该文档围绕人工智能在建筑及能源行业的应用展开，主要探讨了能源领域传统 AI 发展困境、大语言模型带来的新范式、应用案例、未来关键突破点以及对行业的影响与展望，核心是分析大语言模型如何推动能源行业变革及面临的问题。

人工智能发展历程与现状

• 回顾 AI 发展，历经多轮浪潮，2024 年取得大幅进步，在多项任务中逼近或超越人类表现，如 ChatGPT o1 在竞赛数学、博士级科学问题等方面表现突出，DeepSeek 出现打破垄断，带来中文 AI 普惠。

• 能源领域传统 AI 多停留在数据采集和信息展示阶段，应用受限，原因包括场景复杂、多学科交叉、开发周期长等，传统范式依赖人工，可扩展性和灵活性差。

大语言模型带来的新范式

新范式基于算法 + 数据 + 算力，摆脱对人类专家依赖，如 AlphaGo Zero 通过强化学习实现自我迭代升级，自动生成决策。

DeepSeek 等大语言模型降低开发难度，使 AI 技术更易获取，解耦合开发与应用场景，降低定制成本，推动能源领域智力普惠，但也面临开发和规模化瓶颈。

大语言模型在能源领域的应用案例（浙大团队研究）

• 能源负荷预测：借助大语言模型（GPT - 4）自动编程完成从数据预处理到模型解释的全过程，预测精度较高（如约 0.95）。

• 运行数据自动化分析：与无监督挖掘算法结合，经数据预处理、特征选择、知识挖掘与解释四个步骤，挖掘能源浪费模式，GPT - 4 检测准确率较高。

• 系统故障检测与诊断：基于标注数据，利用模型自纠正和数据增强算法微调模型，显著提高诊断准确性，如微调后模型较原 GPT - 3.5 对 13 类别的平均诊断准确率提高 73.3%。

未来大语言模型关键突破点

• 智能体：如微软 RDAgent 可实现工业研发自动化，具备动态学习、跨领域应用和集成开发反馈能力，能简化模型和数据开发流程。

• 世界模型 / 数字孪生：可让大语言模型低成本虚拟演练，模拟现实世界解决系统缺陷，形成迭代闭环，但当前技术如 SORA 仍有不足，浙大自研平台有一定成果但开发难度高。

未来展望与结论

• 预计 5 - 10 年内迎来 AGI 时代，其将大幅提升生产效率、推动科研创新、解放劳动力，但也带来伦理安全、就业结构调整等问题，对各行业影响深远，能源领域将借助大语言模型与智能体结合实现智能化变革，当前社会对 AGI 尚未做好充分准备。

浙江大学：从DeepSeek探讨大语言模型在建筑及能源行业的应用趋势和技术方法