【国金证券】厦门钨业（600549）-是钨矿资源龙头，更是AI材料平台-260726（26页）.pdf

核心结论速览： 能源大模型创新加速：方案鼓励能源领域专业大模型创新，能源大模型可应用于电力负荷预测（准确率≥90%）、新能源发电预测（光伏/风电功率预测误差<10%）、电网调度优化（调度效率提升20%）、能源交易决策等场景，为能源系统提供"AI大脑"。 智能电网全面提速：方案全面增强电网感知、预测和智能调控能力，加快建设智能电网。智能电网通过"源—网—荷—储"全环节的数字化、智能化，部署海量传感器（百万级感知终端）和AI算法，实现电力系统的安全、高效、绿色运行，电网综合效率提升15%以上。 三大前沿能源技术方向：方案布局可控核聚变（AI辅助等离子体控制，聚变反应参数优化，装置运维效率提升30%）、氢能（AI辅助电解槽优化效率提升20%、加氢站智能调度、燃料电池系统控制）等细分领域创新平台，能源产业从"传统能源"向"前沿能源+AI"延伸。 分布式能源AI协同：方案支持能源企业开放高价值应用场景，推动新能源车、充换电设施等终端设备参与分布式能源协同，构建"车—桩—网"AI互动体系（V2G车网互动），虚拟电厂（VPP）聚合分布式资源参与电力市场交易，分布式能源利用率提升25%以上。 减污降碳智能化：方案推进减污降碳智能化发展，AI在碳排放监测（监测精度±5%）、碳足迹追踪（追踪覆盖率100%）、能效优化（节能10-15%）等领域大有可为，碳核算AI平台、能效优化算法、CCUS（碳捕集利用封存）AI优化等方向有明确市场空间。 算电协同发展新机制：方案构建算电协同发展机制，推动算力和电力深度融合。"算力+电力"成为能源与AI融合的全新方向，算力中心通过智能调度实现"绿电优先"（绿电使用率提升至50%以上）、参与需求响应（响应容量达100MW），电力系统通过算力中心的AI能力实现更精准的负荷预测（准确率提升至95%以上）。 能源企业场景开放：支持能源企业开放高价值应用场景，为AI技术提供真实落地环境，能源AI服务商获得明确市场入口，可对接国网成都供电公司、四川能投等能源企业的高价值场景。新能源AI产业全景——成都"算电协同"新范式。方案将新能源列为产业发展领域的第9项，明确了从"能源大模型—智能电网—分布式协同—算电融合"的递进式发展路径。对于能源AI从业者而言，成都正在推动能源体系从"刚性"向"柔性"、从"集中"向"分布"、从"物理"向"数字"的全面升级，能源AI市场规模预计达百亿级。能源大模型创新：鼓励能源领域专业大模型创新。能源大模型可应用于电力负荷预测（准确率≥90%，预测时间从小时级到分钟级）、新能源发电预测（光伏/风电功率预测误差<10%）、电网调度优化（调度效率提升20%）、能源交易决策（交易收益提升10-15%）等场景，为能源系统提供"AI大脑"。智能电网建设：全面增强电网感知（部署百万级感知终端，数据采集频率达秒级）、预测（负荷预测准确率≥90%，新能源出力预测误差<10%）和智能调控能力（调控响应时间从分钟级到秒级），加快建设智能电网。智能电网通过"源—网—荷—储"全环节的数字化、智能化，实现电力系统的安全、高效、绿色运行，电网综合效率提升15%以上。（数据来源：成都市人民政府《成都市深入实施"人工智能+"行动方案》）。三大能源技术方向——从传统到前沿。可控核聚变：方案布局可控核聚变等细分领域创新平台。可控核聚变代表"终极能源"方向，AI可在等离子体控制（聚变反应参数实时优化，装置运维效率提升30%）、聚变反应预测（聚变功率预测精度提升20%）、装置运维优化等场景发挥关键作用。氢能：方案布局氢能等细分领域创新平台。氢能全产业链涵盖制氢（电解槽AI优化效率提升20%）、储氢（储氢材料AI筛选，储氢密度提升15%）、运氢（运输路径AI优化，物流成本降低15%）、用氢（燃料电池系统AI控制，发电效率提升10%），AI可在各个环节实现效率提升。智能电网：方案加快建设智能电网，智能电网是上述前沿能源技术并入现有电力系统的"骨架"和"枢纽"，电网综合效率提升15%以上。（数据来源：成都市人民政府《成都市深入实施"人工智能+"行动方案》）。分布式能源AI协同——车网互动+源网荷储。方案支持能源企业开放高价值应用场景，推动新能源车、充换电设施等终端设备参与分布式能源协同，推进减污降碳智能化发展。车网互动（V2G） ：新能源车不仅是用电负荷，更是移动储能单元。通过AI调度，车辆可在电价低谷时充电（充电成本降低30%以上）、高峰时向电网放电（车主收益每年可达2000-5000元），实现"车—桩—网"双向能量互动，单辆车可提供5-10kW的电网调节能力，聚合后可形成GW级的虚拟电厂资源。分布式能源协同：分布式光伏（装机容量预计达500MW）、储能（储能容量预计达200MWh）、充电桩（数量预计达10万+）等终端设备通过AI平台实现协同优化，提升分布式能源的利用率和经济性，分布式能源利用率提升25%以上。虚拟电厂（VPP）可聚合分布式资源参与电力市场交易和需求响应。减污降碳智能化：方案推进减污降碳智能化发展。AI可应用于碳排放精准监测（监测精度±5%）、企业碳足迹AI核算（追踪覆盖率100%）、能效优化与节能调度（节能10-15%）等场景。碳核算AI平台、能效优化算法、CCUS（碳捕集利用封存）AI优化等方向有明确市场空间。（数据来源：成都市人民政府《成都市深入实施"人工智能+"行动方案》）。算电协同——算力与电力的深度融合。方案构建算电协同发展机制，推动算力和电力深度融合。算力驱动电力：AI计算需要大量电力支撑。方案将算力视为电力系统的重要负荷，通过智能调度实现算力中心的"源网荷储"协同优化。算力中心年耗电量可达数千万至数亿度，通过参与电力需求响应（响应容量达100MW），可降低电费支出15-20%。电力支撑算力：算力中心对电力的可靠性、绿色性、经济性有高要求。方案推动算力中心与新能源发电、储能系统的协同布局，实现绿电直供（绿电使用率提升至50%以上）、余热利用（余热回收利用率达60%以上，可满足周边区域供暖需求）等创新模式。算电协同价值：通过"算力+电力"的深度融合，实现算力中心的低碳化运营（碳排放降低30%以上）和电力系统的智能化调度，形成双向赋能的良性循环。算电协同市场规模预计达数十亿元，是能源AI最具潜力的增长方向之一。（数据来源：成都市人民政府《成都市深入实施"人工智能+"行动方案》）。标杆案例深度解析。案例一：能源领域专业大模型。方案鼓励能源领域专业大模型创新。能源大模型可基于电力系统运行数据（百万级数据点）、气象数据、市场数据等，实现电力负荷预测（准确率≥90%）、新能源出力预测（误差<10%）、电网故障诊断（诊断准确率≥95%）等AI应用，响应时间从小时级缩短至分钟级。案例二：智能电网感知与预测。方案要求全面增强电网感知、预测和智能调控能力。智能电网通过部署海量传感器（百万级感知终端，数据采集频率达秒级）和AI算法，实现"源—网—荷—储"全环节的实时感知和智能决策，调控响应时间从分钟级到秒级，电网综合效率提升15%以上。案例三：新能源车+充换电设施协同（V2G）。方案推动新能源车、充换电设施等终端设备参与分布式能源协同。AI平台可聚合大量电动车（预计10万+辆）和充换电设施，参与需求响应和电力辅助服务市场。单辆车可提供5-10kW的电网调节能力，车主收益每年可达2000-5000元，聚合后可形成GW级的虚拟电厂资源。案例四：算电协同示范。方案构建算电协同发展机制。西部（成都）科学城等算力集聚区可率先开展算电协同示范，实现算力中心+分布式光伏（装机容量预计500MW）+储能（容量预计200MWh）+智能微电网的一体化运营，绿电使用率提升至50%以上，碳排放降低30%以上。新能源AI从业者行动指南。第一步：定位赛道。 能源大模型方向：电力负荷预测（准确率≥90%）、新能源功率预测（误差<10%）、电网调度优化（效率提升20%）、能源交易决策（收益提升10-15%）。 智能电网方向：电网感知终端（百万级部署）、边缘计算设备（响应<100ms）、智能调度系统（响应从分钟级到秒级）、电网数字孪生。 分布式能源方向：车网互动（V2G）平台（单车5-10kW）、虚拟电厂（VPP）聚合（GW级）、分布式能源协同调度（利用率提升25%）。 碳减排方向：碳排放监测AI（精度±5%）、碳足迹追踪（覆盖率100%）、能效优化算法（节能10-15%）、CCUS AI优化。 算电协同方向：算力中心能耗优化（电费降低15-20%）、绿电交易（使用率提升至50%）、余热利用（回收率60%）、需求响应（容量100MW）。第二步：对接场景。 对接能源企业（国网成都供电公司、四川能投等）开放的高价值应用场景。 对接新能源车和充换电设施运营企业（预计10万+辆车参与V2G）。 对接算力中心运营方推动算电协同。第三步：技术与产品准备。 能源大模型需融合电力系统运行数据（百万级数据点）、气象数据、市场数据等多源信息，预测准确率≥90%。 智能电网产品需满足电力系统的安全可靠要求（可用性≥99.99%）。 分布式能源平台需支持海量终端设备（10万+）的实时接入和智能调度。避坑指南： 避免忽视能源行业的安全和可靠性要求（需满足电力行业标准）。 避免忽视电力市场的交易规则和政策约束。 避免忽视数据隐私和安全合规要求。 避免单打独斗，主动对接能源企业和电网公司。分阶段建议： 2026年：完成能源AI产品原型验证，对接能源企业应用场景。 2027年：参与智能电网建设和分布式能源协同试点（覆盖100MW负荷）。 2030年前：融入"算电协同"体系，实现规模化应用（市场规模百亿级）。以上为报告核心趋势分析，如需获取完整报告详细数据及全部案例，请访问下载页下载完整PDF报告。FAQ：Q1：能源领域专业大模型有哪些应用场景？A：方案鼓励能源领域专业大模型创新。应用场景包括电力负荷预测（准确率≥90%）、新能源发电预测（误差<10%）、电网调度优化（效率提升20%）、能源交易决策（收益提升10-15%）、设备故障诊断（准确率≥95%）等。Q2：算电协同发展机制具体指什么？A：方案构建算电协同发展机制，推动算力和电力深度融合。算力驱动电力（AI算力作为电力负荷进行调度优化，响应容量达100MW，电费降低15-20%），电力支撑算力（算力中心通过绿电直供使用率提升至50%以上、余热利用回收率60%实现低碳运营，碳排放降低30%以上）。Q3：分布式能源协同如何实现？A：方案推动新能源车、充换电设施等终端设备参与分布式能源协同，通过AI平台实现"源—网—荷—储"的智能互动和优化调度。分布式光伏装机500MW、储能200MWh、充电桩10万+通过VPP聚合可形成GW级的虚拟电厂资源，分布式能源利用率提升25%以上。Q4：可控核聚变和氢能与AI有什么关系？A：方案布局可控核聚变、氢能等细分领域创新平台。AI可在可控核聚变的等离子体控制（装置运维效率提升30%）、聚变预测（精度提升20%），以及氢能全产业链的制氢优化（效率提升20%）、储运调度（成本降低15%）、燃料电池控制（效率提升10%）等环节发挥作用。Q5：能源企业开放高价值应用场景对企业有何意义？A：方案支持能源企业开放高价值应用场景。能源AI服务商可通过对接能源企业的真实业务场景，获得技术验证和市场落地的机会。已明确国网成都供电公司、四川能投等能源企业将开放高价值场景，预计首批开放场景50+个，带动能源AI市场规模达百亿级。数据来源说明：本文核心数据与结论均源自《成都市深入实施"人工智能+"行动方案》（成都市人民政府办公厅2026年7月22日印发）及成都市深入实施"人工智能+"行动新闻发布会公开信息。