千亿级
光明多模态参数规模
国家电网是一家关系国计民生的能源央企。本文只谈它在"电力 AI / 数字电网"上的定位与打法，不涉及任何投资、估值或评级。
判断大多数人对电网的印象是"铁塔 + 电线"，很传统。但恰恰相反——电网可能是中国最需要 AI、也最先大规模用上 AI 的实体系统之一。因为"新型电力系统"带来一个物理难题：新能源发电看天吃饭、忽高忽低，负荷侧又多了电动车和分布式储能，整张网的运行状态每一秒都在变，传统靠人和固定规则的调度方式已经吃不消。事实国家电网把光明电力大模型摆到"电网运行、调度、保供电"这些最核心的位置上，这让它的 AI 不是营销噱头，而是业务刚需。
判断国家电网是中国电力 AI 的"全景铺开派"代表——凭借全国最大的电网体量，它把 AI 铺得又广又全：光明电力大模型覆盖 6 大业务领域、600 余个场景。它最大的资产不是算法，而是全国规模的电网运行数据 + 真实且紧迫的调度/保供场景；最大的看点，是它能否把"转供决策 30 分钟→1 分钟"这类惊艳数字，从"标杆案例"变成"全网每天真扛安全稳定"的日常工具，而不只是发布会上的高光时刻。
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| AI 能否真扛新能源并网下的电网调度 | 事实官方披露光明大模型使单次转供决策时间由 30 分钟缩短至 1 分钟，大型保供电方案编制由 10 小时缩短至 10 分钟，决策考虑因素由 10 个增至 35 个。判断这正是新型电力系统最核心的痛点——AI 若能稳定承担调度辅助，价值极高，但"提速"与"敢直接照做"是两回事。 | 光明在主网调度中的常态化使用范围、AI 辅助决策的实际采纳率、由此避免的事故/弃风弃光下降。 |
| "全景 600+ 场景"里有多少是真兜底 | 事实光明覆盖规划建设、电网运行、设备管理、作业管控、客户服务、经营管理 6 大领域、600+ 场景，日调用量达百万次。推导场景多是广度优势，但客服/办公类提效与调度/设备兜底的价值天差地别。 | 兜底类深水区场景在 600+ 里的占比、进入闭环决策的比例。 |
先看国家电网在"电力 AI"这条技术栈上占哪一层，这决定了它的独特性和天花板。
判断国家电网真正的稀缺性在 ④⑤ 两层——它既是 AI 的"开发者"，又是 AI 的"应用场景"和"数据源"，三位一体。第 ③ 层（光明）是它把电力专业知识"喂"进 AI 的载体；但让它区别于任何一家 AI 公司的，是它握着全国规模、真实运转的超大电网及其运行数据——这是任何互联网大厂都买不到、也仿不出的资产。事实光明被称为国内首个千亿级多模态电力行业大模型，能融合文字、图片、视频等多形态数据。
判断"既做模型又做场景又管数据"是国家电网最大的优势，也是它最大的隐患：封闭。好处是数据不外流、场景闭环；代价是它很难像开放生态那样快速吸收外部最前沿的算法进步。事实不过国网选择在底座层与阿里巴巴集团签署战略合作共建光明大模型，推导说明它并未完全闭门造车——如何在 ②③ 层借力外部通用大模型的进化、同时把精力集中在别人做不了的 ④⑤ 层，是它绕不开的战略题。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断本质是用 AI 驯服一个越来越"不听话"的物理系统。新能源发电随天气剧烈波动、负荷侧越来越复杂，电网从"可预测"变成"高度随机"，人和固定规则算不过来，只能靠 AI 来实时看、算、调。 |
| ② 有哪几种打法 | 事实电力大模型大致三条路：电网央企自研派（国网光明、南网大瓦特，用独有数据 + 场景自建）、科技公司赋能派（华为、阿里云等提供底座算力与模型能力）、设备/自动化厂商派（施耐德等把 AI 嵌进自家工控设备）。判断国家电网是第一派体量最大的代表。 |
| ③ 哪层最有价值 / 谁掌握话语权 | 判断在电力 AI 里，"独有数据 + 高价值场景"这一层话语权最大——因为电网数据涉及关键基础设施安全，不外流、不可替代。事实光明覆盖 6 大业务领域 600+ 场景，这种场景密度是纯 AI 公司无法企及的。 |
| ④ 未来价值往哪走 | 推导随着新型电力系统建设深入，价值会从"AI 帮人省事（客服、报告）"进一步走向"AI 帮系统兜底（安全、调度、消纳）"——后者才是电网 AI 不可替代的深水区。事实光明在调度运行上把转供决策从 30 分钟压到 1 分钟、决策因素从 10 个增至 35 个，正是朝"帮系统兜底"方向走。 |
判断电网是"零容错"系统——一次大停电影响千万人。所以电网 AI 的真正门槛不是"聪明不聪明"，而是"敢不敢让它真的做决定"。一个决策再快（30 分钟→1 分钟），如果调度员不敢完全信、每次都要人工复核，那 AI 就还停在"参谋"阶段，没到"指挥"阶段。缺口光明目前在多大程度上进入了真实的闭环决策、而非仅作辅助建议，公开信息尚不充分——这是判断其成熟度的关键缺口。
央企做 AI，和创业公司完全是两套逻辑——它不缺场景和数据，缺的是把庞大组织的 AI 意愿拧成一股绳。
| 维度 | 国家电网的做法 |
|---|---|
| 定位 | 事实2024 年 12 月 19 日在北京发布光明电力大模型，由中国电力科学研究院自主研发，把 AI 上升为公司级战略。 |
| 技术路线 | 事实走"行业大模型 + 多模态"路线，并在底座层与阿里巴巴集团签署战略合作框架协议共建；由中国信通院、电子标准院进行权威检测认证。 |
| 落地方式 | 事实覆盖规划建设、电网运行、设备管理、作业管控、客户服务、经营管理 6 大领域、600+ 场景，日调用量达百万次，在浙江、江苏、山西、陕西、华中等地测试应用。 |
| 对外亮相 | 事实光明电力大模型亮相 2026 世界人工智能大会（WAIC），显示有意把电力 AI 能力对行业输出、参与更大生态。 |
判断国家电网做 AI 的最大结构性优势，是"场景 + 数据 + 资金 + 体量"四样都不缺，且能自上而下强推——这是创业公司梦寐以求的。但央企体制的另一面是：决策链长、试错容忍度低、人才市场化程度不如互联网大厂。缺口它能否留住顶尖 AI 算法人才、能否容忍 AI 项目的失败与快速迭代，是外部难以观测但至关重要的软实力，公开信息有限。
判断光明体现的是"广"——把 AI 铺进 600+ 场景，其中不少是客服、报告、经营管理这类"提效"应用，价值真实但门槛不算极高；调度、设备诊断、负荷预测体现的是"深"——直插电网安全稳定的深水区。缺口这些高价值能力目前是"少数标杆地区在用"还是"已大面积常态化承担主网调度"、有多少真正进入闭环决策，公开信息尚不充分，这决定了国家电网 AI 是"点上惊艳"还是"面上兑现"。
国家电网 AI 战略里三个真正有分歧的地方。每题给 Bull / Bear / Reality，再下裁决。（均为战略层辩论，不涉投资）
中国两大电网央企都在做电力大模型：国网"光明"、南网"大瓦特"。对照着看，更能看清国网的特点。
| 维度 | 国家电网 · 光明 | 南方电网 · 大瓦特 |
|---|---|---|
| 覆盖范围 | 事实覆盖全国大部分省份，体量更大 | 事实粤桂滇黔琼南方五省区电网 |
| 标志性能力 | 事实国内首个千亿级多模态电力大模型，主打"6 域 600+ 场景"全景覆盖 | 事实"驭电"——全球首款电力系统智能仿真大模型，主打安全仿真 |
| 打法侧重 | 判断以"6 大业务域 600+ 场景"作为全景，广度突出 | 判断以"仿真 + 安全兜底"作为最硬标杆，深度突出 |
| 共同点 | 推导都用独有电网数据喂养、都从"提效"走向"兜底" | 推导本质是同一条路的两个实现，互为参照系（国网更开放合作，南网更强调全自主可控） |
判断两家没有绝对高下，而是"广"与"深"的不同侧重：国网体量更大、场景铺得更全（600+ 场景、千亿多模态）、且更愿意与阿里等外部合作；南网则用"驭电"把"AI 做电力仿真"这件难事做成了标志性深度突破。推导对公众而言，真正的看点不是"谁更强"，而是两大央企在同一方向上相互竞争、相互印证，客观上加速了整个中国电力 AI 的成熟——这对新能源大规模并网的中国电网是实打实的利好。
电网 AI 不是国网一家的独角戏，它周围是一张竞合交织的网。
| 玩家 | 类型 | 与国家电网的关系 |
|---|---|---|
| 国家电网 · 光明 | 电网央企自研派 | 既是模型开发者，又是场景与数据的独有拥有者 |
| 南方电网 · 大瓦特/驭电 | 电网央企自研派 | 同赛道"友商"，深广各有侧重，相互印证与竞争 |
| 阿里巴巴 | 科技公司 · 战略合作 | 底座层战略合作共建光明大模型，"借力前沿"的核心伙伴 |
| 华为 / 百度等 | 科技公司 · 底座赋能 | 潜在的算力/模型底座供应方，也是"自主可控"下需平衡的对象 |
| 发电集团（五大发电等） | 上游 · 新能源来源 | 它们的新能源出力波动，正是国网 AI 要"驯服"的对象 |
| 科研院所 / 高校 | 技术合作 | 电力系统仿真、AI 算法的联合研发伙伴 |
判断① 国家电网在"电网独有数据 + 高价值安全场景"这条轴上几乎没有真正对手——连南网也是同类而非替代者，纯 AI 公司更进不来，这是它最硬的护城河。② 但在"底层模型能力"这条轴上，它主动选择与阿里巴巴合作借力——这既是它比南网更开放的地方，也是一种微妙的博弈：既要借力外部的算力和模型进化，又不能在关键基础设施上形成不可控的依赖。如何拿捏这个"借力而不受制"的分寸，是它长期最考验智慧的地方。
判断四个断点里，断点 3（敢不敢把决策交给 AI）和断点 4（能不能从标杆走向常态化）最关键——前者是零容错系统特有的"信任关"，后者是"点上惊艳 vs 面上兑现"的分水岭。国家电网的数据和场景优势是真的（断点 1 因体量大反而更需打通），但要把"转供 30 分→1 分"变成"全网天天更稳"，还得过后面这两关。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| 底座依赖与自主平衡 | 与阿里等外部合作借力前沿是优势，但关键基础设施若在底座层过度依赖外部，存在受制风险；边界需划清。 | 自主可控与外部合作的分工边界、核心能力是否掌握在自己手里。 |
| 深水区落地不足 | 600+ 场景多为提效应用；调度/设备这类兜底能力若长期停在标杆地区而非常态化，护城河价值打折。 | 兜底应用进入日常调度决策的范围、闭环决策比例、各省落地均衡度。 |
| AI 可靠性与安全 | 电网零容错，AI 一旦误判且被采信，后果严重；如何守住"AI 出错不出事"的底线是核心挑战。 | AI 决策的人工复核机制、异常处置预案、可解释性。 |
| 体量与协同 | 全国最大电网体量带来数据打通、跨省协同、统一落地的巨大挑战，容易"总部惊艳、基层滞后"。 | 各省应用落地的均衡度、数据孤岛打通进度。 |
| 人才与体制 | 央企在与互联网大厂抢顶尖 AI 人才、容忍快速试错上存在体制约束。 | 核心 AI 团队稳定性、市场化激励机制、外部合作深度。 |
判断这些风险的共同母题是同一个：国家电网能否在"安全可控"与"跟上前沿、真正兑现"之间找到平衡。它的优势（数据/场景/资金/体量）都很实，但优势用不好就会变成封闭与迟缓——这才是它电力 AI 长期最需要警惕的。
国家电网"成果"很多，但最关键的成色藏在缺口里。★ 是我认为最锋利、最能戳破叙事的问题。
判断① 那些惊艳的调度成果，到底是"示范样板"还是"每天真管全网安全"？② 与阿里的底座合作，边界划清了吗、关键能力握在自己手里吗？③ 在零容错电网里，凭什么让调度员敢把决策真正交给 AI？——这三问答清楚，就知道国家电网是"电力 AI 的务实先行者"，还是"广而不深、大而不快的巨系统"。
基于公开信息的深度梳理，主要来源（节选）：
· 人民日报（中国能源报）/ 新华网 / 央视网：国家电网发布国内首个千亿级多模态电力行业大模型（2024-12-19）、6 大业务领域 600+ 场景、与阿里巴巴战略合作共建、中国信通院/电子标准院检测认证
· 中国电力报（cpnn.com.cn）：国网光明电力大模型亮相 2026 世界人工智能大会、日调用量百万次、电力气象/时序预测/电网分析、负荷预测精度省级 98.18%/地市 96.67%/台区 92.48%
· 公开报道综合：转供决策 30 分→1 分、保供电方案 10 小时→10 分、决策因素 10→35 个、设备学习 2000+ 故障案例具备 13 项诊断、规划 20 工作日→5 工作日、客服每年 30 万套方案每套减 10 人·天、中国电科院自研