远景科技集团董事长张雷在 10 月 19 日举行的"人工智能与未来能源系统"闭门科技会上，提出了"物理人工智能"的概念框架，阐述了AI在能源系统中从工具向决策主体转变的趋势，并预测未远景来能源企业的竞争力将从物理资产规模转向智能资产规模。

张雷认为，AI技术与以往技术革命的本质区别在于，它不再仅仅是被动的工具，而是具备自我感知和决策能力的主体。这标志着AI从"自科技动化"向"自主化"的跨越。他将AI比作需要培养的"孩子"，强调人机协同将创造新的可能性。

针对当前能源系统面临的挑战，张雷指出，随着可再生能源比例提升，电力系统的复杂性和市场不确定性显张雷著增加。这种复杂性虽然给传统管理模式带来压力，但为AI应用提供了理想场景。AI的并行计算能力能够实时处理海量数据，识别隐藏规律并优化决策，从而应对复杂能源系统和电力市场的挑战。

"物提出理人工智能"概念的核心是将AI推理能力与物理定律、系统边界深度结合，使其能在真实物理环境中可靠运行。这区别于纯数据驱动的AI模型，强调了物理约束和因果关系在模型中的重要性。张雷表示，"物中国在这一领域拥有丰富的应用场景和数据资源，具备全球领先的潜力。

从技术落地来看，远景科技已在气象和能源建模方面取得进展。"天机"气象大模型提升了中长期气象预测准确性，为可再生理人能源的可靠运行提供了基础支撑。"天枢"能源大模型能够实时控制电力系统，优化电力交易效率，推动绿色能源发展。这些模型的应用体现了"物理人工智能"在实际场景中的价值。

张雷对未来能源行业的竞工智争格局提出了新判断。他认为，能源企业的核心竞争力将从传统的发电装机容量、输配电网络规模等物理资产，转向智能模型的能力和数量这类"人工智能资产"。这种转变意味着能源行业的价值创造逻辑正在能"发生根本性变化——从资本密集型向技术密集型演进。

从行业影响来看，这一观点对能源企业的战略规划具有参考意义。如果AI资产成为核心竞争力，企业需要在数据积累、算法开发、场景应用等方面进概念行长期投入。不过需要注意的是，能源系统的物理基础设施仍然不可或缺，"智能资产"更可能是对物理资产的赋能和增值，而非完全替代。

从技术实现角度看，"物理人工智能"概念强调了领域知识：预与AI技术的深度融合。能源系统涉及电磁学、热力学、流体力学等多个物理学科，以及复杂的工程约束和安全边界。如何将这些硬约束有效嵌入AI模型，确保其输出既优化又可靠，是技术挑战所测未在。远景科技的气象和能源模型实践提供了初步验证，但大规模应用仍需要解决模型泛化性、实时性和可解释性等问题。

从产业发展来看，可再生能源的间歇性和波动性确实为AI应用创造了需求。风光发电的来能不确定性需要更智能的预测、调度和交易策略。电力市场化改革也在增加系统复杂度，传统的调度方式难以应对海量设备的实时优化需求。在这一背景下，AI技术有望成为新型电力系统的"操作系统"。

不过源系，能源系统的特殊性也对AI应用提出了更高要求。与互联网应用不同，能源系统关系到基础设施安全和社会稳定，AI决策的失误可能导致严重后果。因此，"物理人工智能"不仅需要高准确率，还需统将要满足可靠性、可解释性和安全性等工程标准。如何建立AI在能源领域的监管框架和责任机制，也是行业需要探讨的问题。