能力,还能够实现数据的高效流动和共享,为企业智能化应用提供坚实的底层支 混合 AI 数字底座的核心组成部分包括: • AI 基础设施: 以高性能异构 AI 算力为底座,构建算力网络协同、数据存 储融合的智能计算体系, 实现 AI 计算、通用计算、存储和应用需求的弹 性调度。 • 混合云平台: 以弹性、统一管理架构为底座, 构建云上资源与本地资源协 同、数据流转高效融合的云计算平台,满足企业多样化业务和数据合规的 泄露等安全风险显著增加。 最后, 三大行业作为关系国计民生的重要领域, 具有自然垄断性、公益性强 等特点,其运营和管理受到严格的政府监管。 智能化转型依赖于一系列新兴技术 的创新和应用, 如智能电网技术、新能源储能技术、碳捕获与封存技术等。这些 技术仍处于发展阶段,技术不成熟、 可靠性低等问题导致应用过程中存在较大的 创新风险。综上所述, 尽管存在上述挑战, 但通过合理的规划、持续的投资以及 多方协作, 沃太能源股份有限公司 (以下简称 "沃太能源 ") 专注于储能产品的研 发、生产和销售, 公司拥有国家级 "专精特新" 重点小巨人、国家高新技术企 业认证、国家知识产权示范企业等多项荣誉。作为行业领先的储能系统提供商 和能源管理服务商, 沃太能源一直积极引入智能化制造系统与技术, 提升生产 效率。 ” 但伴随业务规模不断扩大, 工厂需要生产的储能类产品种类、数量不断增 加, 生产工艺和流程也愈发复杂。沃太能源以往的

波动特性的动态安全域模型，将弃光率从19%降至3.2%，日前预测精度提高 至94.7%。 2、优化调度决策：基于精准的发电预测，AI 大模型可以综合考虑电网的负荷需求、不同新能源电站的发电能力、储能设备的状态等多 方面因素，制定出最优的电力调度方案。这有助于提高电网对新能源电力的消纳能力，降低弃风、弃光率，提高新能源发电的利用效率。 10 ◼ 能源管理： 1、电网状态监测与故障诊断：利用 时发出警报，并对故障进行诊断和 定位，帮助运维人员快速排除故障 ，提高电网的可靠性和稳定性。 2、储能设备的优化控制：对于电池储能、抽水蓄能等储能设备，AI 大模型可以根据能源 需求和供应的变化情况，优化储能设备的充放电策略。例如，在电价低谷时段，控制储能 设备充电，储存多余的电力；在电价高峰时段，控制储能设备放电，向电网供应电力，从 而实现削峰填谷，降低能源成本。 4一、能源生产与管理 （一） 应分布式光伏的大规模接入和高效利用。 4五、案例--2024年国网电力市场发展状况 23 ◼ 国网市场存在问题： 5.储能发展： -储能的大规模发展对系统调度运行、电力市场设计等方面提出新的要求。 -需要通过完善市场机制和调度规则，激励储能的灵活调节能力，提高储能的利用效率和经济效益。 6.新型经营主体： -微电网、虚拟电厂、负荷聚合商等新型经营主体参与市场面临认定、计量、结算等问题。

SST 的发展机遇。产业链标的包括：欧陆通，中 恒电气，明阳电气，伊戈尔。最后，我们重申于《新型电力系统成本篇：多 维解决消纳问题，新能源迈入 2.0 时代》（2024.10.25）中对于配网建设， 储能平价和风电发展的看好，我们认为数据中心建设将加速国内能源转型和 提升新能源有效需求，绿色电源和数据中心耦合将成为趋势。 风险提示：AI 应用落地不及预期，供应链风险。 (12) 个新能源发电项目，年新增新能源发电量达 130 亿千瓦 时，满足其怀来科技产业园算力集群超 1GW 负荷规模。为稳定供电，新能源也计划配置储 能系统，合盈数据“源网荷储”一体化示范项目首期 540MW 风电光伏已于 2023 年并网发 电。项目通过电力市场化交易打通源网荷储的落地路径，达到了确保电能量与绿色环境权 益的转移、绿电消纳、显著降低能耗、提升能源利用效率的效果。 1. 国家政策逐步强化 PUE 数 据中心需改造；2021 年上海及 2022 年甘肃、广东、内蒙古、宁夏均提出 2025 年 PUE ≤1.3；2022 年广东、内蒙古等提出 2025 年 PUE≤1.3，鼓励分布式光伏和储能。 图表3： 国家&地方级绿电算力政策一览 资料来源：政府网站，华泰研究 数据中心建设有效促进我国新能源消纳，我们估算，若 2024-26 年每年数据中心建设量 6~9GW，考虑利用小时的三倍差异（数据中心

专栏 3 存算协同发展行动 一是开展数据中心存储能力成熟度研究及评价，提升全场 景存力服务能力，促进存算网均衡发展。二是鼓励在关键信息 基础设施中使用自主的存储设备，通过全闪存储整机带动关键存 储部件的国产化应用。三是加强数据中心存力监测，定期发布 《中国存力发展报告》。 （四）深化算力赋能行业应用 7 1. 构建一体化算力服务体系。打造集成多方算力资源和开 发平台的算力服务，鼓励各地为中小企业、科研机构提供普惠 中心建设，鼓励企业加强绿色设计，加快高能效、低碳排的算 网存设备部署，推动软硬件协同联动节能。支持液冷、储能等 新技术应用，探索利用海洋、山洞等地理条件建设自然冷源数 据中心，优化算力设施电能利用效率、水资源利用效率、碳利 用效率，提升算力碳效水平。 2. 引导市场应用绿色低碳算力。积极引入绿色能源，鼓励 算力中心采用源网荷储等技术，支持与风电、光伏等可再生能 源融合开发、就近消纳，逐步提升算力设施绿电使用率。加快 排放量—核算各个源头的能源（如电、天然气、柴油等）占 比、碳排放因子、排放量，进行 CO2 当量转换，获得碳排放总 量，单位是 kg。 PIT—数据中心中 IT 设备耗电，单位为 kWh。 18. 源网荷储 是一种包含“电源、电网、负荷、储能”整体解决方案的 运营模式，是数据中心实现碳中和的一种重要方式，能够提高 电网安全运行水平，可解决清洁能源消纳过程中电网波动性等 问题。 18 附件 2 算力基础设施高质量发展指标

效果：质检指标比人工提升10倍；联 合发布《工业AI质检标准白皮书》。 面：云边端协同智能云平台 体：联合创新、人才与生态合作 电池材料筛选研究 AI 电池寿命预测 AI联合实验室 IDC光储能源 项目 项目/人才/生态 智能制造部 储能事业部 XX 创新实验室 端 端 边 设备监控、数据采集、模型应用 边缘设备管理、数据 存储、边缘推理训练 云 边 端 协 同 GPU 服务器 网络 计算 存储

覆盖60多个国家和地区、600多个城市。 集扫地、洗地、吸尘、尘推多功能于一 体， 一台机器轻松满足所有清洁需求 覆盖酒店、饭店等室内外场景，具备配送仓、托盘、显示屏等多种硬 件配置的解决方案，集导航定位、自动回充、安全开舱验证等功能。 清洁机器人 配送机器人 效率提升2-5倍，人工工作 减少80%以上，精准率 99.99%，无人值守工作 7*24小时，覆盖端到端配 送、巡航配送、循环配送、 呼叫配送全环节覆盖。

8%/1.2%/0.4%。 尽管在美国、英国、⽇本和中国等国家（例如⻉拉、天宫餐厅）有很多试点项⽬，尝试 使⽤机器⼈侍者为餐厅或酒吧提供⻝物和饮料，但规模化部署餐饮服务机器⼈尚未开始 。 鉴于机器⼈搬运储餐桌上的能⼒已经很强，我们相信只是时间和经济问题，这些试点项⽬最 终会转变为实际部署。 虽然机器⼈可能不适合⾼端餐厅，但如果它们能加快或改进其他餐饮领域的服务， 随着时间的推移它们可能会得到更多⽂化认可。我们假设到2035年，发达地区/中 制定针对性的培训计划和倡议。提供实践经验和实⽤知识的机器⼈职业培训和学徒项 ⽬可以帮助弥合学术学习和⾏业需求之间的鸿沟。 总之，⼤规模采⽤机器⼈将需要⼀个全⾯且精⼼规划的基础设施⽣态系统，包括 充电站、维修服务中⼼、充⾜的动⼒、电⼒⽹升级和⼈才培养。 12. 就业安全 随着机器⼈变得越来越智能、灵巧和机动，它们迅速承担起传统由⼈类执⾏的⻆⾊ 。值得注意的是，我们对AI机器⼈的预测包括许多领域，将为⼈类创造更多时间，

2）快速的定制化交付能力：T+6/8的灵活定制 化交付，保证资源快速上架； 3）卓越的运维能力：确保数据中心的安全性与 可靠性，为模型训练的高效率提供保障； 4）良好的资源储备：涵盖土地资源的储备、充 足的电力资源供应，以及算力中心的可扩展性； 5）服务商财务状况、历史合作经验、成本控制 能力等因素也在考量范围之内。 • 基于对行业的长期追踪，我们筛选出超过15 家有定制批发需求的关键下游厂商，对其定

前沿技术：从判别式 AI 到生成式 AI 作为机器学习领域中用于处理和生成自然语言文本的新工具。大模型能够通过添加高级 文本情感分析等有价值的元信息来丰富神经科学数据集，促使这些信息高度融合。在充 斥着多元海量数据的医疗领域之中，这一技术具备极大潜力。 4.1.1 从判别式 AI 到生成式 AI 基于深度学习的影像 AI 其本质是一种判别式 AI，它能够根据任务要求对数据进行分类， 分

能计算、网络、存储 环境的部署和优化。 海量数据处理能力：提供全链路数据管理和数据处理能力，并依托高性能的 工具平台，帮助企业高效、弹性构建 AI 训练或推理任务。例如通过向量化存 �� 储数据库，大幅增强存储和检索时的访问性能，进而提升AI应用中的效率和 体验。 平台开放性：各类服务平台具备充分的开放性，例如支持对来自第三方的大 模型进行精调和开发，能够提供不同的大模型应用开发框架，能够基于不同