2025年，AI的新宠Agent与世界模型同步崛起。在Agent不断渗透各类企业，改变工作之法时，作为机器人和自动驾驶的关键技术，世界模型也正推动AI迈向新高度，甚至被视作实现人类级智能的基石。各大科技巨头和大模型明星公司纷纷下场押注新技术，积极寻找产品和市场的契合点（PMF）。

其中，to B场景是AI玩家们追求应用落地、实现商业化闭环的必争之地。从已有实践来看，面向B端的企业级Agent和围绕“世界模型”的交互探索大多聚焦在金融、医疗、先进制造等数字化基础相对较好的垂直领域，而在更多的传统行业，鲜有AI主演的革新故事。

不过，总有先行者愿意探索新大陆。

AI，能源行业的最大变量

AI重塑千行百业，处在转型深水区的能源行业，同样在经历一场AI驱动、箭在弦上的产业性变革，尤其是在能源系统愈加复杂、政策导向市场化的行业发展趋势下。

能源系统，是一个涵盖能源生产、供给、输配、存储、使用等众多环节的生态体系，并与整个经济社会全行业的发展变化同频共振——这种内外因素多重叠加，共同决定了能源系统的高度复杂性。

从需求侧来说，全社会的能源整体用量不断攀升。以今年7月最新发布的数据为例，据国网能源研究院《中国电力供需分析报告（2025）》预测，2025年全国全社会用电量将达到10.3万亿千瓦时，比上年增长5%。

对应到供给侧，随着能源结构转型深入，以风光代表的新能源成为满足新增用能需求的关键力量。上述报告预计，2025年新能源新投产装机规模首次突破5亿千瓦。其中，太阳能发电新投产3.8亿千瓦，比上年增长35.5%；风电新投产1.4亿千瓦，比上年增长77.1%，创历史新高。

整体用量和新能源规模齐齐上涨的同时，能源行业还面临着一个流行趋势：分布式能源崛起。根据国际能源署（IEA）的预测，到2030年，全球分布式能源装机容量将达到1.4亿千瓦，相比2020年增长超过300%。

从我国情况来看，公开数据显示，2024年分布式光伏新增装机达1.2亿千瓦，占当年新增光伏发电装机的43%。发电量方面，2024年分布式光伏发电量3462亿千瓦时，占光伏发电量的41%。2024年3月，“分布式能源”首次被写入《政府工作报告》，行业进入快速发展期，成为能源转型的关键力量。

以上种种持续攀升的各类数据，共同指向了一个行业挑战：能源系统正在经历前所未有的复杂变化。

除了能源系统内部的结构性变化，外部因素的迭代更新，也加剧了能源系统的复杂程度。

其中最具代表性的因素，便是政策导向。今年初，国家发展改革委、国家能源局联合发布《关于深化新能源上网电价市场化改革促进新能源高质量发展的通知》，也就是引发业内高度关注的“136号文”，标志着新能源全面市场化的靴子正式落地。

对能源行业而言，“136号文”可谓一道改革分水岭。新政提出的“新能源上网电量原则上全部进入电力市场，上网电价通过市场交易形成”，成为新能源全面入市的发令枪，宣告上一时代“保底收益、政府定价”的结束。这意味着，新能源开发、工商业储能等企业将进入真刀真枪拼市场的新阶段。

从供需总量、供给方式和能源结构的变化，到新能源电力市场化改革迈出关键一步，这一切无疑为传统的能源行业，尤其是能源管理模式带来了更复杂、更强劲的冲击。全行业亟需一套适应复杂变化的转型新方法。

作为深耕能源行业三十余年的代表性企业，在新奥泛能网看来：“不转型一定会死，转型可能会找到一条出路。”

以大模型为代表的新一轮AI技术，为能源行业找寻出路创造了更多可能性和想象空间。能源+AI深度融合，这种新解法可以实现更高水平的数智化能源管理，让管理系统从过去的机械“工具人”进化为自治“智能体”，以应对高度复杂的能源行业演进——这正是新奥泛能网在做的事。

在传统的能源管理模式下，往往进行单点的信息采集，管理系统只能做到单点优化、局部寻优和决策，但这种“头痛医头、脚痛医脚”的模式难以实现全局协同和精细化调控。尤其在千变万化的现实工况中，能源系统的复杂性如同一个有机的智慧生命体，而非简单线性地执行点状指令的“工具人”。

与此同时，在外界的传统认知中，打造能源管理系统的“数智化”，等同于“上设备+传数据+写规则”，这导致系统在实际应用中浮于表面，数据资源难以转化为有效的决策行动。如此一来，系统自然会沦为摆设。

针对传统能源管理系统的痛点，新奥泛能网在2024年首次提出了能源自动驾驶概念，并基于此打造了一套被称作“能源领域自动驾驶”的核心技术架构，可以实现对管理系统的动态精准控制和全局寻优，破解传统管理模式的瓶颈。

当AI这一巨大变量不断向能源行业渗透，一场深刻的产业重塑已经从能源管理系统开始，掀开了全行业变革的黄金一角。

Agent 爆发前夜，能源AI的解题思路是什么？

当下各类Agent遍地开花，在众多的AI应用场景中，能源行业是一个高度复杂且离散化的选项，增加了AI落地于此的难度。

这是因为，能源行业的数字化发展程度不均衡，不同场景下的业务数据孤立存在，甚至没有数据，更难以形成有效的数据资产。这导致AI模型训练面临“巧妇难为无米之炊”的窘境。

更重要的是，能源应用于千行百业，这种“能源x行业细分场景”的交叉模式，需要兼具极强的AI技术能力和深刻的行业认知，才能精准地满足多元化的用能需求。

例如在人们常见的高端酒店，大堂、餐厅等公共区域的温度舒适，客房、泳池等私属空间的个性化体验，整座楼宇全年正常运转的背后，是涵盖空调系统、照明系统、生活热水系统、动力系统等复杂的生态体系，需要强大的管理调度能力。

这就要求能源管理系统不仅具备AI智能化能力，更需要深刻理解酒店内不同空间、不同场景下的业务逻辑和用能需求：既懂AI也懂酒店，才能更节能、更精准地管好一栋大楼的温度。

与酒店相比，能源领域的热门事物，虚拟电厂，看似距离普通人的生活很远，实则将深度影响人们的用电。有人将虚拟电厂比作“看不见的电厂”，它将用户侧的已有电力资源，比如空调、电动汽车充电桩、分布式光伏、源网荷储一体化园区等，通过物联网等技术进行聚合与协调。

因此，也有人将虚拟电厂比作"电力12306"，指向它在时间、空间、产品和交易这四个维度上的动态调度资源。但虚拟电厂作为能源互联网操作系统，其复杂性远超12306，从它需要协调兼顾的四个维度上可见一斑。

虚拟电厂的调度对象是电力资源，也就是说，它需要遵循电力市场的分钟级单元、电网的地区节点跨度、产品的多目标使用，以及电力交易的市场类型来进行动态调控。而兼顾“四维调度”，寻求全局最优解，仅凭AI难以实现。AI具备解决复杂问题的能力，但前提是要先理解复杂问题：既懂AI也懂电力，才能真正发挥虚拟电厂的最大价值。

由此不难看出，无论是日常场景还是垂直领域，能源行业里的破题点在于AI ，但仅有AI还远远不够。

数据与“深技术”，是AI落地的核心壁垒

面对复杂的能源问题，包括Agent智能体在内的AI技术，更像是武侠世界中的精妙招式，对敌时可以释放表层的战斗力。但高手过招，真正讲究的是内功心法，也就是能源行业knowhow的积累。

因此，检验能源领域的AI技术和产品，关键标准在于背后的企业是否有深耕能源行业，再进一步解释，就是能否用深入的行业数据，打磨出融合了AI的“深技术”。

那么，新奥泛能网为何会成为敢于探索AI落地能源新大陆的先行者？答案的关键词是：产业基因。

泛能网生于新奥三十多年的能源深耕，长于新奥的泛能业务，在AI落地的场景上自然而然地踏上了具有诸多难点的能源行业。

“数据是对产业的垂直认知。这类数据不同于互联网上的公开信息，它们来自用户侧设备，是一套实时物联的交互系统，属于私域数据。”新奥能源副总裁、新奥泛能网CEO程路博士解释说，“这就在比拼谁的产业基础更深，谁能够接触更多的产业终端用户，积累更多数据，对场景的认知更强。在AI落地的竞技场上，数据和技术，就是核心壁垒和护城河。”

基于深厚的产业认知和经验积累，泛能网将能源与AI模型、仿真等先进技术深度融合，以泛能仿真作为能碳专业能力认知平台的智能引擎，无限逼近真实能源世界，让能源的“世界模型”成为智能认知的基础，为动态解决方案智能生成、算法开发与验证等提供能力支撑。2024年，泛能网发布了能源+AI产品：能碳智控一体机。这也成为AI落地能源领域的代表性应用。经过一年实践与进化，能源+AI也找到了向纵深发展的更佳路径。

7月23日，泛能网将在北京举办“能源+AI 共创零碳未来”2025新产品发布会。届时，泛能网将发布升级版能碳智控一体机新品，分享能源垂直领域前瞻技术，解密多场景实战案例，并邀请生态合作伙伴展开跨界对话，共同探讨能源+AI深度融合新范式。

Agent时代，如泛能网能碳智控一体机一般的AI好产品，正在生态共建中加速生长。敬请期待新品亮相！

美就业数据恶化 分析预测美联储9月可能降息　　来源：格隆汇　　　　格隆汇9月7日|据央视，美国劳工部5日公布的数据显示，8月，美国失业率上升至4.3%，创近4年来新高。就业数据恶化强化了市场对美联储降息的预期，分析人士预计美联储或于9月开启新一轮降息