当下，有这样两股浪潮势头正盛。

一股是数字化浪潮。依托“大模型+大数据+强算力”而生的ChatGPT，引发全球对通用人工智能的关注。根据咨询机构国际数据公司（IDC）的预测，2025年前，人工智能市场将保持两位数增长。语言、声音和视觉技术以及多模态解决方案将彻底改变“人类效率”。

另一股是能源科技革命浪潮。在全球气候变化加剧和能源绿色转型的背景下，增加绿色电力成为各国能源转型的一项策略，新信息技术革命则成为推动能源产业绿色发展的助推力。在国内，构建以绿色低碳、柔性灵活、互动融合、智能高效为特点的新型电力系统成为绿色转型的关键举措。

中共中央、国务院印发的《数字中国建设整体布局规划》提出，将“推动数字技术和实体经济深度融合，在农业、工业、金融、教育、医疗、交通、能源等重点领域，加快数字技术创新应用”。可以想见，数字浪潮和绿色浪潮的叠加将激荡出更多创新应用。

数字化和能源科技革命两股浪潮的叠加，不仅要改变电力、石油等传统能源行业，而且有望被新能源、储能等领域关注和应用。下一步，更多叠加或将出现，更大的乘数效应将被释放。

要让叠加实现，首先要有合适的模型。

中国工程院院士、中国互联网协会咨询委员会主任邬贺铨认为，要进入产业应用，背后的模型就要改变，这不是博览群书就能做到的，还需要利用到很多行业的知识。问题在于，一方面从事人工智能技术开发的企业不了解产业需求；另一方面，实体产业的专家尚无法开发类似ChatGPT的大模型。

国网智能电网研究院计算及应用研究所所长周飞认为，产生这种问题的根源在于算法框架。“我们用的模型都是开源的，包括引入百度的飞桨框架做了一些工作。我们在开源的框架下做了一些有电力特色的算法和模型研究，但没有办法从架构设计时就实现为电力行业量身定制的效果。”他说。

当下，能源行业和IT行业已经开始寻求合作，在大模型的基础上实现升级，为数实融合寻找可行的路径。百度智能云AI和大数据平台总经理忻舟表示，如果可以获取并注入电力语料，让模型拥有电力基础知识，再经过少量精心标注的数据进行预训练，模型就可能产生处理电力系统特定任务的能力。

尝试突破多模态技术也是专家提出的解决思路。包括电力在内的传统工业行业中，大部分情况下都是正常运行，出现异常故障的情况很少。异常行为、突发状况都是典型的小样本，难以被大模型使用。针对这种小样本问题，中科院计算所智能信息处理重点实验室研究员王瑞平建议，可以引入多模态机器学习，如DeepMind开发的视觉语言小样本模型Flamingo，可以连接强大的预训练视觉和语言模型、处理任意交错的视觉和文本数据序列、无缝摄取图像或视频作为输入，仅使用少量注释示例即可构建可以快速适应众多任务的模型。