TMT观察网_独特视角观察TMT行业

3月26日，新能源數字資產社區春季峰會在蘇州召開。會上，螞蟻數科發布能源電力時序大模型EnergyTS，可通過精準預測發電量、供需情況等，為新能源行業發展優化經營策略。根據光伏場景測評顯示，該垂類模型在行業評測集上的發電量預測準確率超越谷歌（TimesFM-V2.0）、亞馬遜（Chronos-Large）等行業主流的通用時序模型。

圖說：螞蟻數科能源電力時序大模型EnergyTS Benchmark評分

值得注意的是，此次EnergyTS的發布是螞蟻數科在AI大模型業務布局上的一次亮相，螞蟻數科CEO趙聞飆曾斷言，AI時代，大模型技術創新帶來了傳統行業的變革機遇，大模型的多模態感知理解能力，將引發新交互、新服務，AI鏈接物理世界成為可能。

在新能源領域，新能源光伏和風力發電環節，容易受到太陽輻照、風速、云量、溫度、設備性能等多重因素影響，存在發電效率不穩定的問題，進而帶來用電供需不平衡、電價波動劇烈、儲能調度收益低等關聯風險。用AI技術可加強發電量預測的準確性，對電站的投資選址、行業收益評估、儲能調度運營效率、資產風險管控等關鍵環節至關重要。

據介紹，EnergyTS是專為新能源行業定制的能源電力垂類時序大模型，其充分融入了新能源行業的專業知識和垂類場景的多模態數據，具備多尺度訓練、多模態融合、多任務學習、零樣本冷啟等優勢。能廣泛用于包括光伏發電、風力發電、儲能、微電網、電力交易、虛擬電廠等多個場景，企業無需額外的訓練，實現“開箱即用”。

螞蟻數科提供的EnergyTS大模型測試數據顯示：在發電預測這一典型場景中，在T+1天的預測中，EnergyTS的MAE（平均絕對誤差）僅為0.0233，較谷歌（TimesFM-V2.0）性能提升約22.4%。在T+3天預測任務中， EnergyTS的性能較谷歌（TimesFM-V2.0）提升46.8%，較亞馬遜（Chronos-Large）提升62.4%。

業內人士指出，該成果有望打破歐美企業在能源AI領域的技術壟斷，大幅提升新能源行業運營效率，輔助風控決策，提高經濟效益。

“我們希望致力于解決千行百業在AI時代的智能化轉型問題，除了新能源行業，未來螞蟻數科還將在更多領域探索大模型技術能力與行業現實問題的共同解法。”趙聞飆表示。

螞蟻數科是螞蟻集團AI業務發展的一個縮影，事實上，據外媒報道，螞蟻集團通過混合使用不同供應商的芯片，該公司不僅降低了AI模型訓練的時間和成本，還減少了對英偉達等單一供應商的依賴。該公司日前還宣布對其醫療AI解決方案進行"重大升級"，目前7家主要醫院及醫療機構已部署該技術。