21世纪经济报道记者倪雨晴 深圳报道

随着人工智能技术的深入发展，大模型已成为推动各行各业转型升级的关键力量。电力行业作为国民经济的重要支柱，正面临着从传统运营向数智化管理的转变。

眼下，生成式AI成为数智化转型的新驱动力。据记者不完全统计，目前国内针对电力行业场景的大模型已经超过10个。

在这一大背景下，南方电网作为中国电力行业的重要代表，是AI大模型探索和应用上的先行者。2023年，南方电网就发布了电力行业人工智能创新平台，并推出了专为电力系统设计的大模型“大瓦特”，两者均由南方电网人工智能公司自主研发。

近日在华为分析师大会期间，南方电网人工智能公司副总经理、南方电网公司高级技术专家梁寿愚告诉21世纪经济报道记者：“我们一开始就在寻找新型电力系统的解决方案，早期是采用传统的机器学习技术，后来引入了深度学习、再后来有强化学习。但是这些技术只能抓单个场景，我们隐隐约约感觉应该要有通用的人工智能。随后生成式AI爆发，在GPT3.0的时候，我们就已经进行关注，并认为通用人工智能可能要来了。”

因此，南方电网很早就在内部研究生成式AI，并在去年发布了大模型和人工智能平台。而这一过程不仅涉及技术的选择和优化，还包括与华为等科技企业的深度合作，共同推进电力行业的智能化进程。

谈及业务规划，梁寿愚表示：“今年我们有很多计划，一方面要训练多模态大模型、推出千亿量级的大模型、推进人形机器人应用。另一方面，也要继续探索算力交易的平台和算力服务。” 

产业加速AI应用 

目前生成式AI已经在电力行业施展身手，应用方向包括故障检测与预防、设备维护与优化、电网优化与管理、自动化报告与文档生成、虚拟助手和客户服务等等。

南方电网的电力行业人工智能创新平台和“大瓦特”大模型，首先在南方电网系统内部得到应用，随后逐步向外扩展，提供包括训练、微调和部署在内的一系列服务。

据悉，在人工智能平台里，用户既可以使用已经调好参数的模型，也可以根据需求自主创建自己的模型。电力大模型可为行业提供电力系统的思维链能力，通过与业务系统打通，已具备意图识别、多轮对话、总结提炼、自动生成巡检报告、可视化数据服务等能力。

梁寿愚表示：“NLP大模型方面，能够完成会议纪要、语音转录等办公场景功能。巡检类的应用主要是基于CV大模型去做，同时NLP大模型可以生成巡检报告。此外，值班时候的应急处置告警、故障维修推送、智能客服都是应用场景。”

梁寿愚进一步透露：“巡检现在大概能替代80%左右人工，然后智能客服的机器代人的比例也是80%左右。”

事实上，“大瓦特”大模型在设计之初，就充分考虑到了电力行业的特殊需求和复杂性，融合了电力业务的制度规范、基础知识以及相关行业报告等，模型的参数量高达数百亿。这种庞大的数据基础，使得“大瓦特”不仅能够精准地检索电力专业知识，还能应用于多轮对话、专业数据加工、智能辅助写作等多个场景。

在应用实践中，“大瓦特”已在南方电网覆盖的广东、广西、云南、贵州和海南等地区的发电、输电、变电、配电及用电各环节中得到应用。

而南方电网的电力行业人工智能平台和大模型背后，很重要的一点是基于华为算力平台服务解决方案，实现了平台快速上线、模型高效迁移调优，同时平台集成了华为等企业提供的国产算力资源，能够支撑算力资源的灵活调度。

包括梁寿愚在内的多位业内人士都向记者指出，目前算力方面依然感到紧缺，对于国产算力而言，还需要进一步适配和生态协助，需要联动上下游去共同构建电力行业人工智能技术生态圈。

电力的大模型时代

电力行业的大模型开发与应用已成为未来发展的一大趋势，除了南方电网，国家电网、乃至区域供电局等都在发力，眼下电力行业也进入了大模型时代。

比如，2023年，国家电网所属的国网数科在大模型的应用与探索中，特别强调了模型服务化和工程化能力的提升，以及生态的构建。通过构建基于“大模型+小模型”的电力大模型引擎，国网数科不仅提供了平台化的模型服务，还有效减少了重复训练和创新的需求，实现了不同场景下业务知识和需求的有效串联。

2023年，深圳供电局完成输电山火烟雾、外破隐患、安监违章行为等大模型研发，预计每年可减少无效告警30万条。

尽管电力行业和生成式AI的结合是大势所趋，但在推动大模型发展的过程中仍然面临诸多挑战，梁寿愚向记者提到了三方面的挑战。

首先，他认为最大的挑战之一是全栈国产化，在这个过程中，模型的开发需与国产算力卡密切配合，这不仅涉及硬件的性能和生态的构建，还需要行业上下游的广泛支持和协作；

其二是跨部门合作的挑战，要真正发挥大模型的潜力，需要各业务领域的专家参与，提供高质量的业务知识和数据支持；

其三是需要尽快推出应用的方式，才能对外体现生产效率的价值。

事实上，今年在产业大模型的趋势下，如何在产业应用上做更多落地探索、上下游如何更好地紧密联动，都是AI业界重点关注的课题。

面对挑战，南方电网等电力企业正在联合科技企业，通过各种方式加速AI技术的应用。从加强国产算力的支持，到推动行业生态的建设，再到提高模型的应用效率，每一个步骤都是向着提高生产效率和业务自动化迈进的重要一环。

未来，随着技术进步和行业认知提升，预计电力行业的大模型应用将更加广泛，从而推动整个行业向更高效、更智能的方向发展。