2025年上半年，中国弃风率5.7%、弃光率6.6%，较2024年几乎翻倍。西藏弃光率高达33.9%。意思是：将近三分之一的光伏电，发出来了，电网接不住，只能扔掉。

中国新能源装机全球第一，可装得越多，扔得越多。这不合常理。

问题不在发电，在平衡。电网每时每刻的供电量必须和用电量严丝合缝地匹配，多了少了都会出事。火电可以随调随控，风光不行——风停了、云来了，出力就掉。装机增长远快于电网平衡能力的增长，差额就是扔掉的那些电。

AI明明能帮电网做更好的预测和调度，减少弃风弃光。可它进来的速度，远比想象中慢。

原因不是技术不够好。是能源行业赚钱的逻辑，和AI提效的逻辑，根本拧着。

01 能源行业卖的不是电

———

能源行业真正卖的是"确定性"——你按下开关，灯就亮；你插上充电枪，电就来。这种确定性背后，是一整套庞大的实时平衡系统：发电量必须时刻追着用电量走，差一点点，轻则电压波动，重则大面积停电。

制造这种确定性，能源行业用了一个最朴素也最贵的办法：冗余。多建几座电站备着，多拉几条线路备着，多留一些发电余量备着。备着，就是浪费着——但这个浪费，是确定性的价格。

02 一度电的钱，被谁分走了

———

电从生产到消费，钱大致流过四道关。

上游是发电。火电、水电、核电赚的是"燃料成本与上网电价的差"，利润受煤价和政策两头挤，越来越薄。风电、光伏赚的是"一度电的边际成本几乎为零"——风和阳光不要钱，一旦建好回本，后面全是利润。但前期投入巨大，回报周期十年起步。

中间是输配电——电网。这是整条链上最稳的一段。电网不发电也不卖电，赚的是"过路费"：电从发电厂送到用户家里，经过它的线路，按输电量收钱。这个商业模式有个隐含的前提：电必须从远处送过来。如果电就在用户旁边发、旁边用，电网的过路费就收不着了。

再往下是售电——现在放开了竞争，但大部分用户还是按目录电价买电，利润空间有限。

最末端是用电，消费者付钱，没有议价权。

03 维持平衡这件事，靠什么运转

———

把"维持供需平衡"拆成几步看。

第一步，负荷预测。预测明天每小时用多少电。这是调度的起点，也是AI最容易切入的地方——过去靠经验加历史数据，现在靠机器学习。

第二步，发电调度。根据负荷预测，决定哪些机组发多少电。火电好调度，随叫随到；风光难调度，出力看天。调度员的判断力在这一步最关键——要在经济性、安全性、环保指标之间找平衡。

第三步，输电配送。电从发电厂经过变电站、输电线路送到用户。这一步最依赖物理资产，也最依赖实时监控——哪条线路过载了、哪个变电站有异常，需要及时发现处理。

第四步，实时调频调压。电网频率必须稳定在50赫兹，偏差大了就出事。这一步靠自动装置加人工干预，反应以秒计。

第五步，应对突发。一台机组跳闸、一条线路故障、一场极端天气——调度中心必须在几分钟内重新平衡系统。这是最考验人的环节，也是最不敢交给AI的环节。

五步里，第一步和第二步最依赖"判断"，也最可能被AI优化。第四步已经高度自动化。第三步正在被AI巡检渗透。第五步——突发应对——是AI最想碰但最碰不了的地方，因为它要求"零错误"，而AI的强项不在零错误，在概率优化。

04 谁在控制这个行业的结果

———

能源行业的权力分三层。

执行层是发电企业和运维人员。他们管的是"把电发出来、把设备转起来"。壁垒是物理资产和运维经验。这一层最容易被AI渗透——预测性维护、智能巡检、故障诊断，都在切进来。

调度层是电网调度中心。这是整个电力系统的"大脑"——决定哪台机组发多少电、电往哪送、负荷怎么分配。调度权是能源行业最核心的权力，因为它直接关系安全。调度员的壁垒不是技术，是"在极端情况下做对决策"的能力和承担后果的责任。这一层AI想进但进不来——不是能力不够，是没人敢让AI承担安全责任。

定义层是政府和监管机构。电价怎么定、补贴给谁、新能源配多少、电网投资批不批——规则都在这一层。定价权表面上在政府，实际上在"安全底线"——任何改革都不能威胁电网安全，这条底线把所有创新空间框死了。

05 藏起来的权力：调度权

———

能源行业最隐蔽的权力，是"调度权"。

电不像粮食可以囤着卖，也不像信息可以复制传播。电发出来必须马上用掉，供需必须在每一个瞬间平衡。谁来平衡？调度中心。它决定哪个电厂发、发多少、电往哪条线路上送。

这个权力大到什么程度？一个省级调度中心，一天要发上千条调度指令，每一条指令背后都是几百万到几千万的经济利益——让谁多发，谁就多赚钱；让谁停机，谁就亏钱。调度指令的依据是什么？是安全约束下的经济优化——但"安全约束"的解释权在调度手里，这就留了巨大的裁量空间。

AI想做的是"把调度决策交给算法"——用预测和优化算法替代人的经验判断。但这等于动了调度权的根基。且不说技术上能不能做到，光是"让算法替我下调度指令，出了事谁担责"这个问题，就足以让所有调度中心把AI挡在"辅助参考"的位置上。

06 AI正在从哪里切入

———

AI进能源，不是正面突破，是绕着调度权，从边缘往里渗透。

第一层，预测。AI负荷预测和新能源出力预测，是最成熟也最无争议的切入点。Google的DeepMind曾与英国能源公司Engie合作，用AI预测风电出力；国内多家省级电网也在用AI做短期负荷预测，精度比传统统计模型高出一截。预测准了，调度员心里有底，备用的冗余容量就能少留一点。这一层已发生，但主要还是"给调度员参考"，没有触及决策权本身。

第二层，巡检与运维。国家电网的智能巡检机器人和无人机巡检系统，已在变电站和输电线路上大规模部署。据媒体引用的案例，2024年某变电站的AI预警系统提前30分钟识别了火灾异常。AI在这里替代的是"人的眼睛和腿"——翻山越岭巡线、半夜盯屏幕看数据的工作。落地程度：已规模化，但替代的是执行层，不碰调度层。

第三层，虚拟电厂（VPP）。这是AI切入能源最锋利的一刀。虚拟电厂不发电，它用算法把分散在各处的分布式资源——屋顶光伏、储能电池、电动车充电桩、可调节负荷——聚合起来，当成一个"电厂"来调度。2025年3月，国家发改委、国家能源局专门发文加快推进虚拟电厂发展。有研究机构预测，中国虚拟电厂市场规模2025年约百亿元级，2030年有望突破千亿元（预测数据，不同机构口径有差异）。

VPP的颠覆性在于：它绕开了传统电网的集中调度模式。过去调度中心直接指挥大型电厂；VPP在中间插了一层，用AI自己调度底下的分布式资源。等于在电网的"大脑"之外，长出了无数个"小脑"。落地程度：政策东风已至，商业模式还在跑通，1-2年内开始规模化。

第四层，能源交易优化。特斯拉的Autobidder平台已在英国等地运营——它让储能电池自动在电力市场上交易，什么时候充、什么时候放、卖多少钱，算法实时决策。国内类似探索也在起步。这一层把AI从"调度辅助"推进到了"交易主体"。落地程度：海外已有成熟案例，国内受电力市场化改革进度制约，3-5年后才有规模。

07 推力与阻力：一个靠冗余赚钱的行业，容不下一个消灭冗余的技术

———

先说推力。

推力不在AI有多强，在新能源逼得有多紧。风光装机狂飙，出力却看天。2025年上半年弃风弃光率几乎翻倍，意味着越来越多的清洁电发出来用不上——这是实打实的经济损失，也是"双碳"目标的政治压力。靠传统的"多建线路、多建储能"来解，投资以万亿计，周期还长。AI几乎是被需要推着进来的：更准的预测、更聪明的调度、更灵活的需求响应——这些不需要新增物理资产，靠软件就能见效。对政府来说，这是性价比最高的方案。

阻力呢？不是监管不够开放——政策层面已经在推了。不是从业者排斥——电网工人巴不得AI替他们巡线。是经济结构。能源行业的商业模式本身，跟AI提效的逻辑拧着。

拧在三个地方。

第一，重资产长周期，和AI的快迭代拧着。一条特高压输电线路投资上百亿，折旧期三四十年；一座火电站投资几十亿，设计寿命三十年。这些资产已经投下去了，还在还本付息。AI说它有更好的调度方式，可以让这条线路少跑三分之一的电——但线路不会因为你少跑电就少折旧。你不会因为有了更聪明的算法就把还在还贷的电站提前关掉。AI可以两周更新一次版本，电网不能跟着改。软件的节奏和硬件的节奏差了一个数量级。

第二，过路费模式，和"省电"拧着。电网公司按输电量收过路费。电送得越多，赚得越多。AI做的事——负荷预测让用电更精准、需求响应削掉尖峰负荷、分布式资源就地消纳——指向同一个结果：需要远距离输送的电变少了。电送得少了，过路费就少了。

第三，零容错文化，和AI的试错进化拧着。AI变强的方式是迭代——训练、测试、犯错、修正、再训练。但电网不能犯错。一次调度失误可能导致大面积停电，一次误判可能导致设备损毁甚至人身事故。电力系统的安全标准是"零事故"，不是"大概率没事"。AI可以在模拟环境里试一万次错，但真实电网不允许它"试"一次。结果就是：AI只能被放在"辅助参考"的位置上，永远不能做最终决策。一个永远不能做决策的AI，进化速度是受限的——它拿不到真实决策的反馈，就学不到真实场景的复杂性。

这三道拧，不是靠"技术进步"能解决的。它们长在能源行业的经济结构里——重资产的物理基础、过路费的盈利模式、零容错的安全文化，三样东西加在一起，构成了一道AI正面攻不破的墙。

但墙会被绕过。虚拟电厂、分布式储能、电动车充电网络——这些新资产不在旧电网的折旧表上，它们的调度逻辑不受传统调度中心管。AI不是在正面攻破电网的壁垒，是在电网够不着的地方，建一套新的平衡系统。等这套系统足够大，传统电网会发现：不是AI推翻了你，是你自己变得不重要了。

08 2028年会长什么样

———

（以下为预测）

到2028年，虚拟电厂大概率从试点走向规模化运营。工商业储能、电动车充电桩、可调节负荷被AI聚合调度，形成一个与传统电网调度中心并行运作的"影子调度系统"。用户未必感知到，但背后是算法在决定你家充电桩什么时候充电最便宜、楼顶光伏发的电什么时候卖给电网最划算。

电网调度中心不会消失，但角色会变。从"直接指挥每一个电厂"，变成"设定安全边界，让分布式资源在边界内自己优化"。调度员从"发指令的人"变成"管边界的人"——管的是规则和底线，不是逐条指令。

新能源预测精度进一步提升，弃风弃光率有望回落。但这不意味着"冗余"消失——冗余从"物理备用"变成了"算法备用"，从"多建一座电站"变成了"多接一个VPP"。

能源交易层面，随着电力现货市场在全国铺开，AI自动交易会成为储能电站和大型工商业用户的标配。什么时候充电、什么时候放电、在哪个时段报价，算法毫秒级决策。电力市场会变得更像一个高频交易市场。

09 2028年谁赢谁输

———

被边缘化的人有一个共同特征：工作内容是"盯和等"——盯着屏幕等异常信号，按规程做例行巡检。AI预测越准、巡检越自动化，这类岗位的价值缩水越快。安全责任还在人身上，但人变成了"AI建议的盖章者"，盖章的间隔越来越短。

要转身的人是电站运维和电网规划。运维不是被AI替代，是不会用AI的人被会用AI的人替代——同样一台机组，有人靠AI提前一个月预警故障，有人等坏了才发现。电网规划面临更深层的变化：过去按"最大负荷加冗余"配容量，未来要懂分布式资源怎么参与平衡，规划逻辑从"建够物理资产"转向"调够灵活资源"。

会升值的人站在AI和能源系统的交叉点上。既懂电力系统运行规律、又懂机器学习和优化算法的人，现在极度稀缺。虚拟电厂的调度算法怎么设计才不撞安全约束？需求响应模型怎么训练才能让用户既省电又不难受？这类问题要的是跨界判断力。还有一类人也在升值：懂电力市场规则的人。AI做交易，规则是人定的——谁在规则制定中抢了先，谁就让AI在合法框架内为自己赚更多的钱。

10 现在该做什么

———

三个方向，看你站在哪。

一个底线。别让AI碰安全决策。在能源系统的关键环节，AI永远只能是建议者。不是它不够聪明，是电网出不起一次错的代价。你能做的最有价值的事，不是比AI算得更准，是比AI更早识别它什么时候在犯蠢。