1月30日—31日，以“智赋未来 能启新篇”为主题的“中关村论坛系列活动——AI+能源发展大会”在北京中关村会议中心隆重举行。大会吸引了300多位来自政府部门、能源企业、产业链创新企业的代表及院士专家齐聚一堂，共探AI与能源产业融合发展的新路径、新机遇。
大会期间，中科天机气象科技有限公司总经理杨莉围绕AI在气象预测领域的应用实践、行业痛点及破局路径发表核心观点，明确提出“AI是提升气象预测精度与效率的核心赋能手段，但绝不能脱离物理约束与物理机理，唯有坚持‘物理模式驱动+AI技术加速’，才能真正为新能源产业提供可靠支撑”。
杨莉首先剖析了气象预测与新能源产业的核心关联。她表示，新能源产业天然具有“靠天吃饭”的属性，风电、光伏的出力稳定性直接受气象条件影响，而精准的气象预测是破解新能源波动性、随机性痛点的关键前提——无论是风场微观选址、光伏功率预测，还是能源设备运维、电力调度优化，都离不开高质量的气象数据支撑。但当前行业仍面临突出短板：新能源领域的精细化需求，风电场、光伏电站自建观测设备缺乏统一标准与专业维护，数据质量参差不齐且难以共享，导致气象预测准确率难以匹配新能源产业的实际需求，制约了新型电力系统的安全稳定运行。
针对这些行业痛点，中科天机总经理杨莉分享了中科天机依托AI技术深耕高精度气象数值模拟的实践成果。作为专注气象数值模式研发与商业气象数据服务的高新技术企业，中科天机依托母公司中科曙光的强大算力支撑，构建了独具特色的气象数值模拟技术体系——依托自主研发的“超级动力SD3”引擎，应用48张国产加速卡，仅1小时便可完成全球12公里分辨率的10天逐小时160项全要素的气象模拟，在同等分辨率下的计算资源消耗仅为美国业务模式的1/24，模拟效率优势显著。同时，公司积极推动AI与物理模式的深度融合，通过AI初始场优化提升数据质量，打破了“单纯依赖AI或单纯依赖物理模式”的局限，实现了预测精度与效率的双重提升。
此外，中科天机已于2025年9月启动高分辨率气象数据共享计划，全面开放160种气象要素数据，为新能源企业的数据融合、模型训练提供了便捷支撑，其中在为金风科技服务过程中，通过融合现场观测数据与自有模式数据，有效解决了复杂地形风场预测精度不足的难题，显著提升了风电场发电可靠性，成为AI赋能新能源气象服务的典型案例。
在肯定AI应用价值的同时，杨莉也直言当前AI在气象+新能源领域落地面临的三大核心瓶颈。一是初始数据获取有限，数据开放共享程度不足，尽管国家数据局已在推动可信数据空间建设、实现数据所有权与使用权分离，但目前实际落地应用仍较为有限，数据交易所多仅实现数据集陈列，未形成真正的交易流通，制约了AI模型的训练效果与技术落地速度；二是行业标准缺失，AI技术降低了行业进入门槛，导致市场出现“劣币驱逐良币”的现象，尤其在气象服务领域，针对新能源需求的精细化气象指标（如云层生消、风速突变等）缺乏统一评测体系，常规预测指标难以匹配新能源企业的实际需求，企业难以快速筛选到高质量、可直接应用的数据产品；三是产业协同不足，气象数据源头企业与下游新能源设备厂商、发电企业、储能企业的对接不够深入，源头企业难以精准把握下游精细化需求，下游企业也不了解气象数据的生产方式与技术演进方向，导致AI赋能难以形成闭环，未能充分发挥气象数据对新能源产业的支撑作用。
针对上述瓶颈，杨莉提出了明确的破局思路。她表示，破解难题的核心在于“上下联动、协同发力”，一方面需要国家层面持续推动数据开放共享，加快可信数据空间落地，完善数据资产交易机制，实现数据所有权与使用权的有效分离，让数据真正流动起来、发挥价值；另一方面，亟需行业内牵头制定统一的评测标准与服务规范，明确新能源领域精细化气象指标的评测要求，引导市场良性竞争，淘汰低效、低质量的服务供给。同时，要加强产业上下游协同，通过更多行业交流与合作，推动气象数据源头企业与新能源产业链企业深度对接，精准匹配需求与供给，让AI赋能下的高精度气象数据，真正成为新能源产业高质量发展的“稳定器”。
杨莉补充道，作为中科曙光旗下企业，中科天机始终坚守自主气象模式研发的核心，同时持续深化AI与物理机理的融合，未来将继续加大技术研发投入，优化气象预测算法与算力支撑，进一步丰富开放的气象要素数据类型，提升数据质量与服务精准度；同时积极参与行业标准制定，主动加强与新能源产业链企业的合作，推动气象数据与新能源场景的深度融合，坚守物理机理、依托AI赋能，为新型电力系统建设与新能源产业升级提供更加强有力的气象支撑。
