大数跨境
首页
>
800万专项资金砸向“大瓦特”！南方电网要搞112台训练服务器+人形机器人，电力AI这是要起飞？
>

800万专项资金砸向“大瓦特”！南方电网要搞112台训练服务器+人形机器人，电力AI这是要起飞？

800万专项资金砸向“大瓦特”！南方电网要搞112台训练服务器+人形机器人，电力AI这是要起飞？ 新数字能源
2026-02-27
2
导读：《2026年省级制造业当家重点任务保障专项资金（新一代信息技术和产业发展）项目计划》中，一个项目引起了行业关注：电力行业人工智能大模型“大瓦特”研发及应用项目，当年预算金额800万元，用款单位为南方电
2026年2月14日，广东省工业和信息化厅下达了一份文件。
《2026年省级制造业当家重点任务保障专项资金（新一代信息技术和产业发展）项目计划》中，一个项目引起了行业关注：
电力行业人工智能大模型“大瓦特”研发及应用项目，当年预算金额800万元，用款单位为南方电网人工智能科技有限公司 。
800万不算巨款，但项目的建设内容，透露的信息量巨大。
01
800万买什么？四件大事
根据项目支出绩效目标表，这800万要干四件大事 。
第一件：算力基建。 购置112台高档训练服务器及配套设备、租赁4套高性能GPU训练服务服务器及配套设备。
112台训练服务器，加上GPU租赁，算力规模相当可观。这意味着“大瓦特”要进入大规模训练阶段，不再是小打小闹的实验室项目。
第二件：人形机器人。 购置电力人形机器人及电力操作数据采集软硬件，支撑基于大模型的电力人形机器人及操作数据集构建关键技术研究。
电力人形机器人，不是科幻，是真要落地了。变电站巡检、带电作业、应急抢修——这些高危场景，以后可能都由机器人代劳。
第三件：多模态模型研究。 开展基于电力多模态数据融合的可靠样本库构建关键技术研究、跨模态大模型多任务协同处理技术研究。
电力数据模态复杂：有结构化数据（SCADA）、有时序数据（PMU）、有图像数据（巡检照片）、有文本数据（检修记录）。让大模型理解这些不同模态的数据，并协同处理多个任务，是真正的技术难点。
第四件：场景应用。 开展基于TransOCR模型的电力铭牌图像矫正与图像数据识别技术、基于配网无人机巡检的边端轻量化故障识别算法等输配电业务域场景应用技术研究。
铭牌识别、故障识别，这些都是实实在在的生产场景。大模型不能只待在云端，还要下沉到边端，在无人机、机器人上实时运行。
02
“大瓦特”是谁？
“大瓦特”这个名字，听起来有点萌。但它的背景，一点都不简单。
2023年，南方电网公司启动电力行业人工智能平台建设，与华为联合发布电力行业人工智能创新联合体。“大瓦特”大模型，就是这个平台的“核武器”。
据公开信息，“大瓦特”是国内首个电力行业专用的预训练大模型，参数规模达到千亿级别，具备自然语言处理、图像识别、时序预测等能力。
2024年，“大瓦特”已在南网部分单位试点应用，覆盖设备运维、安全生产、客户服务等领域。例如，在广东电网公司，基于“大瓦特”的智能客服助手，可自动回答用户用电咨询，准确率达到90%以上。
03
为什么电力需要大模型？
有人问：电力行业几十年都这么过来了，为什么现在要大搞AI？
答案是：新型电力系统的复杂度，已经超出了传统技术的处理能力。
问题一：海量数据
一个中等规模的省级电网，实时测点数量超过1000万个，每天产生的数据量达到PB级。靠人看？根本看不过来。靠传统算法？规则写不完，异常发现不了。
问题二：高不确定性
风电、光伏的出力随天气变化，负荷随经济活动和气温波动，电力系统的运行状态时刻在变。传统基于物理模型的优化调度，面对这种高不确定性，往往力不从心。
问题三：多目标优化
安全、经济、绿色，三个目标经常冲突。传统算法找最优解，可能算几个小时都找不到。大模型可以学习历史经验，快速给出近似最优解。
问题四：人机协作
无人机巡检拍了成千上万张照片，需要人一张张看。变压器状态数据成堆，需要人一个个分析。人成了瓶颈。大模型可以充当“AI助手”，帮人看、帮人判、帮人决策。
04
从“大瓦特”看趋势：AI正在重构电力
“大瓦特”不是孤例。放眼全国，电力AI正在多点开花。
  • 国家电网： 2024年发布“光明”大模型，聚焦电力调度优化和设备故障诊断，已在浙江、江苏等地试点应用。
  • 华为： 2026年1月发布智能光伏十大趋势，明确提出“智能体深度赋能新能源电站，迈向‘自动驾驶’” 。
  • 阿里云： 与南方电网合作开发“电力调度大脑”，利用强化学习算法优化水火风光储联合调度。
  • 商汤科技： 与国网上海电力合作，利用计算机视觉技术识别输电线路隐患，准确率超过95%。
这些动作指向同一个方向：AI正在重构电力的每一个环节——从规划设计、建设施工，到运行调度、检修维护，再到客户服务、市场营销。
05
挑战：大模型落地电力，难在哪？
尽管前景诱人，但大模型在电力的落地，并非一帆风顺。
挑战一：数据安全
电力数据涉及国家安全，不能随便上传云端。这就要求大模型必须具备“云边协同”能力——云端训练、边端推理，敏感数据不出域。
挑战二：可解释性
电力调度关乎系统安全，AI做出的决策，必须能被人类理解和验证。现在的深度学习模型大多是“黑箱”，难以满足电力行业对可解释性的高要求。
挑战三：可靠性
电力系统的容错率极低。一个错误的调度指令，可能导致大面积停电。大模型必须经过严格的测试验证，才能上岗。
挑战四：人才短缺
既懂电力、又懂AI的复合型人才，全国不到几千人。培养这样的“双料人才”，需要时间和耐心。

【声明】内容源于网络
0
0
新数字能源
全栈AI/全栈能源/算电协同/智能电网/虚拟电厂/工业绿色微电网/ 零碳园区/绿电应用/电力大模型/新型电力系统/构网型控制/工业能源数字孪生/综合能源管理/能源区块链/AIDC储能/固态变压器/能源大数据/数字技术/能源路由器
内容 0
粉丝 0
新数字能源 全栈AI/全栈能源/算电协同/智能电网/虚拟电厂/工业绿色微电网/ 零碳园区/绿电应用/电力大模型/新型电力系统/构网型控制/工业能源数字孪生/综合能源管理/能源区块链/AIDC储能/固态变压器/能源大数据/数字技术/能源路由器
总阅读0
粉丝0
内容0