能源管理进入智能体时代｜思格新能源亮相第二十届沙利文峰会

思格新能源副总裁、中央研发部总裁刘秦维受邀出席“半导体和AI基础设施产业与投资论坛”，并发表题为《能源管理进入智能体时代——AI驱动新能源系统从自动化走向自治化》的主题演讲，分享思格对AI智能体发展、新能源系统演进及“AI+新能源”产业实践的思考。

「新能源与人工智能，正在加速交汇」

刘秦维指出，当前，新能源与人工智能正在同步经历深刻变革。

一方面，随着光伏、风电和储能加速规模化发展，新能源正从传统能源的有效补充，逐步迈向能源体系的重要支撑。但新能源占比越高，系统运行也越复杂。天气、负荷、电价、电网信号和设备状态持续变化，海量分布式设备又需要实时协同，传统依赖固定规则和人工经验的管理方式，已难以适应这一变化。新能源走向主力能源，迫切需要AI提升预测、决策和调度能力。

另一方面，人工智能也正从“会回答”迈向“会行动”。大语言模型不断增强理解、推理和任务规划能力，工具生态让AI能够调用系统、执行任务，MCP等开放协议则为智能体连接业务系统和物理设备提供了标准化接口。与此同时，AI基础设施的持续扩张，也对稳定、高效、绿色的能源供给提出更高要求；AI要真正走出数字世界，同样需要能源行业这样拥有海量设备、真实数据和复杂任务闭环的产业场景。

“新能源需要AI来应对日益增长的系统复杂度，AI也需要能源提供算力支撑和进入物理世界的应用场景。两者并不是简单叠加，而是在相互推动中加速融合。”刘秦维表示，“如果说大模型为AI提供了能够思考的‘大脑’，工具生态赋予了它执行任务的‘手脚’，标准化协议则为智能体打开了通往物理世界的大门。”

「能源管理，从自动化走向自治化」

在刘秦维看来，自动化与自治化的根本区别，在于系统能否围绕目标自主寻找最优解，“自动化解决的是按照预设规则完成任务，自治化解决的则是在目标和边界明确的前提下，自主判断应该如何完成任务。”

在家庭场景中，系统需要综合光伏发电、家庭负荷、电池状态、电价和备电需求；在工商业场景中，还要考虑生产计划、峰谷套利、需量控制和经营目标；在大型电站场景中，则涉及多设备、多站点、电网调度和电力市场之间的协同。

这些变量相互叠加，形成了传统规则难以穷尽的复杂组合。未来，用户不应再持续操作每一台设备、调整每一个参数，而应由人设定目标与安全边界，由AI结合实时数据完成分析、规划和执行，并根据运行结果持续优化。

“能源系统的角色，也将由被动响应的设备，逐步转变为能够感知环境、理解目标、自主决策并不断学习的智能系统。”刘秦维说。

「“AI in All”构建能源自治闭环」

基于对产业趋势的判断，思格新能源从成立之初便推动人工智能与新能源深度融合。在思格看来，AI不是能源设备上的附加功能，而应融入能源系统底层架构，贯穿能源生产、存储、使用、运维和交易全过程。

刘秦维介绍，依托“AI in All”战略，思格打造了能源行业首个全域AI智能体SigenAgent。它不是停留在问答和建议层面的单一AI功能，而是一套能够主动理解用户目标、自主规划任务并推动设备执行的能源智能系统。通过完整的数据链路与MCP标准化接口，SigenAgent连接大模型、业务系统与光伏、储能、充电等能源设备，实现“用户定目标，AI来思考，设备去执行”，推动能源管理从“一问一答”走向“使命必达”。

在家庭场景中，AI可根据天气、负荷、电价和电池状态动态优化用能策略；在工商业场景中，可开展峰谷套利、需量管理和能耗优化；在大型电站场景中，则进一步参与功率预测、智能运维、集群协同与全域调度。

但能源系统自治化不仅需要会思考的“大脑”，还需要真实、连续的数据基础和稳定可靠的通信网络。

“过去，我们更多把设备看作执行终端；在AI时代，每一台设备都应该成为持续感知真实世界的传感器。”刘秦维表示，只有持续采集电压、温度、SOC、SOH等运行信息，并融合天气、电价、电网、日历和虚拟电厂信号，AI才能既看见设备当前的状态，也理解整个能源环境未来可能发生的变化。

依托20万+真实光储系统和1000万+小时运行数据的持续积累，结合边缘侧实时感知与控制能力，思格正在构建“感知—思考—行动—迭代”的完整闭环，让AI决策真正抵达物理世界。

「为能源智能化建立共同标尺」

随着AI加速进入能源领域，行业也需要回答一个重要问题：什么才是真正的能源智能化？

活动现场，思格新能源与弗若斯特沙利文联合发布《2026年全球AI+新能源白皮书——AI智能体加速能源系统走向自治化》，借鉴自动驾驶分级思路，首次系统定义能源智能化五级体系EIL，即Energy Intelligence Level。

该体系将能源智能化划分为人工运营、辅助运营、条件自主运营、高度自主运营和完全自主演化五个阶段，清晰呈现能源系统从规则执行、辅助分析，逐步走向自主决策、跨站协同和生态级价值创造的发展路径。白皮书还从智能体形态、分析决策能力、控制范围、系统响应、决策审计和生态开放性等维度，对不同等级提出了可评估、可验证的能力框架。

“AI应用于新能源，最终不是为了增加一个技术标签，而是要解决收益、安全、运维和协同等真实产业问题。”刘秦维表示，AI既要帮助用户获得更高收益，也要让系统运行更安全、运维更高效、不同设备之间的协同更加顺畅。

面向未来，思格新能源将持续推进“AI in All”全域智能战略，完善覆盖家庭、工商业和大型电站的智能能源体系，并携手产业链上下游伙伴，推动数据、通信、标准化接口与智能体生态建设。