2025年9月16-18日，由全联新能源商会主办的第十九届中国新能源国际论坛在北京举办。论坛以“低碳应用，市场多元”为核心主题，聚焦中国新能源产业全面市场化与高质量发展跃迁期的机遇与挑战。期间，全国工商联人工智能委员会常务秘书长、深圳市人工智能产业协会创始人、执行会长范丛明围绕“AI与新能源融合”展开深度分享，并接受了媒体专访，从产业协同、技术落地、人才培养到全球化布局，系统阐述了AI如何成为新能源产业破局的关键力量。

一、AI：连接“低碳目标”与“市场多元”的桥梁型生产力

范丛明对记者表示，当前新能源产业面临的同质化竞争加剧、单一市场依赖性强等问题，需通过“低碳目标牵引+市场多元拓展”双向突破，而AI正是串联二者的“桥梁型生产力”。

从推动低碳目标落地分析，AI可直接提升新能源生产与运营效率。如通过机器视觉、图像处理等技术，AI能优化光伏板清洁流程，大幅提升清洁效率，从而提高发电量；基于AI的风电出力预测模型，可显著提高预测准确率，减少“弃风弃光”，让新能源发电更稳定、更高效。

在激活市场多元价值方面，AI的核心作用在于“破解场景单一化”。范丛明以实际案例说明：深圳某新型工业园区通过AI驱动的“微电网+户用储能智能管理”方案，结合用户用电习惯、区域能源供需数据，为企业定制差异化能源解决方案，避免了“千企一面”的同质化布局；而“氢能+重卡”“新能源+乡村振兴”等跨场景方案，也需依托AI对多领域数据的整合分析，实现能源供给与场景需求的精准匹配，最终拓展国内外市场空间，反哺低碳技术迭代。

二、“AI+产业”到“产业+AI”：新能源破内卷的路径升级

针对新能源产业“结构性过剩”“内卷化”等痛点，范丛明提出“AI发展上下半场”理论，并明确其在新能源领域的落地逻辑：上半场是“AI+产业”，即通过通用AI技术，如语音识别、计算机视觉等赋能新能源基础环节；下半场是“产业+AI”，即基于产业细分痛点定制AI方案，实现技术与场景的深度融合。

“新能源内卷的本质，是技术同质化与场景单一化。”范丛明指出，破解这一问题需从“技术适配”与“场景深耕”双管齐下。

技术端：摆脱对传统芯片的依赖，依托开源生态，如RISC-V架构相关的瑞士方案芯片，结合AI算法定制化，实现新能源设备，如光伏逆变器、储能BMS系统的低功耗、高适配性创新，从硬件层面打破“同质化竞争枷锁”。

场景端：AI需深入产业细分场景。例如，光伏企业可利用AI分析不同区域光照时长、阴雨天频率、用户用电习惯等数据，实现电站选址、发电量预测的精准化；针对南方无集中供暖、江苏“煤改电”等区域特色需求，AI可整合气候、能源价格、用户负荷数据，定制“光储热”一体化方案。未来，这些成熟技术将随着AI的进步拓展出更大发展空间。

目前，深圳市人工智能产业协会正联合全国新能源商会、深圳、苏州等地产业集群，建立“新能源+AI场景库”，通过发布产业白皮书引导企业聚焦“光伏+农业”“风电+文旅”等细分赛道，避免盲目投资，推动多元化产品体系构建。

三、数据驱动智能体：打通技术落地“最后一公里”的关键

论坛提及“能源系统智能化是产业升级的核心方向”，而范丛明倡导的“数据驱动智能体”，正是解决新能源技术落地“最后一公里”的核心载体。他解释，能源系统的智能化本质是“数据驱动的全链条协同”，需构建覆盖“发电-储能-电网-用户”的一体化智能体。

以能源调度为例，智能体可实时采集光伏出力、电网负荷、储能SOC（荷电状态）等动态数据，自动调整充放电策略——在电价低谷时多储能，高峰时优先用储能供电，既保障电网稳定，又提升能源利用效率。但要实现这一目标，需突破三大核心瓶颈：

数据确权与流转：新能源数据分散且敏感，如企业用电数据、用户缴费信息等，需由行业协会牵头推动“区域内数据共享试点”，明确行业数据、个人数据、公共数据的边界，在保障安全的前提下激活数据价值。

统一技术标准：参考手机接口从“760种统一为3种”的经验，联合光伏、储能头部企业先行先试，制定通用的新能源AI接口标准，实现不同企业设备与系统的互联互通，降低协同成本。

安全与合规：能源数据属于关键信息基础设施，需建立“新能源AI安全认证体系”，确保算法备案可靠、数据来源合规，避免技术漏洞影响电网安全与国家能源安全。

四、“高校-企业-协会”协同：破解新能源AI人才缺口

新能源与AI交叉领域的人才缺口，是制约产业发展的重要瓶颈。对此，范丛明结合深圳市人工智能产业协会的实践，提出“三位一体”人才培养模式：

联合研发与场景育人：高校（新能源、AI专业院校）与企业（新能源整机厂、解决方案公司）共建专项实验室，以“氢能AI催化”“光伏智能运维”等实际场景为导向，企业提供资金与需求，高校输出技术研发能力，协会对接产业链资源，缩短人才培养周期。

课程改革与订单式培养：推动高校在新能源专业中增设AI模块（如物联网实训、储能安全AI管理），同时针对企业特殊需求开展“订单式培养”，例如为企业定制“光伏逆变器AI算法工程师”课程，实现人才“毕业即上岗”。

行业认证与能力规范：建立分级分类的“新能源AI应用技能标准”，区分初级（数据标注）、中级（设备运维）、高级（系统设计）人才能力要求，通过职称认证（如人工智能正高/副高职称）为企业选人用人提供参考，缓解“企业招不到人、人才找不到岗”的错配问题。

范丛明向记者介绍，该模式在过去5年内已累计培养人工智能专业人才超1万人，其中大量人才流向新能源AI交叉领域，为产业融合提供了人力支撑。

五、AI助力新能源全球化：从“设备出口”到“方案输出”

面对国际技术标准壁垒、贸易规则限制等挑战，范丛明认为，AI是中国新能源产业提升全球竞争力的“放大器”，核心路径是从“单一设备出口”转向“智能方案输出”，并依托开源生态打破技术垄断。

范丛明表示，AI的赋能作用主要体现在三方面：

定制化适配全球需求：针对不同国家能源痛点，输出AI驱动的整体解决方案——如为欧洲家庭定制户用储能智能管理系统，为非洲离网地区设计“光伏+储能”一体化供电方案，通过AI优化能源调度，提升市场匹配度。

依托开源生态突破技术壁垒：联合全球企业共建新能源设备开源社区，如基于RISC-V架构的芯片设计方案共享，降低海外市场技术准入成本，摆脱对欧美芯片企业的依赖，同时推动中国方案与国际低碳标准对接。

优化碳足迹核算与贸易合规：利用AI算法精准核算新能源产品全生命周期碳足迹，帮助企业适应各国碳关税、绿色贸易规则，提升产品国际竞争力。

范丛明建议，可依托新能源国际论坛的平台优势，设立“新能源AI国际协作论坛”，分享中国在户用储能AI管理、园区微电网等领域的实践经验，同时吸纳欧美在碳足迹核算AI模型等方面的先进技术，实现双向赋能。

从推动低碳效率提升，到破解产业内卷，再到助力全球化布局。在采访中，范丛明态度鲜明地指出：“AI已不再是新能源产业的辅助工具，而是重构能源生产、运营、合作模式的‘新质生产力’。在‘低碳应用，市场多元’的发展主题下，AI与新能源的深度融合，将成为中国新能源产业从‘规模领先’迈向‘质量引领’的关键一跃”。（杨翌）

来源：中国工业新闻网