本文系深潜 atom 第 1088 篇原创作品
单点 AI 难救风电场
赵梦宇丨作者
深潜 atom 工作室丨编辑
风电行业最舒服的日子过去了。装机还在涨,钱却越来越难赚:电价跟着市场分时波动,台风一来全场停机保安全,齿轮箱与叶片的暗伤要等 SCADA 报警才知道,上游风机抢走的那口风,年年从下游机组的账单上悄悄划掉一笔。
正因如此,AI 进场不是为了给运维看板多一块屏幕,而是要把靠天吃饭的风机,改成一个会算账的资产。然而多数玩家把 AI 用在故障诊断和无人机巡检上,投入轻、见效快,但只够减少损失,够不到发电增量。
在这个大环境下,远景科技反而成为了 " 另类 ",与其他友商不同的是,远景选的是另一条路:把资本开支、研发投入、算力基建、模型自研和产业投资串成一条线,打通预测、控制、运维、调度、交易的完整闭环。
远景能源高级副总裁娄益民在 2026 年北京风能大会上的口径更直接:过去风电靠天吃饭,如今 AI 智慧发电,电价低时存电、电价高时卖电,同样一度电价格可差数倍,推动风场全生命周期综合收益率提升 20% 以上。
投入的逻辑:单点 AI 救不了风电场
风电场的困境从来不是单一的。最外层是风本身,资源随机波动,传统数值预报在局地尺度上精度不足,功率预测偏差直接变成电网考核罚款和弃风损失。往里一层是尾流,上游风机吃掉的风就是下游风机少发的电,单台机组按自身最优去偏航、去变桨,累加起来往往不是全场最优,这笔损耗长期没人算。再往里是设备,齿轮箱微磨损、叶片隐性损伤都是渐进式的,SCADA 告警往往在损伤成型之后才响,而海上与戈壁场站一次登塔或出海抢修的成本,可能吃掉一台风机大半年的利润。
极端天气下行业通行做法是一刀切停机,安全优先,代价是白白让出一段还能发电的窗口。痛点分散在预测、控制、运维、调度、交易五个环节,任何单点 AI 都只能拿到其中一段收益。
远景的 AI 投入第一块在模型。天机气象大模型管预测,天枢能源大模型管决策,伽利略是部署在风机端侧的物理 AI 大模型,EnOS 则是把它们连起来的物联底座,官网口径是接入全球 1005GW 新能源资产。这套体系的门槛不在参数量,而在训练数据的性质:不是通用语料,而是风、光、储、荷在真实工况下产生的时序数据,模型里内嵌了大气动力学与机组载荷的物理机理。
这也是远景反复强调 " 物理 AI" 的原因:纯数据驱动的黑盒模型能拟合曲线,却无法保证在台风工况下给出的控制指令不越过叶片载荷上限。
第二块投入更重,也是真正把远景和其他风电 AI 玩家区分开的地方:算力。2026 年 6 月,远景在法国 VivaTech 正式对外发布 " 戈壁使命 " 计划,目标到 2030 年在全球戈壁荒漠建成 5GW 规模的绿色 AI 算力中心。首个旗舰项目远景乌兰察布星河基地已于 2026 年 8 月投产,总规划容量超 2GW,12 万平方米的单体建筑承载百万卡并行能力与百万 P 算力规模,采用超高比例绿电直连,当地全域绿电占比达 67%。
这笔钱花出去有两层回报。一是给天机、天枢提供训练与迭代的算力,二是把 " 绿电 + 算力 + 储能 " 打包成可对外输出的产品。远景的逻辑是能源养 AI,AI 再回来优化能源,闭环由此成立。配套的固态变压器、构网储能与高压直流硬件,都是为算电融合准备的。代价同样直白:这是重资产,不像算法交付那样可以轻装上阵,对现金流与绿电消纳条件都有硬要求。
第三块投入在生态。天眼查数据显示,2026 年 4 月,远景在 19 天内连投两家具身智能公司:先参与地瓜机器人 B2 轮融资,锁定机器人 AI 芯片与开发平台这一层算力底座;再战略投资无界动力,签下超 5 亿元的全球规模化部署与联合研发订单,指向风光储核心业务的智能化升级与 AI 数据中心场景。加上 2023 年布局的慕帆动力(氢氨双燃料燃机),远景一边补齐零碳工业的动力装备,一边通过地瓜、无界动力补齐机器人算力与具身大脑两块物理 AI 拼图。
三块投入合起来看,路线差异就清楚了。百度、字节这类通用 AI 厂商的重心在通用大模型的卡池;金风、明阳、大唐等风电同行的 AI 投入,重心仍在设备与场端的纵向升级,尚未横跨算力基建与交易闭环。远景横跨算法研发、绿电算力重资产与具身智能股权投资,赌的是一套系统同时服务风机控制、场站调度与电力交易。
风电场里:AI 真正赚钱的五条链路
天机的价值不在把功率曲线报得更准,而在于把预测结果接进了控制回路。今年台风 " 沙德尔 " 期间,浙江、福建 9 座海陆风电场的 225 台远景风机抵御住最高 44.65 米 / 秒的极端风速,台风过境后 1 小时内全面恢复运行。更早的 " 红霞 " 登陆广东惠东时,天机提前 72 小时预判路径,惠州港口海上风场与广东甲东陆上风场提前切入抗台模式,过境后 1 至 3 小时恢复满发。
行业内多数 AI 预测系统到此为止,目标是短期功率上报、满足电网考核,极端天气一律停机了事。远景没有全场一刀切停机,而是依托分钟级预测逐台评估机组状态:苍南区域相关风场单日最高满发运行小时达到 23.13 小时;岱山区域相关风场在台风影响期间仍保持 16 小时满发。这不是运气,是把风速、降雨、湿度、气温一并纳入判断,算出每台机的耐受边界与风险窗口。抗台从 " 扛得住 " 进化到 " 发得出 ",多出来的这部分是纯增量。
气象之外,尾流是第二条链路。远景用伽利略 AI 风机叠加天枢的全局协同,以协同控制算法动态调整偏航角与桨距,目标函数不是单机发电量最大,而是全场综合收益最大,同时把载荷安全写成硬约束。
第三条是运维。远景的伽利略健康管理系统融合声音、视频、振动、光纤以及润滑油状态等多模态感知,识别齿轮箱与叶片的早期亚健康。同行在这条路上跑得更早也更轻,中国大唐数科的苇络 AI 是典型代表。
第四条是把人撤出来。远景把无人机与巡检机器人接入 EnOS 统一平台,覆盖叶片、箱变、升压站巡检。三峡能源在宁夏戈壁的无人风电场是这条路的代表,机器狗加无人机常态化巡检、远程集控,减少常驻运维人员,公开报道口径为人效提升 27%。这条路收益清楚,来自运维成本与安全风险的下降,但它不改变风机的发电策略,发电端增益有限。
真正构成远景差异化的是第五条。伽利略 AI 风储一体机把风机与储能做成一台设备:天机预测来风,天枢预测电价与电网消纳空间,系统自主决定何时充、何时放,主动参与现货与辅助服务市场。
央视报道的赤峰风场那台机组,已经在完全离网状态下连续稳定运行近半年,电量低于阈值时风机自行启动发电反哺储能。内蒙古赤峰零碳产业园是更大规模的试验场,风电光伏制氢合成氨,靠物理 AI 调度实现 100% 绿电直连。同行也有算电协同项目,但更多是风电直供算力负荷,重在源荷匹配,缺了自主交易决策这一环。
代价与终局:这套重模式的边界
远景这套方案第一道坎,是装不到老风场身上。它的全链路能力依赖密集传感与高质量数据,而国内大量存量机组传感器配置不全、历史数据质量差,补传感器、洗数据、打通协议都要花钱,可能吃掉 AI 换来的增量收益。苇络这类轻量诊断能站稳,靠的就是不必动风机本体:一台边缘网关挂上就能干活。两条路线之争,说到底是谁来付改造这笔钱。
第二道坎更硬:远景敢不敢让 AI 真正接管控制。风电是强物理约束系统,黑盒模型做预测可以容错,一旦接进控制回路,一次误判的代价可能就是一支叶片。远景坚持叫它 " 物理 AI",一半是技术主张,一半是对风险的承认:没有捷径,只能靠装机规模与十几年运行数据喂出来。
第三道坎在风场之外,落在各省规则上。远景的 AI 风储调度能兑现多少收益,不由算法决定,而由场站所在省份的市场成熟度决定。现货与辅助服务的结算口径、偏差考核、准入门槛各省不同,规则不稳,回报周期就只能拉长。这一条远景砸钱也解决不了,只能等。
最后一道坎是这笔钱本身。远景的乌兰察布星河基地资本开支以百亿计、回收以十年计,与轻量算法交付是两种生意,对现金流、融资成本和绿电消纳都有硬门槛。戈壁拥有充沛风光资源与土地,但本地工业负荷薄弱;尽管星河采用风光储一体化直供模式,但若风光出力持续波动叠加下游算力需求不及预期,算力集群利用率同样承压。
四道坎摆在一起,远景这条路的分量就清楚了:它不是一次算法升级,而是把资本、算力、模型与电力市场捆在一起的长跑。往前看,方向依然清晰。场站级 AI 会走向区域集群调度,一个能源大脑联动数十座风光储场站参与调频调压;存量改造是下一主战场,轻量诊断更适合老风场,远景的一体化物理 AI 更适合新建场站。
再往外,远景要把物理 AI 的边界延伸到风机、储能、巡检机器人与绿氢的协同,零碳产业园是试验载体。最远的一层是算力与能源的闭环:戈壁绿电支撑算力,算力训练能源 AI,AI 回头提升绿电利用率。这是 " 戈壁使命 " 的长期定位,也是远景对 " 没有能源就没有 AI" 的注脚。
AI 改变风电场,本质上不是给风场加一块可视化看板,而是重新定义一台风机该在什么时候发、发多少、卖什么价。单点式的诊断 AI 适合存量降本,投入轻、见效快;远景选的是一条重、长、闭环的路,一边砸钱建绿电算力与自研大模型,一边把技术落到台风防御、尾流协同、风储交易的场景里。


登录后才可以发布评论哦
打开小程序可以发布评论哦