大家好，今天我分享的題目是《新一代AI技術賦能電力交易的核心價值與實踐路徑》。我們公司是清華大學電子系孵化的團隊，我們的實驗室從2016年開始就持續在大數據、人工智能以及現在的大模型方向進行鉆研。

我們核心做的事情，就是想把現在最前沿的AI技術與電力系統，尤其是電力市場進行深度結合。今天我就重點分享一下，我們眼中的“新一代AI”到底新在哪里，以及它如何在電力交易中落地。

一

大模型+智能體：重構企業知識勞動新范式

首先，為什么說這是“新一代”AI技術？這并不是一個噱頭。

現在有兩個非常熱門的詞：一個是“大模型”，另一個是“智能體”。我相信在座的各位也早已耳熟能詳。我個人認為：大模型加智能體，構成了新一代AI技術的核心，它重構了企業知識勞動的范式。

為什么這么說？

首先，為什么這一輪AI技術不一樣？

從2000年初開始，AI就不斷被提及。2012年神經網絡興起時，大家也說AI時代來了，但體會并不深刻。直到2023年ChatGPT出現，大家才真正感到AI帶來了一些變化，但這個變化還不夠，很多人還是覺得AI像個“玩具”——能玩游戲、下圍棋、做文檔、問問題，但從生產力角度，大家并沒有感覺它給社會帶來了本質性的變化。

我把過去的AI稱為“局部效率的提升”。它更像一個工具，需要人去更好地使用它，效果與使用者的水平密切相關。

但今天，大模型加智能體，尤其是智能體，重新定義了新的生產工具。它不再是一個單純由人去使用的工具，而是一個能在知識工作領域像機器人一樣，自動完成復雜任務的存在。

之前計算機領域有“圖靈測試”，用來判斷計算機是否具備認知能力。大模型出現后，這個測試已經沒人再提了。從GPT開始，我們就感受到，AI確實具備了一定的通用能力。

但關鍵是：這個通用能力能不能不再停留在“說話”上？能不能不只回答問題，而是真正創造生產力，幫大家干活？

大模型是一個拐點，它第一次讓AI具備了像大腦一樣的認知能力。你跟它對話，感覺它真的像人一樣，有邏輯地響應你。當然，我們也會看到“幻覺”，它有時候會滿嘴胡話。

大家可以把大模型想象成一個“數字大腦”。它回答問題、生成代碼，但并沒有對企業的實際運作產生革命性影響。

只有大腦是完全不夠的。這也是為什么說，如果沒有“智能體”，我們今天絕對不會說“新一代AI技術”。

我們要做的事情，就是給這個大腦接上能跟現實世界互動的“手腳”，讓它能在反饋循環中自主地干活。

什么是智能體？它可以像人一樣使用瀏覽器，自己去搜索、調研；它能使用電腦上所有工具，比如Office、VSCode等等。今天我的PPT，基本上就是大模型做的。原來做一個這么長的PPT，如果要求精美，可能需要幾天時間。但前面這段PPT，總共用了不到一小時。大家可以感受到，它確實帶來了生產力的質變。

另一方面，現在企業的各種軟件系統，包括輔助交易的軟件，大模型都能自己寫。你給它一個想法，它能在很短時間內幫你完成一個軟件。所以說，生產力有了質變。

智能體帶來的真正變革，就是讓AI從一個回答問題的平面物種，真正“立體地”走向了我們的生活——從回答問題變成了真正完成任務，而且遠未達到它的上限，這個上限只取決于大家的想象力。

這意味著生產力的革命。凡是能通過電腦和網絡接入的事情，都可以成為大模型的“手腳”。

如果我們能駕馭好智能體，它就能成為一個不懈怠、24小時工作、不胡來、高效智能且有確定性產出的生產工具。

二

AI賦能電力交易的核心能力

那么，這套技術怎么應用到電力交易里呢？我們構建了一套AI原生的智能體生產工程。

1.數據層。數據來源包括電力市場行業數據（多元氣象、電價、電網運行情況、用戶信息等）和互聯網信息（大宗商品、新聞等）。我們建立了一個結合開源和閉源的AI原生數據庫，讓大模型能原生讀懂我們存的數據，自主讀取、分析、提出想法，做上層應用。

2.模型與算法層。讓智能體做預測和策略。在電力市場中，從氣象到場站的新能源功率預測等問題非常重要，直接關系到供需和電價。但我們有個觀點：氣象系統、市場系統都是存在大量不確定性的混沌系統，光做預測是有上限的（物理上不可能100%精準）。在這種情況下，策略就非常重要——如何基于不確定性的預測，做出好的策略？這在金融市場已有大量印證。所以我們做的事情，就是不斷開發完善智能體框架/工廠，讓它產生出更多水平更高的智能體，在里面自主地做預測，并進一步在策略層面自主博弈、進化。

AI是如何“干活”的？ 我們錄了一些視頻案例，展示了AI的實際工作流：

自動研究算法：AI自己去調研前沿學術文章，下載開源模型，設計建模思路，自動做實驗，評判效果，然后迭代優化。

在剛剛結束的第三屆“保險杯”AI電力交易大賽中，我們作為支撐方，需要提供一個電價預測模型。智能體在一天之內，自主執行、訓練，最終產出了可用的AI電價預測模型，回測精度令人滿意。

自動化交易執行：比如在日滾動交易中，AI能自動盯盤，識別盤口信息（買一到賣十），根據策略自動報量報價，甚至搶單。

三

實戰案例與效果：以山西市場為例

接下來，講講我們對電力交易的一些認知，希望能與各位專家深入交流。

我們認為，做好電力交易與金融有一定相似性，但分析框架的內涵不同：

受政策影響非常大：當前電力市場高速發展，政策也在高速變化（如136號文、新能源全入市、儲能容量電價等），對市場行為有根本性改變。所以政策分析必不可少。

供需非常關鍵：電力是實時出清、有實物標的、不能儲存（除儲能外）的商品。誰能對系統邊界信息做出更精準、更長時間的預測，誰就能建立信息差。

高水平決策（量化）：在電力領域，量化不是指高頻（當前價值不大），而是指依托嚴謹的數據分析和預測，最大化風險調整后收益的策略。這能幫助售電公司、新能源企業等建立交易的安全墊。

風險管理：從簽約用戶的用電波動，到實時交易的倉位控制，再到AI模型本身的風險，都是重大課題。

此外，關于智能體與人的配合，我們認為，智能體不是替代人，而是對人的生產力進行極大賦能（5倍甚至50倍提升）。例如，一個有10個新能源場站的企業，只有一個交易員，每個場站都是獨立交易單元，光是申報工作量就巨大。有了智能體，一個人可能管10個站都沒問題。同時，智能體能處理的信息量遠超人類，能有效提升短時交易決策水平。

此外，現階段AI仍需要人配合：

風險控制：比如突發的礦難事件如何影響市場？這種大的趨勢判斷需要人協同AI共同分析。

中長期市場（月度以上）：AI和人的信息基本一致，甚至人獲取的信息更多，需要人把信息反饋給AI，綜合決策。

我們的判斷是：在實時和近實時（“月內”）場景，可以逐步做到以人監管、AI決策執行（AI主導）；在更中長期的市場，AI輔助人類進行戰略決策。

下面我們以山西電力市場為例，分享一下AI智能體的實戰效果。

1. 旬度集中競價交易（月內交易）：在山西的旬度集中競價中，AI通過對未來10-18天的氣象和電價預測，判斷中長期價格與現貨價格的價差并結合多種預測信息與風險自動生成策略。

案例：今年3月初，我們的AI提前預判到現貨價格會高于集中競價價格，于是策略建議光伏電站“全鎖現貨”，放棄中長期鎖定。結果在午間時段，部分時間點現貨價格甚至達到了兩毛錢，而集中競價價格只有一毛錢。這一筆操作就為用戶帶來了顯著收益。

2. 日滾動交易（高頻博弈）：山西的日滾動市場活躍度雖然目前不高（約占總用電量的3%），但價差波動大，機會多。

策略進化：

1.0版本：單點交易，看準一個點就買。

2.0版本：引入“跨小時聯動風控”。AI學會了不同小時之間的倉位協同控制，收益和穩定性都有提升。

3.0版本（即將上線）：跨天交易協同。AI會在D+4（遠期）低價買入，D+3（近期）高價平倉，利用時間差進行套利。

3. 現貨交易（日前與實時）：山西現貨市場的日前價格和實時價格經常出現巨大偏差（有時甚至差到1塊錢）。

效果：我們的AI通過對2000多個維度信息的輸入（包括氣象、歷史價差分布等），對“日前與實時誰高誰低”的方向判斷準確率超過了80%。在4月份的供熱期轉非供熱期的市場風格轉換中，AI策略迅速適應，實現了正收益。

四

總結與展望

最后總結一下。

AI智能體不是要替代人，而是賦能人。它把人的生產效率提升了5倍甚至50倍。

在實時、近實時（如日滾動、現貨）場景：AI可以主導決策和執行，人負責監管。

在中長期（月度及以上）場景：需要人機協同，結合人的宏觀判斷和AI的數據處理能力，共同制定戰略。

我們現在正在做智能體的集群，把預測、交易能力產品化。期待能和各位專家在風險管理、用戶側優化等更多領域展開深入合作。

（本文為 清鵬AI CTO 張國禎 在《 新一代AI技術賦能電力交易的核心價值與實踐路徑 研討會》的分享摘要 ）

視知產研院聚焦科技和新能源

微信公號已有100萬+高質量粉絲

添加微信：ishizh_business

加好友請注明合作品牌