AI的盡頭是能源。

作者｜甲小姐、云凡

歷史上每一次產業革命，背后都有能源革命的堅實支撐：從蒸汽時代的煤炭，到電氣時代的油與電，再到如今信息與智能浪潮對能源的渴求——AI的盡頭是能源。

一方面，是能源再次成為時代核心命題的機遇，另一方面，是全球能源轉型步入深水區的艱難。從傳統“安全、經濟、綠色”的“不可能三角”，到疊加了“低碳、便捷、高效”的“超級多邊形難題”，其求解難度指數級增長，考驗著所有從業者。

新奧能源副總裁、新奧泛能網CEO程路博士，正帶領團隊尋找破局點。這位從戰略研究員到輾轉近10個崗位、雙手沾滿泥土的實干家，如今蛻變為能源AI先行者，想要成為“能源領域最懂AI，AI領域最懂能源的人”。

“不轉型一定會死，轉型可能會找到一條出路。”程路判斷，能源行業正處于變革轉型和智能化+的節點。AI的力量，將是引領能源行業穿越認知瓶頸、抵達“新大陸”的關鍵。

新奧泛能網，試圖用AI重繪能源未來，目標是構建一套數字能源的運營系統。他們率先提出“能源領域的自動駕駛”L1-L5分級概念。在能源革命與AI革命交匯的十字路口，新奧泛能網的實踐，為我們觀察未來能源圖景，提供了一個將深厚行業積淀與前沿技術結合的范本。

本文，甲小姐對話程路。

1.談定位：“用舊地圖到不了新大陸”

甲小姐：當前全球能源轉型已經進入到深水區，你認為現階段能源行業所面臨的最根本痛點是什么？

程路：我在能源行業從業近20年，能源行業面臨的根本性痛點從來沒有變過。過去能源系統追求安全、經濟、高效，如今又增加清潔、低碳、便捷的要求。這些約束條件過去我們都想同時滿足。

但是，能源界一直有一個“不可能三角”。安全、經濟、綠色，這三個很難共同去實現。所以，能源系統的根本問題沒有變，依然是如何實現多目標尋優，或者是構建一個更加完美的系統，一直都在路上。

甲小姐：傳統行業有句話叫“不轉型是等死，轉型是找死”，你怎么看？

程路：我認為不轉型一定會死，轉型可能會找到一條出路。

甲小姐：現在的能源行業，是不是真的處于適合轉型的“奇點”？

程路：能源行業一定到了變革轉型和智能化+的奇點上。

第一，隨著分布式能源及新能源的大規模應用，能源系統由傳統計劃性、自上而下的架構慢慢變成了一個離散型系統，大量分布式及小型、微型核聚變系統也都在突破的前夜，網絡架構變得極其復雜、離散。

第二，新能源具有隨機性、間歇性、波動性，它的能源滲透率越來越高。如果網絡系統還是靠人去指揮或者靠一些自動化系統去指揮，首先很難做到，其次也無法實現之前提到的安全、經濟、清潔的目標。更主要的問題是，未來會面臨很大的認知瓶頸。

第三，盡管能源是傳統行業，但我認為技術力量一定會顛覆很多我們過去認為很難的認知壁壘。技術迭代的曲線是非常快的，可能是指數級的。今天認為很難的事兒，明天不一定會很難。

甲小姐：你是什么時候開始思考“能源+AI”這件事的？

程路：我在能源行業最初的15年其實跟AI沒有交集。雖然我是博士，但一直專注于電氣工程領域，后來在新奧能源做泛能業務。

AI對能源行業的滲透和改變，我認為早在四五年前甚至更早就開始了。我真正踏入“能源+AI”這個行業是在2022年初，到今年也就三年半，但是認知已經發生了很多變化。

過去，我們可能結合AI做一些專家系統，輔助決策判斷。今天，AI已經形成了電力現貨交易的交易員，有可能比人的交易員還要厲害。

甲小姐：現在回看，你開始探索“能源+AI”的時間點是過早、正好，還是晚了？

程路：再不融合就肯定晚了，現在是恰逢其時。第一，AI確實能改變所有行業，現在大家已經形成了共識；第二，中國數字化、智能化進程步伐非常快，形成了很好的勢頭；第三，能源行業面臨這么多問題，求解在哪呢？用舊地圖一定到不了新大陸。

甲小姐：有什么“非共識”是你一定會堅持的——有沒有一個“你認為對、但行業還沒接受”的方向，是你會賭一把的？

程路：這是個非常好的問題，我自己倒不一定是那個專門去冒險的人，但有一些非共識的判斷我認為是非常關鍵的。

第一，未來能源系統是分布式為主體還是集中式為主體？這沒有形成共識。我偏向認為離散式、分布式能源系統會逐步成為主流，雖然現在集中式、計劃式的能源系統依然占據主導地位。

第二，行業現在大部分還停留在輔助決策，或者是將人的經驗變成AI系統，將來AI將怎樣顛覆能源的決策系統？這可能是非共識，但我非常看好這個方向，也認為一定會實現。

甲小姐：科普一下，“泛能”是什么意思？

程路：從用戶需求出發，因地制宜，清潔能源優先，多能互補，以能量全價值鏈開發利用為核心的用供能一體化的能源系統。

甲小姐：相較于市場上普遍的“智慧能源”、“能源互聯網”等概念，泛能網在核心理念和終極愿景上有哪些本質、顛覆性的不同？

程路：泛能網的終極目標是構建一套數字能源的運營系統，它的核心邏輯不再是物理系統，而是希望把所有物理系統的感知數據在網絡上變成決策模型，讓所有消費者、生產者都能在上面靈活地既可以消費能源，也可以貢獻能源，還可以優化整個生態系統，是一種非常柔性的狀態。

它不僅僅是簡單的“能源互聯網”，我覺得叫一套“數字智能系統”可能更合適。

甲小姐：聽起來有點像一個能源版本的世界模型。

程路：你這個總結非常好，它也許是一個AI大腦。

甲小姐：能源轉型涉及千絲萬縷的細節，搭建泛能網整個體系是依據什么樣的邏輯？先做什么后做什么？

程路：首先，我們需要分類突破。能源系統在每個子場景下，它的設備，它的系統機理組合都不一樣，場景的復雜度非常高，與下象棋、圍棋等規則清晰的場景不一樣。

所以，我們認為要從通用場景或垂類場景入手。能源本身是垂類場景，我要把它變得更加垂類，更加細分，比如分為工廠里的汽車制造、印染、金屬加工、乳品類等，分類構建底層基座，不能上來就做大一統。這與做大語言模型不同，它在應用里的規則太復雜。

甲小姐：抽絲剝繭、分而治之。

程路：是的，我認為將來也許會百川匯流，從分類走向聚合。因為走到未來，底層調用的將是標準化的能力模塊，整個系統可以構建得靈活、柔性。

甲小姐：假如把“泛能網”比作一個人的形象，你希望它是怎樣的人格特征？

程路：它很智慧，很靈活，而且得要沉穩，因為它要確保任何安全風險都不能發生。我們過去也走了很多彎路，包括用大模型去生成一些小模型算法，但回避不了能源行業的一個關鍵問題——安全和質量保證。將來在能源系統中，安全事件可能會是黑天鵝或是灰犀牛，這是一個非常重要的底線。

甲小姐：泛能網在業界首次提出了“能源領域的自動駕駛”概念，可否還原一下這個概念的提出是什么情形？是基于怎樣的考量？

程路：這幾年自動駕駛概念非常熱，給公眾帶來了科普和認知提升，我們以自動駕駛作對比，大家會比較好理解。

我認為整個能源系統要走的道路，與自動駕駛系統的變革非常接近。二者類比，一是起始點很像，過去車輛依靠的是一些輔助功能，比如并線提示或緊急剎停等，能源系統目前也處于類似的階段，都是輔助人去管理系統；二是終極目標很像，終局的圖景是一個極其復雜的網絡，實現完全無人的系統級智能。能源領域的自動駕駛對能源行業的顛覆可能比汽車無人駕駛對交通系統的顛覆更大。

甲小姐：假設遠遠走過來一個客戶，在你們真正給出解決方案之前，要做很多的分析研究和選擇。這個過程大概需要多久？

程路：這個過程現在還比較痛苦。我們現在做這個過程還有點“人拉肩扛”的狀態。

我們需要去現場掛一些表計去測試，比如有蒸汽的計量、流量壓力、需要的溫度，這就回到了這個行業本身——它的感知基礎不一定那么好。除了電力可能有一些豐富電表的計量。我們要埋到地里，先去做它的感知系統，類似給車裝很多傳感器，這是第一步；

第二步通過傳感的數據去分析我們這套解決方案，或者叫“自動駕駛系統”怎么去構建，這里就涉及到很多機理模型——因為設備一組合，當有一個變量出現的時候，整個系統都不一樣。

能源領域運行的底層是物理模型。理想的物理AI是超越了過去的大語言模型，它要有很強的認知，有因果的規律。目前能源行業沒有走到這個階段，還是要靠很多人的認知去構建感知系統、認知系統和決策模型，要去跟很多已有的設備的自控去做連接，所以周期是相對長的。

甲小姐：我們假設有一個100%的一個進度條，最終100%是你幫客戶真正解決了問題，把錢收回來了，那從你人拉肩扛地摸索、探路、上傳感器、上機理模型等等，直到做出解決方案，這部分大概占整個進度條的多少？

程路：這些基本上占到70%。

甲小姐：也就是說70%是在探尋究竟應該怎么解決問題，最后30%是把問題解決了？

程路：好就好在一類場景的解決方案在相似用戶里是高度可復用的。我做完一個印染廠，我可以做一千個、一萬個印染廠，這里面就有標準化的空間。

甲小姐：這讓我想起了愛因斯坦說的一句話：“如果給我一個小時決定解答一道決定我的生死的問題，我會花55分鐘來搞清楚這個問題問的是什么，剩下的5分鐘來回答這個問題。”

2.談技術：“大模型還解決不了能源系統的‘自動駕駛’問題”

甲小姐：數據是AI的燃料，能源行業的數據有什么特征？構建能源行業的數據資產有什么難點？

程路：第一，數據從哪來？過去能源行業的主導者都是巨頭，壁壘很高，數據都是私域的，它跟大語言模型使用互聯網數據、知識庫數據是不一樣的。這種私域數據沒有很好的沉淀，也沒有數據資產的整理和治理，而且各家數據結構不統一，數據資產都很分離，這是一個非常大的難關；

第二，要在能源行業做數據標注非常復雜，非常困難。比如這棟樓今天傳感上來的溫度是26℃，這個26℃可能放在這棟樓宇里很合適，但放在工廠里可能就過溫了。所以做數據標注的時候要分場景去標注，這就很復雜很痛苦；

第三，有很多異構數據是非標準化、非結構性的。從終端來看，氣電能量都有不同的細分的品類，像蒸汽分為飽和的、過熱的，蒸汽壓力有1兆帕，0.7兆帕，0.5兆帕的等等，異構數據怎么變成一個很好的數據資產？也非常非常困難。

簡言之，能源行業的數據是高壁壘性的異構資產，處理難度是非常高的。

甲小姐：你們如何解決這些數據孤島、格式混亂與低價值數據的問題？

程路：從易到難，從0到1，到10，再到1000，一點點去做。

新奧在能源領域探索了35年，泛能業務規模龐大，營收接近160億，覆蓋3100萬家庭用戶、服務27萬工商業客戶，積累了很好的運營場景和客戶粘性。至少我們具備從0到1的基礎，解決了數據可獲得性和數據治理的問題。

雖然這里面涉及到的大場景都很復雜，但一涉及到微場景就會很有意思，這里面效率提升空間也非常大。在微場景，我們能實現30%到50%的效率提升，這就為公司發展提供了價值支撐。

此外我相信，隨著行業共識的提升，大家共同參與，去開放一些生態，包括共享數據資源，可能就會迭代非常快，我也期待這一天的到來。

甲小姐：AI行業我們經常說一個詞叫“數據飛輪”，能源行業的數據有飛輪效應嗎？

程路：一定有。最近我看了李飛飛的自傳《我看見的世界》，對智能系統的發展是一個很好的概括。過去我們做智能的時候，要解決的核心問題是認知模型的問題，也就是算法的問題，但當算法慢慢歸攏到神經網絡后，大家猛然意識到數據集是核心的動力，可能只有1000個數據時沒有變化，到了30000個就發生了質變，就有了飛輪效應。當然，它不會一上來就是飛輪，一上來可能輪子都轉不動。

甲小姐：剛才說了數據，現在說說算法。你們提了一個概念叫“類泛能仿真”，仿真工具在業界不少見，“類泛能仿真”的差異點是什么？

程路：“類”指的是能源行業就得一類一類去做。“類泛能仿真”和業界其他仿真概念不同的點是：

第一，我們是分行業、分場景、分類別去做，會分得很細很細。我們現在數據庫里可能有上千種設備，它的模型是很細化的；

第二，它是按泛能理念去牽引的，泛能仿真是深度植入泛能理念的，這是重要的規則邊界，但它又細化出很多很多的公式，變成很多很多的機理；

第三，仿真，通俗的解釋就是物理世界的能源系統的高階數字孿生，它不再是一個3D的映射，而是數字系統里面所有的運轉的機理設備、能源的能量守恒都跟物理世界是一樣的。它完全是一個投影——變量可能是有一片云飛過，或者今天溫度突然降溫，都會影響系統的狀態，需要實時地運行決策。

甲小姐：要真正實現數字世界和物理世界的同源同宗。

程路：是的。

甲小姐：在你的理想狀態下，是不是每一個你給客戶遞交的方案都會先經過仿真的驗證？

程路：這是理想狀態，但成本會非常高，光構建一個仿真系統就夠費勁了。

甲小姐：你們提出了一句話叫“以泛能仿真為基，‘選用訓生’打造能碳產業大模型”。能不能解釋一下？

程路：“選用訓生”是我們新奧集團的創始人王主席在前幾年就提出的方向，去年明確下來了。

選，是選開源模型，我們不會自己做基座大模型，我認為那是巨頭才能做的事；用，是用私域數據，這里有新奧本身積累的一些優勢；訓，是訓我們的專業模型，它實際上是一個專家系統，依靠一些機理模型、專家知識經驗、決策判斷的邏輯；生，就是生成智能。

最終的AI大腦是靠我們一步一步，一個一個品類，一個一個微場景疊加起來的，最終成為能源領域的世界模型。

甲小姐：“選用訓生”這套邏輯可能會復制到不同的行業。

程路：對。現在大家都在慢慢走這條路。今天來看，這個理念非常具有預見性。

甲小姐：泛能網的能源優化系統中，AI是怎么做決策的？

程路：首先也要基于客戶的需求。比如我們做的很多工廠場景，客戶的第一需求是降低成本，那我們目標函數的主變量一定是經濟性最優或者成本最低。但這里面又有很多變量不可回避。比如碳排放控制和再生能源比重，因為現在很多工廠面臨碳排指標或能耗指標不達標的問題。也就是說，我們需要結合客戶的主目標函數去疊加其他子目標函數進行尋優。當然還有一個共同的底線約束，是安全。

甲小姐：在你的描述中，由于場景和客戶需求的碎片性和復雜性，似乎大模型很難充分發揮？

程路：非常好的問題。在大模型最火的時候，大家都說AGI快來了，覺得大模型可以解決所有問題，但我們在實踐中發現，大模型很多時候解決不了能源系統的“自動駕駛”問題。

我們現在認為，大模型對能源系統的滲透還沒有到變革的前夜。但大模型依然是有用的，它可以生成一些小模型，甚至直接輸出代碼。過去我做小模型得依賴一個一個專家去堆，但現在可以用很多知識去訓練大模型，它可以輸出一些基礎的小模型，再結合我的規則去保障，這個效率會提升很多。就像車輛算法，用大模型去做認知和識別，用小模型和規則模型兜底。

甲小姐：你們打造了“能碳智控一體機”，并強調它是能碳產業大模型的“具身智能”。我也看到你們在不同案例里對一體機的描述：在工業印染場景，一體機內置數十個行業的碳排放因子；在公建暖通場景，一體機里有超過15大類、上百種能源設備的感知能力，覆蓋模型數量20+；在光儲聯動場景，一體機是一個精準預測企業負荷、精準預測光伏發電、精準預測儲能電池生命周期的系統……這些不同案例里的一體機，是同一款一體機嗎？

程路：它的外形是一樣的，但里面的算法完全不同，有些感知設備也完全不同。我們的策略是為每一類用戶提供更精準的服務。

甲小姐：這樣賬能算的過來嗎？

程路：這個問題很好。我有時候就痛苦在于，如果能源系統真的像自動駕駛車輛一樣，我把它打穿打透以后，剩下的就是上車的問題和車輛適配性的問題，相對來說更標準化。

對能源系統來說，我們一定要選擇規模性很強、產業痛點很深的場景著手，我不能做一個只有0到1，無法到1000、10000的場景。因為我做一套仿真，做物聯部署、決策模型，再把整個系統運行起來，它里面的成本周期都很長。

3.談落地：“一定要為終端客戶場景創造價值”

甲小姐：你的客戶通常是誰？

程路：客戶現在分為幾類：第一類客戶本身對數字化很感興趣，已經上過工廠自動化產線，這類客戶對數字化有潛在的接受度；

第二類客戶發揮了我們新奧在終端的優勢，這類客戶是我們一直在做燃氣服務或者綜合能源服務的對象，對我們是有信任的；

還有一部分客戶處于不得不轉型的狀態。現在中國制造業的競爭真的是分厘之間的競爭。

我平均一年會去50個工廠一線，我發現不銹鋼陶瓷杯工廠間的競爭可能最后就是3毛錢，看誰能掙到那3毛錢。在原料、人工等成本很難再降的情況下，最后10%-30%的能源成本反而是他們的空間，所以他們的心態是我不如試一試，試了我有卷過別人的可能。

甲小姐：面向不同客戶、不同場景時，你們定制化服務的比例如何？

程路：分類來看，我們現在做的荷光儲一體化項目，定制化比例非常低。因為它基本上是電信號采集，整個閉環系統以電為中心，感知系統以電傳感為主，決策模型相對來說清晰度非常高，就是為了讓光伏多發電、獲得更大的價差收益，同時降低用戶側成本。這種場景下決策模型并不復雜，結合電力市場化政策，用戶需求和接受度也非常高，具備很強的標準化和規模復制空間，復用率可以達到95%甚至99%以上。我們在這種標準場景中已經跨越了小模型，直接在用大模型生成算法。

但到了樓宇場景就很麻煩了。酒店和商場的客流高峰、用能高峰都不一樣。樓宇能源系統幾乎都是非標的，解決方案非常多樣化，但中國樓宇系統里面節能空間又特別大，這個場景又不能放棄，所以這個場景的復用率可能只有30%-50%。

甲小姐：一個理想的場景是你服務了一個之后，可以乘以1000的去復用。到今天為止你們有多少個這樣的理想場景？

程路：我們現在已經探索出來了七八個這樣的場景。

甲小姐：這七八個是從多少個場景里探索出來的？

程路：我們對能源有很強的專業認知，選擇并不是很多，大約有20-30個，我會基于對能源行業痛點、客戶痛點，以及每年走訪50個項目現場，去做比較強的判斷。

甲小姐：之前我調研制造業數字化轉型，有位企業家向我描述了一句話，他說“你看起來制造業轉型是一個萬億市場，但落地時才發現這是一萬個一億的市場”，能源行業是不是也類似？

程路：非常精準，你把我也逗笑了。

甲小姐：從商業角度看，我很好奇這個賬是怎么算的？

程路：我們現在做的單體場景都有1-1000的空間。至少我前期的重投入，包括人力、智能、算法、算力的資源調配，我能cover得住。

此外就是能源行業轉型的體量比制造業還要大，因為制造業可能千差萬別，但能源系統雖然每個樓宇都不一樣，但我做100個樓宇以后，可能很多事情就變得一樣。

甲小姐：有沒有一些通用的方法論來加速你們這個復制的過程？

程路：通用的方法論一定存在。泛能網從2018年全面擁抱數字能源，到今年已經七八年時間了，但前幾年路走得非常曲折，直到大模型出來。

所以第一個方法論，是大模型對千行百業都有顛覆性作用，大模型一定是有價值的，關鍵在于如何應用和結合；

第二個方法論是選擇場景，最基礎的邏輯是這個場景一定要為終端客戶場景創造價值，此外這個場景一定要有機會規模化和標準化；

第三個方法論是大小模型結合，在這個階段是跨越不了的路線。

甲小姐：有沒有出現AI做出了最優方案，但是企業不敢用的情況？

程路：完全有，肯定有。用戶能讓你去試這個場景就是你成功的第一步，也是極其寶貴的資源。現在這么多初創公司為什么不敢進能源行業？因為它不僅有認知壁壘，而且有用戶心智教育的成本。大家認為你別動，我害怕，你給我弄壞了怎么辦？你要是把印染工廠里的一批布料全都作廢了，這個損失是不可承受的。所以說服客戶其實還是蠻難。

甲小姐：還有一種客戶可能會擔心你這個系統上了之后我的運營會非常復雜，你怎么向客戶去解釋我沒有給你增加負擔，我是在給你減負？

程路：好問題，我現在開智能汽車，上車以后依然要把變道的自動校正關掉，因為我不想它老是讓我的胳膊震動，或者把我往另一條道上偏。所以用戶習慣是難改的。

但我想舉幾個有意思的案例。第一個例子，一旦客戶嘗到智能的甜頭以后，他會比我們還要主動。就像我們在一個印染車間里面，最開始試的是染色，是個微系統，一個染缸壞了就壞了，客戶能接受。但他做完染缸以后發現效果這么好，居然從節能到成品率都有這么大的改善，對競爭對手是30%的降維打擊，那到今天他就說你要改我的主系統，因為主系統代表我更高的能耗，需要更高的智能化需求。

第二個例子，過去做的系統，可視化不好，操作不友好，界面過于復雜，但現在好在AI Agent讓交互變簡單了。所以我們即將發布的二代機里都是靠語音去交互，讓基礎教育的成本變得很低。

甲小姐：你們去為客戶解決問題的時候，往往會從邊緣的場景切入，還是直接從核心業務切入？

程路：我們最期待的是從核心場景切入，但這對用戶的教育成本會更高，有的時候我們能搞定，如果搞不定，我們就曲線救國。

甲小姐：對客戶而言，部署泛能網這樣的系統，其投入產出比如何？通常需要多長的回收周期？

程路：我們基本上讓他控制在兩年以內，最好一年內能讓他嘗到甜頭。

甲小姐：AI領域的迭代非常快，而且技術路線還沒有收斂，你擔不擔心你們先發投入，但后面又來了一個有更強AI能力的解決方案，直接讓你們最開始的投入變成了過時的方案？

程路：我會擔心，但當期它很難實現。因為任何一個AI都要解決認知問題，而能源領域的認知問題不是找一幫博士在實驗室就能做的——數據量不夠，樣本不夠，場景復雜度不夠，以及對整個系統的認知也是很難建立的。哪怕AGI真正實現了，那也會有一個壁壘，就是誰有數據資產。

甲小姐：跟客戶之間的心智對齊和信任的建立是需要投入時間和資源的。如果技術到了一定程度，變成大家都可以去摘取果實的時候，可能你們在工廠里流過的汗或者吃過的盒飯就變成了你們的護城河。

程路：這個說法很好，也讓我更加有信心了。

甲小姐：你們的商業模式是什么？

程路：過去幾年我們的商業模式一直在探索和變化。

最初，我們設想打造一個能源互聯網平臺，用戶可以在上面買賣電，去做一些虛擬電廠或者是電力交易。當時的想法是連接設備和用戶，聚合需求端，再去跟資源端進行交易。

走到今天，我們的商業模式非常簡單清晰，主要是為行業提供智能化解決方案，包括軟硬件部署實施，以及通過節能分享和低碳分享等模式來提供解決方案。這類似于地平線或小馬智行上車的邏輯。

我們更長遠的目標是做一種平臺生態，把泛能仿真系統做得更加完善，支持海量開發者和用戶在上面自行匹配和對接。到那時我們這個底層系統就像現在的阿里千問，只不過我們是在能源領域。

甲小姐：商業模式的設計意味著取和舍，現在什么樣的需求你會選擇不做？

程路：我們之前走過一年，做了很多集成類的項目。到今天集成類的項目我已經不做了。

甲小姐：你們的服務是否會涉及到對客戶在戰略管理甚至組織用人等方面的建議？

程路：要改變用人是阻力最大的。所以我們很多工作不能從基層開始做，起碼是從中層開始，很多大的項目都是要做到一把手工程。

甲小姐：你覺得一個企業內部是不是需要設立一個類似于“首席能碳官”這樣的角色？類似CIO。

程路：很少有企業能認知到這個層面。但將來他（首席能碳官）是必不可少的。而且將來不一定是“能”的約束，而是“碳”的約束。

4.談行業：“AI的盡頭是能源”

甲小姐：AI這兩年非常火、進展非常快。除了傳統行業可能成為你的客戶之外，這些AI原生企業是不是也會有你的客戶？

程路：實話說，現在AI原生企業做我的直接客戶并不多。原因在于，AI原生企業現在最關注的是算法和模型等等在AI領域的迭代，極少有AI原生企業自己去建智算中心，基本上都是依賴云服務，因此很難關注到算力背后的成本問題。

但這件事現在正在發生很有意思的變化。過去的智算中心都是集中式的，它本身對能源系統供應的穩定性要求很高，大部分都是靠大電網。但現在大的智算中心慢慢進入飽和，而且它是遠離用戶側的，所以一些分布式的中小型智算中心開始起來。這一塊就很有意思，我們的合作是這么展開的，他們建分布式智算中心，我們做荷源網儲一體化的能源系統。這就是一個緊結合了，我們正在這個方面發力。

甲小姐：我們談了很多AI對能源革命的賦能，反過來，能源革命對AI是怎么賦能的？

程路：這是一個根本性問題，每一次工業革命對能量密度的要求都是指數級增長。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，而是指數級增長，比如算力。這就是為什么現在很多知名的AI原生企業或者投資人都在布局可控核聚變。

但我認為現在還沒有到爆發的奇點。

我們今天預測到2030年可能算力對電力的需求只有3%到5%，但如果再過20年，它對電力的需求是可能是30%-50%。也許在更遠的未來，AI對能源的需求可能占到全世界能源的70%，那是會非常可怕的，今天這些離散系統可能會有大的升級變革，可能就是以微型可控核聚變或者是核聚變為中心的離散系統。但這一天要到來一定也是基于AI范式的改變。

如果AI的路線更像人腦，吃塊餅干可以思考一天，那可能不需要能源革命，但如果仍要依靠數據、算法、算力去構成核心決策模型，那一定需要真正的能源革命。

甲小姐：你剛才說的圖景里有一個基礎假設，就是越來越先進的AI背后對算力和能源的需求是越來越大。但這兩年也有一些相反的聲音，比如更先進的算法模型可能對算力的依賴會減少。

程路：單一認知領域一定會減少，但目前AI滲透的還是很基礎的領域，將來比如星際飛船，比如一些目前我們還突破不了的物理邊界，萬一AI突破了，可能就是星辰大海的征途，這背后也是能源。

甲小姐：如果可控核聚變實現，每一個城市的中間都有一個人造太陽，對所有人來講變成取之不盡、用之不竭的時候，我們還需要能源管理系統嗎？我們還需要智能的決策嗎？

程路：智能決策一定需要。可能決策的目標不一定是節能降本，但我相信每個階段會有每個階段的問題。就像電力革命之后也不是說電取之不盡用之不竭。但我不排除將來人類可以利用星際能源，那是另一回事。

甲小姐：你會不會擔心，AI迭代的速度和能源智能化轉型的節奏不匹配？

程路：事實上也是如此的，AI迭代得更快。

甲小姐：那怎么辦？

程路：好在我們的客戶一兩年就回收成本了，我們可以再來。當然，如果是算法變得更好，對我們和客戶而言都是好事，因為成本降低了。而且算法的改變不會涉及基礎的感知層和動作層，我們可以利用原有系統去做算法的升級。

甲小姐：如果今天咱們開一場AI論壇，參與者除了你之外都不是能源行業的。你希望和各位 AI 企業家聊什么？

程路：AI的盡頭是能源，這樣才能把他們勾住（笑）。

甲小姐：最近有沒有什么新的行業動態或者進展讓你非常興奮的？

程路：行業動態很快，每天都在變化。前段時間我看了谷歌的I/O大會，里面有很多產品化的成果，比如智能生成視頻，逼真度很高，將任務轉化為結果的能力也達到了比Manus更高階的狀態。

大家在形成共識：AI不但是輔助認知的工具，它是在替代人類的行為、認知和決策。這給我的啟發非常大。

第二個啟發非常大的是李飛飛的書。她一直研究機器視覺，她提到一個給我非常震撼的觀點：寒武紀生物大爆發的原因，過去大家都認為是外部環境發生的變化，比如地殼運動或者是海水溫度變化，但一個科學家的觀點是：在某一個場景下，突然動物的光感知能力出現，這個能力促使眼睛、視網膜、晶體等逐漸進化，也就是說感知帶來了整個世界的巨變，促進了物種的大爆發。

所以無論是AGI還是AI行業，也許有一個這樣的時刻，就會顛覆我們現在所有的認知。我對此還是很興奮的。我現在每天早上醒來看的不是能源行業，能源我就關注一下政策變化，我基本上都在看AI的新聞。

5.談組織與生態：“確定性超過了不確定性”

甲小姐：現在一個AI背景的人才有很多選擇，他可以加入一家AI原生的企業，也可以加入像具身智能這樣的新興賽道。對比之下，能源行業吸引AI人才容易嗎？

程路：不容易。人才的吸引和留存是我非常重要的工作內容之一。

好在現在越來越多人意識到專注到一個賽道的復合型人才在市場上是會增值的。現在我們的算法工程師也會被大廠和AI原生企業去挖。此外，泛能網的圖景和使命感也是足夠大的，會吸引一幫同路人，大家相信這件事，也愿意All in。當然，我們也會提供有競爭力的價碼。

甲小姐：能源背景和AI背景的兩類人才會有理念上的沖突或者認知落差嗎？

程路：我第一年就在解決大家所謂的碰撞問題。因為形成共識太難了。如果形成不了共識，就會有很大的試錯成本，甚至是內耗成本。

所以，大家要在一起面向共同場景。我現在產品人、算法人都要在現場，跟我們的前端解決方案團隊在一起做。比如印染廠項目，是七八個人在那蹲了小半年，每天忍受50度高溫車間，夏天大家到最后都是光膀子的狀態，他們一幫爺們跟我發照片我都很感動。

同時，我在公司內部組織分享活動，公司有一個科技角，鼓勵員工之間多分享，我也會給他們設一些榮譽。

當然最重要的還是要能做成事，讓大家覺得有價值，有夢想實現的可能。

甲小姐：在泛能網的生態構建中，合作伙伴扮演了什么樣的角色？

程路：我們的合作伙伴生態還是蠻廣的，也可以分成幾類：

第一類是前端生態伙伴，主要作為渠道。我們現在超過一半客戶都是來自外部渠道，比如三大運營商，他們負責前端數字化、信息化服務，引流客戶。還包括一些設備商，他們本身要做自控的升級，作為渠道商協助獲客。

第二類是研發生態伙伴。新奧的理念是不能都自己來，而是要“人有我用、人缺我補”。我們與生態伙伴在算力、芯片、ICT、傳感裝置等底層技術研發方面進行合作。

第三類是應用類生態伙伴。他們擁有很強的場景訴求和一定的認知，但需要我們幫助解決問題。華為是這個應用生態上做得最好的，它基本上只做ICT的核心能力，現在做一些云端算力、云服務中間解決方案。我們與華為在源網荷儲一體化方面上是深度合作。

甲小姐：你認為，要實現能源系統“自動駕駛”的終極目標，整個行業還需要在哪些方面共同努力，才能夠打破壁壘，加速進程？

程路：真正實現L5目標，一定是要全行業達成共識，明確AI如何改變傳統行業的路徑；第二，除了隱私數據之外，要更加開放和共享；第三，在前沿創新上，大家是要生態互補和合作，共同盼望和擁抱技術迭代。

甲小姐：你還記得2022年底ChatGPT上線，大模型開始成為大家驚嘆號的那個過程當中，你自己的心路歷程嗎？

程路：是一種顛覆性的沖擊，但后來對它的認知從“高山仰止”變成“觸手可及”；再到后來，又認識到它并非最終路徑。其實是一個波浪上升的過程。到今天，更認識到通向AGI的路徑大家是有很多分歧的，從預訓練到推理，到世界模型、物理AI等等，大家都在探索。

甲小姐：復盤泛能網的探索之路，你覺得有哪些經驗教訓可以分享給其他致力于產業數字化轉型的企業？

程路：教訓可能會更多。第一就是大家在這件事上一定要有耐心。盡管AI迭代很快，好像變革就在前夜，但在知識領域存在認知壁壘，包括技術、人文和社會運行規則層面的問題，需要時間去解決。

第二，要有決心。這件事如果一號位不All in，這件事是不可能做到的。

第三，大家不能只看到短期的價值，要思考核心邏輯。特別是能源行業，不僅要考慮經濟成本，還要考慮社會價值。如果我們能把終局看得很清楚，每一步即便有彎路，但方向是對的，最怕南轅北轍。

甲小姐：模糊的正確好過精致的錯誤，對終局的確定性往往會磨平過程當中很多的摩擦。

程路：是的，看清終局可以讓我們堅持在對的方向。

甲小姐：未來3-5年，泛能網有怎樣的發展規劃和戰略目標？

程路：希望在3到5年內，第一步實現系統的大部分功能提升到L3級別；第二步是要建社區生態，雖然之前提到了三類生態伙伴，但還缺少一個知識和能力交互的社區，這類社區的建設非常難，因為工業領域與數字原生領域有很大不同，不像千問這樣的生態底座可以開發出無數應用，所以建設這種能力生態是我們的重要任務；第三步是設定清晰目標，在3到5年內，將今天的七八個場景擴展到100個場景，實現規模化和規范化應用。

甲小姐：你覺得未來最大的不確定性是什么？

程路：不確定性可能就是政策的力度和放開的節奏。能源和汽車自動駕駛一樣都依托政策，包括數據的互聯互通、標準規范以及整個規則的變化。但總體方向是明確的，我覺得確定性超過了不確定性。

甲小姐：泛能網是否探索過“用碳減量去定價、抵稅或融資”的金融接口？比如碳足跡數據是不是有可能和銀行、券商或碳平臺形成閉環？

程路：我們現在已經嘗試過一兩單了。銀行需要獲取用戶側的碳排數據，包括它的生產運營數據。這些數據真實可靠，銀行依據這些數據評估企業的生產經營穩定性、與國家政策的契合度，這是授信的一個參考依據。

甲小姐：以后銀行授信的時候要先問問你們？

程路：我們現在已經接入了幾家銀行。

甲小姐：這個很有意思，我剛就在想你們應該一邊賣解決方案一邊賣保險。

程路：這給我啟發了，哈哈。

6.談成長：“做能源領域中最懂AI的人”

甲小姐：你覺得真正去推動能源行業智能化轉型的領軍者，有沒有可能是能源行業的外來戶？

程路：我以前認為這不可能，但今天我認為它有可能。今天在醫療系統中，AI有時能力已經超過了醫療專家，它初始的判斷能力一定是來自專家的數據庫，但有一天它迭代能力強了，就不再需要外部認知。我相信，將來打敗我的可能不是能源人，而是AI。

甲小姐：再給我們分享一下你的職業發展路徑，以及這些經歷怎樣影響了你對科技和能源融合的看法？

程路：我以前覺得這輩子可能會一直干傳統能源。我以前走得還算蠻順的，不像今天這么痛苦。雖然今天和你交流時我侃侃而談，但一路走過來的路徑真的很辛苦。

我博士畢業后進入國家電網公司，做了7年的戰略和政策研究，培養了宏觀的認知能力和對行業大勢的把握能力。到了新奧的第十年，我換了將近10個工作崗位，雙手雙腳沾滿泥土的活都干過，這培養了我的客戶思維，能夠真正理解行業痛點和用戶需求，我認為這段經歷不可替代。后來我被調到做泛能網，我自己都沒想到。

但當我一進這個賽道，我就發現這就是我畢生要做的事情，這就是我的使命。第一，它太有意思了，因為我喜歡挑戰，我也希望我每天是激情迸發的；第二，我堅信這就是未來的發展方向，不管是20年、30年還是50年后，我們一定會實現科幻般的能源圖景，就像我們以前不相信的事，現在不也在發生嗎？第三，我覺得我可能會在里面獲得超出一個傳統能源專家更大的成果。我想要成為能源領域中最懂AI的人，同時在AI領域中最懂能源的人。

甲小姐：不同的領導者有不同的風格，有喬布斯、馬斯克這種個人色彩極強的領導者，也有像馬化騰、張一鳴這樣位居幕后的產品驅動的領導者。你是一個什么風格的領導者？

程路：其實我專門問過我的愛人，我說你看我是一個什么樣領導者？她給我的第一個標簽是，我是一個目標感極強的人，我認準的目標也許讓我摔一百個跟頭，摔一千次，只要不摔死，我都會向著這個目標進發；

第二，她說我是一個值得被人追隨的人。一號位是要深刻相信一件事，會逼著身邊所有人都得成長。我不會放過自己，更不會放過我身邊的人，大家都被我卷得很厲害。

第三，她說我真的是希望在有生之年做一些不一樣的事，甚至是石破天驚的事，我還是很有夢想的。

甲小姐：在整個過程當中有沒有過因為事情太難而打退堂鼓的時候？

程路：我退不回去了，這不是我的個性，我一天不工作我都受不了，我是個工作狂。

甲小姐：你個人是如何保持精力去應對各種挑戰的？

程路：今天我做事比當年游刃有余得多。過去我是親自下場型，處女座特質，對什么事都精益求精，很完美主義，對別人做的不放心，就都自己上手，所以第一年做一號位時差點把我累死。但我后來慢慢學會游刃有余，激發團隊。

現在我大部分的精力第一個是自我認知提升，這大概占30%的精力；有接近40%的精力，我是用在規劃清晰的路徑和方向；另外還有30%的精力，我都是在所謂的“籠絡人心”，激發團隊干活、幫他們解決難題。

甲小姐：那假如現在你可以去問一個關于10年之后的問題，并且會有人告訴你正確的答案。你最好奇的問題是什么？

程路：我想問十年之后，在能源+AI這個終局場景中我走到哪一步了？

甲小姐：很久以后，當人們回望泛能網，你希望它是如何被記住的？你希望你是如何被記住的？

程路：我希望我們能成為行業的引導者和探路者。我們也許做錯了，也許將來失敗了，但我們確實為“能源+AI”的突破作出了不可磨滅的貢獻，不管是或大或小。我希望行業的基石或未來的豐碑上，會有泛能網的重要角色。

關于我自己，領先三步成為先驅，領先一步成為先鋒，反正我怎么著都不希望成為先烈。

|甲小姐對話系列回顧|