算力、算法和数据构成了人工智能训练的三大基石，然而，在众多关注点中，能源在AI训练过程中的核心地位往往被忽视。实际上，AI训练是一项能源消耗巨大的活动。以ChatGPT为例，其每天的耗电量足以供一个美国家庭使用超过40年。更有观点指出，AI的发展瓶颈在于算力，而算力的提升又依赖于能源的供应。可以说，能源在AI训练中的地位不容小觑，它是推动AI技术进步的关键驱动力。
在实现“双碳”目标的大环境下，我国人工智能产业正寻求减排和降低能耗的有效途径。依托于AI和未来能源技术的领先地位，上海正多方努力探索“算能融合”的新模式。通过AI技术的“节流”作用提升能源使用效率，同时通过电力“开源”策略确保AI算力所需的能源供应。
“算能融合”“算电协同”是AI行业破局的关键词。行业专家普遍认为，AI技术能优化能源配置，即“以算促能”，而能源突破还能弥补AI算力的短板，即“以能补算”。
利用AI技术优化电网韧性，全球已有成功案例，比如英国电网引入谷歌DeepMind的风能预测系统后，调度效率提升20%，运营成本和电网安全也得到可靠保障。
在上海电网春季检修期间，浦东供电公司调度员魏英杰运用“AI大脑”的主配融合负荷转供智能体，仅用时3分钟便高效完成35千伏变电站全站失电故障处置模拟，负荷转供方案编制时间缩短至30秒以内，且方案准确率达到100%。
AI提升电网稳定性的同时，也进一步优化了AI自身发展所需的能耗，电力需求与AI产业形成了正向循环。
集成电路、数据中心等人工智能产业的快速发展对电能质量提出了极高的要求。浦东供电公司临港能源服务中心的运营专职罗潇在接受记者采访时指出，尽管毫秒级的电压波动对传统生产线的影响微乎其微，但对于AI相关设备而言，这种微小的电压波动却异常敏感。哪怕电压波动超出了几毫秒的阈值，也可能导致设备遭受数十万甚至百万级的损失。此外，临港新片区聚集了众多AI产业集群，且区域内光伏发电、海上风电等绿色能源的占比相当高。众多新能源源头的并入电网，为区域电能质量管理带来了前所未有的挑战。
针对这一挑战，上海AI领域的领军企业达卯智能，依托其自主研发的能源大模型，成功推出了“算电协同”解决方案。该方案巧妙地将原本无序的算力波动转变为有序的算力调度任务，不仅确保了电网的稳定运行，而且在节能降耗方面也取得了显著成效。具体数据表明，经过达卯智能的优化，商汤临港智算中心的能源利用效率指标得到了显著提升，从原来的1.74成功降至1.3以下，充分展现了达卯智能在能源管理领域的创新实力和领先地位。
