人工智能与能源双向赋能行动方案发布
国家发展改革委、国家能源局、工业和信息化部及国家数据局联合发布《关于促进人工智能与能源双向赋能的行动方案》通知国能发科技〔2026〕34号致各省、自治区、直辖市及计划单列市、新疆生产建设兵团发展改革委、能源局、工业和信息化主管部门、数据管理部门，相关中央企业及行业协会：为全面落实党中央、国务院的决策部署，积极推动人工智能与能源的双向赋能及深度融合，上述四部门共同制定了《关于促进人工智能与能源双向赋能的行动方案》，现予印发，请严格遵照执行。国家发展改革委 国家能源局工业和信息化部 国家数据局2026年4月8
多部门联手推动AI与能源协同发展
为落实党中央、国务院关于建设能源强国和推进人工智能发展的战略部署，近日，国家能源局联合国家发展改革委、工业和信息化部、国家数据局共同发布了《促进人工智能与能源双向赋能行动方案》（以下简称《行动方案》）。《行动方案》围绕能源支持人工智能发展和人工智能赋能能源转型两大主题，重点在保障算力设施能源供应安全可靠、推动绿色低碳转型、提升算力电力协同效率、开放能源领域高价值AI应用场景、挖掘能源数据潜力、加强能源领域AI模型创新等方面提出了29项关键任务，旨在推动能源、算力、场景、数据、模型等人工智能发展核心要素的高
国家新策推动 AI 与能源双向融合
5 月 8 日，国家能源局联合国家发展改革委、工业和信息化部及国家数据局共同发布《关于促进人工智能与能源双向赋能的行动方案》（国能发科技〔2026〕34 号，简称《行动方案》）。该方案紧扣能源支撑 AI 成长与 AI 驱动能源转型两大核心，重点围绕保障算力设施能源供应安全、推动算力设施绿色低碳化、提升算力与电力协同效率、开放能源领域高价值 AI 场景、深挖能源数据潜力、强化能源 AI 模型创新等六大方向，部署了 29 项关键任务，旨在推动能源、算力、场景、数据、模型等要素的高效联动。《行动方案》确立了以能
私有数据AI未必自建，安全关键在数据不出域，数据才是核心价值
这话只对了一半。私有数据 AI 的重点不在于“部署位置”，而在于“确保你的数据不混入大模型的公共训练集、不被平台截取、不被其他公司共享”。未必绝对，但确实存在隐患。这取决于平台条款和部署方式：若使用公有API（例如直接调用ChatGPT、文心一言等），您的交互内容极有可能被服务商用于模型优化或监控，面临泄露危机。这算不上真正的“私有数据AI”。结论是：并非“联网即泄密”，而是“一旦数据流入公共模型，就彻底失去了私有属性”。AI 的实战能力，源于“私有数据”；而私有数据的保障，则源于“数据不离开企业边界”。
AI与能源双向赋能行动方案解读
【仁廷能源观察】每日发布一篇行业动态观察文章，专注风电、光伏、光热、储能、氢能、碳汇、核能、充电、汽车、电网、互联网、AI、智慧、低空经济等行业的科技研发、政策制定、发展规划、项目建设、资金流动、人物发展、市场动向和安全生产，综合研究、分析前沿领域的发展趋势和市场前景，为您提供行业策略、建议和项目咨询服务。导读：近日，国家发改委、国家能源局、工信部、国家数据局联合印发《关于促进人工智能与能源双向赋能的行动方案》（以下简称《方案》），以 “能源支撑 AI 发展、AI 赋能能源转型” 为主线，部署 29 项重
四部门行动方案：AI与能源双向赋能
电力低碳环保服务平台——权威、权威更专业、持续推陈出新的电力低碳环保公众号据国家能源局网站5月8日消息，由国家发改委、国家能源局、工信部、国家数据局联合印发的《关于促进人工智能与能源双向赋能的行动方案》（国能发科技〔2026〕34号），以“能源支撑人工智能发展、人工智能反哺能源转型”为主线展开。方案围绕保障算力设施安全稳定的能源供给、引导算力设施绿色低碳转型、促进算力与电力高效经济协同，聚焦开放能源领域人工智能高价值应用场景、挖掘能源数据价值、提升能源领域人工智能模型创新能力等重点方向，共部署29项任务，
AI与能源深度融合：政策驱动双向赋能新篇章
本报记者杜雨萌5月8日，国家发展改革委、国家能源局、工业和信息化部、国家数据局联合发布了《关于促进人工智能与能源双向赋能的行动方案》（以下简称《行动方案》），规划到2030年，我国在人工智能算力设施的清洁能源供应保障能力、能源领域人工智能专项技术研发与应用方面将达到世界领先水平，实现人工智能与能源领域双向赋能的显著成效。《行动方案》以支持人工智能发展为能源提供保障，并利用人工智能推动能源转型为核心主线，重点围绕保障算力设施能源供应的安全可靠、推动算力设施的绿色低碳转型、促进算力与电力的高效经济协同、开放能
行动方案发布：推动人工智能与能源互促互进
为落实党中央、国务院关于能源强国建设和人工智能发展的决策部署，近日，国家能源局会同国家发展改革委、工业和信息化部、国家数据局联合印发了《关于促进人工智能与能源双向赋能的行动方案》（国能发科技〔2026〕34号，以下简称《行动方案》）。《行动方案》围绕“以能源支撑人工智能发展、以人工智能反哺能源转型”的思路展开，重点部署保障算力设施安全稳定的能源供给、推动算力设施向绿色低碳转型、促进算力与电力的高效协同，此外还将开放能源领域人工智能高价值应用场景、挖掘能源领域数据价值、强化能源领域人工智能模型创新等工作纳入
AI与能源深度融合，四部门出台重磅行动方案
聚焦人工智能与能源的协同发展，四部门联合发布了最新指导文件。 在2024年5月8日，国家能源局官网发布消息称，为落实党中央、国务院的战略部署，大力推动人工智能与能源领域的相互促进与深度融合，国家发展改革委、国家能源局、工业和信息化部以及国家数据局共同制定并发布了《关于促进人工智能与能源双向赋能的行动方案》（简称《行动方案》）。 《行动方案》以支持人工智能发展所需的能源保障和利用人工智能推动能源转型为核心，重点围绕保障算力设施的能源供应安全可靠、促进算力设施的绿色低碳化转型、实现算力与电力的高效协同、开放能
国家能源局出台行动方案，AI与能源深度融合迎新篇章
为贯彻落实党中央、国务院关于能源强国建设和人工智能发展的决策部署，近日，国家能源局会同国家发展改革委、工业和信息化部、国家数据局印发了《关于促进人工智能与能源双向赋能的行动方案》（国能发科技〔2026〕34号，以下简称《行动方案》）。《行动方案》以能源支撑人工智能发展、人工智能赋能能源转型为主线，聚焦保障算力设施安全可靠的能源供给、推动算力设施绿色低碳转型、促进算力电力高效经济协同、开放能源领域人工智能高价值应用场景、挖掘能源领域数据价值、强化能源领域人工智能模型创新等方面部署了29项重点任务，着力促进能
智能时代下科学数据的价值与挑战
一、引言：洞悉智能时代科学数据共享的根本逻辑科学数据作为驱动国家科技进步与经济社会发展的关键战略资源，在智能时代更是人工智能的升级迭代和科研模式变革的核心“能量”。自2018年《科学数据管理办法》颁布实施以来，我国在科学数据汇集、管理和共享方面的体系建设取得了长足进步。然而，面对生成式人工智能的迅猛发展及其带来的新需求，深层次的制约因素依然存在，严重阻碍了数据价值的充分释放，并限制了人工智能对科学数据的深度赋能。早期人工智能理论的发展经历了三个主要学派的演进：符号主义、连接主义和行为主义。符号主义强调“机
刘捷省长强调：精准构建“人工智能+政务”体系，提升政务服务效能
4月17日下午，省委副书记、省长刘捷主持召开了数字政府2.0建设的第六次工作例会。他在会上强调，必须深入学习领会习近平总书记关于数字政府建设的一系列重要指示精神，紧紧围绕“提升政府履职效率、便利企业与群众办事、切实为基层减负”的核心目标，坚持从实际问题出发，瞄准关键环节重点突破，加速推动数字政府2.0建设从初步启动迈向全面深化阶段，为全省经济社会的高质量发展提供坚实支撑。刘捷指出，自数字政府2.0建设工作启动以来，已顺利实现良好开局，各项任务正稳步、深入推进。要聚焦当前工作中存在的突出难点，始终以基层感受
AI深水攻坚：谁为中企筑牢智能根基？
某制造企业信息总监在部门会议上情绪激动地拍案而起："领导层要求半年内实现AI全面部署，但具体落地点在哪？实施路径是什么？如何确保万无一失？整个团队目前完全是摸索前行！"类似困境并非个案。如果说2025年企业还在聚焦于POC测试和单点突破，那么2026年的核心挑战早已转变。当下企业最焦虑的是：如何让AI能力从业务体系中自然生长，而非强行植入导致最终无法存活？今年三月，OpenAI与Curcor在联合论文中提出的"Harness"理念，为行业指明了方向。简而言之，AI供应商不能仅提供模型，更要为企业培育AI生
AI赋能医疗发展的关键着力点
这是个面临挑战的时代，也是个充满机遇的时代；这是个讲求效率的时代，也是追求质量的时代；这是个以技术革新让工作快节奏的时代，也是个以文化浸润呼唤生活慢下来的时代；这是个AI大行其道的时代，也是个人类与AI角力的时代。如果说前些年是人工智能的“零敲碎打”，那么今年可以说是人工智能真正的元年，AI正以不可阻挡之势且成规模成体系地改变着世界。我们有理由将现在及未来称为A世代，既是Z世代之后的延续，又是伴随人工智能兴起与技术革命发展的另一个纪元。近日，国家卫生健康委等五部门印发了《关于促进和规范“人工智能+医疗卫生
AI重塑实体经济：从“会说”到“实干”的底层变革
点击蓝字，关注我们引言最近你是否也察觉到，AI正在发生蜕变。过去谈论AI，多涉及对话、写作或绘图，本质是“会说”。但如今，AI迈出了新的一步——开始“干活”了。国家提出“人工智能+”，核心意图：不仅要提升AI的易用性，更要将其深度融入各行各业的实际运作中。目标清晰：到2027年，绝大多数重点行业将深度应用AI，拒绝形式主义。AI深入企业内部很多人误以为，接入大模型就算用上了AI。现实却是：企业的数据才是核心资产。像生产流程、库存、订单节奏，通用大模型无法理解，也不能随意公开。因此方向明确：云端与本地模型并