CHINA SOUTHERN POWER GRID 7 电力人工智能 (AI EPS) (AI Electric Power System) 是专业大模型， 能够满足物理规律、电力系统技术准则， 实现电力系统生产智能应用 理论与技术是构建新型电力系统的重大需求 新型电力系统需要人工智能 中国南方电网 CHINA SOUTHERN POWER GRID 8 新型电力系统新在哪里 中国南方电网 CHINA SOUTHERN POWER GRID 10 新型电力系统需要人工智能 以新能源为主体新型电力系统的理论 -- 电力电量平衡理论 新型电力系统将会遵循电学的基本理论和物理规律，这是不会变的。但是基于机电系统转动惯量 的稳定理论，受到系统转动惯量小，将不足够承担以新能源为主体的新型电力系统的稳定。 新型电力系统是基于电力电量的实时平衡的系统平衡理论，是“无限大”的功率、 人工智能是电网“无条件”接受新能源的技术基础。 ■ 人工智能是管理好新能源的技术基础。 ■ 研发符合电力系统基本物理规律、遵循电力系统技术原则、满足电力系统 应用需求的电力人工智能系统。 不完全依赖电网模型，在海量数据基础上，通过大数据和计算技术，透过 数据关系发现电力系统运行规律，实现电网的智能分析、智能决策、智能 管理、智能运行、“智能导航”。 人工智能推动电力创新发展： 人工智能技术使得海量新能源接入新型电力

AI+CAD：多模态输入到模型 技术路径方面，生成式设计主要分为数据驱动、知识驱动和参数 化与生成式混合三种类别。数据驱动，利用大量的 CAD 模型数据、 设计案例、工程数据等，通过人工智能方法从数据中学习设计模式、 规律和特征。如申龙电梯利用浩辰 CAD 土建自动生成系统，实现根 据建筑 CAD 图纸自动生成最优电梯配置方案的设计工具，不仅使得 电梯设计更加灵活、高效，还能快速响应不同项目的特殊设计需求， 实 该工具 框架实现人工智能驱动的物理模拟，解决复杂的非线性物理问题。 技术实现方面，大、小模型技术路线协同并进。大模型擅长处理 高维复杂物理场、捕捉长程依赖关系，实现在海量数据中学习复杂物 理规律，在宏观尺度上实现颠覆性的性能提升。小模型高效、灵活、 低成本的特性使其在特定物理场景和工程任务中应用广泛。如其在焊 接工艺仿真等复杂制造场景中，可以精确模拟熔池流动、热影响区和 残余应力。使用 科研智能：人工智能赋能工业仿真研究报告（2025 年） 23 量的观测或仿真数据进行训练，可以构建出一个既能反映内在物理机 制又能适应实际场景的智能模型。模型一旦训练完成，便能确保其预 测结果严格遵循物理规律。在保持较高预测精度的同时，提供对复杂 物理现象的可解释性洞察，实现对系统行为在物理约束下的高效、可 靠预测。 流体仿真领域，物理驱动的方法将流体力学控制方程方程嵌入模 型结构，使得网络输出

可以进一步将这种思路扩展到思考过程是搜索过程的特例，比如 rStar-Math, SoS 都可以用类似的思路来理解。 本质上， STaR 一类的方法是希望模型能够学习到 MetaCoT, 即问题到答案 映射 过程背后的深入规律 但是对于问题的结构要求性高，对于复杂数学推理任务可能难以自我 迭代 难以融入 Rule-Based Reward for RL 训练 PureRL 加持下，业界的技术实践更多 Focus 直接利用 SFT 蒸馏可以学习到数据中的推理范式，虽然在推理分数上的表现有所提升，但是更多是去拟合 数 据中的 Pattern, 很难学习到数据背后的数学规律和 MetaCoT 强化学习则是通过试错和尝试，鼓励模型在最大化奖励过程中学习到推理背后的规律，获得的泛化性和推 理 表现上界更高 SFT 主要负责记忆而很难进行 OOD 泛化，基于 ORM 的 RL 泛化能力较好 [1] SFT 规范模型输出格式，使得后续的 统下 的安全 ，并不保证多智能体系统安全 \AI 系统伪装已被“安全对齐”，行为欺骗监管 随着 VLA \ Agent 等模型下游和赋能应用兴起，确保模型 AI 系统准确应对不确定性，考虑物理规律下 的人 类价值观对齐至关重要 在复杂动态环境中不仅要短期安全，还要确保长期行为的安全性，例如对操作环境造成影响。 通过形式化验证和 RL ，提升 AI 系统的可靠性与处理复杂推理问题的能力。通过构建形式化数学数据库，

结出一 般性的经验和规律。 2. 定量研究方法 对 587 家获奖案例企业的基本情况和相关应用进行数据分析，并找出数智化转型较为成功的企 业特点、技术应用、场景应用和数字化指标，研究结果较为客观。 3. 调研分析法 调研分析法是一种综合的研究手段。报告通过对数百家企业实地走访、调查，对收集到的数 据进行整理、分类，然后运用统计、比较等分析方法，挖掘数据背后的规律、趋势和问题，为决策提 企业规模作为衡量组织资源禀赋与运营能力的核心指标，其与数智化转型进程的关联性在 2025 年 呈现出新的动态特征。随着数智化浪潮袭来，不同规模企业的转型路径与效能差异愈发显著，既延续了过 往的基本规律，更涌现出“腰部崛起” “小微破局”等新趋势。 从销售收入总额来看，2018 年至 2025 年获奖企业主要集中在中大型企业。其中，销售额在 10 亿 -1000 亿元之间的大型企业占据主导地位 2018-2025 年获奖企业销售收入总额分布 除了销售收入总额外，员工数量也是衡量企业规模的重要指标之一。从 2018 年至 2025 年八年间的 数据来看，获奖企业的正式员工数量分布也呈现出一定的规律性。其中，分布在 100-5000 人区间的企业 数量最多，成为数智化转型的“主力军”。这一规模区间既能够组建专业化数字化团队，又保持决策链条精 简高效。其次是 5000-5 万人区间的企业，这

道的桑格尔弹道基础上发展而来的。高超声速滑翔弹头在临近空间跳跃式飞行，气动参数具有随机不确定 性，弹道由跳跃和滑翔相互交叉构成。 目前该领域的主要技术方向包括高超声速滑翔弹头的气动力特性精确分析，基于运动规律认知、控制 模式辨识、作战意图推断的轨迹预测方法，基于声光电的高分辨率传感测量元器件及测量滤波技术，基于 人工智能和神经网络多源数据融合技术及快速处理智能算法等。该领域未来的发展趋势包括建立复杂飞行 的无人决策系统自主学习换代，提升协同效能；三是强异质动力学特性的海空无人系统一体化协同控制， 结合实时反馈与调整机制构建一体化控制模型，统一与适配不同跨域航行器的动力学特性，探索人机多模 态交互控制规律，为不同平台之间的高效协同提供支持。总之，海空协同异构无人系统一体化控制技术的 不断发展，对保障我国海上活动安全、开发深海资源与发展海洋经济等具有重要的实际意义 目前，该前沿中核心专利产出数量排 85.35 2021.7 4 多模态感知认知智能理论 117 11 893 101.65 2020.4 5 超高灵敏度跨尺度缺陷检测技术 88 5 027 57.12 2020.1 6 数据和物理规律驱动的智能科学计算 62 12 916 208.32 2021.4 7 大规模卫星集群分布式规划与智能协同控制 61 * 504 8.26 2021.6 8 超大规模集成光计算芯片 20 1 793

增强， 关注焦点随之发生变化。 爱与归属 自我 实现 尊重需求 安全需求 生理需求 爱和心灵的归属感  例如固定的居所和稳定的收入，朋友/爱人/孩子/稳定/社会地位 远离恐惧，保障规律性生活  保障安全稳定，免除基本威胁，满足对恒常有序的需求 维持自身生存的最基本的需求  盐、糖、蛋白质等基础生存需要，基础但不唯一 最高阶层：实现自身全部潜能的需要  人对于自我发 大家都一样 90/00后 第 一 消 费 第 二 消 费 第 三 消 费 第 四 消 费 代步工具 身份地位 个性彰显 无品牌倾向 规律一：新消费潮流一二线先行再扩散三四五线城市 规律二：新消费潮流均是主力年轻人率先带动再扩散 规律三：新消费潮流家庭增换购先行再扩散首次购车 每一次切换都是重新占领用户心智 每一次切换都是靠供给在创造需求 （ 中国SUV-电动车-智能化渗透率变迁节奏 资 产 机电化 智能化 生态化 ● 汽车行业的”苹果” ● 传统车企都在努力做 ● 新势力 ● 大众、丰田 ● Tesla ◆ 什么事情对车企来说最重要？！一切以用户为中心是永恒不变的规律！ ➢ 造车1.0时代：“开不坏的丰田车“，安全且结实的产品是用户所需。 ➢ 造车2.0时代：“一辆不断自我进化的车“。”安全”是只是及格条件。 ➢ 造车3.0时代：“一辆能给用户带来财富的车”？不仅是消费，更是生产资料。

布鲁姆 认知目标 对话式 教学活动 GAI作用描述 “低阶” 认知目标 （记忆、理解、 应用） 获取 GAI定概念、述原理，作为数据分析工具。 提问 GAI根据提问解释特定事物和原理的规律，举相关例子 ②。 表达 GAI 依据情境生成分析性的文本资源，或作为迭代学生提示词的学习助手来 优化表达。 “高阶” 认知目标 （分析、评估、 创造） 讨论 GAI分析、推理特 GAI根据实践活动的标准评判内容和规则，引导与学生的对话，在实践中与 学生协同反复测试、迭代并进行个性化反馈。 合作 GAI基于特定事实（教学活动、项目中积累的过程性素材和反馈）归纳出一 般规律，或进行反事实推理，作为AI助理与学生合作，同时扮演合作同伴和 指导导师角色。 案例 2-1 清远市博爱学校利用 GAI 丰富思辨性阅读与表达活动 ④ 冯老师在六年级《两小儿辩日》教学中，创新应用星火大模型，打造思辨性 综合素质评价：智能化时代学习评价的变革与实施[J].中国电化教育,2020,(01):109-113+121. 13 第 2 章 对学生学习进行全场景数据采集、多空间数据融合、多模态数据精准分析、分析 结果可视化来揭示教学活动的规律与特征，推动教学评的关联时序走向一体化 ①②。 全周期教学数据采集。教学中广泛应用的智慧课堂系统、学习管理平台和在 线作业系统等，能够追踪学生课前的知识掌握情况、课堂上的行为表现，采集互 动

值时，平台下发控制指令降低可 控负荷（充电桩、景观照明等） 的充电功率或直接停止供电。 通过平台记录的用电负荷历 史数据， 识别企业负荷的“峰”、 “谷” 出现的时间规律、功率、 持续时间，经计算后合理设置储 能系统的充放电时间段和持续时 间，减少容量电费，降低用电成 本，也可以降低扩容需求。 运行流程 0 1 0 3 0 2 不够负载消耗时，减少负载（或者调节充电功率）或者储能系统对负载放电。 10 削峰填谷 1 ）根据用户用电规律，设置峰值和谷值，当电网功率大于峰值时，储能系统放电，以此来降低负荷高峰； 当电网功率小于谷值时，储能系统充电， 以 此来填补负荷低谷，使发电、用电趋于平衡。 2) 根据分布式电源发电规律，设置峰值和谷值，当电网功率大于峰值时，储能系统充电，以此来降低发电高峰；当电网功率小于谷值时， 储能系统放电，

育新形态。同时，着力探索建立不同类型高等教育的关键场景转型试点，系统开展应用实验和融合变革，提炼总结数字化转型的模式与 思路，发挥示范和带动作用。 第三，对标高等教育强国建设战略任务，在遵循人的发展规律和高等教育规律前提下，锚定高等教育教学、科研、服务应用场景，跟进 新兴技术尤其是生成式人工智能技术的发展与应用，探索人工智能技术赋能高等教育模式变革路径，使高等教育新形态最大化促进教师 和学生全面发展，实现师生的生命质量提升，发展师生智慧。 筛选审查力度，不能简单地移植或照搬，要在数 字技术和高等教育之间架起“双向奔赴”的理论 桥梁，发挥技术赋能教育优势的同时，用理论催 化二者的深度融合，并透视背后隐藏的风险与挑 战。基于高等教育规律和人才成长规律进行数字 技术研发，在高等教育人才培养、科学研究等场 景的应用反馈中不断优化完善，为高等教育数字 化转型提供专业的技术支撑。 加强理论建构 强化融合质效 05 高等教育数字化转型的实践进路：