AI如何重塑能源新基建？科研及产业专家这样说

随着AI与能源系统深度耦合，能源新基建的系统工程属性日益凸显

当AI的触角深入能源体系的每一个环节，一场关于未来基础设施的深刻重构正在发生。在近日举行的“2026企业可持续发展大会”上，上海科技大学教育、创新和可持续发展研究中心（CEISD）主任杨燕青，与来自科研及产业前沿的专家们，进行了一场高度密集且富有前瞻性的对话。议题从最底层的材料创新，一直延伸到全球基础设施的重塑，勾勒出AI深度嵌入能源革命的清晰路径。

AI for Science：从分子设计到系统闭环的翻跟斗

复旦大学高分子系教授高悦的分享，从“AI for Science”切入，直指核心：AI对能源材料创新的价值，绝非简单的数据筛选，而是“加速科研与高维空间搜索能力”的革命。其团队正聚焦于破解储能电池的寿命瓶颈——将循环寿命从当前的2000–3000次提升至1万次，被视为规模电化学储能实现经济性的关键门槛。

这里有个关键认知：AI的搜索不能是漫无目的的。高悦教授强调，必须将物理化学的基本函数作为约束条件嵌入模型底层，否则在无限的可能性空间中探索，效率将大打折扣。他们的实践正是如此：通过嵌入化学能量函数，实现了高维空间的精准导航，做到了“10分钟生成4000个未被现有数据库收录的新分子”，材料发现效率获得质的飞跃。

落到应用层面，一条颇具巧思的路径被提出：“电池修复剂”。思路是通过成本仅为新电芯材料约10%的修复剂，让退役电池重获新生，从而将整个电池系统的成本控制在20%–30%的区间，并大幅延长服役周期。这不仅仅是一笔经济账，更是直面全球每年约400万吨退役电池所带来的巨大环境压力的务实方案。

展望未来，高悦指出了两大关键方向：其一，是寻找能量密度跃升十倍乃至二十倍的新型储能机制，以突破锂资源的天然约束；其二，是重构能源系统的全生命周期，打造从材料源头到回收利用的绿色闭环。可以预见，AI正从分子设计开始，贯穿生产、评测、数据回收的全链条。当然，技术的快速落地，依然离不开政策的协同加速。

跨越“三重死亡之谷”：系统集成与价值重构

如果把视角拉高到系统集成层面，挑战则更为宏观。上科大2060研究院副院长章跃标指出，当前的能源创新正面临一个严峻的“三重死亡之谷”——技术验证、商业落地与盈利能力，每一重都是难以逾越的鸿沟。从实验室的概念验证到真正的大规模部署，仍需跨越巨大的断层。

如何突破？答案在于构建一个“研发—投资—产业”一体化的创新生态。AI在其中扮演着“连通器”的角色，它正在打通不同学科间的壁垒，提升各行业参与者的系统认知能力。传统的“科研—技术—产业—市场”单向线性链条，正在向“多步骤同时发生、多中心相互耦合”的复杂网络系统演变。未来的核心问题，将不再是“技术是否可行”，而是“是否具备投资价值”。驱动力已然转变，技术单兵突进的时代过去了，政策、市场与金融的协同共舞成为新主题。

以直接空气捕集（DAC）技术为例，章跃标分析了其作为负排放手段的潜力。该领域过去进展缓慢，症结并非技术不可行，而是经济性难以成立——低浓度捕集与高能耗再生之间的矛盾尤为突出。破局之道在于构建多能互补的低碳复合能源系统，并创制新型固体吸附材料，从而实现低能耗、高选择性的二氧化碳捕集。更重要的是，捕集到的二氧化碳可以通过催化技术，转化为绿色甲醇、可持续航空燃料等高价值产品。目前，2060研究院已成功完成二氧化碳制甲醇的工程化验证，并正在推进DAC技术的系统集成试验。随着新能源基建规模化带来的绿电消纳与长时储能需求，DAC的经济逻辑正在被重构，负碳排放效果甚至有望转化为可交易的数字资产。

产业现实与工程视角：燃气轮机的非过渡性复兴

切换到产业与工程视角，沃衍资本合伙人魏斌的观察则充满了现实的张力。他指出了一个或许有些反直觉的趋势：燃气轮机正在经历一场“非过渡性复兴”，成为能源转型中不可或缺的关键支撑技术。

这背后的核心逻辑有两点。首先，在电网扩容和新能源大规模并网的背景下，电网对快速调节能力的需求激增。燃气轮机凭借其快速启停和稳定波动的能力，成为了平衡电网波动的理想工具。其次，在AI爆发驱动电力需求呈指数级增长的当下，“从决策到供电的速度”变得至关重要。而燃气轮机，是目前唯一能够快速实现大规模部署的电力解决方案。

一个直观的例子是，当前国内新增的电力需求规模，已相当于多个三峡电站的发电量。煤电、水电、核电受限于建设周期和资源条件，难以匹配这种扩张速度。而燃气轮机则可以提供独立于主电网的、稳定且不间断的电源供应。此外，燃机的未来并未锁定在天然气上。通过与氢、氨、甲醇等替代燃料耦合，并叠加碳捕集技术，有望形成全新的闭环能源体系。例如，“二氧化碳+氢=甲醇”，“氮+氢=氨”，这巧妙地解决了能源的存储与长途运输难题。

当然，挑战依然严峻。燃气轮机堪称全球最复杂的工业系统之一，涉及高温材料、精密设计与高端制造的协同，无法单纯依靠资本堆砌实现突破，仍需长期扎实的技术积累。在政策层面，中国通过“两机专项”等国家战略已提供了坚实基础支持。未来的关键，或许不在于更多补贴，而在于持续的技术迭代与AI深度赋能，例如利用AI优化高温合金配方、冷却结构乃至整个系统设计。

全球南方市场：从技术输出到能力共建

最后，从上科大CEISD青年研究员吕烨的分享中，我们看到了一个更广阔的全球治理视角。中国在AI与能源融合领域的实践正在加速“出海”，但核心挑战往往不在模型或算法本身，而在于底层的基础设施与治理体系。

对于全球南方国家而言，它们急需的是一整套完整的基础设施能力，尤其是稳定的电力系统承载能力，而不仅仅是某个API接口或算法模型的输出。因此，中国企业的角色需要从单纯的“技术输出方”，转向更深度的“能力共建者”，甚至需要参与当地的电网改造与数据中心建设。

数据层面的挑战同样具体。当前的大模型在面对全球南方场景时，存在明显的认知偏差，其对当地气候风险与转型风险的识别能力，远弱于对发达国家情景的分析。根源在于训练数据的缺失。未来的方向必然是加强本地化数据的纳入与针对性的模型微调。

吕烨提出了四项关键原则：保障数据主权、提升本地运维能力、促进本地企业参与产业链、确保服务的可负担性。而在市场机遇方面，前景广阔。以非洲为例，其拥有6亿至7亿无电人口，同时可再生能源占比全球最高，这正是一个典型的、可能实现“跨越式能源转型”的巨大市场。

来源：互联网