中國儲能網(wǎng)訊：生成式人工智能（AI）大模型已成為當(dāng)前第三次AI浪潮的研究熱點(diǎn)，代表了AI技術(shù)最新發(fā)展趨勢，將引領(lǐng)三場革命：人機(jī)交互革命，人與機(jī)器的自然語言溝通更加自然高效；認(rèn)知協(xié)作革命，大模型運(yùn)用自身認(rèn)知能力與人類共同解決復(fù)雜問題；計(jì)算范式革命，推動以中央處理器（CPU）主導(dǎo)向以圖形處理器（GPU）為核心的AI計(jì)算體系轉(zhuǎn)變。
演進(jìn)方向： 安全可靠融入核心業(yè)務(wù)
在能源電力領(lǐng)域，生成式AI技術(shù)正在快速發(fā)展，已經(jīng)出現(xiàn)多個(gè)行業(yè)大模型。例如，國內(nèi)首個(gè)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(yùn)行、促進(jìn)新能源消納、做好供電服務(wù)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(yīng)用場景豐富、運(yùn)行機(jī)理復(fù)雜、樣本模式眾多、安全約束嚴(yán)格，如何將人工智能技術(shù)安全、可靠地融入行業(yè)核心業(yè)務(wù)，從海量數(shù)據(jù)中提取模式、預(yù)測趨勢、優(yōu)化決策，從而支撐能源電力安全、經(jīng)濟(jì)、低碳運(yùn)行，進(jìn)而實(shí)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(guān)鍵問題。
同時(shí)，我們也看到，能源電力系統(tǒng)是高維度非線性復(fù)雜巨系統(tǒng)，其結(jié)構(gòu)形態(tài)、運(yùn)行機(jī)理和技術(shù)基礎(chǔ)正在發(fā)生深刻變化，基于物理方程數(shù)值計(jì)算的傳統(tǒng)預(yù)測、分析、決策方法難以為繼。因此，需要瞄準(zhǔn)新型電力系統(tǒng)高維非線性復(fù)雜動力學(xué)特性觀測、預(yù)測、決策等科學(xué)計(jì)算難題，開創(chuàng)融合物理方程數(shù)值計(jì)算、神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)驅(qū)動、符號邏輯數(shù)理推導(dǎo)的電力專用計(jì)算范式；著重考慮將能源電力系統(tǒng)動力學(xué)特性原生嵌入神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，進(jìn)而構(gòu)建面向高維復(fù)雜動力學(xué)特性的符號邏輯觀測補(bǔ)強(qiáng)方法，研發(fā)融合高維復(fù)雜動力學(xué)特性的符號邏輯求解加速模型，探索基于符號邏輯計(jì)算框架的高維復(fù)雜動力學(xué)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(yù)測、建模仿真、方式分析、優(yōu)化調(diào)度等四類核心業(yè)務(wù)，甚至輔助發(fā)現(xiàn)新的能源電力運(yùn)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(yīng)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(wù)全流程、嵌入全環(huán)節(jié)。
研發(fā)路徑： 構(gòu)建電力原生時(shí)序大模型
從“世界的本質(zhì)是數(shù)學(xué)”這個(gè)角度看，所有的問題都能夠用一個(gè)高維度的非線性的數(shù)學(xué)方程組來描述，從宏大的能源社會電力復(fù)雜系統(tǒng)，到微觀的一個(gè)裝置設(shè)備，都可以用數(shù)學(xué)的思維進(jìn)行描述、展開計(jì)算。
人們期待通過人工智能技術(shù)找到一種工具，去高效描述復(fù)雜的高維非線性系統(tǒng)，進(jìn)而找到一種分析方法去觀測、預(yù)測和決策。目前的現(xiàn)實(shí)是，基于神經(jīng)網(wǎng)絡(luò)技術(shù)的新一代大語言模型，還是依賴統(tǒng)計(jì)概率性，去等效或者逼近任意復(fù)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(jì)相關(guān)性，欠缺邏輯因果性，不具備邏輯推理的能力。
當(dāng)下大量行業(yè)大模型所采取的研發(fā)技術(shù)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(jìn)行增量預(yù)訓(xùn)練，使之適應(yīng)行業(yè)特性并掌握領(lǐng)域內(nèi)的專業(yè)知識；通過行業(yè)專家對模型輸出結(jié)果進(jìn)行標(biāo)注，再結(jié)合多輪專家反饋強(qiáng)化學(xué)習(xí)，進(jìn)一步提升模型在行業(yè)任務(wù)上的專業(yè)性和準(zhǔn)確性。
這樣的研發(fā)路徑雖然能夠快速構(gòu)建適配行業(yè)需求的大模型，但存在一些不足：增量預(yù)訓(xùn)練依賴于大量高質(zhì)量行業(yè)數(shù)據(jù)，而行業(yè)數(shù)據(jù)的收集、清洗和標(biāo)注成本高昂；專家反饋學(xué)習(xí)需要大量專業(yè)人員參與，耗時(shí)且主觀性強(qiáng)；能源電力的物理特性未能深度嵌入大模型構(gòu)建過程，導(dǎo)致訓(xùn)練和推理結(jié)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(dān)任未來產(chǎn)業(yè)類腦計(jì)算、算力網(wǎng)絡(luò)項(xiàng)目執(zhí)行負(fù)責(zé)人期間逐步認(rèn)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(jì)算量的訓(xùn)練方式）已難以滿足實(shí)際應(yīng)用性能需求，尤其在電力行業(yè)這種高時(shí)效性、高精度要求的領(lǐng)域面臨瓶頸。
因此，嘗試從0到1構(gòu)建電力原生時(shí)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(shí)時(shí)變化的電氣量、化學(xué)量等時(shí)序數(shù)據(jù)。從大模型構(gòu)建初始就需要把物理方程、符號邏輯等因素融合進(jìn)神經(jīng)網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)，將電力物理規(guī)律與AI智算能力深度結(jié)合。由此，可以進(jìn)一步構(gòu)建出專業(yè)中模型和業(yè)務(wù)小模型，通過大中小模型的協(xié)同進(jìn)化，實(shí)現(xiàn)從全局到局部、從理論到應(yīng)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(lǐng)域具體需求，小模型快速響應(yīng)業(yè)務(wù)變化。
應(yīng)用模式：構(gòu)建電力具身智能體
目前，行業(yè)大模型應(yīng)用模式主要包括網(wǎng)頁訪問、接口調(diào)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(diào)用則通過開放應(yīng)用程序編程接口（API），將大模型功能集成到企業(yè)的業(yè)務(wù)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(jì)算推理硬件有性能要求。
上述三種應(yīng)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(wù)流程關(guān)聯(lián)性較弱，更多是作為獨(dú)立工具存在；接口調(diào)用發(fā)揮的作用往往局限于特定任務(wù)處理，無法實(shí)現(xiàn)對業(yè)務(wù)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(shù)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(jī)交互的升級，難以實(shí)現(xiàn)真正意義上的認(rèn)知協(xié)作、計(jì)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(yīng)用還處于一種個(gè)人（To C）應(yīng)用的階段，真正的行業(yè)（To B）應(yīng)用需要模型解決業(yè)務(wù)問題。它不能僅僅是問答，或者通過串聯(lián)運(yùn)行方式輔助決策，而應(yīng)該是一種串并聯(lián)或者相互協(xié)作的運(yùn)行方式，最終實(shí)現(xiàn)從人機(jī)協(xié)同的界面到認(rèn)知協(xié)作功能的跨越。
問題的根源在于大模型實(shí)現(xiàn)了業(yè)務(wù)認(rèn)知而無法付諸行動，因此前述三種應(yīng)用模式未能實(shí)現(xiàn)全業(yè)務(wù)環(huán)節(jié)參與、全業(yè)務(wù)架構(gòu)嵌入。
我國電力系統(tǒng)是世界上規(guī)模最大、結(jié)構(gòu)最復(fù)雜、能源轉(zhuǎn)型最快的人造巨系統(tǒng)，在電力平衡、系統(tǒng)調(diào)控、設(shè)備運(yùn)維、人員作業(yè)等方面面臨諸多挑戰(zhàn)，需借助先進(jìn)人工智能技術(shù)提升狀態(tài)感知、運(yùn)行認(rèn)知、控制決策的智能化水平?！傲可怼庇?xùn)練能源領(lǐng)域的大模型，將為數(shù)實(shí)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(wù)環(huán)節(jié)，一個(gè)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(jié)合，構(gòu)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(wù)小模型構(gòu)建智能體，以具身進(jìn)化技術(shù)指導(dǎo)智能體自主學(xué)習(xí)。智能體中的小模型負(fù)責(zé)執(zhí)行具體作業(yè)任務(wù)，大模型負(fù)責(zé)對小模型進(jìn)行調(diào)度編排，并按需發(fā)起與云側(cè)行業(yè)大模型的云邊協(xié)同進(jìn)化；具身智能體能夠?qū)崿F(xiàn)跨層級、跨場景的數(shù)據(jù)、知識、模型協(xié)同，實(shí)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(jìn)化，確保對電力業(yè)務(wù)的實(shí)時(shí)感知、精準(zhǔn)分析、科學(xué)規(guī)劃，并迅速執(zhí)行決策。
（作者系中國電力科學(xué)研究院正高級工程師，電力異構(gòu)融合類腦計(jì)算關(guān)鍵技術(shù)研究項(xiàng)目負(fù)責(zé)人、電力人工智能大模型分布式算力調(diào)度與協(xié)同訓(xùn)練推理項(xiàng)目執(zhí)行負(fù)責(zé)人。）
