近日，能源数字经济交流会暨中国电力企业联合会能源数字经济专业委员会成立大会在京举行。中国电力企业联合会党委书记、常务副理事长杨昆，国家电网公司副总信息师吴杏平，国家电网有限公司副总工程师、国网能源研究院有限公司党委书记董事欧阳昌裕分别作开幕致辞。天云数据CEO雷涛作为能源数字经济专业委员会成员受邀出席活动并做《从鹦鹉到乌鸦，大模型后训练时代的电厂实践》主题演讲。能源和AI的联接：全球知名软件公司正在成为巨大的电力公司算力的长期需求下，北美科技公司在这两年大幅度购买电力长期合约，亚马逊的电力资产已经超过30GW，Meta、Google紧跟其后。2023年，亚马逊在16个不同市场宣布了74笔单独的私人投资发电项目PPA，总购电量达到8.8GW。这使得亚马逊宣布的企业PPA资产组合达到33.6GW，成为了全球第八大清洁能源资产组合，仅次于美国最大电力公司NextEra的34.6GW。此外，由OpenAI联合软银、甲骨文等巨头斥资5000亿美元打造的算力巨兽Stargate，正以荒谬速度重塑全球AI算力格局。甲骨文作为技术合作伙伴，负责服务器部署与光纤网络搭建，其与OpenAI签署的4.5GW扩容协议，仅年度规模就达300亿美元。天云数据CEO雷涛表示：“天云数据在国网浙江嘉兴做了工业4.0实践，真正实现了看天计算。领先采用机器学习模型替换传统专家经验规则，利用新一代数据编织技术，通过局地气象、局地辐照、光伏设备IOT三大类数据实现真正的数据驱动，任务调度随“电”而行，最大化利用电力资源。与传统的专家经验相比，模型准确率提高了30%，且实现中小尺度空间15分钟级单用户发电量的精准预测。天云数据通过AI infra 软件基础设施赋能，让智算中心拥有了强大的“变频”能力，实现资产价值、算力资源和能源电力的和谐匹配。”后训练时代的杀手锏：天云数据“智能三叉戟”实现人类级通感推理
天云数据语言、视觉、空间多基型协同，从单一模型解决特定问题，到多模态基础模型协同实现人类级别的通感推理。其核心在于"强化思想"的贯穿应用，让AI系统能够像人类一样不断学习、适应和成长。这就像一个人从只会做加减乘除进化到能够综合运用视觉、听觉、触觉等多种感官进行复杂决策。首先，强化学习是训推一体的后训练架构，与预训练有本质区别。预训练相当于“学习教科书”，是对训练数据集的模仿，属于静态学习；强化学习相当于“做练习题”，通常没有详细解答但会给出正确答案，是基于激励进行自主探索的动态学习过程，只有自己懂了方法才能得到正确答案。其次，奖励工程代替提示工程，成为后训练时代的关键方法。提示工程受限于训练数据的固有模式，而奖励工程创造了一个开放式的学习环境，模型不再被动响应指令，而是主动寻求奖励最大化。更重要的是，强化学习的奖励是训练数据之外的独立数据类别，具有持续的特性，这为AI的持续进化提供了更多可能。此外，强化学习通过"用不确定性换取奖励"的创新机制，通过工程方法主动保留低概率但可能带来高回报的行为选项，从而延缓熵的坍缩，提高模型上限。这种做法类似于人类的"冒险精神"，虽然已知较优方案但仍会尝试新方法以发现潜在突破。传统大模型依赖外挂知识库或微调适配行业需求，天云数据科研团队研发的Elpis VR直接从第一性原理出发，把科学知识转化为可计算的强化学习目标，标志着我国在大模型技术研发上正从"通用语言理解"向"领域科学智能"迈进，获《人民日报》财经版报道。天云数据通过从理论到实践的全栈技术布局，正推动AI从数据感知阶段跃升至认知与创造层面。
