AI电参

2026-05-01

导读：从聊天到干活，中间隔了一个太平洋去年我们给客户做知识库，第一版出来的时候，领导试用了一下，问了几个规程相关的问

从聊天到干活，中间隔了一个太平洋

去年我们给客户做知识库，第一版出来的时候，领导试用了一下，问了几个规程相关的问题。

回答没问题，条理清楚，引用准确。

然后领导说了句："这不就是个搜索引擎吗？我百度也能搜。"

当时没接话。但心里知道，他说的对。

能问答的知识库，和能干活的知识库，根本不是一回事。

后来我们做了智能问数——你问它"上个月某变电站的告警分布"，它自己写SQL查库，给你出图表。领导再试的时候，态度明显不一样了。

从"你问我答"到"你下指令我自己跑"，这一步看着小，其实质变。

南网这个"驭理"走得更远。它的核心是一个叫"AI研究员"的智能体——不是你问它答，是它自己能理解问题、规划路径、调工具、执行任务、事后还能反思总结。

注意这个"反思"。

目前市面上绝大多数电力AI产品没有这个能力。能反思意味着它知道自己哪里做错了，下次能改。

"孤岛"问题，我们踩过

报道里提到一个事：过去科研人员找数据、借算力、用仪器，要在不同系统间切换，像身处一座座"孤岛"。

这个太真实了。

我们做项目的时候，光是数据就对齐了好几个月。客户那边运行数据在A系统，台账数据在B系统，规程文档在C系统，告警记录又在D系统。而且A和B的设备编码规则还不一样。

你让AI去"智能问答"？它连哪份数据是哪份都分不清。

所以后来我们做台账统一建模，先把底层数据对齐了，才敢在上面搭知识库。

南网这个"驭理"也是这个思路——先打通知识库、数据集、科研工具、实验设备、算力资源，建成统一的科研资源池，然后再在上面做智能体。

顺序不能反。

先有干净的数据，才有靠谱的AI。

（对，2026年了，这条铁律还是没变）

科研智能体和业务智能体，是两件事

报道里说，"AI研究员"已经在新型电力系统运行机理研究、环氧电工材料研发、设备老化机理研究这些场景上岗了。

这些是科研场景，不是业务场景。

区别在哪？

科研场景对准确率的要求反而没那么苛刻——你在实验室跑个模型，结果差一点，可以重来。但业务场景不行，调度指令发错了就是事故。

所以我们做集控智能体，每一步都要人确认。AI负责分析、建议，人来拍板。

科研智能体可以放手让它自己跑，跑错了回滚就行。业务智能体必须人机协同，谁都不能替谁做最终决策。

南网先从科研场景切入，很聪明。

验证了技术路线，培养了用户习惯，积累了信任度，然后再往业务场景走。

一个判断

南网这个方向是对的。但我更关注的是：省调、地调这些层级，什么时候能用上类似的东西？

科研院有算力、有数据、有人才，搞"驭理"是顺理成章的事。

但到了地市供电公司，数据散落在Excel和纸质台账里，懂AI的人一只手数得过来。怎么让他们也能用上AI？

我觉得答案不是把"驭理"搬下去。

而是做一个足够简单、足够接地气的工具——你输入一个问题，它自己去数据里翻，翻完给你一个能看懂的答案。不需要你会写SQL，不需要你懂数据在哪张表。

这才是大多数电力一线人员的真实需求。

说个题外话

国网那边也有动作。光明电力大模型已经覆盖27个省公司，今年还要花68亿采购具身智能设备。南网搞科研智能体系，国网铺智能体应用，两条线都在加速。

电力行业的AI落地，2026年是真正的分水岭。

从PPT到产品，从试点到推广，就这一两年的窗口。

AI电参，电力人的AI实战手册

【声明】内容源于网络

AI电参

1234

内容 16

粉丝 0

AI电参 1234

总阅读19

粉丝0

内容16