AI的尽头是能源。
作者｜甲小姐、云凡
历史上每一次产业革命，背后都有能源革命的坚实支撑：从蒸汽时代的煤炭，到电气时代的油与电，再到如今信息与智能浪潮对能源的渴求——AI的尽头是能源。
一方面，是能源再次成为时代核心命题的机遇，另一方面，是全球能源转型步入深水区的艰难。从传统“安全、经济、绿色”的“不可能三角”，到叠加了“低碳、便捷、高效”的“超级多边形难题”，其求解难度指数级增长，考验着所有从业者。
新奥能源副总裁、新奥泛能网CEO程路博士，正带领团队寻找破局点。这位从战略研究员到辗转近10个岗位、双手沾满泥土的实干家，如今蜕变为能源AI先行者，想要成为“能源领域最懂AI，AI领域最懂能源的人”。
“不转型一定会死，转型可能会找到一条出路。”程路判断，能源行业正处于变革转型和智能化+的节点。AI的力量，将是引领能源行业穿越认知瓶颈、抵达“新大陆”的关键。
新奥泛能网，试图用AI重绘能源未来，目标是构建一套数字能源的运营系统。他们率先提出“能源领域的自动驾驶”L1-L5分级概念。在能源革命与AI革命交汇的十字路口，新奥泛能网的实践，为我们观察未来能源图景，提供了一个将深厚行业积淀与前沿技术结合的范本。
本文，甲小姐对话程路。
1.谈定位：“用旧地图到不了新大陆”
甲小姐：当前全球能源转型已经进入到深水区，你认为现阶段能源行业所面临的最根本痛点是什么？
程路：我在能源行业从业近20年，能源行业面临的根本性痛点从来没有变过。过去能源系统追求安全、经济、高效，如今又增加清洁、低碳、便捷的要求。这些约束条件过去我们都想同时满足。
但是，能源界一直有一个“不可能三角”。安全、经济、绿色，这三个很难共同去实现。所以，能源系统的根本问题没有变，依然是如何实现多目标寻优，或者是构建一个更加完美的系统，一直都在路上。
甲小姐：传统行业有句话叫“不转型是等死，转型是找死”，你怎么看？
程路：我认为不转型一定会死，转型可能会找到一条出路。
甲小姐：现在的能源行业，是不是真的处于适合转型的“奇点”？
程路：能源行业一定到了变革转型和智能化+的奇点上。
第一，随着分布式能源及新能源的大规模应用，能源系统由传统计划性、自上而下的架构慢慢变成了一个离散型系统，大量分布式及小型、微型核聚变系统也都在突破的前夜，网络架构变得极其复杂、离散。
第二，新能源具有随机性、间歇性、波动性，它的能源渗透率越来越高。如果网络系统还是靠人去指挥或者靠一些自动化系统去指挥，首先很难做到，其次也无法实现之前提到的安全、经济、清洁的目标。更主要的问题是，未来会面临很大的认知瓶颈。
第三，尽管能源是传统行业，但我认为技术力量一定会颠覆很多我们过去认为很难的认知壁垒。技术迭代的曲线是非常快的，可能是指数级的。今天认为很难的事儿，明天不一定会很难。
甲小姐：你是什么时候开始思考“能源+AI”这件事的？
程路：我在能源行业最初的15年其实跟AI没有交集。虽然我是博士，但一直专注于电气工程领域，后来在新奥能源做泛能业务。
AI对能源行业的渗透和改变，我认为早在四五年前甚至更早就开始了。我真正踏入“能源+AI”这个行业是在2022年初，到今年也就三年半，但是认知已经发生了很多变化。
过去，我们可能结合AI做一些专家系统，辅助决策判断。今天，AI已经形成了电力现货交易的交易员，有可能比人的交易员还要厉害。
甲小姐：现在回看，你开始探索“能源+AI”的时间点是过早、正好，还是晚了？
程路：再不融合就肯定晚了，现在是恰逢其时。第一，AI确实能改变所有行业，现在大家已经形成了共识；第二，中国数字化、智能化进程步伐非常快，形成了很好的势头；第三，能源行业面临这么多问题，求解在哪呢？用旧地图一定到不了新大陆。
甲小姐：有什么“非共识”是你一定会坚持的——有没有一个“你认为对、但行业还没接受”的方向，是你会赌一把的？
程路：这是个非常好的问题，我自己倒不一定是那个专门去冒险的人，但有一些非共识的判断我认为是非常关键的。
第一，未来能源系统是分布式为主体还是集中式为主体？这没有形成共识。我偏向认为离散式、分布式能源系统会逐步成为主流，虽然现在集中式、计划式的能源系统依然占据主导地位。
第二，行业现在大部分还停留在辅助决策，或者是将人的经验变成AI系统，将来AI将怎样颠覆能源的决策系统？这可能是非共识，但我非常看好这个方向，也认为一定会实现。
甲小姐：科普一下，“泛能”是什么意思？
程路：从用户需求出发，因地制宜，清洁能源优先，多能互补，以能量全价值链开发利用为核心的用供能一体化的能源系统。
甲小姐：相较于市场上普遍的“智慧能源”、“能源互联网”等概念，泛能网在核心理念和终极愿景上有哪些本质、颠覆性的不同？
程路：泛能网的终极目标是构建一套数字能源的运营系统，它的核心逻辑不再是物理系统，而是希望把所有物理系统的感知数据在网络上变成决策模型，让所有消费者、生产者都能在上面灵活地既可以消费能源，也可以贡献能源，还可以优化整个生态系统，是一种非常柔性的状态。
它不仅仅是简单的“能源互联网”，我觉得叫一套“数字智能系统”可能更合适。
甲小姐：听起来有点像一个能源版本的世界模型。
程路：你这个总结非常好，它也许是一个AI大脑。
甲小姐：能源转型涉及千丝万缕的细节，搭建泛能网整个体系是依据什么样的逻辑？先做什么后做什么？
程路：首先，我们需要分类突破。能源系统在每个子场景下，它的设备，它的系统机理组合都不一样，场景的复杂度非常高，与下象棋、围棋等规则清晰的场景不一样。
所以，我们认为要从通用场景或垂类场景入手。能源本身是垂类场景，我要把它变得更加垂类，更加细分，比如分为工厂里的汽车制造、印染、金属加工、乳品类等，分类构建底层基座，不能上来就做大一统。这与做大语言模型不同，它在应用里的规则太复杂。
甲小姐：抽丝剥茧、分而治之。
程路：是的，我认为将来也许会百川汇流，从分类走向聚合。因为走到未来，底层调用的将是标准化的能力模块，整个系统可以构建得灵活、柔性。
甲小姐：假如把“泛能网”比作一个人的形象，你希望它是怎样的人格特征？
程路：它很智慧，很灵活，而且得要沉稳，因为它要确保任何安全风险都不能发生。我们过去也走了很多弯路，包括用大模型去生成一些小模型算法，但回避不了能源行业的一个关键问题——安全和质量保证。将来在能源系统中，安全事件可能会是黑天鹅或是灰犀牛，这是一个非常重要的底线。
甲小姐：泛能网在业界首次提出了“能源领域的自动驾驶”概念，可否还原一下这个概念的提出是什么情形？是基于怎样的考量？
程路：这几年自动驾驶概念非常热，给公众带来了科普和认知提升，我们以自动驾驶作对比，大家会比较好理解。
我认为整个能源系统要走的道路，与自动驾驶系统的变革非常接近。二者类比，一是起始点很像，过去车辆依靠的是一些辅助功能，比如并线提示或紧急刹停等，能源系统目前也处于类似的阶段，都是辅助人去管理系统；二是终极目标很像，终局的图景是一个极其复杂的网络，实现完全无人的系统级智能。能源领域的自动驾驶对能源行业的颠覆可能比汽车无人驾驶对交通系统的颠覆更大。
甲小姐：假设远远走过来一个客户，在你们真正给出解决方案之前，要做很多的分析研究和选择。这个过程大概需要多久？
程路：这个过程现在还比较痛苦。我们现在做这个过程还有点“人拉肩扛”的状态。
我们需要去现场挂一些表计去测试，比如有蒸汽的计量、流量压力、需要的温度，这就回到了这个行业本身——它的感知基础不一定那么好。除了电力可能有一些丰富电表的计量。我们要埋到地里，先去做它的感知系统，类似给车装很多传感器，这是第一步；
第二步通过传感的数据去分析我们这套解决方案，或者叫“自动驾驶系统”怎么去构建，这里就涉及到很多机理模型——因为设备一组合，当有一个变量出现的时候，整个系统都不一样。
能源领域运行的底层是物理模型。理想的物理AI是超越了过去的大语言模型，它要有很强的认知，有因果的规律。目前能源行业没有走到这个阶段，还是要靠很多人的认知去构建感知系统、认知系统和决策模型，要去跟很多已有的设备的自控去做连接，所以周期是相对长的。
甲小姐：我们假设有一个100%的一个进度条，最终100%是你帮客户真正解决了问题，把钱收回来了，那从你人拉肩扛地摸索、探路、上传感器、上机理模型等等，直到做出解决方案，这部分大概占整个进度条的多少？
程路：这些基本上占到70%。
甲小姐：也就是说70%是在探寻究竟应该怎么解决问题，最后30%是把问题解决了？
程路：好就好在一类场景的解决方案在相似用户里是高度可复用的。我做完一个印染厂，我可以做一千个、一万个印染厂，这里面就有标准化的空间。
甲小姐：这让我想起了爱因斯坦说的一句话：“如果给我一个小时决定解答一道决定我的生死的问题，我会花55分钟来搞清楚这个问题问的是什么，剩下的5分钟来回答这个问题。”
2.谈技术：“大模型还解决不了能源系统的‘自动驾驶’问题”
甲小姐：数据是AI的燃料，能源行业的数据有什么特征？构建能源行业的数据资产有什么难点？
程路：第一，数据从哪来？过去能源行业的主导者都是巨头，壁垒很高，数据都是私域的，它跟大语言模型使用互联网数据、知识库数据是不一样的。这种私域数据没有很好的沉淀，也没有数据资产的整理和治理，而且各家数据结构不统一，数据资产都很分离，这是一个非常大的难关；
第二，要在能源行业做数据标注非常复杂，非常困难。比如这栋楼今天传感上来的温度是26℃，这个26℃可能放在这栋楼宇里很合适，但放在工厂里可能就过温了。所以做数据标注的时候要分场景去标注，这就很复杂很痛苦；
第三，有很多异构数据是非标准化、非结构性的。从终端来看，气电能量都有不同的细分的品类，像蒸汽分为饱和的、过热的，蒸汽压力有1兆帕，0.7兆帕，0.5兆帕的等等，异构数据怎么变成一个很好的数据资产？也非常非常困难。
简言之，能源行业的数据是高壁垒性的异构资产，处理难度是非常高的。
甲小姐：你们如何解决这些数据孤岛、格式混乱与低价值数据的问题？
程路：从易到难，从0到1，到10，再到1000，一点点去做。
新奥在能源领域探索了35年，泛能业务规模庞大，营收接近160亿，覆盖3100万家庭用户、服务27万工商业客户，积累了很好的运营场景和客户粘性。至少我们具备从0到1的基础，解决了数据可获得性和数据治理的问题。
虽然这里面涉及到的大场景都很复杂，但一涉及到微场景就会很有意思，这里面效率提升空间也非常大。在微场景，我们能实现30%到50%的效率提升，这就为公司发展提供了价值支撑。
此外我相信，随着行业共识的提升，大家共同参与，去开放一些生态，包括共享数据资源，可能就会迭代非常快，我也期待这一天的到来。
甲小姐：AI行业我们经常说一个词叫“数据飞轮”，能源行业的数据有飞轮效应吗？
程路：一定有。最近我看了李飞飞的自传《我看见的世界》，对智能系统的发展是一个很好的概括。过去我们做智能的时候，要解决的核心问题是认知模型的问题，也就是算法的问题，但当算法慢慢归拢到神经网络后，大家猛然意识到数据集是核心的动力，可能只有1000个数据时没有变化，到了30000个就发生了质变，就有了飞轮效应。当然，它不会一上来就是飞轮，一上来可能轮子都转不动。
甲小姐：刚才说了数据，现在说说算法。你们提了一个概念叫“类泛能仿真”，仿真工具在业界不少见，“类泛能仿真”的差异点是什么？
程路：“类”指的是能源行业就得一类一类去做。“类泛能仿真”和业界其他仿真概念不同的点是：
第一，我们是分行业、分场景、分类别去做，会分得很细很细。我们现在数据库里可能有上千种设备，它的模型是很细化的；
第二，它是按泛能理念去牵引的，泛能仿真是深度植入泛能理念的，这是重要的规则边界，但它又细化出很多很多的公式，变成很多很多的机理；
第三，仿真，通俗的解释就是物理世界的能源系统的高阶数字孪生，它不再是一个3D的映射，而是数字系统里面所有的运转的机理设备、能源的能量守恒都跟物理世界是一样的。它完全是一个投影——变量可能是有一片云飞过，或者今天温度突然降温，都会影响系统的状态，需要实时地运行决策。
甲小姐：要真正实现数字世界和物理世界的同源同宗。
程路：是的。
甲小姐：在你的理想状态下，是不是每一个你给客户递交的方案都会先经过仿真的验证？
程路：这是理想状态，但成本会非常高，光构建一个仿真系统就够费劲了。
甲小姐：你们提出了一句话叫“以泛能仿真为基，‘选用训生’打造能碳产业大模型”。能不能解释一下？
程路：“选用训生”是我们新奥集团的创始人王主席在前几年就提出的方向，去年明确下来了。
选，是选开源模型，我们不会自己做基座大模型，我认为那是巨头才能做的事；用，是用私域数据，这里有新奥本身积累的一些优势；训，是训我们的专业模型，它实际上是一个专家系统，依靠一些机理模型、专家知识经验、决策判断的逻辑；生，就是生成智能。
最终的AI大脑是靠我们一步一步，一个一个品类，一个一个微场景叠加起来的，最终成为能源领域的世界模型。
甲小姐：“选用训生”这套逻辑可能会复制到不同的行业。
程路：对。现在大家都在慢慢走这条路。今天来看，这个理念非常具有预见性。
甲小姐：泛能网的能源优化系统中，AI是怎么做决策的？
程路：首先也要基于客户的需求。比如我们做的很多工厂场景，客户的第一需求是降低成本，那我们目标函数的主变量一定是经济性最优或者成本最低。但这里面又有很多变量不可回避。比如碳排放控制和再生能源比重，因为现在很多工厂面临碳排指标或能耗指标不达标的问题。也就是说，我们需要结合客户的主目标函数去叠加其他子目标函数进行寻优。当然还有一个共同的底线约束，是安全。
甲小姐：在你的描述中，由于场景和客户需求的碎片性和复杂性，似乎大模型很难充分发挥？
程路：非常好的问题。在大模型最火的时候，大家都说AGI快来了，觉得大模型可以解决所有问题，但我们在实践中发现，大模型很多时候解决不了能源系统的“自动驾驶”问题。
我们现在认为，大模型对能源系统的渗透还没有到变革的前夜。但大模型依然是有用的，它可以生成一些小模型，甚至直接输出代码。过去我做小模型得依赖一个一个专家去堆，但现在可以用很多知识去训练大模型，它可以输出一些基础的小模型，再结合我的规则去保障，这个效率会提升很多。就像车辆算法，用大模型去做认知和识别，用小模型和规则模型兜底。
甲小姐：你们打造了“能碳智控一体机”，并强调它是能碳产业大模型的“具身智能”。我也看到你们在不同案例里对一体机的描述：在工业印染场景，一体机内置数十个行业的碳排放因子；在公建暖通场景，一体机里有超过15大类、上百种能源设备的感知能力，覆盖模型数量20+；在光储联动场景，一体机是一个精准预测企业负荷、精准预测光伏发电、精准预测储能电池生命周期的系统……这些不同案例里的一体机，是同一款一体机吗？
程路：它的外形是一样的，但里面的算法完全不同，有些感知设备也完全不同。我们的策略是为每一类用户提供更精准的服务。
甲小姐：这样账能算的过来吗？
程路：这个问题很好。我有时候就痛苦在于，如果能源系统真的像自动驾驶车辆一样，我把它打穿打透以后，剩下的就是上车的问题和车辆适配性的问题，相对来说更标准化。
对能源系统来说，我们一定要选择规模性很强、产业痛点很深的场景着手，我不能做一个只有0到1，无法到1000、10000的场景。因为我做一套仿真，做物联部署、决策模型，再把整个系统运行起来，它里面的成本周期都很长。
3.谈落地：“一定要为终端客户场景创造价值”
甲小姐：你的客户通常是谁？
程路：客户现在分为几类：第一类客户本身对数字化很感兴趣，已经上过工厂自动化产线，这类客户对数字化有潜在的接受度；
第二类客户发挥了我们新奥在终端的优势，这类客户是我们一直在做燃气服务或者综合能源服务的对象，对我们是有信任的；
还有一部分客户处于不得不转型的状态。现在中国制造业的竞争真的是分厘之间的竞争。
我平均一年会去50个工厂一线，我发现不锈钢陶瓷杯工厂间的竞争可能最后就是3毛钱，看谁能挣到那3毛钱。在原料、人工等成本很难再降的情况下，最后10%-30%的能源成本反而是他们的空间，所以他们的心态是我不如试一试，试了我有卷过别人的可能。
甲小姐：面向不同客户、不同场景时，你们定制化服务的比例如何？
程路：分类来看，我们现在做的荷光储一体化项目，定制化比例非常低。因为它基本上是电信号采集，整个闭环系统以电为中心，感知系统以电传感为主，决策模型相对来说清晰度非常高，就是为了让光伏多发电、获得更大的价差收益，同时降低用户侧成本。这种场景下决策模型并不复杂，结合电力市场化政策，用户需求和接受度也非常高，具备很强的标准化和规模复制空间，复用率可以达到95%甚至99%以上。我们在这种标准场景中已经跨越了小模型，直接在用大模型生成算法。
但到了楼宇场景就很麻烦了。酒店和商场的客流高峰、用能高峰都不一样。楼宇能源系统几乎都是非标的，解决方案非常多样化，但中国楼宇系统里面节能空间又特别大，这个场景又不能放弃，所以这个场景的复用率可能只有30%-50%。
甲小姐：一个理想的场景是你服务了一个之后，可以乘以1000的去复用。到今天为止你们有多少个这样的理想场景？
程路：我们现在已经探索出来了七八个这样的场景。
甲小姐：这七八个是从多少个场景里探索出来的？
程路：我们对能源有很强的专业认知，选择并不是很多，大约有20-30个，我会基于对能源行业痛点、客户痛点，以及每年走访50个项目现场，去做比较强的判断。
甲小姐：之前我调研制造业数字化转型，有位企业家向我描述了一句话，他说“你看起来制造业转型是一个万亿市场，但落地时才发现这是一万个一亿的市场”，能源行业是不是也类似？
程路：非常精准，你把我也逗笑了。
甲小姐：从商业角度看，我很好奇这个账是怎么算的？
程路：我们现在做的单体场景都有1-1000的空间。至少我前期的重投入，包括人力、智能、算法、算力的资源调配，我能cover得住。
此外就是能源行业转型的体量比制造业还要大，因为制造业可能千差万别，但能源系统虽然每个楼宇都不一样，但我做100个楼宇以后，可能很多事情就变得一样。
甲小姐：有没有一些通用的方法论来加速你们这个复制的过程？
程路：通用的方法论一定存在。泛能网从2018年全面拥抱数字能源，到今年已经七八年时间了，但前几年路走得非常曲折，直到大模型出来。
所以第一个方法论，是大模型对千行百业都有颠覆性作用，大模型一定是有价值的，关键在于如何应用和结合；
第二个方法论是选择场景，最基础的逻辑是这个场景一定要为终端客户场景创造价值，此外这个场景一定要有机会规模化和标准化；
第三个方法论是大小模型结合，在这个阶段是跨越不了的路线。
甲小姐：有没有出现AI做出了最优方案，但是企业不敢用的情况？
程路：完全有，肯定有。用户能让你去试这个场景就是你成功的第一步，也是极其宝贵的资源。现在这么多初创公司为什么不敢进能源行业？因为它不仅有认知壁垒，而且有用户心智教育的成本。大家认为你别动，我害怕，你给我弄坏了怎么办？你要是把印染工厂里的一批布料全都作废了，这个损失是不可承受的。所以说服客户其实还是蛮难。
甲小姐：还有一种客户可能会担心你这个系统上了之后我的运营会非常复杂，你怎么向客户去解释我没有给你增加负担，我是在给你减负？
程路：好问题，我现在开智能汽车，上车以后依然要把变道的自动校正关掉，因为我不想它老是让我的胳膊震动，或者把我往另一条道上偏。所以用户习惯是难改的。
但我想举几个有意思的案例。第一个例子，一旦客户尝到智能的甜头以后，他会比我们还要主动。就像我们在一个印染车间里面，最开始试的是染色，是个微系统，一个染缸坏了就坏了，客户能接受。但他做完染缸以后发现效果这么好，居然从节能到成品率都有这么大的改善，对竞争对手是30%的降维打击，那到今天他就说你要改我的主系统，因为主系统代表我更高的能耗，需要更高的智能化需求。
第二个例子，过去做的系统，可视化不好，操作不友好，界面过于复杂，但现在好在AI Agent让交互变简单了。所以我们即将发布的二代机里都是靠语音去交互，让基础教育的成本变得很低。
甲小姐：你们去为客户解决问题的时候，往往会从边缘的场景切入，还是直接从核心业务切入？
程路：我们最期待的是从核心场景切入，但这对用户的教育成本会更高，有的时候我们能搞定，如果搞不定，我们就曲线救国。
甲小姐：对客户而言，部署泛能网这样的系统，其投入产出比如何？通常需要多长的回收周期？
程路：我们基本上让他控制在两年以内，最好一年内能让他尝到甜头。
甲小姐：AI领域的迭代非常快，而且技术路线还没有收敛，你担不担心你们先发投入，但后面又来了一个有更强AI能力的解决方案，直接让你们最开始的投入变成了过时的方案？
程路：我会担心，但当期它很难实现。因为任何一个AI都要解决认知问题，而能源领域的认知问题不是找一帮博士在实验室就能做的——数据量不够，样本不够，场景复杂度不够，以及对整个系统的认知也是很难建立的。哪怕AGI真正实现了，那也会有一个壁垒，就是谁有数据资产。
甲小姐：跟客户之间的心智对齐和信任的建立是需要投入时间和资源的。如果技术到了一定程度，变成大家都可以去摘取果实的时候，可能你们在工厂里流过的汗或者吃过的盒饭就变成了你们的护城河。
程路：这个说法很好，也让我更加有信心了。
甲小姐：你们的商业模式是什么？
程路：过去几年我们的商业模式一直在探索和变化。
最初，我们设想打造一个能源互联网平台，用户可以在上面买卖电，去做一些虚拟电厂或者是电力交易。当时的想法是连接设备和用户，聚合需求端，再去跟资源端进行交易。
走到今天，我们的商业模式非常简单清晰，主要是为行业提供智能化解决方案，包括软硬件部署实施，以及通过节能分享和低碳分享等模式来提供解决方案。这类似于地平线或小马智行上车的逻辑。
我们更长远的目标是做一种平台生态，把泛能仿真系统做得更加完善，支持海量开发者和用户在上面自行匹配和对接。到那时我们这个底层系统就像现在的阿里千问，只不过我们是在能源领域。
甲小姐：商业模式的设计意味着取和舍，现在什么样的需求你会选择不做？
程路：我们之前走过一年，做了很多集成类的项目。到今天集成类的项目我已经不做了。
甲小姐：你们的服务是否会涉及到对客户在战略管理甚至组织用人等方面的建议？
程路：要改变用人是阻力最大的。所以我们很多工作不能从基层开始做，起码是从中层开始，很多大的项目都是要做到一把手工程。
甲小姐：你觉得一个企业内部是不是需要设立一个类似于“首席能碳官”这样的角色？类似CIO。
程路：很少有企业能认知到这个层面。但将来他（首席能碳官）是必不可少的。而且将来不一定是“能”的约束，而是“碳”的约束。
4.谈行业：“AI的尽头是能源”
甲小姐：AI这两年非常火、进展非常快。除了传统行业可能成为你的客户之外，这些AI原生企业是不是也会有你的客户？
程路：实话说，现在AI原生企业做我的直接客户并不多。原因在于，AI原生企业现在最关注的是算法和模型等等在AI领域的迭代，极少有AI原生企业自己去建智算中心，基本上都是依赖云服务，因此很难关注到算力背后的成本问题。
但这件事现在正在发生很有意思的变化。过去的智算中心都是集中式的，它本身对能源系统供应的稳定性要求很高，大部分都是靠大电网。但现在大的智算中心慢慢进入饱和，而且它是远离用户侧的，所以一些分布式的中小型智算中心开始起来。这一块就很有意思，我们的合作是这么展开的，他们建分布式智算中心，我们做荷源网储一体化的能源系统。这就是一个紧结合了，我们正在这个方面发力。
甲小姐：我们谈了很多AI对能源革命的赋能，反过来，能源革命对AI是怎么赋能的？
程路：这是一个根本性问题，每一次工业革命对能量密度的要求都是指数级增长。蒸汽革命背后是煤炭利用的革命。智能革命的能量需求不是倍增，而是指数级增长，比如算力。这就是为什么现在很多知名的AI原生企业或者投资人都在布局可控核聚变。
但我认为现在还没有到爆发的奇点。
我们今天预测到2030年可能算力对电力的需求只有3%到5%，但如果再过20年，它对电力的需求是可能是30%-50%。也许在更远的未来，AI对能源的需求可能占到全世界能源的70%，那是会非常可怕的，今天这些离散系统可能会有大的升级变革，可能就是以微型可控核聚变或者是核聚变为中心的离散系统。但这一天要到来一定也是基于AI范式的改变。
如果AI的路线更像人脑，吃块饼干可以思考一天，那可能不需要能源革命，但如果仍要依靠数据、算法、算力去构成核心决策模型，那一定需要真正的能源革命。
甲小姐：你刚才说的图景里有一个基础假设，就是越来越先进的AI背后对算力和能源的需求是越来越大。但这两年也有一些相反的声音，比如更先进的算法模型可能对算力的依赖会减少。
程路：单一认知领域一定会减少，但目前AI渗透的还是很基础的领域，将来比如星际飞船，比如一些目前我们还突破不了的物理边界，万一AI突破了，可能就是星辰大海的征途，这背后也是能源。
甲小姐：如果可控核聚变实现，每一个城市的中间都有一个人造太阳，对所有人来讲变成取之不尽、用之不竭的时候，我们还需要能源管理系统吗？我们还需要智能的决策吗？
程路：智能决策一定需要。可能决策的目标不一定是节能降本，但我相信每个阶段会有每个阶段的问题。就像电力革命之后也不是说电取之不尽用之不竭。但我不排除将来人类可以利用星际能源，那是另一回事。
甲小姐：你会不会担心，AI迭代的速度和能源智能化转型的节奏不匹配？
程路：事实上也是如此的，AI迭代得更快。
甲小姐：那怎么办？
程路：好在我们的客户一两年就回收成本了，我们可以再来。当然，如果是算法变得更好，对我们和客户而言都是好事，因为成本降低了。而且算法的改变不会涉及基础的感知层和动作层，我们可以利用原有系统去做算法的升级。
甲小姐：如果今天咱们开一场AI论坛，参与者除了你之外都不是能源行业的。你希望和各位 AI 企业家聊什么？
程路：AI的尽头是能源，这样才能把他们勾住（笑）。
甲小姐：最近有没有什么新的行业动态或者进展让你非常兴奋的？
程路：行业动态很快，每天都在变化。前段时间我看了谷歌的I/O大会，里面有很多产品化的成果，比如智能生成视频，逼真度很高，将任务转化为结果的能力也达到了比Manus更高阶的状态。
大家在形成共识：AI不但是辅助认知的工具，它是在替代人类的行为、认知和决策。这给我的启发非常大。
第二个启发非常大的是李飞飞的书。她一直研究机器视觉，她提到一个给我非常震撼的观点：寒武纪生物大爆发的原因，过去大家都认为是外部环境发生的变化，比如地壳运动或者是海水温度变化，但一个科学家的观点是：在某一个场景下，突然动物的光感知能力出现，这个能力促使眼睛、视网膜、晶体等逐渐进化，也就是说感知带来了整个世界的巨变，促进了物种的大爆发。
所以无论是AGI还是AI行业，也许有一个这样的时刻，就会颠覆我们现在所有的认知。我对此还是很兴奋的。我现在每天早上醒来看的不是能源行业，能源我就关注一下政策变化，我基本上都在看AI的新闻。
5.谈组织与生态：“确定性超过了不确定性”
甲小姐：现在一个AI背景的人才有很多选择，他可以加入一家AI原生的企业，也可以加入像具身智能这样的新兴赛道。对比之下，能源行业吸引AI人才容易吗？
程路：不容易。人才的吸引和留存是我非常重要的工作内容之一。
好在现在越来越多人意识到专注到一个赛道的复合型人才在市场上是会增值的。现在我们的算法工程师也会被大厂和AI原生企业去挖。此外，泛能网的图景和使命感也是足够大的，会吸引一帮同路人，大家相信这件事，也愿意All in。当然，我们也会提供有竞争力的价码。
甲小姐：能源背景和AI背景的两类人才会有理念上的冲突或者认知落差吗？
程路：我第一年就在解决大家所谓的碰撞问题。因为形成共识太难了。如果形成不了共识，就会有很大的试错成本，甚至是内耗成本。
所以，大家要在一起面向共同场景。我现在产品人、算法人都要在现场，跟我们的前端解决方案团队在一起做。比如印染厂项目，是七八个人在那蹲了小半年，每天忍受50度高温车间，夏天大家到最后都是光膀子的状态，他们一帮爷们跟我发照片我都很感动。
同时，我在公司内部组织分享活动，公司有一个科技角，鼓励员工之间多分享，我也会给他们设一些荣誉。
当然最重要的还是要能做成事，让大家觉得有价值，有梦想实现的可能。
甲小姐：在泛能网的生态构建中，合作伙伴扮演了什么样的角色？
程路：我们的合作伙伴生态还是蛮广的，也可以分成几类：
第一类是前端生态伙伴，主要作为渠道。我们现在超过一半客户都是来自外部渠道，比如三大运营商，他们负责前端数字化、信息化服务，引流客户。还包括一些设备商，他们本身要做自控的升级，作为渠道商协助获客。
第二类是研发生态伙伴。新奥的理念是不能都自己来，而是要“人有我用、人缺我补”。我们与生态伙伴在算力、芯片、ICT、传感装置等底层技术研发方面进行合作。
第三类是应用类生态伙伴。他们拥有很强的场景诉求和一定的认知，但需要我们帮助解决问题。华为是这个应用生态上做得最好的，它基本上只做ICT的核心能力，现在做一些云端算力、云服务中间解决方案。我们与华为在源网荷储一体化方面上是深度合作。
甲小姐：你认为，要实现能源系统“自动驾驶”的终极目标，整个行业还需要在哪些方面共同努力，才能够打破壁垒，加速进程？
程路：真正实现L5目标，一定是要全行业达成共识，明确AI如何改变传统行业的路径；第二，除了隐私数据之外，要更加开放和共享；第三，在前沿创新上，大家是要生态互补和合作，共同盼望和拥抱技术迭代。
甲小姐：你还记得2022年底ChatGPT上线，大模型开始成为大家惊叹号的那个过程当中，你自己的心路历程吗？
程路：是一种颠覆性的冲击，但后来对它的认知从“高山仰止”变成“触手可及”；再到后来，又认识到它并非最终路径。其实是一个波浪上升的过程。到今天，更认识到通向AGI的路径大家是有很多分歧的，从预训练到推理，到世界模型、物理AI等等，大家都在探索。
甲小姐：复盘泛能网的探索之路，你觉得有哪些经验教训可以分享给其他致力于产业数字化转型的企业？
程路：教训可能会更多。第一就是大家在这件事上一定要有耐心。尽管AI迭代很快，好像变革就在前夜，但在知识领域存在认知壁垒，包括技术、人文和社会运行规则层面的问题，需要时间去解决。
第二，要有决心。这件事如果一号位不All in，这件事是不可能做到的。
第三，大家不能只看到短期的价值，要思考核心逻辑。特别是能源行业，不仅要考虑经济成本，还要考虑社会价值。如果我们能把终局看得很清楚，每一步即便有弯路，但方向是对的，最怕南辕北辙。
甲小姐：模糊的正确好过精致的错误，对终局的确定性往往会磨平过程当中很多的摩擦。
程路：是的，看清终局可以让我们坚持在对的方向。
甲小姐：未来3–5年，泛能网有怎样的发展规划和战略目标？
程路：希望在3到5年内，第一步实现系统的大部分功能提升到L3级别；第二步是要建社区生态，虽然之前提到了三类生态伙伴，但还缺少一个知识和能力交互的社区，这类社区的建设非常难，因为工业领域与数字原生领域有很大不同，不像千问这样的生态底座可以开发出无数应用，所以建设这种能力生态是我们的重要任务；第三步是设定清晰目标，在3到5年内，将今天的七八个场景扩展到100个场景，实现规模化和规范化应用。
甲小姐：你觉得未来最大的不确定性是什么？
程路：不确定性可能就是政策的力度和放开的节奏。能源和汽车自动驾驶一样都依托政策，包括数据的互联互通、标准规范以及整个规则的变化。但总体方向是明确的，我觉得确定性超过了不确定性。
甲小姐：泛能网是否探索过“用碳减量去定价、抵税或融资”的金融接口？比如碳足迹数据是不是有可能和银行、券商或碳平台形成闭环？
程路：我们现在已经尝试过一两单了。银行需要获取用户侧的碳排数据，包括它的生产运营数据。这些数据真实可靠，银行依据这些数据评估企业的生产经营稳定性、与国家政策的契合度，这是授信的一个参考依据。
甲小姐：以后银行授信的时候要先问问你们？
程路：我们现在已经接入了几家银行。
甲小姐：这个很有意思，我刚就在想你们应该一边卖解决方案一边卖保险。
程路：这给我启发了，哈哈。
6.谈成长：“做能源领域中最懂AI的人”
甲小姐：你觉得真正去推动能源行业智能化转型的领军者，有没有可能是能源行业的外来户？
程路：我以前认为这不可能，但今天我认为它有可能。今天在医疗系统中，AI有时能力已经超过了医疗专家，它初始的判断能力一定是来自专家的数据库，但有一天它迭代能力强了，就不再需要外部认知。我相信，将来打败我的可能不是能源人，而是AI。
甲小姐：再给我们分享一下你的职业发展路径，以及这些经历怎样影响了你对科技和能源融合的看法？
程路：我以前觉得这辈子可能会一直干传统能源。我以前走得还算蛮顺的，不像今天这么痛苦。虽然今天和你交流时我侃侃而谈，但一路走过来的路径真的很辛苦。
我博士毕业后进入国家电网公司，做了7年的战略和政策研究，培养了宏观的认知能力和对行业大势的把握能力。到了新奥的第十年，我换了将近10个工作岗位，双手双脚沾满泥土的活都干过，这培养了我的客户思维，能够真正理解行业痛点和用户需求，我认为这段经历不可替代。后来我被调到做泛能网，我自己都没想到。
但当我一进这个赛道，我就发现这就是我毕生要做的事情，这就是我的使命。第一，它太有意思了，因为我喜欢挑战，我也希望我每天是激情迸发的；第二，我坚信这就是未来的发展方向，不管是20年、30年还是50年后，我们一定会实现科幻般的能源图景，就像我们以前不相信的事，现在不也在发生吗？第三，我觉得我可能会在里面获得超出一个传统能源专家更大的成果。我想要成为能源领域中最懂AI的人，同时在AI领域中最懂能源的人。
甲小姐：不同的领导者有不同的风格，有乔布斯、马斯克这种个人色彩极强的领导者，也有像马化腾、张一鸣这样位居幕后的产品驱动的领导者。你是一个什么风格的领导者？
程路：其实我专门问过我的爱人，我说你看我是一个什么样领导者？她给我的第一个标签是，我是一个目标感极强的人，我认准的目标也许让我摔一百个跟头，摔一千次，只要不摔死，我都会向着这个目标进发；
第二，她说我是一个值得被人追随的人。一号位是要深刻相信一件事，会逼着身边所有人都得成长。我不会放过自己，更不会放过我身边的人，大家都被我卷得很厉害。
第三，她说我真的是希望在有生之年做一些不一样的事，甚至是石破天惊的事，我还是很有梦想的。
甲小姐：在整个过程当中有没有过因为事情太难而打退堂鼓的时候？
程路：我退不回去了，这不是我的个性，我一天不工作我都受不了，我是个工作狂。
甲小姐：你个人是如何保持精力去应对各种挑战的？
程路：今天我做事比当年游刃有余得多。过去我是亲自下场型，处女座特质，对什么事都精益求精，很完美主义，对别人做的不放心，就都自己上手，所以第一年做一号位时差点把我累死。但我后来慢慢学会游刃有余，激发团队。
现在我大部分的精力第一个是自我认知提升，这大概占30%的精力；有接近40%的精力，我是用在规划清晰的路径和方向；另外还有30%的精力，我都是在所谓的“笼络人心”，激发团队干活、帮他们解决难题。
甲小姐：那假如现在你可以去问一个关于10年之后的问题，并且会有人告诉你正确的答案。你最好奇的问题是什么？
程路：我想问十年之后，在能源+AI这个终局场景中我走到哪一步了？
甲小姐：很久以后，当人们回望泛能网，你希望它是如何被记住的？你希望你是如何被记住的？
程路：我希望我们能成为行业的引导者和探路者。我们也许做错了，也许将来失败了，但我们确实为“能源+AI”的突破作出了不可磨灭的贡献，不管是或大或小。我希望行业的基石或未来的丰碑上，会有泛能网的重要角色。
关于我自己，领先三步成为先驱，领先一步成为先锋，反正我怎么着都不希望成为先烈。
甲小姐对话特伦斯：进化比你聪明
甲小姐对话凯文·凯利：关于AI，我从未写进书里的判断
甲小姐对话张钹：中国大模型的死与生
甲小姐对话田渊栋：Scaling law代表一个非常悲观的未来
甲小姐对话傅盛：搞AI真的不能再这么烧钱了
（文：甲子光年）