撰文：李信馬?
“董事長的一個電話，讓我決定來到朗新。”在采訪的開始，黃飛博士回憶道。
隨著2022年底ChatGPT發布，人工智能的浪潮再次在全球范圍內洶涌而來，對每一個從業者來說，在哪里做AI，做什么AI，都是足以影響到自己未來職業發展的重要選擇。
那是什么讓黃飛這位華中科技大學畢業的AI領域老兵做出了來到朗新集團的決定呢？
答案就藏在那通電話里，黃飛回憶，兩件事情打動了他。“首先，AI的應用要找場景，不管你是在大廠還是在創業公司，場景都是最重要的，朗新本身就是新能源領域的頭部企業，新能源一直到目前為止，仍然是 AI 的價值洼地，可以契合行業去做出差異化的競爭優勢。其次是集團層面，有很大的決心對AI做大的投入和戰略性的布局。”
于是在2023年，黃飛來到朗新集團，擔任AI研究院院長，負責朗新的人工智能研發與應用，成為當時少有的從互聯網大廠跳到科技能源企業的“逆行者”，投身一場更“接地氣”的技術戰役。
解析朗新能源大模型
在2023年，全世界對于如何做大模型，還是處于一個“摸著OpenAI過河”的階段。這一點，大廠和創業公司沒什么區別。“業界都在跟隨他們的技術”。
朗新科技集團的AI研究院是在2023年6月成立的，對于做大模型，也是類似的思路。不過和大廠爭相在做通用大模型有所不同，朗新更聚焦在能源行業。“當時成立后我們就在想，能源行業的數據和通用數據存在較大差異，AI的應用會出現泛化問題，我們對行業里面每一個子問題，都需要單獨去處理。那能不能做一個比較好的底座大模型，類似GPT，這個大模型就能把行業里面的各種子任務解決掉？就算不行，我們拿少量數據微調一下也就行了。”
朗新科技集團構建能源大模型的優勢，首先是有數據壁壘，這既有幾十年的行業積累，也是因為行業數據中存在大量的的時序數據，比如七天的歷史交易數據，這些數據是點狀的曲線，而不是像語言那樣有前后顯性的語義相關信息。用這些數據預測當天的數值，其實類似于深度求索（DeepSeek）的量化交易做法，這是通用大模型廠商難以復制的關鍵資產。
除了行業數據外，數據合成的技術也在快速發展，這是朗新研究的方向之一。即使同樣使用Transformer基礎架構，朗新的能源大模型會針對行業數據去修改模型結構和訓練方法，能夠將時序數據處理能力與垂直領域know-how深度融合。
在構建了大模型后，朗新的另一個重點是“AI助手”，或者說是“智能體”。
“我們的最終目的，就是做一個以能源大模型為底座來驅動的具有自我進化能力的能源智能體。”黃飛進一步解釋道，在訓練的過程中他們發現，有一些突發的事件，比如說政策，或者是突發的惡劣天氣，會對他們負荷預測或者交易預測造成較大的影響，需要智能體具備自我進化的能力，能夠通過挖掘不同模態的信息來識別關鍵事件，避免“黑天鵝”。
從技術上來說，這是可以通過強化學習達到的，將以往數據當中不具備的訓練數據，用強化的方法探索出來，然后自動地在真實場景中進行各種試錯，從而知道哪些方向是正確的，哪些是錯誤的，進而將模型的參數導向正確的方向，模型就具備了一定的自我進化能力。
黃飛告訴DoNews，只是目前這種方法還要通過人工干預，并不能全自動，但他相信未來是可以實現的。“目前我們已經在一些局部的場景里面驗證了這個方法是OK的，正在快速往前演進。”
從實驗室到能源一線
激勵黃飛加入朗新的動力，就是希望將AI應用到具體的場景當中。因此，隨著大模型和智能體的技術成熟，AI也迅速地開始進入到能源行業的一線。
據公開資料介紹，在時序預測方向，朗新AI研究院開發了多種高精度模型，已廣泛應用于電力市場化交易和新能源充電領域，比如電力價格預測模型幫助交易主體精準預測市場波動，優化交易策略，降低交易風險；發電量預測和負荷預測模型則通過對電力供需的精確分析，支持電力資源的合理配置。
“現在在部分省份已經完全用AI的量化交易去替代傳統的人工交易了，”黃飛解釋道：“實際上我們的核心目的倒不是用來做降本增效，因為完全靠人工去做，在市場上沒有長期競爭優勢，所以電力的量化交易是未來的趨勢。”
在新能源充電領域，研究院通過車樁匹配預測和充電站選址優化模型，有效提升了充電網絡的效率與用戶滿意度。車樁匹配模型根據用戶需求、地理位置和實時電網負荷智能匹配充電樁，確保資源利用的最大化；選址優化模型則結合城市規劃和用戶分布，科學布局充電站點。
“其實最初目的也不是為了提升使用率，主要是為了降低充電風險。很多時候充電不成功或者是啟動失敗，就是因為車和充電樁是不匹配的。現在我們就可以通過數據驅動的方式訓練一個匹配模型出來，盡量做好匹配，降低充電的風險。”
在AI助手方向，朗新AI研究院推出了一系列智能化產品，覆蓋了生活助手、充電助手和智能問數助手等場景。“智能體這一塊，我們最核心的是一個意圖體系，這個意圖體系的底座也是大模型，意圖大模型。”
黃飛進一步介紹，比如“新電兔”充電助手，通過能源大模型結合用戶充電歷史數據、地理位置和車輛類型等信息，智能推薦最優充電方案，還為新能源充電運營商提供數據驅動的優化方案，提升充電網絡的運營效率。而智能問數助手則面向企業用戶，為企業數據分析與智能決策支持，目前在國家電網已經大規模應用。
“在AI助手方面，我們的布局還是比較遠的，可能現在業界特別是大廠也會這樣認為——未來都將是智能體的交互模式，而不是App了。誰能搶占智能體這個入口，誰就搶占了先機，我們朗新就希望在能源行業占據這樣的先發優勢。”黃飛說。
從大廠回歸傳統能源行業，對黃飛來說，一個非常大的困難就是團隊的研發模式乃至思維模式都產生了極大的變化。不過黃飛認為，同質化的競爭也沒有意義。所以我們一定會聚焦到我們的行業特性，利用大模型技術把行業以前解決不了的問題做得更好，做到在行業里非常有影響力和競爭力。”
而另一個極大的困難，就是行業的數據基礎和他預想的有一定的差距。
“我相信各行各業都面臨著同樣的問題，在進入一個行業之前，大家可能會擔心沒有足夠的行業數據。然而，當我們真正深入其中，會發現數據在數量和質量上都有待進一步提升。其次里面有很多的噪音，不足以支撐我們把模型訓練好。所以我們大量地用到了數據合成，在行業數據有限的情況下，有效提升了數據的數量和質量，確保了模型能夠成功訓練并取得良好的效果。”
未來，黃飛希望朗新AI研究院能夠在能源大模型的驅動下，做出一個獨特的能源行業的智能體，基于這個智能體去做交易、決策、因子分析等一系列的事情，成為專家級的行業助手。
“董事長將AI研究院視為集團‘戰略創新引擎’，給了我們一個‘零干擾’的純粹創新環境，真正踐行‘讓專業的人專注專業的事’。在這種機制保障下，我們的目標就是突破，全力以赴為前端業務提供強有力的支撐，成為業務發展的強大后盾。”黃飛總結道。或許，這就是垂類大模型最本真的意義——不做「追隨者」，而是成為行業進化的「隱形引擎」。
