大家好，今天我分享的题目是《新一代AI技术赋能电力交易的核心价值与实践路径》。我们公司是清华大学电子系孵化的团队，我们的实验室从2016年开始就持续在、人工智能以及现在的大模型方向进行钻研。
我们核心做的事情，就是想把现在最前沿的AI技术与电力系统，尤其是电力市场进行深度结合。今天我就重点分享一下，我们眼中的“新一代AI”到底新在哪里，以及它如何在电力交易中落地。
一
大模型+智能体：重构企业知识劳动新范式
首先，为什么说这是“新一代”AI技术？这并不是一个噱头。
现在有两个非常热门的词：一个是“大模型”，另一个是“智能体”。我相信在座的各位也早已耳熟能详。我个人认为：大模型加智能体，构成了新一代AI技术的核心，它重构了企业知识劳动的范式。
为什么这么说？
首先，为什么这一轮AI技术不一样？
从2000年初开始，AI就不断被提及。2012年神经网络兴起时，大家也说AI时代来了，但体会并不深刻。直到2023年ChatGPT出现，大家才真正感到AI带来了一些变化，但这个变化还不够，很多人还是觉得AI像个“玩具”——能玩游戏、下围棋、做文档、问问题，但从生产力角度，大家并没有感觉它给社会带来了本质性的变化。
我把过去的AI称为“局部效率的提升”。它更像一个工具，需要人去更好地使用它，效果与使用者的水平密切相关。
但今天，大模型加智能体，尤其是智能体，重新定义了新的生产工具。它不再是一个单纯由人去使用的工具，而是一个能在知识工作领域像机器人一样，自动完成复杂任务的存在。
之前计算机领域有“图灵测试”，用来判断计算机是否具备认知能力。大模型出现后，这个测试已经没人再提了。从GPT开始，我们就感受到，AI确实具备了一定的通用能力。
但关键是：这个通用能力能不能不再停留在“说话”上？能不能不只回答问题，而是真正创造生产力，帮大家干活？
大模型是一个拐点，它第一次让AI具备了像大脑一样的认知能力。你跟它对话，感觉它真的像人一样，有逻辑地响应你。当然，我们也会看到“幻觉”，它有时候会满嘴胡话。
大家可以把大模型想象成一个“数字大脑”。它回答问题、生成代码，但并没有对企业的实际运作产生革命性影响。
只有大脑是完全不够的。这也是为什么说，如果没有“智能体”，我们今天绝对不会说“新一代AI技术”。
我们要做的事情，就是给这个大脑接上能跟现实世界互动的“手脚”，让它能在反馈循环中自主地干活。
什么是智能体？它可以像人一样使用浏览器，自己去搜索、调研；它能使用电脑上所有工具，比如Office、VSCode等等。今天我的PPT，基本上就是大模型做的。原来做一个这么长的PPT，如果要求精美，可能需要几天时间。但前面这段PPT，总共用了不到一小时。大家可以感受到，它确实带来了生产力的质变。
另一方面，现在企业的各种软件系统，包括辅助交易的软件，大模型都能自己写。你给它一个想法，它能在很短时间内帮你完成一个软件。所以说，生产力有了质变。
智能体带来的真正变革，就是让AI从一个回答问题的平面物种，真正“立体地”走向了我们的生活——从回答问题变成了真正完成任务，而且远未达到它的上限，这个上限只取决于大家的想象力。
这意味着生产力的革命。凡是能通过电脑和网络接入的事情，都可以成为大模型的“手脚”。
如果我们能驾驭好智能体，它就能成为一个不懈怠、24小时工作、不胡来、高效智能且有确定性产出的生产工具。
二
AI赋能电力交易的核心能力
那么，这套技术怎么应用到电力交易里呢？我们构建了一套AI原生的智能体生产工程。
1.数据层。数据来源包括电力市场行业数据（多元气象、电价、电网运行情况、用户信息等）和互联网信息（大宗商品、新闻等）。我们建立了一个结合开源和闭源的AI原生数据库，让大模型能原生读懂我们存的数据，自主读取、分析、提出想法，做上层应用。
2.模型与算法层。让智能体做预测和策略。在电力市场中，从气象到场站的新能源功率预测等问题非常重要，直接关系到供需和电价。但我们有个观点：气象系统、市场系统都是存在大量不确定性的混沌系统，光做预测是有上限的（物理上不可能100%精准）。在这种情况下，策略就非常重要——如何基于不确定性的预测，做出好的策略？这在金融市场已有大量印证。所以我们做的事情，就是不断开发完善智能体框架/工厂，让它产生出更多水平更高的智能体，在里面自主地做预测，并进一步在策略层面自主博弈、进化。
AI是如何“干活”的？ 我们录了一些视频案例，展示了AI的实际工作流：
自动研究算法：AI自己去调研前沿学术文章，下载开源模型，设计建模思路，自动做实验，评判效果，然后迭代优化。
在刚刚结束的第三届“保险杯”AI电力交易大赛中，我们作为支撑方，需要提供一个电价预测模型。智能体在一天之内，自主执行、训练，最终产出了可用的AI电价预测模型，回测精度令人满意。
自动化交易执行：比如在日滚动交易中，AI能自动盯盘，识别盘口信息（买一到卖十），根据策略自动报量报价，甚至抢单。
三
实战案例与效果：以山西市场为例
接下来，讲讲我们对电力交易的一些认知，希望能与各位专家深入交流。
我们认为，做好电力交易与金融有一定相似性，但分析框架的内涵不同：
受政策影响非常大：当前电力市场高速发展，政策也在高速变化（如136号文、新能源全入市、储能容量电价等），对市场行为有根本性改变。所以政策分析必不可少。
供需非常关键：电力是实时出清、有实物标的、不能储存（除储能外）的商品。谁能对系统边界信息做出更精准、更长时间的预测，谁就能建立信息差。
高水平决策（量化）：在电力领域，量化不是指高频（当前价值不大），而是指依托严谨的数据分析和预测，最大化风险调整后收益的策略。这能帮助售电公司、新能源企业等建立交易的安全垫。
风险管理：从签约用户的用电波动，到实时交易的仓位控制，再到AI模型本身的风险，都是重大课题。
此外，关于智能体与人的配合，我们认为，智能体不是替代人，而是对人的生产力进行极大赋能（5倍甚至50倍提升）。例如，一个有10个新能源场站的企业，只有一个交易员，每个场站都是独立交易单元，光是申报工作量就巨大。有了智能体，一个人可能管10个站都没问题。同时，智能体能处理的信息量远超人类，能有效提升短时交易决策水平。
此外，现阶段AI仍需要人配合：
风险控制：比如突发的矿难事件如何影响市场？这种大的趋势判断需要人协同AI共同分析。
中长期市场（月度以上）：AI和人的信息基本一致，甚至人获取的信息更多，需要人把信息反馈给AI，综合决策。
我们的判断是：在实时和近实时（“月内”）场景，可以逐步做到以人监管、AI决策执行（AI主导）；在更中长期的市场，AI辅助人类进行战略决策。
下面我们以山西电力市场为例，分享一下AI智能体的实战效果。
1. 旬度集中竞价交易（月内交易）：在山西的旬度集中竞价中，AI通过对未来10-18天的气象和电价预测，判断中长期价格与现货价格的价差并结合多种预测信息与风险自动生成策略。
案例：今年3月初，我们的AI提前预判到现货价格会高于集中竞价价格，于是策略建议光伏电站“全锁现货”，放弃中长期锁定。结果在午间时段，部分时间点现货价格甚至达到了两毛钱，而集中竞价价格只有一毛钱。这一笔操作就为用户带来了显著收益。
2. 日滚动交易（高频博弈）：山西的日滚动市场活跃度虽然目前不高（约占总用电量的3%），但价差波动大，机会多。
策略进化：
1.0版本：单点交易，看准一个点就买。
2.0版本：引入“跨小时联动风控”。AI学会了不同小时之间的仓位协同控制，收益和稳定性都有提升。
3.0版本（即将上线）：跨天交易协同。AI会在D+4（远期）低价买入，D+3（近期）高价平仓，利用时间差进行套利。
3. 现货交易（日前与实时）：山西现货市场的日前价格和实时价格经常出现巨大偏差（有时甚至差到1块钱）。
效果：我们的AI通过对2000多个维度信息的输入（包括气象、历史价差分布等），对“日前与实时谁高谁低”的方向判断准确率超过了80%。在4月份的供热期转非供热期的市场风格转换中，AI策略迅速适应，实现了正收益。
四
总结与展望
最后总结一下。
AI智能体不是要替代人，而是赋能人。它把人的生产效率提升了5倍甚至50倍。
在实时、近实时（如日滚动、现货）场景：AI可以主导决策和执行，人负责监管。
在中长期（月度及以上）场景：需要人机协同，结合人的宏观判断和AI的数据处理能力，共同制定战略。
我们现在正在做智能体的集群，把预测、交易能力产品化。期待能和各位专家在风险管理、用户侧优化等更多领域展开深入合作。
（本文为 清鹏AI CTO 张国祯 在《 新一代AI技术赋能电力交易的核心价值与实践路径 研讨会》的分享摘要 ）
视知产研院聚焦科技和新能源
微信公号已有100万+高质量粉丝
添加微信：ishizh_business
加好友请注明合作品牌
聚丰策略提示：文章来自网络，不代表本站观点。
- 上一篇：最好的证券公司 巴黎官方呼吁球迷合理庆祝：庆祝得在骄傲与尊重的氛围中进行
- 下一篇：没有了
相关文章
热点资讯
