大模型加速能源行业智能化升级，电力、油气、煤炭等7家企业大模型实践

能源行业历来是国民经济的基础命脉，支撑着工业生产和日常运转的每一个环节。这些年新能源发展势头确实很猛，但就满足下游实际需求而言，

这三大传统能源依然扮演着"压舱石"的角色。政策层面也在持续加码，鼓励能源企业尤其是传统能源板块，与数字技术深度融合，向数字化、智能化的方向加速转型。2023年3月，国家能源局发布的《关于加快推进能源数字化智能化发展的若干意见》明确提出，要"针对等行业数字化智能化转型发展需求，通过数字化智能化技术融合应用，急用先行、先易后难，分行业、分环节、分阶段补齐转型发展短板"，目标直指能源高质量发展。

在这样的背景下，

与传统小模型相比，大模型的优势相当明显：学习能力更强，能适应更复杂的场景；泛化能力更强，一套方案在一地落地后可以快速复制到多地；创造能力更强，能涌现出更强大的智能表现；性能和效果也更优，模型精度显著提升。更重要的是，大模型正在推动应用模式从单一的专业应用，向"通用+专业应用融合"的方向转变，技术方向也从以目标检测为主的感知智能，逐步向以知识服务为核心的认知智能，乃至生成式智能演进。

目前，头部能源企业已经纷纷入局大模型的探索，多家企业也正式对外发布了自研大模型。比如南方电网的"大瓦特"、中国石油的昆仑大模型、山东能源集团的盘古矿山大模型。下面，通过梳理

，来看看大模型在能源行业的真实落地情况。

01 电力大模型实践

案例1：南方电网"大瓦特"大模型建设与应用实践

南方电网构建了国内首个自主可控、覆盖自然语言处理和计算机视觉等领域的跨模态电力行业专业大模型"大瓦特"。这个模型的应用范围涵盖了电力决策、电力图像分析、电力问答、电力数据生成等多个领域。通过这个案例，可以比较清楚地看到电力行业大模型从建设到落地的完整路径。

案例2：广西电网输电大模型缺陷识别率超90%

输电领域的缺陷隐患超过100类，其中约30%的缺陷隐患样本极少，传统小模型基本识别不了，平均准确率低于80%，难以做到智能辅助和精确分析。广西电网在南网"大瓦特"行业大模型基座上，部署了基于全国产算力的输电应用场景大模型。这个模型拥有1.9亿参数，已经完成了5种常规输电缺陷、5种通道隐患以及2类红外缺陷的算法开发和适配，能够更精准地表述缺陷隐患的类型和位置，有效解决了模型碎片化的问题，对于从未见过的电力业务场景缺陷也有更好的处理能力。目前，广西电网的机巡管理平台和输电运行支持系统已经与输电大模型实现了对接调用，平均缺陷识别率达到90%，比传统小模型提升了10个百分点以上。

案例3：国网江苏电力大模型应用实践

人工智能大模型通常分为三个层次：基础通用大模型（L0级）、行业大模型（L1级）和细分场景专用模型（L2级）。L0级大模型一般由互联网公司来做，L1级大模型是在L0级的基础上，压缩并整合行业知识进行训练和调优，而L2级专用模型则可以结合具体业务数据来发挥实际价值。国网公司的策略重点放在了构建自己的行业大模型上，也就是L1级。

02 油气大模型实践

案例4：中国石油昆仑大模型建设实践

昆仑大模型的建设涵盖语言、视觉、多模态及科学计算四大方向。语言大模型负责文本内容的理解与生成，视觉大模型聚焦图像分类、分割和检测，多模态大模型处理文/图/音的混合检索与生成，科学计算大模型则采用Transformer算法解决海量数据的建模问题。结合自身业务特点，中国石油将大模型设计为四层架构，这在业内也是一种比较主流的构建方式。

案例5：中国石化人工智能与大模型应用实践

中国石化重点聚焦勘探开发、炼油化工、科技研发、经营管理等关键领域，稳步推进人工智能技术与业务的深度融合。在大模型方面，当前正在建设勘探开发和炼油化工两个行业大模型，并围绕勘探开发、炼油化工、安全环保、科技研发、企业运营、信息和数字化6大领域，规划了20个大模型场景，计划在2025年底全部建成，从而推动大模型在石化行业的全面落地。

案例6：中国海油Data Agent实现对话式数据分析

中国海油的销售业务此前已经基于大数据分析平台，在数据决策分析领域取得了一定成效。但在客户服务、业务运营、数据分析等方面，仍存在传统解决方案无法覆盖的场景。基于这些业务特征，中国海油构建了Data Agent来实现智能自助数据分析，服务于后端运营。用户通过AI对话方式就能快捷获取数据分析和图表呈现，这为企业实现全员数据运营打下了基础。Data Agent支持用户用自然语言查询数据仓库中的数据和指标，省去了SQL开发过程，业务人员可以实时、高效地获取数据，数据处理及分析效率得到了大幅提升。

03 油气大模型实践

案例7：山东能源集团大模型应用实践

山东能源集团基于盘古矿山大模型，构建了"1+4+N"体系：以一个AI开发平台为基础，结合4个大模型能力，开发N个高价值应用场景。目前已经基于盘古大模型开发了40多个应用场景，典型的包括防冲卸压施工孔深监管、重介选煤分选密度智能控制、焦化配煤智能应用等。

案例8：上海煤科基于大模型+数据分析的煤矿技术保障和产业服务实践

上海煤科自研了"煤科卫士"大模型ChinamjGPT，通过实时采集采煤机的工况数据并进行分析，实现了对采煤机运行状态的实时监测和预测。一旦发现潜在故障，系统可以及时发出预警并提示采取相应措施，设备的可靠性和稳定性因此得到显著提升。此外，通过知识驱动的方式，将实时数据、数据分析机理模型与专家知识图谱进行整合，转化为可执行的规则和模型，构建面向应用的"数据—处理—分析—输出"闭环，实现了真正智能、高效的设备管理与维护。