远景科技集团董事长张雷在 10 月 19 日举行的"人工智能与未来能源系统"闭门科技会上，提出了"物理人工智能"的概念框架，阐述了AI在能源系统中从工具向决策主体转变的趋势，并预测未来能源企业的竞争力将从物理资产规模转向智能资产规模。
张雷认为，AI技术与以往技术革命的本质区别在于，它不再仅仅是被动的工具，而是具备自我感知和决策能力的主体。这标志着AI从"自动化"向"自主化"的跨越。他将AI比作需要培养的"孩子"，强调人机协同将创造新的可能性。
针对当前能源系统面临的挑战，张雷指出，随着可再生能源比例提升，电力系统的复杂性和市场不确定性显著增加。这种复杂性虽然给传统管理模式带来压力，但为AI应用提供了理想场景。AI的并行计算能力能够实时处理海量数据，识别隐藏规律并优化决策，从而应对复杂能源系统和电力市场的挑战。
"物理人工智能"概念的核心是将AI推理能力与物理定律、系统边界深度结合，使其能在真实物理环境中可靠运行。这区别于纯数据驱动的AI模型，强调了物理约束和因果关系在模型中的重要性。张雷表示，中国在这一领域拥有丰富的应用场景和数据资源，具备全球领先的潜力。
从技术落地来看，远景科技已在气象和能源建模方面取得进展。"天机"气象大模型提升了中长期气象预测准确性，为可再生能源的可靠运行提供了基础支撑。"天枢"能源大模型能够实时控制电力系统，优化电力交易效率，推动绿色能源发展。这些模型的应用体现了"物理人工智能"在实际场景中的价值。
张雷对未来能源行业的竞争格局提出了新判断。他认为，能源企业的核心竞争力将从传统的发电装机容量、输配电网络规模等物理资产，转向智能模型的能力和数量这类"人工智能资产"。这种转变意味着能源行业的价值创造逻辑正在发生根本性变化——从资本密集型向技术密集型演进。
从行业影响来看，这一观点对能源企业的战略规划具有参考意义。如果AI资产成为核心竞争力，企业需要在数据积累、算法开发、场景应用等方面进行长期投入。不过需要注意的是，能源系统的物理基础设施仍然不可或缺，"智能资产"更可能是对物理资产的赋能和增值，而非完全替代。
从技术实现角度看，"物理人工智能"概念强调了领域知识与AI技术的深度融合。能源系统涉及电磁学、热力学、流体力学等多个物理学科，以及复杂的工程约束和安全边界。如何将这些硬约束有效嵌入AI模型，确保其输出既优化又可靠，是技术挑战所在。远景科技的气象和能源模型实践提供了初步验证，但大规模应用仍需要解决模型泛化性、实时性和可解释性等问题。
从产业发展来看，可再生能源的间歇性和波动性确实为AI应用创造了需求。风光发电的不确定性需要更智能的预测、调度和交易策略。电力市场化改革也在增加系统复杂度，传统的调度方式难以应对海量设备的实时优化需求。在这一背景下，AI技术有望成为新型电力系统的"操作系统"。
不过，能源系统的特殊性也对AI应用提出了更高要求。与互联网应用不同，能源系统关系到基础设施安全和社会稳定，AI决策的失误可能导致严重后果。因此，"物理人工智能"不仅需要高准确率，还需要满足可靠性、可解释性和安全性等工程标准。如何建立AI在能源领域的监管框架和责任机制，也是行业需要探讨的问题。
