其次，要做好数据治理。

模型越大，准确率越高。大模型将AI从感知维度提升到理解维度，除了模型要合适，还需要大量的数据训练。吴文峻指出，大模型非常依赖数据，但不是从网上爬取数据后进行简单汇集就行，还要对数据进行预处理，才能更好地训练大模型。这意味着，如何打造优质的基础数据也是一个重要的问题。未来在一些领域可能会出现支撑性的模型，要想构造训练这类模型，就需要在基础数据方面做很多扎实的工作，包括共享数据、隐私保护、数据清洗、质量管理等，只有把数据治理好，才有可能打造面向不同领域的大模型。

南瑞集团南瑞研究院新技术应用研发中心副总工程师陆继翔则认为，现有预训练大模型搭配特定场景的大数据，然后经过迁移学习训练和微调，就能达到很好的效果。这就好比一个普通的足球运动员，已经具备运球和抢断等基本素质，然后再专门进行射门和抓机会等训练，就能成为一个前锋。他同时建议，要做好模型的轻量化，因为我们需要有专业的数据调用预训练好的模型，以生成更专业、更小、更细分的应用。

再次，要整合算力资源。

大模型需要强大算力支撑，根据OpenAI的研究，AI训练所需算力呈指数级增长，且增长速度将超越硬件的摩尔定律。但当前，能源电力领域的算力资源较为分散，周飞指出，国家电网公司已经建立了三大电力先进智能计算平台，但还不足以支撑类GPT算力的算法需要，因此加强整合算力资源非常必要。

除了整合自身资源，借助统一平台购买算力也是未来的可选项。2月底，国内首个一体化算力交易调度平台——东数西算一体化算力服务平台正式上线。平台整合了宁夏地区零散算力资源，以支撑国内人工智能运算平台急需的大算力服务。但业内人士提醒，由于类似的一体化算力服务平台在市场中尚无成型的标准可依，平台建设还需要解决“标准化算力接口”等问题，这也是能源行业在借助外力时需要关注的地方。

最后，要拥有开放的心态。

在人工智能与能源行业的融合过程中，打破经验主义，形成鼓励创新的机制也非常重要。忻舟认为，经验是知识的组成部分，但经验往往会局限创新能力。在推进数字技术和电力行业融合的过程中，双方都需要用更宽容的心态，形成允许试错的文化，以打破藩篱，让数实融合有更好的落地效果。

在适合的模型、专业的数据、强大的算力和开放的心态的共同作用下，我们或将看到能源科技革命和通用人工智能的融合应用。正如邬贺铨所说，我国信息化发展处于最好的历史机遇期。无论是第一次工业革命，还是第二次工业革命，都是从面向产业应用开始的，至今还服务于实体经济，以信息化为代表的第三次工业革命，则是从面向消费应用开始的。在他看来，数字技术和实体经济的融合是第三次工业革命的核心，也是新经济的内涵。数实融合之路面临很多挑战，但这条新赛道也将是网络技术以及产业发展的新机遇。