻换热站的持续温差是否超出阈值来发现温度表和输热管道的故障。通过开发系列人工智能算子对整个供热网络的拓扑结构实时计算和扫描并出具测试报告得出风险系数，排查疑似故障点。

正如同在高德或百度地图上查看拥堵路况一样，AI还可以基于热力云图发现供热管网的错配和阻塞，通过物联采集和室温虚拟测量模型获取用户室内温度，俯瞰区域范围内的供热效果，实时把控供热质量，排除阻塞。典型例子是：如果在温度最高点的热水量与换热站的水量不吻合即供给最大点的温度不是最高，很可能出现了热力错配。

闵万里介绍，一个有趣的现象是，整个济南供热量最大的地方反而是通行状况最好的，恰恰是供给小的地方最容易堵，特别是路上积雪多，经十路供热通畅，反而是小巷子堵得红得发紫，因为经十路早就有人把雪扫了，小巷子没人打扫，这些问题都可以通过可视化直观地发现并解决。

实现对能源系统的可视化智能检测和调控之后，智能技术在降低能耗，减少二氧化碳方面也有了用武之地。

闵万里对日本丰田公司在北美最大的数据中心的研究发现，为给数据中心降温，机房空间中有些区域会出现过冷的现象，浪费了部分制冷资源，冷气关掉之反而温度平衡会有更好的阈值。

这说明实现数据中心的温控平衡十分重要，闵万里认为，要对数据中心发热周期进行需求预测，用传感器和扫描仪的信息反馈将整个数据中心的温度场可视化，通过过热点与机架负载率的对比来预测数据中心对于制冷的需求，判断冷气功率。

他表示，原本720平米的数据中心， 现有57台空调制冷机， 800块穿孔地砖传导冷气。方案优化后，空调整体制冷效率从43% 提高到56%， 并且关停6台多余空调。

这位曾参加过《最强大脑》的人工智能领军人物最后结道：“如果我们牢牢抓事物数字化的表达，把它转化为数学的东西，通过现在海量的算力和算法，我们是有可能把一些完全靠经验做的事可以做得更好，而且把经验固化下来变成传承，然后迭代。”