关键字: [亚马逊云科技， 生成式AI， Amazon AI Services， 云智能重构， 全球竞争力， 新能源企业， 产销一体化， 人工智能大模型]

导读

在这场演讲中，胡建分享了云与智能如何重构新能源企业的全球竞争力。他指出，新能源企业需要通过早期海外布局、加大研发投入、采用先进技术等措施来提升竞争力。亚马逊云科技可以为新能源企业提供全球云服务覆盖、丰富的行业经验和电商资源，帮助企业快速拓展海外市场。同时，亚马逊云科技还可以利用人工智能大模型、知识库构建、流程优化等技术，助力新能源企业实现产销一体化、降低运营成本、提高效率，从而提升全球竞争力。胡建呼吁新能源企业积极参与亚马逊云科技的人工智能生态，利用其先进技术实现创新和差异化竞争。

演讲精华

以下是小编为您整理的本次演讲的精华。

大家好，我是亚马逊科技能源行业高级方案总监胡建。今天，我将为各位分享关于“云与智能重构新能源全球竞争力”的主题。这个主题包含了几个关键词:云、智能、全球以及竞争力。我们将围绕这几个关键词进行介绍。

首先，我们来看一下整个能源行业的现状。事实上，无论是在国内还是全球，这个行业都面临着激烈的竞争。我们的产能和技术在全球都处于领先地位，因此我们也在全球范围内进行了大量拓展。然而，在整个行业内部，企业之间的竞争依然十分激烈。不过，我们也看到一些优秀的企业，如金风科技、阳光电源、德业股份等，在这种内卷的竞争环境下，仍然能够保持高速增长和较高的利润水平。总结起来，他们主要做好了三件事情:

首先，他们很早就开始了海外布局。其次，他们大量投入研发资源，在产品和技术创新方面取得了行业领先的优势。同时，他们也采用了许多先进的技术，对整个企业进行了降本增效的创新。因此，这些企业成为了在激烈竞争中仍能保持高速增长的少数案例。

在与这些企业的合作过程中，我们也洞察到了他们的一些先进经验。作为全球云服务覆盖240多个国家的亚马逊云科技，我们能够帮助客户快速在海外落地业务。同时，我们在新能源行业也积累了丰富的经验，已经为包括光伏、风电在内的许多新能源头部企业提供了大量海外支持，数据总量已经超过了PB级别。

因此，不仅在技术平台方面，而且在业务服务能力上，我们亚马逊也拥有丰富的行业经验，可以为客户海外拓展提供完整的解决方案。我记得不久前，我们有一个客户说，他们要在南非建设数百个点的储能系统，第二天就需要给客户出一份报价。当天晚上，他们就让我们提供一个方案设计。我当时联系了我们的工程师团队，他们依据以前为其他客户做过的项目经验，在几个小时内就完成了方案设计，为客户拓展海外市场提供了有力支持。

除了技术和服务能力之外，作为全球最大的电商企业，我们亚马逊还拥有庞大的电商资源，包括数亿个人会员和600万企业用户。这些资源正好可以对标新能源行业的企业客户，如从事工商业储能、光伏等领域的客户。因此，这些都是我们可以帮助新能源企业出海的宝贵资源。最近，我们也接到了许多新能源企业的合作要求，希望利用我们的电商渠道拓展市场。

回到我们这个行业的现状，自从2月份136新政颁布以后，我们普遍感受到，客户对市场的关注已经从单纯追求发电量，转变为追求整个企业的KPI变化和盈利能力。他们不仅要发出高质量的新能源，还要解决销售问题，实现产销一体化。因此，对企业来说，他们需要想方设法在行业竞争中脱颖而出。

我们看到，一家头部风电企业在去年就宣布构建了产销一体化的大模型。首先，他们可以采集所有风电场和光伏电场的SCADA数据，并对这些数据进行清洗，形成高质量的数据集群。第二，他们构建了一个知识图谱，将企业的所有相关文档、运维文档、生产经营文档等进行向量化处理，方便人工智能大模型后续访问和数据分析。第三，他们利用人工智能技术开发了功率预测、复合预测、电价预测等模型，为未来的微电网、虚拟电厂构建了良好的模型能力。

在上述构建完成后，他们就可以利用人工智能大模型构建一个人工智能大脑。一方面，它可以理解人工的各种需求;另一方面，它可以自动化地调度以上构建的各种能力来解决实际问题。比如，当一个工单来临时，它可以自动生成工单分析，将工单拆解，形成解决方案。然后，它会针对关键环节自动调用人工智能工具，最后将指令下发给人工进行审核和执行。通过这种方式，就构建了一个产销一体化的逆向人工智能平台。这是该企业做得非常好的一个案例，也给了我们很好的启示。

那么，我们如何实现同样的目标呢?对新能源企业来说，我们可以将其功能拆解为三个大的阶段。第一个阶段是我们传统的机器学习技术，比如功率预测、复合预测等，这些我们在几年前就已经开始做了。第二部分是利用大模型做一些以前没有的事情，比如构建行业知识库，开发垂直行业大模型，如客服机器人、智能运维专家、文档分析总结等。有了传统机器学习和大模型的加持后，我们就可以进入第三阶段，构建人工智能的智慧大脑，一个光储充一体化的人工智能大模型，帮助我们实现微电网、人工智能虚拟电厂等先进业务。

在传统机器学习模型方面，我们首先帮助合作伙伴在云上构建了气象预报大模型。以前都是基于数值模拟方式，现在我们利用人工智能的方式对开源气象大模型进行微调，提高了预测准确度，降低了运营成本。同时，我们还采集了风电场、光伏电场的SCADA数据，包括尾流、短流、冰雪覆盖等差异化参数，结合地理位置技术数据进行二次积极学习训练。利用云上的GPU资源、亚马逊的SageMaker等人工智能服务，以及亚马逊云科技提供的数据科学家能力，我们帮助客户提升了功率预测的准确度，光伏功率发电准确度可以达到95%。在储能领域，我们也可以通过云上人工智能预测整个电池组中每个电芯的工作状态，对有问题的电芯提前通知运维人员进行更换，并追溯到其生产线和批次，避免下一次生产中出现同样问题。

同时，我们还可以扩展到整个在运行电池的数据监控，通过免分容等技术发挥电池组发电功率的最大化。所以，这些都是我们在传统机器学习开发的模型中看到的应用。

大模型出现后，我们如何借助其力量和优势开发更多更好的行业垂直模型呢?我们给出了一个非常好的探索实践。以前，每个模型都是通过人工单独训练的，耗时耗力耗资源。现在，我们可以把任务通过大模型进行优化和分解。比如，在功率预测时，我们先通过大模型优化所需的温度、辐照等数据，用人工智能的方式训练这些数据，形成高质量数据集。第二步，我们就可以用大模型同时训练几个持续预测的机器学习模型，比如二维卷积、Transformer等，虽然它们本身不能直接用于功率预测，但通过大模型就可以做成可用于功率预测的模型。

有了这些模型后，第三步就是用大模型编排，让几个实时预测模型同时运行，看哪一个最接近真实的功率曲线，作为最终的功率预测模型，就像赛马一样。这种方式可以借助大模型的能力，提升我们垂直行业新模型的开发效率，以及现有模型的效果。

同时，我们还可以把训练完的多个模型，比如功率预测、复合预测、电价预测等数据，都扔到大模型里头进行第二次并行训练。比如，我们有蚁群模型、遗传算法等巡幽模型，就可以把之前做好的各种预测数据扔进去，做二次巡幽模型训练。这样，它就可以给出一个最佳解，比如家庭储能系统中，如果第二天光伏发电量完全够用，就不用当晚给储能充电，可以节省30%-50%的家庭用电成本。所以，大模型在传统人工智能模型中可以发挥非常重要的作用。

人工智能大模型出现后，我们也总结了大约60多种与新能源行业相关的应用场景，既有优化工作流程的，也有与行业垂直属性相关的。为了构建这些模型，我们给出了一个系统性的方案:首先，要有一个安全的数字基座，防止数字资产被攻击或产生不良内容;其次，要能够轻松快速构建各种人工智能大模型的知识库;第三，利用丰富的Agent能力，包括流行的MCP等，构建行业流程优化模型。

只有具备了这些系统性能力，我们才能事半功倍地为整个企业构建所需的人工智能大模型平台。在实践中，我们就可以利用亚马逊云科技的DeepFace、Bedrock Cloud、DeepSic等服务，快速构建企业知识库大模型，比如我们做的电力交易助手。在知识库的基础上，如果再叠加电价预测等信息，其能力将更加强大。

对于垂直行业应用，我们需要优化流程。比如ticket管理项目，当工单来临时，系统可以先进行工单分析和拆解，然后优化，最后下发指令，帮助完成整个工单。这个复杂流程可以通过我们构建好的知识库，同时调用外部的Agent，比如功率预测Agent，直接预测出结果，从而优化流程。

第二种方式是，我们可以把复杂流程切片，对核心切片通过Agent的方式进行优化。比如在国外申请绿电入网，这是一个很复杂的过程，需要大量人力投入，往往要等待几个月。我们可以将其拆解为审核Agent、技术评估Agent、合同开发Agent、商务运维Agent等，客户可以清晰了解每个环节的进展，通过人工对话询问、上传文件等方式与Agent交互。最后，我们再构建一个Agent Manager管理所有Agent，就完成了整个流程优化。

事实上，这个案例中我们用了12种不同的亚马逊云科技服务，从访问入口、安全授权，到数据处理、AI开发应用，构成了一个完整的体系。只有这个体系，我们才能事半功倍地完成流程优化任务。

其实，这只是一个开端。未来，Agent将迎来爆发年。我们问亚马逊云科技，如果做一个风资源管理的项目，是否可以用亚马逊云科技的Agent服务来实现?亚马逊云科技给出了非常专业的分析建议，包括我们的痛点是什么，如何解决，需要使用哪些亚马逊云科技服务，甚至列出了需要构建的5种Agent及相关代码，包括数据治理Agent、参数优化Agent、仿真调度Agent、CFD Agent和报告生成Agent。这给了我们一个非常好的启示，即我们可以通过Agent能力结合大模型，去优化复杂的垂直行业需求，这是未来的趋势。

相信在未来半年到一年内，我们将看到大量垂直行业应用可以通过Agent的方式来实现。但我们也要选择合适的模型，优化数据成本，做好安全防护，调用MCP模型和Agent能力等，这需要从底层芯片到上层服务的完整体系支持，才能真正构建企业级生成式AI的系统化能力。

去年到今年，我们已经与客户共同完成了300多个项目，涵盖各个行业。由于时间关系，我无法一一展开。但我想总结一点，大家都说淘汰你的是AI，但实际上，淘汰你的不是AI，而是会用好人工智能的企业和人。因此，我希望新能源企业能够积极参与到我们的AI生态中来，利用亚马逊科技的AI能力，拓展企业创新，实现全球差异化竞争力的提升。以上就是我今天的全部分享，谢谢大家。

下面是一些演讲现场的精彩瞬间：

The speaker introduces the topic of how cloud and AI can reshape the global competitiveness of the new energy industry， focusing on key words like cloud， intelligence， global， and competitiveness.

亚马逊利用其全球电商资源和庞大会员基础，助力新能源企业出海拓展市场。

The company utilizes AI technology to develop power prediction， composite prediction， and electricity price prediction models， enabling the construction of microgrids and virtual power plants.

通过云上人工智能和数据分析，提高可再生能源发电和储能系统的预测准确度和效率

By combining multiple trained models like power prediction， composite prediction， and electricity price data into a larger model and running a second round of parallel training， the system can provide an optimal solution that closely matches real-world scenarios， potentially saving 30-50% on household electricity costs.

After the introduction of large AI models， we have summarized around 60 scenarios where customers from various industries， including energy， can leverage these models to optimize their workflows and industry-specific applications.

The speaker encourages new energy companies to actively participate in Amazon’s AI ecosystem， leveraging Amazon’s AI capabilities to drive innovation and enhance their global competitive edge.

。

总结

在这场精彩的演讲中，亚马逊云科技能源行业高级方案总监胡建先生阐述了云与智能技术如何重塑新能源企业的全球竞争力。他首先分析了新能源行业的激烈竞争环境，并指出头部企业通过早期海外布局、持续创新和先进技术应用等策略保持了高速增长。

接着，胡建先生介绍了亚马逊云科技在全球云服务覆盖、行业经验积累以及电商资源等方面的优势，可以有力支持新能源企业的海外拓展。他还分享了亚马逊如何利用云计算和人工智能技术，帮助客户提高功率预测、电池管理等能力，实现降本增效。

随后，胡建先生深入探讨了人工智能大模型在新能源行业的应用前景。他举例说明了利用大模型构建知识库、优化行业模型、实现产销一体化等创新实践，并强调了亚马逊云科技在安全基座、模型构建、代理能力等方面的系统化解决方案。

最后，胡建先生呼吁新能源企业积极拥抱人工智能，与亚马逊云科技合作，利用其AI生态系统提升全球竞争力。他坚信，掌握并善用人工智能技术将成为企业赢得竞争的关键因素。

我们正处在Agentic AI爆发前夜。2025亚马逊云科技中国峰会提出，企业要从“成本优化”转向“创新驱动”，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。