2025年Deepseek冲击波，电新全面智能时代开启

DeepSeek:效率跃迁引发的需求重构

(一)DeepSeek 加速 AI大时代来临，分布式能源需求可期

效率的跃迁以及开源生态的系统性构建助力AI大时代来临。首先，DeepSeek通过创新的算法技术以及工程优化，显著降低了训练和推理的成本，DeepSeek-R1的预训练费用只有557.6万美元,仅是OpenAIGPT-40模型训练成本的不到十分之一,成本优势下其API的定价仅是 OpenAlo1的三十分之一，但其性能表现却达到了全球顶尖的大模型水平。降本增效下 DeepSeek实现了“极致的性价比”，从经济性角度极大降低了企业AI部署的边际成本，AI商业化落地将全面加速其次，DeepSeek统一采用标准化、宽松的MITLicense，对其模型的算法、参数权重等完全开源，不限制商用，无需申请，全领域“模型蒸馏”成为可能，截至2025年2月7日DeepSeekV3在 GitHub上的星数已超越了 OpenAI成为该平台最受欢迎的项目。DeepSeek 高度开源的生态使得高水平AI的技术门槛近乎“崩塌”，各行各业的企业、甚至是个人也能借助基础模型训练出更适配的“定制化”模型，同时全球开发者的协作使得技术迭代周期进一步加快，应用加速推广。得益于效率的大幅提升和开源生态的建立，DeepSeek在冲击传统AI产业、重塑产业发展逻辑的同时，也将 AI发展的红利扩散到了其他行业。我们认为AI技术作为一种平台型技术，低成本及低壁垒的环境将成为AI全面提升社会生产力的重要催化剂,DeepSeek引发的剧烈讨论及开发、应用热潮预示着AI大时代未来已来，如:在金融领域，DeepSeek通过处理大量金融数据，助力机构进行精准风险预测和投资策略制定，提升决策效率和准确性;在医疗行业，其开源模型为医疗诊断等领域的二次开发提供了基础，推动技术迭代与协作创新;在教育领域，DeepSeek能够生成个性化学习方案，满足不同学生的学习需求，提高教学效果。

“杰文斯悙论”的启示:AI大时代下海量能源需求的释放。DeepSeek横空出世之际，市场担忧“顶尖 GPU 及顶尖算力是顶尖大模型的必要条件”的逻辑破灭，甚至否定了数据中心、高端算力等基础硬件价值，以英伟达为代表的相关美股在1月27日创下历史单日最大跌幅17%。但基于上文推断，我们认为DeepSeek的突破更重要意义在于其激活了更庞大的用户群体与更广泛的应用场景，AI大时代下，其能力的边界不断扩展(如多模态、复杂推理、通用人工智能)，从而引发更大规模的算力需求。这与经典的“杰文斯悖论”结论相符:当技术进步提高了效率，资源消耗不仅没有减少,反而激增。实际上 DeepSeek的兴起不会削弱高端芯片需求,而会促使大模型发展进入“算法进步→模型复杂化→硬件升级”的正向循环。

我们同样认为电力与算力都是A大时代下两大基础资源，AI对算力需求的刺激将同样作用于电力能源的需求。在我们团队发布的研究报告《数字经济:新能源需求新解法，技术赋能孵化新业态》中，我们详细阐述了以AI为核心的数字经济将会加速全社会生产生活活动的电气化，进而释放出海量电力需求，我们更进一步地测算了仅依靠数据中心建设即可贡献可观的风、光、储新增装机容量以及配套电网需求，光伏、锂电等新能源制造过剩产能有望得到有效消化。

AI发展的新基建是数据中心，产业绿色低碳乃大势所趋。2023年12月25日，国家发改委、工信部、能源局等五部门联合印发了《深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》，明确提出2025年底，算力电力双向协同机制初步形成，国家枢纽节点新建数据中心绿电占比需要超过80%，为数据中心供能用电划出清晰的准线。2024年1月，中共中央政治局第十一次集体学习中习总书记再次强调“绿色发展是高质量发展的底色,新质生产力本身就是绿色生产力”数字经济作为最重要的新质生产力，绿色低碳是必经之路。2024年7月，发改委、工信部等联合发布《数据中心绿色低碳发展专项行动计划》,明确了数据中心产业发展方向，新增全国数据中心可再生能源利用率年均增长 10%的目标等。全球市场以欧盟为例,《欧洲数字战略》、《塑造欧洲的数字未来》明确提出数据中心2030年前要实现气候中性。

新能源携手 AI走向更高水平未来。国内风光新能源的高速发展的同时也带来了消纳难题，据全国新能源消纳监测预警中心，2024年国内风光消纳率分别下滑至95.9%、96.8%，是近5年来最低值。为坚持实现双碳目标，促进新能源产业健康发展，政策中心转向多角度支持绿电消费，24年8月《关于 2024年可再生能源电力消纳责任权重及有关事项的通知》首次明确电解铝行业消纳比例成为重要标志。我们认为，AI大时代下算力相关行业行业将成为重要高耗能行业之一，同时作为新质生产力代表，有望被纳入长期政策目标，稳定支撑新能源需求增长。

DeepSeek加速边缘计算潮流，驱动分布式清洁能源系统发展。DeepSeek显著降低了模型训练和推理成本，降低对算力规模化、高端硬件的依赖，因此算力部署得以从大型数据中心向边缘节点扩散，一定程度上解构了传统集中式算力集群模式。这种效应将在“成本下降-应用边界拓展-规模化”的循环中不断增强，同时低延时实时推理计算、高数据安全性等需求将进一步促进AI边缘计算化。我们认为靠近终端用户的分布式算力节点必然催生匹配其功耗特征的本地化能源系统，叠加绿电消费要求，分布式清洁能源系统有望迎来发展良机。结合分布式新能源发展面临并网压力大、市场下项目投资收益率降低等背景，DeepSeek爆发带来的算力-电力分布式趋势也恰好能适配当前发展方向，促进分布式风光发展重回高增期。我们认为源网荷储一体化项目将成为AI大时代下的分布式能源供给的最优解法，微电网、虚拟电厂等新业态有望加速发展。2024年1月6日，腾讯天津高新云数据中心分布式新能源微电网项目正式并网发电，该项目总装机容量10.54MW。

储能刚雷性提升。大比例新能源发电受制于明显的间歇性、波动性及随机性，叠加电气化率提升，成为能源需求结构重塑过程中的系统性风险，分布式能源体系因其特性受影响或更大。为解决分布式清洁能源的系统性问题，使其能紧跟未来AI大时代的高速发展，发展新型储能技术是必经之路。储能本质上是一种灵活性资源，作用可以体现在电力系统中各个环节:1)发电环节，电站出力平滑控制，减少新能源波动对系统的冲击，大大提升消纳能力;2)输配电环节，储能可缓解电网阻塞、提供高质量调峰调频能力，从而缓解高额电网投资;3)负荷环节，提供强大的抗灾害、抗冲击能力，稳定输出高质量电力。在DeepSeek所带来的行业趋势下，我们认为能给算力提供稳定的能源供应支撑的新型储能将成为未来重要的基础能源设施，行业增长将迎来第二发展曲线

二)智算需求助推 AIDC高景气，供配电系统是核心

智算雷求爆发，DC向AIDC升级。目前传统数据中心受限于资源管理灵活性不足、架构合度高、工作负载管理相对静态等原因已无法满足 AI的发展，AIDC智算中心需求兴起。AIDC智算中心(AIDC即 ArtificialIntelligenceDataCenter)是以人工智能计算任务为主的数据中心:基于最新人工智能理论，采用领先的人工智能计算架构，提供人工智能应用所需算力服务、数据服务和算法服务的新型算力基础设施。AIDC智算中心与通用型IDC在技术架构、散热模式、应用场景、技术架构和客户群体多个方面存在显著差异。相较于AIDC智算中心，通用型IDC数据中心更多地提供物理空间租赁服务，而智算中心则在此基础上增加了对计算能力的需求。

AIDC算力密度增长带来芯片功率急剧攀升。随着算力需求增长持续以及散热技术提升，芯片功率不断提升。英伟达 GPU 芯片快速发展，A100、A800、H100、H800、GB100、GB200陆续升级,芯片运行功率也从A100的400W提升到GB200功率的 2700W。根据英伟达规划,2025、2026、2027年有望相继推出 Blackwell Ultra、Rubin、Rubin Ultra平台，我们认为芯片功率有望持续快速攀升。

AIDC单机柜功率攀升，2029年有望进入MW时代。未来，AIDC服务器批量搭载GB200及以上芯片，则数据中心机柜功率水平有望持续提升。根据华为预测，典型AIDC单机柜功率将攀升到100KW，相比较云DC功率增长将近20倍。据Vertiv预测，2024至2029年单机柜AIGPU 数量将从36个增长到576个，机柜的功率密度峰值有望从130-250KW提升到900-1000KW，进入MW时代。

全球数据中心IT电力需求提速，AIDC贡献增量达85%。超大规模AIDC耗电量极大，根据华为数据，一个拥有10万张智算卡的超大型 AIDC,其核心 IT 设备的电力需求超100MW，相当于7.5万户普通美国家庭的用电量，或是每小时熔化150多吨钢铁所需的电力。此外，根据SemiAnalysis研究,数据中心电源容量的复合年增长率将从 2022-2024年的12-15%加速到2025-2028年的25%。全球数据中心IT电力需求(指给服务器供电所计算的电力消耗，不包括制冷等其他设备电力消耗)将从2023年的49GW激增到2026年的96GW，AIDC驱动的电力需求占约40GW占增量的85%。

AIDC基础设施包括IT系统、供配电系统、制冷系统、消防系统、防雷与接地系统、场地、建筑等。IT系统主要由服务器、磁盘阵列、安全防护和网络设备组成，其中，服务器占比超50%，用于数据中心的计算与交换，磁盘阵列负责数据存储，安全防护提供安全保障，网络设备实现数据交换。供配电系统为数据中心提供电力引入和转换及停电保障，确保IT系统稳定运行。制冷系统包括制冷冷源和空调末端设备，用于冷却IT和配电系统。其他系统如消防等属于辅助系统。

供配电系统是 AIDC的核心。根据《数据中心的节能研究与实践》可知，AIDC供配电系统是包括配变电系统、备用电源系统、不间断电源系统、机架配从高压输入点至终端负载的整个电路，电系统等。

(1)配变电系统:包括10kV~20kV高压配电柜、变压器、0.4kV配电柜等，主要功能有电压变换、控制、计量、补偿等。高压配电柜将引入数据中心园区的6kV/10kV/35kV市电容量进行分配供后端变压器使用，变压器将高压电转换成380V/400V低压，低压配电柜完成配电容量分配，为数据中心IT系统、制冷系统、通信电源系统及其他系统进行供电。

(2)备用电源系统:10kV柴油发电机组(简称“油机”)、0.4kV柴油发电机组、发电机组并机柜等。在数据中心市电线路断电后，作为后备电源迅速启动，作为保障电源为后级配电系统提供保障用电，按照油机的输出电压等级不同分为10kV高压油机(在高压系统侧进行保障)和380V低

压油机(在低压系统侧进行保障)。(3)不间断电源供电系统:低压配电柜、UPS、直流电源，其主要功能是电源分配和确保负载电源稳定不间断。确保负载电源稳定是指在数据中心在市电断电后，油机系统启用前，保障数据中心IT系统的不间断供电，同时通过交流AC-直流DC、直流DC-交流AC的分级转化可为IT系统提供纯净、可靠的用电保护，常用的系统包含UPS系统和开关电源系统(-48V/336V/240V)等。电源分配是通过低压配电柜将主备2路交流电分配给UPS主机、直流电源主机、空调、附属设备等，将设备用电和附属设备用电分开。

(4)机架配电系统:列头配电柜及机架式配电单元。列头配电柜的主要作用是将通信电源系统的输出电能送到该列各机柜的电源匹配单元PDU,通过PDU实现对各机架电力的管理、监控和分发。机架式配电单元主要完成机架内部IT系统设备的配电容量分配。

从 PDU输出的电力进入服务器电源，AC/DC转换器会将UPS输出的交流电转化为48V/50V直流电，而后DC/DC转换器将48V/50V的直流电转换为12V、5V、3.3V等不同等级的直流电.以满足服务器中不同芯片和电路的工作电压需求。在服务器内部，为了更精确地给芯片供电，还会使用电压调节模块VRM。VRM 通常位于主板上，它的作用是将服务器电源输出的相对较高的直流电压进一步转换为芯片所需的非常精确的低电压，如1.2V、0.9V等。VRM 可以根据芯片的负载情况动态地调整输出电压和电流,以确保芯片在不同的工作状态下都能获得稳定、合适的电力供应。此外，柜内也可配置备用电池单元BBU、超级电容直接为IT设备供电。BBU和超级电容在GB2-中为选配，在GB300升级为标配。

(三)AI提速人形机器人产业化，关注零部件环节

自从特斯拉发布人形机器人 Optimus以来，硬件层面关节设计、动力驱动、感知和控制等关键方向持续突破，软件层面谷歌、微软、英伟达等在人形机器人运动控制算法、AI大模型领域已形成一定积累，形成感知、决策、控制闭环，提升机器人的智能水平。我国正加大人形机器人产业扶持力度，国内除了优必选、宇树科技、傅利叶智能、智元机器人等创业企业外，小米、科大讯飞等科技大厂以及华为、小鹏等造车新势力也纷纷入局。我们认为人形机器人有望成为具身智能最佳的载体之一，人工智能赋能及驱动下，海内外人形机器产业从萌芽概念阶段已经进入产业化落地前期。

市场增长潜力巨大。高工咨询GGI预测，全球人形机器人市场规模将从2014年的10.17亿美元增长到2030年的150亿美元，2024-2030年CAGR将超过56%，销量将从1.19万台左右增长至60.57万台;中国人形机器人市场规模将从2014年的21.58亿元增长到2030年的380亿元2024-2030年CAGR将超过61%，销量将从0.40万台左右增长至27.12万台。

海外量产提速，Deepseek降低成本，人形机器人0-1产业化在即。目前，美国科技引领人形机器人发展，特斯拉 2025年已制定千台量产目标。OpenAI也小规模研发机器人本体。苹果发布陪伴机器人 ELEGNT,原型机器是一个台灯形态的设备。它能够自然地与人类互动，并通过一系列行为表达“情感”。国内机器人政策暖风频吹，北京、上海、浙江、河北、安徽、四川等地方报告加速布局机器人战略产业。我们认为人工智能赋能及驱动下，海内外人形机器人产业已进入产业化落地前期，市场潜力巨大。Deepseek有效降低大模型训练成本，可低成本提供强大推理能力，有望改善人形机器人面对复杂任务时的指令理解、任务规划和分解能力，此外DeepSeek-VL 模型可助力机器人实现更精准的环境感知和理解，提升多模态交互性能，加速机器人在应用场景中的落地和产业发展。

(四)端侧智能化加速，带来消费电池需求放量

2024年全球消费电子行业复苏缓慢，消费电池增长乏力。一方面，后疫情时代全球经济增长复苏放缓，消费者收入受到影响，消费信心低迷，消费电子需求增长受到压制，另一方面，PC、智能手机等主要产品核心创新不足，性能边际提升小，设备更新周期延长，导致全球消费电子市场仍处于弱势复苏阶段。据iFind数据统计，2024年全球PC、智能手机出货量分别为2.62亿台、12.23亿部，同比增速 3.4%、5.2%仍处于较低水平。受下游需求压制，消费电池增长乏力，GGII统计显示 2024年消费电池出货量仅55+GWh，同比增速14%为所有锂电池品类最低。

DeepSeek有望大幅提升终端设备AI搭载率，创新驱动消费电子需求放量。个人消费电子场景丰富，传统于依赖云端服务器的AI大模型在应用时受制于成本及响应效率的双重制约，而DeepSeek所引导的成本优势效应以及开源特性将打破C端AI推广的瓶颈，在有限资源条件下也能实现高性能、个性化的AI智能体验:25年2月华为率先在纯血鸿蒙系统中的小艺App率先上架了 DeepSeek-R1智能体测试版，荣耀在 MagicOS 8.0中集成 DeepSeek-R1模型，使 YOYO 助理的AI回答准确率平均提升15%，特定场景下甚至达到85%，用户可通过语音交互直接调用本地化模型，极大优化了实时响应效率;联想与沐曦合作推出的DeepSeek智能体一体机。技术创新将推动消费电子产品的成长边界无限拓宽，这将有效刺激下游设备的新增、更新需求,本轮 AI驱动的行业增长爆发力或不亚于互联网普及带来的效应，行业有望重回高成长周期。IDC预测到2028年中国下一代AIPC年出货量将是2024年的60倍。

DeepSeek:高质量创新研发塑造高水平供给

AI深度全面赋能新能源产业促进高水平供给。以光伏/锂电为代表的新能源产业在研发创新层面具有较强的相似性，其技术创新突破依赖于材料科学为基础的前沿交叉学科发展，同时由于产业规模庞大，均面临从实验室克级制备到万吨级量产的工艺放大挑战，需在工程与装备技术领域实现协同创新。最终在行业发展的历史轨迹乃至底层逻辑上，体现为降本增效支撑的长期成长性，通过不断地高强度研发投入、设备国产化与工艺标准化构建规模经济壁垒，形成强大的行业供给能力。目前新能源产业普遍面临“产能过剩”的供给难题,单纯的规模化对行业进步的促进效应递减技术创新发展是实现突破的核心。而当前DeepSeek的爆发将使得AILLM在新能源行业的应用加速扩展，从研发生产等各个环节赋能行业，助力供给侧改革重回高水平增长赛道。我们以下将从锂电池产业出发，分析AI为新能源产业带来的强大驱动力。

电池研发是一项复杂且系统化的工程，包括电池材料的筛选，合成制备，表征测试等阶段，而传统电池研发主要采用实验试错方法，研发周期长且需要大量的资金投入，如日本丰田为筛选全固态电池电解质材料耗时30年、测试数万种配方仍未能量产。而AI技术可以通过对大量电池设计数据的学习和分析，快速生成多种设计方案，并对其进行性能评估和优化，大大提高了设计效率和准确性，以开发新型电池型号为例，人工智能可以将周期最低缩短至秒级，效率提升万倍。AI还可以通过对电池性能的精确预测，及时发现潜在的问题并进行优化，从而减少后期的修改和优化成本。

在电池的合成制备过程中，研发人员需要精确控制合成的反应条件以获得理想的材料特性，这些反应条件包括温度、压力等。例如锂金属负极与电解质的界面稳定性直接决定电池的安全性与寿命。传统实验很难全面了解界面上的复杂反应，而AI模型可以结合分子动力学模拟和实验数据，预测界面反应路径并设计更优的电解质材料。如华南理工大学研究人员利用AI模型对锂离子电池的界面反应进行建模，重点优化电池组件，为开发更稳定的电解质材料提供了方向。

在表征测试过程中，研发人员需要对电池材料的晶体结构、电化学性能以及热稳定性等关键属性进行测试和分析。传统方法需要通过长时间的测试来评估，而AI则可以显著提升预测速率及准确性，麻省理工学院、斯坦福大学和丰田研究所使用的AI算法可根据电池的5次充放电循环判断电池使用寿命，且判断结果准确率高达95%，预测值与电池实际寿命值误差在9%以内。

在工艺优化阶段，多种参数的优化是一个高度复杂的多变量问题，以固态电池为例，其制造对电解质的微观结构有严格要求。AI技术能够通过计算机视觉与优化算法分析材料制备过程中的参数，从而提高生产一致性并降低制造成本。

在电池全生命周期管理方面，为实现锂电池能在复杂的应用场景中保持高可靠性，传统研发需要大量的实证数据支撑BMS等系统的优化。而AI可以凭借强大的预测能力简化电池生命周期的管理，中科院大连化物所联合西交大开发的AI能有效地解决了对大量充电测试数据的依赖，为电池实时寿命预估提供了新的思路。此外AI甚至可以通过创新性材料实现电池寿命极限突破，复旦大学利用AI成功设计了从未被报道的锂载体分子，可以精准补充电池中损失的锂离子，实现容量的恢复。

AI大时代企业争相布局。海外市场方面，特斯拉通过AI优化BMS，使用深度学习和机器学习技术预测电池健康状态和寿命,并利用数据驱动方法改进超级充电与能量管理,LG新能源专门开发了AI平台用于于预测电池老化、失效模式以及能量管理优化。国内市场方面主要以头部企业为主,宁德时代2023年12月宣布将在香港设立国际研发中心聚焦于AIfor Science;此外初创企业也有望凭借AI技术红利实现弯道超车，欧阳明高院士团队孵化的企业界科能源2023年发布了全球首个

电池AI大模型 PERB2.0。我们认为龙头企业具备数据、资金、供应链的三大优势，将在AI大时代下增厚技术先发优势:1)优质数据优势:龙头企业基于长期规模优势积累，在工艺参数、产品性能数据、管理运维及失效模式数据库方面已形成海量结构化数据池，在专家化处理后数据质量更具备量级上的优势，DeepSeek爆发的启示之一即为优质训练数据对高水平 AI模型的核心作用，考虑到产业数据的高封闭性，DeepSeek带来的本地化部署趋势或将持续扩大企业间的研发差距，龙头企业在 AI赋能过程中确定性更高。

2)强大的资金支持:尽管 DeepSeek大幅降低了大模型的成本，但我们认为第一梯队的 AI研发能力仍然依赖于高性能的芯片以及顶尖的 AI、电池材料等复合技术人才储备，龙头企业高强度的研发投入能有效保证两项核心资源;另一方面，在面临技术路径选择时，龙头企业凭借资金实力能多线布局、动态调整资源分配，有效应对技术周期内的抗风险能力。

3)供应链整合能力:国内锂电产业的蓬勃发展离不开完善的全生态供应链，而龙头的长期积累以及供应链管理一方面使其具备强大的上下游议价权，成本压力小，另一方面拥有协调全产业链放大自身优势的能力，主导产品定义和产品研发，能够更高效利用AI技术。

基于以上判断，我们认为龙头企业有望将AI技术红利指数级放大，在技术高密集度的新能源行业，未来行业格局可能进一步分化，马太效应走强，或形成“龙头主导核心创新+中小企业聚焦细分产业链环节/应用场景”的技术生态分层,建议关注率先布局的头部企业,如宁德时代、阳光电源.隆基绿能等。

加速打造智能能源互联网，开启全面智能时代

(一)人工智能引领，加速打造能源互联网

传统电力体系灵活性不足、非智能、效率低下:1)供给依赖化石燃料，且发电侧往往是集中式管理，缺乏灵活性和适应性，难以快速响应需求的变化，也不利于可再生能源的整合利用;2)受限于老旧的技术和设备，尤其是在热电联产过程中大量热能未被有效利用，发电效率低下;3)大规模发电中心远离用能中心，提升了输配过程中的能源损耗，同时提高了系统的维护成本和复杂性，单向输电的模式也缺乏灵活性，无法有效应对供需波动;4)需求端信息孤立，缺乏有效的信息交流反馈等机制，大部分用户数据价值未充分挖掘，从而导致难以预测和响应消费者的实时需求、能源资源错配等问题。

电力体系走向“源网荷储一体化”。我国自1985年起经历了多轮电力体制改革，但作为能源消耗大国，依然面临着诸多严峻挑战，能源体系仍需持续深化改革以及优化升级。2021年3月，国家发改委、能源局发布《关于推进电力源网荷储一体化和多能互补发展的指导意见》，首提“源网荷储一体化”。2023年国家能源局发布《新型电力系统发展蓝皮书》，建设“源网荷储一体化”的新型电力系统成为国家战略目标，远期规划至2060年。“源网荷储一体化”已成为我国电力体系升级演化的重要方向。

数字技术深度赋能，助力能源体系升级变革。2016年电力行业首提“云大物移”技术概念，后随着人工智能、区块链、边缘计算等数字技术的应用逐渐成熟，最终形成了以“云大物移智链边’为代表的先进数字信息技术概念。《新型电力系统发展蓝皮书》明确了“新型电力系统以数字信息技术为重要驱动”，要广泛应用“云大物移智链边”等先进数字信息技术在电力系统各环节广泛应用.助力电力系统实现高度数字化、智慧化和网络化，推动以电力为核心的能源体系实现多种能源的高效转化和利用。我们认为，在经历多年的数字化改造后，我国能源体系已完成一定程度的升级，包括各种电力数据库的搭建等,而DeepSeek横空出世将成为能源体系升级变革的重要标志点,低成术高件能的大模型的广泛应用，更强大的数据分析-逻辑推理-优化决策能力将释放海量电力数据的巨大价值，人工智能将引领并加速其他数字技术的应用推广。

智能能源互联网为各个应用场景提供智慧增值服务:1)个性化家庭能源管理:未来以家庭为单位，可能成为小型能源站，自产风光等可再生能源，根据价格需求实时调整，借用峰谷套利等交易策略，将多余能源出售给电网，实现家庭电能消费最优化方案;2)柔性负荷智能城市:城市中的建筑、交通系统、公共设施等互联互通，电动汽车充电站、换电站能根据电网负荷自动调整充电功率,楼宇照明、空调等系统自适应，实现能效+舒适度双赢;3)工业能源优化:工厂能够实现能源的实时监控和管理，利用大数据和人工智能技术分析生产数据，预测能源需求，自动调整机器运行状态和生产线速度，降低不必要的能源消耗;4)能源安全管理:在面对自然灾害或其他紧急情况时能快速调整能源分配和优化恢复策略，确保关键基础设施和救援行动的能源供应，如在主电网断电时自动孤岛运行，为医院、救援中心等提供持续的能源支持。

能源互联网升级撬动万亿基建投资，智能设备升级大有可为。数字技术打造的能源互联网更高效，同时也更复杂，对高度可靠和宽带传输能力的电网基础设施的要求更高，同时获取精确、实时的终端数据，也需要更智能的设备，这将带动新一轮的基建投资热潮以及高端制造领域的大发展。首先，特高压及超高压骨干网建设，特别是柔性直流输电，支撑解决可再生能源大规模并网、大范围配置、柔性互联问题。第二，通过智能电表等终端双向计量，实时监测电网运行状态，双芯、多模块发展提升终端兼容性和可扩展性。

能源互联网创造新业态、新经济、新动能。算力和电力在技术、设施和机制多方面深度融合发展，涉及电力技术与数字技术、电力设施与算力设施、电力市场与数据市场、电网运行机制与数智创新规律等多方面的深度耦合，未来将催生电力算力一体化资源供给调配服务发展，有望持续培育新产业，催生新业态，例如绿证交易、虚拟电厂、功率预测、数字孪生、智能微网、V2G以及 V2H车联网，拓展社会价值创造体系。这些新兴产业具备广阔的市场空间，未来将为我国经济社会发展注入新动能。

(二)DeepSeek 催化，AGI开启能源系统全面智能时代

传统人工智能指专注于特定任务或领域(如语言翻译、图像识别或在特定游戏中与人类竞争)的人工智能系统，代表有AlphaGo等，其特点是适用范围有限，无法进行自我学习并进行知识推广，可理解为“弱 AI”。实际上，现有能源体系已不乏“弱AI”的实践应用，但其发展速度相对缓慢。2022年以大语言模型为核心的ChatGPT发布，开启通用人工智能(AGI)元年。AGI最大优势在于适应性和泛化能力，能够理解、学习并应用跨多个领域和环境的知识，甚至解决之前未遇到的问题，展现出超越传统AI乃至人类的理解、逻辑推理能力。

电网企业加速布局AI，适配 DeepSeek大模型。DeepSeek作为目前最热门的AGI大模型之，其高性能、低成本的特性又极大程度地解决了部署门槛高的问题，催化各领域开始或加速智能化改造，AGI应用将得到空前繁荣。国家电网和南方电网作为电网投资主体，持续布局人工智能，2024年12月，国家电网公司举行发布电力大模型，建成覆盖公司总部和27家省公司的统一开放人工智能技术创新平台。2025年2月,南方电网人工智能创新平台完成了开源大模型DeepSeek的本地部署，电力大模型体系全面引入、适配了DeepSeek系列模型，并已正式开放使用，为南方电网提供更加精准和高效的数据分析与处理方案。国家电网旗下国网信通产业集团研发的模型服务云MSC平台，也已全面接入DeepSeek大模型，二者深度融合将提高平台智能化生产能力，提升电网数字化项目研发效率。我们认为随着电网企业加大AI投入，电网投资将向信息化、智能化倾斜，配用电智能化可期。

AGI系统具备理解、展示知识、学习、规划、推理、决策等多种复杂能力:1)理解和展示知识:能够学习和理解各种类型的知识，并能够以可操作的形式表示这些知识:2)学习:能够从经验中学习和改进自己的行为和决策,并能够自适应地适应新环境和新任务;3)创新与创造:深度理解数学、物理规律，能融会贯通不同知识，在此基础上进行创新创造;4)推理、策略、解决问题和在不确定环境下做出决策:能够处理复杂的问题和任务，并且在面临不确定性和模糊性时能够做出正确的决策;5)规划:能够规划未来的行动和决策，并且能够考虑多种可能性和场景;6)多元化输入信息处理和交互:能够理解和处理人类的自然语言和图像等信息,并能够与人类进行有效的交互和沟通。得益于数据量的快速增长、计算能力的大幅提升以及机器学习算法的持续优化，目前的 AGI已在大部分任务中具备与人类相似甚至超越人类的能力。以电力生产、传输、运行、控制等全过程海量数据作为数据基础，融合外部系统相关信息，AGI在智能能源体系建设过程中展现出非凡的优势和广阔的应用前景。在AGI技术的加持下，智能能源体系有望开启新一轮加速变革期，同时我们预期市场成长空间将进一步扩大。

能源负荷与供给的全面预测。AGI能够充分利用社会心理学、环境科学等跨学科知识，深入分析和理解个体用能信息。以一个典型的家庭为例，AGI通过分析家庭成员的行为模式、居住环境和日常习惯,构建出精确的用户使用电能画像,比如，通过分析工作日和休息日的能源使用数据，AGI能够预测家庭在不同时间段的能源需求。同时，它还能实时接入气象数据，预测太阳能和风能发电的潜在供给,从而为家庭提供量身定制的能源使用和生产建议。这不仅优化了个别家庭的能源利用,还有助于平衡整个区域的能源供需。例如，家庭私家车也将成为重要储能设备，在物联网系统下依靠AGI分析电力价格、用车习惯等信息实现自充自放,甚至获取一定电力交易收益;在制造工厂中,AGI通过分析生产流程、设备特性和历史能源数据，精确预测工厂的能源需求，结合市场能源价格和可再生能源供应情况，AGI能够为工厂制定最优的能源购买和使用策略，减少能源成本同时降低环境影响。

完全自主调节的能源管理系统。AGI可以通过分析区域内各类建筑的能源使用数据实现自适应能源管理，如商业楼宇、购物中心、餐馆、工业园区等，AGI能够预测整个区域的能源需求曲线。结合客流量、经营情况等信息和实时环境数据，AGI能够指导区域内的能源分配，优化从可再生能源到传统能源的使用比例。例如未来智能住宅中，AGI能够监控和调整整个社区的能源使用，通过分析每户人家的能源使用习惯、天气信息、以及可再生能源的实时产量,自动优化能源分配和消费,在高峰能源需求时调用家庭的储能设备，按需控制部分家庭的供暖/冷情况，自动向临近的电力微网系统购买电力。在制造工厂中，AGI能全面调度园区的热、电、冷等能源系统，结合能源价格、生产任务等输入调节高效的分配能源流向，制定日间短期生产节奏，实现节能增效。

跨区域能源优化与合作。AGI通过整合和分析不同地区的能源数据，利用深度学习和预测模型预测各区域的能源需求和供应。它运用复杂的多目标优化技术，考虑成本、能源损耗和环境影响，制定最优的能源调配方案，实现能源从供应充足的地区高效流向需求较大的地区。此外，AGI协调地区间的能源共享，通过智能电网互联互通，实现能源的最优配置和区域间合作，提高能源效率，降低成本和环境影响。

电力自动化调度。AGI可以将历史调度员行为数据、事故数据等总结概括为更加通用的、可解释的调度经验知识，以改进结构化知识的弱点，寻找更直观高效的调度路径，创新出更高效的多能源种类、多设备类型和多系统融合发展的调度模型，实现经济性、安全性、低性、各个主体博弈关系、与其他能源系统配合等多个角度的最大效用。当系统出现突发情况,如某输电节点异常损坏,AGI能充分分析电气参数等状态量，甚至利用物联网调取其他设备的环境视觉信息，全面分析事故情况，迅速量化各种解决方案的成本收益并通知应急单位相应，同时做好相关的维护工作，最小限

度降低负面影响。电力系统巡检及故障诊断。AGI可以配合无人智能机器人，利用搭载的可见光或者红外传感器来对目标线路进行图像获取，在获取到相关的电力设备图像之后，依托深度学习、机器学习等相关技术直接对目标图像进行检测，对图像进行电气设备、非关键障碍物等各种对象的识别。例如在偏远的光伏大基地，可以远程识别各种遮挡物(树叶、积灰等)，真实的判断电池片内部短路、线路老

化、断栅故障等，提高准确性和效率。灾害响应和能源恢复。在面对自然灾害时，AGI能够迅速评估灾害对能源系统的影响，并协调资源进行有效响应。以飓风为例，AGI可以提前预测飓风路径和强度，评估对电网的潜在影响，并提前调整能源分配，减轻损害。灾后，AGI能够指导快速恢复计划，优先恢复关键基础设施的能源供应，最大限度减少对社会和经济的影响。

1、深度赋能应用场景之一:虚拟电厂

电改出台纲领性文件,虚拟电厂获得主体地位。近年来电力市场红火,但构建电力市场的“1+N政策体系的总纲领文件《电力市场运行基本规则》直至2024年4月才出台，而后《电力市场监管办法》、《电力市场注册基本规则(征求意见稿)》相继出台，我们认为后续政策有望深化细化改革。2024年11月，国家能源局发布《关于支持电力领域新型经营主体创新发展的指导意见》,鼓励虚拟电厂作为新型经营主体平等参与电力市场。一系列文件中，虚拟电厂深度受益，目前已具备电力经营主体地位(《电力现货市场基本规则(试行)》明确)，电力交易主体地位(《电力现货市场基本规则(试行)》明确)，从2019年前虚拟电厂主要实行需求侧响应，逐渐转向参与辅助服务，并随着电力现货市场建设的不断推进向现货市场套利模式转变。

电力现货市场加速推进，虚拟电厂商业化逐渐清晰。根据《南方能源观察》信息，我国现货市场正由试点地区向全国范围推广。目前，现货市场已有两批试点省份(地区)，南方区域电力市场自2023年底由连续结算试运行转入正式运行，2024年全国大部分地区的电力现货市场都已步入结算试运行阶段，其中广东、山西、山东、甘肃已转入正式运行。未来现货市场有望发挥价格发现功能，虚拟电厂可同时在中长期、现货、辅助服务市场等多个市场中获取收益，积极地响应现货市场价格信号，实现收益最大化。

电源型或混合型虚拟电厂发展空间更大，有望逐步成为常态化刚性需求。随着低压侧分布式光伏、电动汽车、充电桩大比例接入，电网要求此类新业务要具备可观可测可控的基本条件。国网预测 2024-2025年低压侧分布式光伏新增装机将超过1亿千瓦，虚拟电厂整体投资仍按照200元/千瓦测算，2025年电源型虚拟电厂市场空间约200亿元。

2、深度赋能应用场景之一:功率预测

人工智能算法有效提高功率预测准确性。早期的物理驱动建模多是通过求解流体力学、热力学高维方程组等方法，过程复杂，模型参数获取困难。近年来，基于人工智能算法的功率预测利用统计学和深度学习等方法来学习历史功率和天气等数据样本的潜在规律，建立历史数据和预测目标之间的映射关系，有效提高了新能源功率预测的准确性和效率。以金风慧能为例，其基于英特尔统的大数据分析和 AI平台-AnalyticsZoo将预测准确率从传统方案的59%提升到79.41%。市场空间可期，集中度高。沙利文《中国新能源软件及数据服务行业研究报告》数据显示，截至2019年我国发电功率预测市场规模约6.34亿元，预计2024年市场规模或将增长至约13.41亿元(光伏、风电发电功率分别为6.51亿元、6.90亿元),2019-2024年年均复合增长率达到16.2%。在功率预测领域，企业的核心竞争力在于功率预测的精度，对产品问题的快速反馈和对客户需求的及时响应等优质的后续服务。市场参与方主要包括新能源设备商、新能源管理专业化企业。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）