2025年，AI的新宠Agent与世界模型同步崛起。在Agent不断渗透各类企业，改变工作之法时，作为机器人和自动驾驶的关键技术，世界模型也正推动AI迈向新高度，甚至被视作实现人类级智能的基石。各大科技巨头和大模型明星公司纷纷下场押注新技术，积极寻找产品和市场的契合点（PMF）。

其中，to B场景是AI玩家们追求应用落地、实现商业化闭环的必争之地。从已有实践来看，面向B端的企业级Agent和围绕“世界模型”的交互探索大多聚焦在金融、医疗、先进制造等数字化基础相对较好的垂直领域，而在更多的传统行业，鲜有AI主演的革新故事。

不过，总有先行者愿意探索新大陆。

AI，能源行业的最大变量

AI重塑千行百业，处在转型深水区的能源行业，同样在经历一场AI驱动、箭在弦上的产业性变革，尤其是在能源系统愈加复杂、政策导向市场化的行业发展趋势下。

能源系统，是一个涵盖能源生产、供给、输配、存储、使用等众多环节的生态体系，并与整个经济社会全行业的发展变化同频共振——这种内外因素多重叠加，共同决定了能源系统的高度复杂性。

从需求侧来说，全社会的能源整体用量不断攀升。以今年7月最新发布的数据为例，据国网能源研究院《中国电力供需分析报告（2025）》预测，2025年全国全社会用电量将达到10.3万亿千瓦时，比上年增长5%。

对应到供给侧，随着能源结构转型深入，以风光代表的新能源成为满足新增用能需求的关键力量。上述报告预计，2025年新能源新投产装机规模首次突破5亿千瓦。其中，太阳能发电新投产3.8亿千瓦，比上年增长35.5%；风电新投产1.4亿千瓦，比上年增长77.1%，创历史新高。

整体用量和新能源规模齐齐上涨的同时，能源行业还面临着一个流行趋势：分布式能源崛起。根据国际能源署（IEA）的预测，到2030年，全球分布式能源装机容量将达到1.4亿千瓦，相比2020年增长超过300%。

从我国情况来看，公开数据显示，2024年分布式光伏新增装机达1.2亿千瓦，占当年新增光伏发电装机的43%。发电量方面，2024年分布式光伏发电量3462亿千瓦时，占光伏发电量的41%。2024年3月，“分布式能源”首次被写入《政府工作报告》，行业进入快速发展期，成为能源转型的关键力量。

以上种种持续攀升的各类数据，共同指向了一个行业挑战：能源系统正在经历前所未有的复杂变化。

除了能源系统内部的结构性变化，外部因素的迭代更新，也加剧了能源系统的复杂程度。

其中最具代表性的因素，便是政策导向。今年初，国家发展改革委、国家能源局联合发布《关于深化新能源上网电价市场化改革促进新能源高质量发展的通知》，也就是引发业内高度关注的“136号文”，标志着新能源全面市场化的靴子正式落地。

对能源行业而言，“136号文”可谓一道改革分水岭。新政提出的“新能源上网电量原则上全部进入电力市场，上网电价通过市场交易形成”，成为新能源全面入市的发令枪，宣告上一时代“保底收益、政府定价”的结束。这意味着，新能源开发、工商业储能等企业将进入真刀真枪拼市场的新阶段。

从供需总量、供给方式和能源结构的变化，到新能源电力市场化改革迈出关键一步，这一切无疑为传统的能源行业，尤其是能源管理模式带来了更复杂、更强劲的冲击。全行业亟需一套适应复杂变化的转型新方法。

作为深耕能源行业三十余年的代表性企业，在新奥泛能网看来：“不转型一定会死，转型可能会找到一条出路。”

以大模型为代表的新一轮AI技术，为能源行业找寻出路创造了更多可能性和想象空间。能源+AI深度融合，这种新解法可以实现更高水平的数智化能源管理，让管理系统从过去的机械“工具人”进化为自治“智能体”，以应对高度复杂的能源行业演进——这正是新奥泛能网在做的事。

在传统的能源管理模式下，往往进行单点的信息采集，管理系统只能做到单点优化、局部寻优和决策，但这种“头痛医头、脚痛医脚”的模式难以实现全局协同和精细化调控。尤其在千变万化的现实工况中，能源系统的复杂性如同一个有机的智慧生命体，而非简单线性地执行点状指令的“工具人”。

与此同时，在外界的传统认知中，打造能源管理系统的“数智化”，等同于“上设备+传数据+写规则”，这导致系统在实际应用中浮于表面，数据资源难以转化为有效的决策行动。如此一来，系统自然会沦为摆设。

针对传统能源管理系统的痛点，新奥泛能网在2024年首次提出了能源自动驾驶概念，并基于此打造了一套被称作“能源领域自动驾驶”的核心技术架构，可以实现对管理系统的动态精准控制和全局寻优，破解传统管理模式的瓶颈。

当AI这一巨大变量不断向能源行业渗透，一场深刻的产业重塑已经从能源管理系统开始，掀开了全行业变革的黄金一角。

Agent 爆发前夜，能源AI的解题思路是什么？

当下各类Agent遍地开花，在众多的AI应用场景中，能源行业是一个高度复杂且离散化的选项，增加了AI落地于此的难度。

这是因为，能源行业的数字化发展程度不均衡，不同场景下的业务数据孤立存在，甚至没有数据，更难以形成有效的数据资产。这导致AI模型训练面临“巧妇难为无米之炊”的窘境。

更重要的是，能源应用于千行百业，这种“能源x行业细分场景”的交叉模式，需要兼具极强的AI技术能力和深刻的行业认知，才能精准地满足多元化的用能需求。

例如在人们常见的高端酒店，大堂、餐厅等公共区域的温度舒适，客房、泳池等私属空间的个性化体验，整座楼宇全年正常运转的背后，是涵盖空调系统、照明系统、生活热水系统、动力系统等复杂的生态体系，需要强大的管理调度能力。

这就要求能源管理系统不仅具备AI智能化能力，更需要深刻理解酒店内不同空间、不同场景下的业务逻辑和用能需求：既懂AI也懂酒店，才能更节能、更精准地管好一栋大楼的温度。

与酒店相比，能源领域的热门事物，虚拟电厂，看似距离普通人的生活很远，实则将深度影响人们的用电。有人将虚拟电厂比作“看不见的电厂”，它将用户侧的已有电力资源，比如空调、电动汽车充电桩、分布式光伏、源网荷储一体化园区等，通过物联网等技术进行聚合与协调。

因此，也有人将虚拟电厂比作"电力12306"，指向它在时间、空间、产品和交易这四个维度上的动态调度资源。但虚拟电厂作为能源互联网操作系统，其复杂性远超12306，从它需要协调兼顾的四个维度上可见一斑。

虚拟电厂的调度对象是电力资源，也就是说，它需要遵循电力市场的分钟级单元、电网的地区节点跨度、产品的多目标使用，以及电力交易的市场类型来进行动态调控。而兼顾“四维调度”，寻求全局最优解，仅凭AI难以实现。AI具备解决复杂问题的能力，但前提是要先理解复杂问题：既懂AI也懂电力，才能真正发挥虚拟电厂的最大价值。

由此不难看出，无论是日常场景还是垂直领域，能源行业里的破题点在于AI ，但仅有AI还远远不够。

数据与“深技术”，是AI落地的核心壁垒

面对复杂的能源问题，包括Agent智能体在内的AI技术，更像是武侠世界中的精妙招式，对敌时可以释放表层的战斗力。但高手过招，真正讲究的是内功心法，也就是能源行业knowhow的积累。

因此，检验能源领域的AI技术和产品，关键标准在于背后的企业是否有深耕能源行业，再进一步解释，就是能否用深入的行业数据，打磨出融合了AI的“深技术”。

那么，新奥泛能网为何会成为敢于探索AI落地能源新大陆的先行者？答案的关键词是：产业基因。

泛能网生于新奥三十多年的能源深耕，长于新奥的泛能业务，在AI落地的场景上自然而然地踏上了具有诸多难点的能源行业。

“数据是对产业的垂直认知。这类数据不同于互联网上的公开信息，它们来自用户侧设备，是一套实时物联的交互系统，属于私域数据。”新奥能源副总裁、新奥泛能网CEO程路博士解释说，“这就在比拼谁的产业基础更深，谁能够接触更多的产业终端用户，积累更多数据，对场景的认知更强。在AI落地的竞技场上，数据和技术，就是核心壁垒和护城河。”

基于深厚的产业认知和经验积累，泛能网将能源与AI模型、仿真等先进技术深度融合，以泛能仿真作为能碳专业能力认知平台的智能引擎，无限逼近真实能源世界，让能源的“世界模型”成为智能认知的基础，为动态解决方案智能生成、算法开发与验证等提供能力支撑。2024年，泛能网发布了能源+AI产品：能碳智控一体机。这也成为AI落地能源领域的代表性应用。经过一年实践与进化，能源+AI也找到了向纵深发展的更佳路径。

7月23日，泛能网将在北京举办“能源+AI 共创零碳未来”2025新产品发布会。届时，泛能网将发布升级版能碳智控一体机新品，分享能源垂直领域前瞻技术，解密多场景实战案例，并邀请生态合作伙伴展开跨界对话，共同探讨能源+AI深度融合新范式。

Agent时代，如泛能网能碳智控一体机一般的AI好产品，正在生态共建中加速生长。敬请期待新品亮相！

瑞士议员投票决定推进银行资本改革　　瑞士议员投票决定维持现有时间表，按计划引入银行资本质量新规，这意味着瑞银集团针对这些特定措施的资本要求将增加约30亿美元。　　周一，瑞士国民院以104对86票否决了通过将该措施与瑞士信贷倒闭后启动的其他改革捆绑在一起来推迟实施的提议，这些改革可能导致资本要求大幅上升