从“小龙虾”到算电协同：AI智能体与新型电力系统的深度融合

Q: 这门课适合哪些学员参加？

适合能源电力企业从业人员，包括各类管理、技术人员等 课程形式：讲师讲授+现场讨论+案例介绍＋数据分析等需要系统提升相关能力的人群

课程大纲

AI发展趋势与智能体革命

一、全球AI发展态势与核心趋势

1. 技术突破：从规模扩张到效率优化
大模型参数量增长放缓，转向多模态与专业领域优化
行业级专用模型（医疗、科研、金融）普及度超越通用模型
AI与科学深度融合：生物学、气候预测、材料科学等领域突破
2. 产业应用：从工具辅助到深度赋能
AI嵌入企业全流程，全球约40%企业实现核心业务AI驱动
人机协作常态化，代码生成、设计辅助等工具深度集成
新业态涌现：个性化教育、精准农业、自适应能源网络
3. 全球治理：法规框架加速构建
欧盟《人工智能法案》全面实施，中美印推出AI安全与伦理规范

二、智能体技术：从对话到行动的范式变革

1. 智能体的定义与演进
从大语言模型到智能体：赋予AI手脚的能力
智能体作为数字劳动力的雏形，展现自主执行能力
2. 小龙虾（OpenClaw）现象解析
开源AI智能体项目的爆发：从奥地利开发者个人项目到全球热潮
核心能力：跨平台操作、自动化任务执行、7×24小时工作
典型应用场景：社群管理、科研助理、办公自动化、客户服务
3. 智能体的安全挑战与风险管控
隐私泄露风险：智能体可访问电脑所有文件
人在回路规则：高风险操作的最终决策权保留给人类

三、中国AI发展特色与竞争优势

1. 开源领域的领先地位
DeepSeek-R1等开源模型推动中国在开源生态中占据主导
低成本电力优势下的Token出海逻辑
2. 应用场景与商业化速度
制造业、政务AI渗透率全球最高
场景化垂直大模型应用的差异化发展路径

智能体深度应用与产业实践

一、智能体的技术架构与实现路径

1. 大脑+手脚的架构设计
大模型作为决策中枢，RPA（机器人流程自动化）作为执行工具
技能包开发：针对特定场景的定制化能力封装
2. 部署模式与成本优化
云端部署与本地部署的权衡
Token成本控制与运行效率优化

二、小龙虾智能体的产业化实践

1. 企业级应用案例
教育机构社群管理：从200人团队精简至20人，实现7×24小时自动服务
生物医药实验室：智能体指挥机器人进行实验操作，科研效率提升
2. 个人生产力革命
自动撰写周报、邮件处理、资讯汇总
跨平台任务自动化，释放人力专注于高价值工作
3. 开发者生态与商业模式
全球首家养龙虾智能体应用中心落地长沙
兼容全生态Claw产品，打造技术-市场超级端口

三、智能体与算力需求的关联分析

1. 智能体普及对算力需求的拉动
边缘计算与云端协同的算力分配模式
实时响应要求对算力基础设施的挑战
2. 能源消耗的新增长点
智能体7×24小时运行带来的持续电力需求
算力成本在智能体运营中的占比分析

算电协同——国家战略与政策解读

一、算电协同的战略地位与政策演进

1. 从产业探索到国家战略
2023. 年12月：国家发改委等五部门《关于深入实施东数西算工程加快构建全国一体化算力网的实施意见》首次提出算力电力协同
2024. 年7月：《数据中心绿色低碳发展专项行动计划》《加快构建新型电力系统行动方案（2024—2027年）》出台具体举措
2025. 年5月：《关于有序推动绿电直连发展有关事项的通知》细化绿电配套路径
2026. 年政府工作报告：首次将算电协同纳入新基建工程，实施超大规模智算集群、算电协同等新基建工程
2. 政策目标与量化指标
到2025年底，国家枢纽节点新建数据中心绿电占比超过80%
算力电力双向协同机制初步形成
加强全国一体化算力监测调度，支持公共云发展

二、算电协同的产业背景与紧迫性

1. AI算力爆发带来的能源挑战
电力成本已占数据中心运营支出的50%以上
AI的尽头是电力成为产业共识
2030. 年预测：高情景下算力中心用电或占全社会用电量3.0%
2. 结构性错配问题
空间错配：算力需求集中于东部，绿电资源集中在西部，形成东算西电格局
时序错配：新能源波动性与算力刚性需求的矛盾
建设周期错配：算力设施建设周期短、迭代快，电网、新能源项目投资大、周期长

三、算电协同的核心内涵与战略意义

1. 定义与本质
通过数字化技术、智能算法和通信网络，将算力基础设施与电力系统有机整合
实现以电强算、以算促电的良性循环，让算力跟着绿电走、电力围着算力配
2. 四大协同维度
政策协同：顶层设计、制度保障、配套细则
试点协同：成熟经验推广、以点带面全域落地
区域协同：全国一盘棋统筹规划，避免重复建设与资源错配
机制协同：市场机制、利益分配、跨区调度
3. 战略价值
推动绿色低碳转型：提升新能源消纳能力，助力双碳目标落地

算电协同的技术原理与应用实践

一、算电协同的技术架构体系

1. 三层架构模型（施耐德电气提出）
底层（电力供给基础设施层）：电能质量治理、多种能源接入管理
中层（算力负荷层）：挖掘IT负载灵活性，匹配用电信号
上层（协同决策层）：构建电力-算力联合优化模型，实现双向调节
2. 四层技术体系（行业共识）
感知层：算力与电力状态实时监测
传输层：5G、光纤通信、400G光传输系统构建高速通信网络
调度层：大数据分析、人工智能、运筹优化技术构建协同调度模型
控制层：智能控制设备实现精准执行

二、关键技术突破方向

1. 智能调度算法技术
时空协同调度算法、负荷预测算法、绿电适配算法
算随电动、电随算用的双向路径实现
2. 算力与电力感知技术
算力感知：负载趋势预测、任务类型识别
电力感知：新能源发电预测、电网状态监测
3. 高比例新能源可靠供电技术
构网型电力电子技术解决绿电间歇性、波动性问题
虚拟电厂、微电网技术实现灵活调度
4. 算力集群与新能源场站互动控制

三、产业实践与典型

1：商汤科技：算电协同智能调度平台
基于万卡级智算中心运营实践
自研能源大模型采用多模态MoE架构，实现跨系统联合动态求解
上海临港AIDC实现算随电用、电随算动双向闭环
2. 朗新科技：虚拟电厂平台实践
2025. 年12月完成国内首次上海-福建智算百卡集群多任务算力跨省快速转移
3. 分钟内完成800公里外104张算力卡任务无缝迁移
实现上海本地算力负荷压降50千瓦、降幅达80%
3. 内蒙古乌兰察布：绿电直连项目

四、应用价值与未来展望

1. 经济价值
降低数据中心用电成本，破解高耗能约束
为储能、智能调度、绿电运营商打开增量市场
Token出海通过数字产品输出中国低价电力，提升绿电企业价值
2. 社会价值
推动产业链向低碳化、集约化升级
走出一条数字经济与绿色经济协同并进的新路
让中小企业低成本上云用数赋智，激活全域创新活力
3. 技术发展趋势
能源大模型与AI大模型的深度融合

适合对象

能源电力企业从业人员，包括各类管理、技术人员等课程形式：讲师讲授+现场讨论+案例介绍＋数据分析

课程定位与主要问题

业务负责人、项目骨干、内训师和正在试点AI工具的团队已有明确任务时，可借这门课把任务场景、提示词设计、输出校验和风险边界拆成分工和检查点

核心收益

场景边界更清楚：AI智能体技术趋势与算电协同核心逻辑
理解新型电力系统与智能体技术的融合路径
提升能源电力企业AI应用与转型实践能力
培养前沿视野与复合型人才应对行业变革

课程背景与交付信息

当前，人工智能技术正经历从通用大模型向自主智能体的革命性演进，以小龙虾（OpenClaw）为代表的开源智能体项目迅速崛起，推动AI从对话交互向自动化任务执行跨越，在科研、制造、能源等领域展现出巨大应用潜力。与此同时，全球算力需求呈指数级增长，2030年高情景下算力中心用电预计占全社会用电量3.0%，电力成本已占数据中心运营支出的50%以上，AI的尽头是电力成为产业共识

我国东数西算工程深入推进，算电协同上升为国家战略，要求能源电力系统与算力基础设施深度融合，实现以电强算、以算促电的良性循环。在此背景下，能源电力企业亟需把握AI智能体技术趋势，理解算电协同核心逻辑，探索新型电力系统与智能体技术的融合路径，培养具备前沿视野与实践能力的复合型人才，以应对行业变革与发展机遇

课程时间

1天，6小时

授课方式

讲师讲授、案例研讨、情景演练、互动答疑

课程内容重点

01AI发展趋势与智能体革命

02智能体深度应用与产业实践

03算电协同——国家战略与政策解读

04算电协同的技术原理与应用实践

讲师介绍

李洪源

新型电力系统与能源数字化转型专家

李洪源，新型电力系统与能源数字化转型专家。9年电力行业经验，累计授课超900天。擅长能源政策解读、双碳战略及AI在电力行业应用，为国家电网、南方电网等企业提供前沿技术与宏观策略培训

电力能源政府国企

查看讲师主页

课程差异说明

本课程页面围绕《从“小龙虾”到算电协同：，训练AI智能体与新型电力系统的深度融合》重点呈现课程定位、适合对象、核心收益和 4 个主要模块，便于快速判断培训匹配度

课程常见问题

这门课适合哪些学员参加？

适合能源电力企业从业人员，包括各类管理、技术人员等课程形式：讲师讲授+现场讨论+案例介绍＋数据分析等需要系统提升相关能力的人群

学习这门课可以获得什么收益？

掌握AI智能体技术趋势与算电协同核心逻辑，并结合课程中的工具、案例和练习推动企业培训落地

课程通常安排多长时间？

当前样板提取的课程时间为：0.5-1天，6小时/天。实际交付可根据企业培训目标和学员基础进行调整

企业可以基于这门课做定制吗？

可以。正式交付时可结合企业行业、岗位对象、当前问题和培训时长，对案例、练习和重点模块做适配