云南绘就“人工智能+能源”发展路线图 明确2030年阶段性目标
近期，云南省发展和改革委员会、云南省能源局正式发布《云南省推动“人工智能+能源”高质量发展行动方案（2026—2030年）》，明确提出到2030年，实现全能源品种智能调度集群建设目标，构建覆盖能源生产、供应、储备、销售全链条的智能体系统，推动“人工智能+能源”产业融合发展，为能源行业提质增效发挥显著作用。云南省推动“人工智能+能源”高质量发展行动方案（2026—2030年）为深入落实党中央、国务院关于大力推进“人工智能+”行动的战略部署，贯彻执行《国家发展改革委 国家能源局关于推动“人工智能+能源”高质量
云南发布2026-2030年人工智能赋能能源高质量发展方案
近期，云南省发展和改革委员会联合省能源局正式印发《云南省推进“人工智能+”能源高质量发展实施方案（2026—2030年）》。方案明确，力争至2030年，构建覆盖全能源品种的智能化调度集群，打造贯通能源生产、供应、存储、销售全流程的智能体体系，使“人工智能+能源”的产业融合成效在推动行业提质增效方面得到充分展现。云南省推进“人工智能+”能源高质量发展实施方案（2026—2030年）为深入贯彻党中央、国务院关于深入实施“人工智能+”行动的战略部署，落实《国家发展改革委 国家能源局关于推进“人工智能+”能源高质
AI 数智供热实战③:十年冷热不均顽疾，靠全网平衡如何根除？
前两篇已阐明核心区别：传统自动化依赖固定参数维持运行，而 AI 数智供热则凭借动态模型实现自适应优化。许多同行读完难免产生最实际的困惑：原理虽懂，但面对日常供热中最棘手的冷热不均、近热远冷及片区失衡难题，AI 究竟如何落地解决？能耗超标尚可逐步优化，调度繁琐也能慢慢减负，唯独用户室温不均与投诉集中，是每年供暖季无法回避的硬骨头。本文作为系列第三篇，直击供热运维核心痛点，深度解析 AI 全网水力智能平衡：传统人工平衡为何难以彻底？AI 平衡的核心逻辑何在？一线现场如何具体落地见效？无论是老旧管网还是新建小区
云南发布AI赋能能源产业升级路线图
5月20日，云南省发展和改革委员会、云南省能源局联合发布《云南省推进“人工智能+”能源高质量发展实施方案（2026—2030年）》（云能源科技〔2026〕132号），提出以人工智能技术驱动能源产业链全面升级，充分发挥云南绿色能源资源禀赋和山地地形特征，设定2027年、2030年两个阶段发展目标，为新能源产业发展提供战略指引。《实施方案》提出到2027年初步建立能源与人工智能协同创新体系、打造10个以上典型应用场景且“绿色电力+智能算力”产业集聚区初具规模，到2030年形成覆盖全能源品种的智能调度集群、建成
AI for Science的决胜之道：多模型协同编排能力
当业界纷纷追逐「更强大的模型」时，真正的领跑者已经在布局「更高效的协作」。当全球 AI for Science 领域还在较量「谁的模型性能更优」时，真正稀缺的战略资源已悄然转移——核心已不再是模型本身，而是如何让不同代际、不同技术路线、不同学科知识深度的模型，像一个高效的研究团队般协同运作。Anthropic 在 2026 年 5 月发布的 BioMysteryBench 研究中，坦诚指出 Claude「适合辅助角色，难以主导科研进程」；Google DeepMind 通过 6 个分工精细的 Agent
AI大模型技术演进与智能调度算法驱动实体商业创新
大模型涌现能力与思维链技术，使人工智能具备成熟的逻辑推理功能，既能凭借专业知识区分文学创作与现实科学逻辑，也能深度解析传统文旅文化内涵。这种能力本质上是高维数据模式自主演化形成，并不等同于人类自主意识。当前AI行业发展核心趋势，已从技术研发转向商业实用落地，如何将AI智能推理能力高效转化为实体商业经营赋能，成为行业核心发展方向。2025年10月于上海正式发布的智能调度算法，成为衔接大模型智能推理与实体商业落地的核心枢纽。同步布局全国千城运营服务中心，助力普通创业者顺势入局AI原生行业赛道，共享人工智能产业
技术发布 | 深度动力物理AI与能源大模型解决方案
新型电力系统正在经历从“依赖物理惯性”到“依赖算法与数据”的深层变革。能源行业真正需要的，不只是一个会问答的通用大模型，而是一套能够理解物理约束、协同源网荷储、支撑调度交易与价值优化的能源大模型系统。一、能源大模型的演进路径如果把能源大模型的发展拆开来看，可以看到一条非常清晰的四阶段演进路径。S1阶段：LLM+RAG。核心是通用大语言模型叠加检索增强能力，角色是“电力助手”。它可以回答制度、规程、设备说明、市场规则等知识性问题，但物理幻觉多，物理一致性不足60%。它学习的是自然语言中的统计关系，而不是电力
AI投资持续升温 企业竞相布局算力与能源协同新赛道
国内科技巨头阿里巴巴与腾讯近期公布的财务报告显示，两家企业正大幅增加人工智能领域的资金投入。随着AI运算需求激增，数据中心建设提速，但随之而来的能源消耗问题日益突出。近期，国家发展改革委、国家能源局等主管部门联合出台《关于促进人工智能与能源双向赋能的行动方案》，使得"算电协同"迅速成为资本市场焦点，绿色电力与储能领域的企业纷纷抢滩布局。 算力基础设施面临的能源挑战 腾讯最新季度财务数据显示，公司在信息技术基础设施与数据中心建设方面的投入达319.36亿元，较去年同期增长16.2%，环比增幅高达62.7%。
AI 突破屏幕：现实掌控的转折点
AI 突破屏幕：现实掌控的转折点今年，中国将诞生首个由 AI 自主运营的线下商业场所，名为 AGI Bar。一家由人工智能担任主理人的酒吧固然新奇，但我更关注的是另一关键点：AI 终于要走出虚拟屏幕，真正接管物理世界了。如何实现接管？首要任务是解决语言障碍。当你向 GPT 提问，它生成的是供人类阅读的自然语言，机器本身无法理解。机器只识别结构化数据。2023年OpenAI推出的函数调用功能，准确率仅为35.9%，而到了去年8月，结构化输出的准确率已提升至100%。这才是真正的转折点。100%的准确率意味着
AI时代存储变革:从数据仓库到算力引擎的技术演进
随着AI大模型和多模态智能体的快速发展，存储产业正在经历从底层开始的根本性变革。传统面向通用计算场景设计的存储体系，已无法应对大语言模型所需的万亿级Token处理、TB/s量级带宽以及微秒级响应等严苛要求。未来的存储系统不再是消极等待调用的"数据仓库"，而是能够主动为AI算力提供支撑的核心动力源。在存储节点层面实现数据的标准化、Token化以及ETL预处理操作，数据存放位置即计算发生位置；网络传输量可削减超过70%，GPU显存占用显著下降，训练效率与资源利用率实现双重优化。依托DPU（如BlueField
AI与能源融合发展新蓝图：政策解读与储能行业机遇
本文档由国家发展改革委、国家能源局、工业和信息化部、国家数据局联合发布，旨在推动人工智能与能源领域的深度交叉融合与相互驱动发展。战略目标：明确了分阶段发展方向。2027年前，建立支撑人工智能发展的能源安全保障体系。2030年前，实现算力设施清洁能源供给保障能力、能源领域AI技术研发应用达到国际先进水平。强化算力能源保障：要求统筹能源与算力资源的协调布局，引导算力基础设施向清洁能源资源丰富区域集中。探索核能、氢能等直接供电模式，鼓励配置自主稳定型储能系统，开展供电可靠性提升行动，保障算力设施稳定运行。推进算
鼎华AI Agent助力数智工厂迈向自主化新阶段
5月8日，由鼎华智能主办的「从自动化迈向自主化AI Agent驱动数智工厂新运筹」研讨会在台湾新竹国宾大饭店圆满结束。本次活动集结了半导体制造及封测产业的IT、制造及生产职能主管，共同探讨如何透过AIM（AI+CIM）与APS系统的深度整合，将AI Agent导入生产现场，打造决策零延迟的「数智大脑」。在半导体高精密制造的环境中，任何细微的数据误差都可能导致数千万产值的流失。当前供应链面临急单频繁、生产瓶颈难以掌控的挑战，许多企业仍深陷于看得到的资讯不精准、精准资讯却看不见的困境中。如何打破数据孤岛，让数
AI算力新风口：Token工厂概念下的6家核心龙头股
点击上方蓝字关注我们随着AI大模型更新换代加快，算力需求呈爆发式增长，算力租赁模式正告别单纯比拼硬件规模的“硬件时代”，迈入比拼效率与成本的“服务时代”；Token工厂作为一种新型的算力生产与服务载体，利用平台调度和软硬件协同来提升效率、压低单Token成本，已成为AI算力行业的焦点，英伟达的“Token工厂经济学”进一步验证了这一趋势，以下梳理出该赛道布局最纯正的6家核心公司：第一家：易点天下国内出海营销行业的领军者，已实现AI营销全流程智能化，日均Token使用量高达40亿，是业内公认的顶级Token
AI驱动化工一线升级：生产难题与运维问题的智能蜕变
在化工生产一线，日常操作与设备运维共同构成保障产线稳定运行的关键支撑。中控室里24小时盯紧各项参数，同时现场巡检也要持续奔走；从设备突发故障的紧急处置，到工艺运行中不断的微调优化，任何一步都可能牵动整体生产，形成联动影响。过去很长一段时间里，依赖经验操作、人工调度效率偏低、重复报表填写繁琐、故障出现后才被动抢修、检修过度造成浪费等问题，长期困扰着车间管理者与一线人员。随着AI技术持续深入生产现场，这些“老痛点”迎来了更具针对性的解决方案，使化工生产由经验驱动逐步转向数据驱动，推动安全、效率与成本实现同步跃
AI算力电力供应链全景透视
AI算力电力供应链涵盖六个关键层级。1.清洁能源构成算力绿色底座，行业八成绿色电力刚性指标催生新增用电需求，但我国风光资源集中于西部，算力需求聚集于东部，亟需特高压远距离传输。2.核电等基荷电源保障24小时不间断供电，却因长达五至八年的投产周期，短期只能依靠火电灵活性提升作为临时性补充。3.特高压线路是西电东送主动脉，制约因素在于用电端电力调配、调度协同及与本地电源体系整合实施。4.配电变压器成为现阶段供应最紧张的环节，AI算力中心急剧推高市场需求，产品交货时间显著延长。5.储能系统负责缓解AI负荷波动，