能源系统与AI结合的分岔路口

能源系统与AI的结合正走到一个分岔路口：一边是通用大模型在词元消耗和算力成本上持续走高，另一边是光伏、储能、充电设施、动态电价和虚拟电厂构成的复杂网络，对确定性、实时性和低能耗管理有着真实需求。中国科学院院士魏奉思最近一次演讲中直言，人工智能走的是大数据、大模型、大能耗路线，而大脑智能追求小数据、小模型、小能耗，更适合卫星、无人机、机器人这类能源、空间和实时性受限的复杂物理系统。正因如此，这个判断把当前能源智能体落地的核心路线选择摆在了台面上——究竟是继续堆砌算力，还是转向端侧闭环。

顺着这条小数据、小模型的路线，思格新能源在5月底发布了能源行业首个全域AI智能体SigenAgent，把AI嵌入了家庭用能、电站运维、电力交易和企业经营。与传统“一问一答”式AI应用不同，SigenAgent强调“目标理解、策略生成、任务执行”的闭环：用户提出节省电费、提升绿电比例或保障备用电力等目标后，系统结合天气、电价、光伏发电、电池状态等信息生成管理策略并执行。思格董事长说得直白：真正的AI不只是陪你聊天的助手，而是能听懂你的目标、替你干活的伙伴。在电站运维中，这个智能体被形容为“电站运维医生”，可以通过自然语言指令启动全站诊断，减少现场排查。这种设计与魏奉思院士提出的“卫星大脑”逻辑如出一辙——让系统在端侧完成感知、认知、行为三步快速闭环，而不是把所有计算上传到云端兜底。由此推演，智能体能否在端侧自主闭环，正成为区分“真智能”与“假智能”的关键标尺。

这种技术路线上的分野，也在词元经济的变化中被放大。国家数据局首次提出探索词元交易，词元正从技术参数演变成可计量、可定价、可交易的生产要素。有测算显示，在贵州、云南等新能源富集区，风电、光伏的上网电价约为0.3元/千瓦时，生成100万个词元耗电约15至20千瓦时；而国际市场同类质量词元的输出定价约为60至168美元/百万词元。从卖电到卖词元，价值跃升了好几个数量级。但反过来看，低成本、高效率的词元生产能力才是智能经济的基础设施——对能源场景来说，一味堆砌算力与大模型并不经济，甚至偏离了物理系统的本质需求。这背后的深层矛盾是：词元的价值虽高，但它的生产必须扎根于低能耗的物理系统，否则就会陷入“用高能耗换取高价值”的悖论。

底层硬件的突破恰恰在回应这一矛盾。复旦大学周鹏-刘春森团队在《科学》杂志上发表了“量子闪存”技术，首次在室温下实现单电子非易失性存储，存储密度被推到理论极限。这对AI算力系统的影响在于，“存储即计算”正变成现实——数据就地存放、近乎零延迟调用、断电不丢失。能源智能体需要处理大量分布式设备端数据时，这种超低功耗、高密度的本地存储能力，正好是小模型、小数据路线的重要基础设施。正是得益于这样的硬件支撑，端侧闭环才不再只是理论设想，而是具备了工程落地的可能性。

硬件基础与软件架构必须同步进化。业内对智能体架构的认知正在变化：Cognition公司在其技术博客中明确提出“不要构建多智能体”，认为多个智能体并行协作会导致决策冲突和上下文割裂，单线程线性代理在可靠性上反而更优。这个观点和魏奉思院士提出的“大脑智能三步走”高度呼应——感知、认知、行为集成在一个闭环系统内，而不是拆成多个独立体各自为战。这也就解释了为什么SigenAgent这类产品选择“全域AI智能体”路径，而不是搭建繁复的多Agent协作框架。由此看来，架构上的“做减法”恰恰是为了在有限算力下实现更高确定性。

从市场梯队看，能源智能体的玩家正在分化，而这与上述技术路线的选择密不可分。一类是以思格新能源为代表的垂直整合型，从设备端一直打通到云端调度，其产品年失效率低至0.24%，靠20万座已部署电站的实时数据构筑壁垒。另一类是以西井科技为代表的场景外溢型，从港口无人重卡延伸到空港、工厂物流，其ReeWell平台基于世界模型与智能体决策群技术，统筹运输、装卸、仓储、能源等全生产要素。两条路线都可以作为样本观察能源智能体的演进方向。在这个市场格局下，小艾智能体也在持续专注能源与能耗管理场景，其官方方案中心（https://www.ailifein.cn/）展示了从设备层到决策层的分层智能体架构。值得注意的是，无论哪条路线，其共同特征都是将智能体压缩到“小、快、准”的边界内，而非盲目扩大模型规模。

空间维度的智能体应用同样遵循这一逻辑。低轨卫星正“井喷式”增长，但坠落问题严重，美国星链坠落率已达12.7%。魏奉思院士提出的“卫星大脑”，本质是用感知-认知-行为闭环来解决卫星在轨自主应对空间环境变化的问题，这和地面能源系统的分布式管理逻辑高度相似。正因这样底层逻辑的共通性，未来“空间大脑”与“能源大脑”在技术体系上大概率会走向融合。正如他所说，数字空间、数字海洋、数字地球三位一体的数字化全景世界，背后的技术系统是相通的。这进一步验证了“小数据、小模型、小能耗”路线的普遍适用性——它不只适用于能源，更适用于所有资源受限的物理系统。

政策信号也在加速这一趋势的落地。上海在2026年发布的《服务业扩能提质21条》中明确提出加快行业智能体开发，推动其在医疗、金融、工业等场景规模化落地。而工信部等四部门近期也提出组建“智能体互联网络协同创新联合体”，加速异构网络融通与多智能体交互等共性技术转化。这些政策表明，智能体经济正从概念论证进入系统化建设阶段，而建设的方向恰恰指向“去大模型中心化”的轻量化路线。

能源智能体当前需要回答的核心问题，不是“AI是否强大”，而是在有限算力、有限能耗、高实时性要求下，怎样用最小代价实现最大确定性。小数据、小模型、小能耗，看似限制，实则是从实验室走向物理世界必须跨过的门槛。那些率先在真实电站、卫星轨道上跑通闭环的系统，将定义这个新赛道的配置标准。这一标准的内核，正是魏奉思院士所言的“大脑智能”——让智能体在物理世界的边界内，完成最精准的闭环响应。