当AI从一问一答走向自主执行，能源行业面临的挑战也在变化：新能源出力存在波动，电力市场价格实时变化，充电桩、储能和数据中心等新型资源不断增加。仅仅预测能源供需已经不够，如何根据预测结果作出决策、控制风险，并将决策转化为实际业务价值，成为能源智能化需要解决的新课题。

10月23日，朗新科技举行2026媒体开放日活动。活动围绕“朗新30年｜新质能源路 AI向未来”展开，重点展示了朗新九功AI能源大模型的技术进展，以及其在电力交易、算电协同、虚拟电厂等场景中的应用实践。

朗新九功AI能源大模型探索的，正是让AI从“算得准”走向“做决策”，进一步进入能源业务的真实运行流程。

从预测到决策，破解能源AI“敢看不敢用”的难题

传统能源AI应用往往止步于预测：系统给出一条负荷或价格曲线，后续仍需依赖人工判断。但面对海量分布式资源、复杂交易规则和不断变化的市场信号，单靠人工越来越难以及时作出有效决策。

朗新科技集团CTO危明在演讲中表示，能源智能体与通用智能体的关键区别，在于前者不仅要有能力，更要守住行为边界。能源业务涉及真实交易成本与运行安全，AI的建议必须可信、可追溯、不越权，才能真正进入业务流程。

围绕这一难题，朗新九功AI能源大模型形成了以时序预测和统一智能体引擎为核心的技术架构：时序预测回答“接下来会怎样”，智能体进一步回答“知道了该怎么办”。在预测环节，朗新通过千亿级时序数据预训练跨对象、跨频率的基础模型，以应对新省份、新场站和新建数据中心等缺乏历史数据的场景。今年3月，九功时序大模型在GIFT-Eval国际时序评测零样本赛道取得中国第一。

在决策环节，统一智能体引擎通过权限门控、隔离运行环境和全过程记录等机制，约束AI的行为边界。例如，分析计算可以自动执行，交易申报、场站定价等动作则需要人工审批，直接控制设备不在该引擎的能力清单内。

更重要的是，业务执行结果、交易员的经验和人工纠偏能够持续沉淀为知识与技能，为后续任务提供参考。朗新希望建立的，不只是一个能预测的模型，而是一套能够在真实业务中持续验证、积累和复用经验的能源AI能力。

从电力交易到算电协同，验证技术的业务价值

电力交易是检验能源AI决策能力的重要场景。面对价格波动、交易规则和合同持仓等多重约束，仅有价格预测并不足以支持经营决策。

朗新九功司南电力交易智能体将供需分析、价格预测、交易诊断、风险识别与策略测算等能力结合起来。目前，九功司南已装配20多个省份的实际交易规则与经验，朗新内部50多位专业交易员参与日常使用、审核和训练，并通过真实业务结果持续校验策略。

这意味着，朗新正在尝试将原本依赖专业人员经验的部分工作转化为可复用的产品能力，为AI产品订阅及模型服务等商业化模式提供基础。

在算电协同领域，朗新则将技术能力延伸至算力与电力资源的协调。今年7月，在国网上海电力组织的数据中心集中调用中，朗新参与相关实践，16家数据中心参与调节，两小时内最大压减负荷9.78万千瓦。

其关键不只是预测电价，而是进一步分析哪些算力任务能够调整、可以迁移到哪里、何时调整以及调整多少，让电力价格信号有机会转化为实际的负荷调节行动。这一实践也为朗新探索数据中心能源管理、虚拟电厂等业务场景提供了验证基础。

在充电领域，朗新旗下新电途服务超3600万活跃车主，连接充电商家、充电站和充电设备，并与重卡产业链伙伴探索车辆运输任务、补能资源与能源运营之间的协同。不同场景的共同点在于：通过数据、预测与决策能力，将分散的能源资源转化为更可管理、可调度的运营资源。

从技术底座到场景拓展，打开AI+能源新空间

随着能源系统日益复杂，AI的价值不仅在于解决单个业务问题，也在于将经过验证的能力复制到更多场景。

朗新持续深化与华为的战略合作，并与北京大学、清华大学等高校及产业链伙伴开展协同探索。在零碳园区、虚拟电厂、新能源充电和算电协同等方向，朗新正尝试将九功AI能源大模型的预测与决策能力，与自身的能源业务积累、数据资源和运营场景结合起来。

从“预测”走向“决策”，再到将经验沉淀为组织能力，朗新九功AI能源大模型正在探索能源AI进入真实业务的路径。对于朗新而言，技术的价值不止于模型本身，更在于能否持续解决行业问题，并在更多场景中形成可验证、可复用的业务能力。