一、政策與行業(yè)背景

1.   “AI＋能源／電力”政策推動

o    國家發(fā)展改革委、國家能源局發(fā)布了《關(guān)于推進(jìn)“人工智能＋”能源高質(zhì)量發(fā)展的實(shí)施意見》，明確電網(wǎng)、水電、火電、核電、能源新業(yè)態(tài)等多個能源子領(lǐng)域要推進(jìn) AI 應(yīng)用，并要推動多個專業(yè)大模型在電網(wǎng)、發(fā)電等能源重點(diǎn)行業(yè)深度應(yīng)用。(新浪財(cái)經(jīng))

o    電力行業(yè)“人工智能＋”戰(zhàn)略也已被電網(wǎng)公司（例如南方電網(wǎng)）納入公司工作方案中，成為未來轉(zhuǎn)型的重要方向。(國際電力網(wǎng))

2.   “數(shù)字電網(wǎng)”“新型電力系統(tǒng)”“源–網(wǎng)–荷–儲”協(xié)同等體系建設(shè)

o    電力系統(tǒng)正在向包含清潔能源、儲能、分布式能源協(xié)同、用戶側(cè)參與等的新型系統(tǒng)演進(jìn)，這使得調(diào)度、預(yù)測、實(shí)時控制、異常監(jiān)測等環(huán)節(jié)對算法、模型與智能決策支持系統(tǒng)的需求大幅上升。(數(shù)字中國)

o    推動多模態(tài)大模型、復(fù)雜建模與仿真、邊緣計(jì)算、強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)等技術(shù)應(yīng)用以提高系統(tǒng)穩(wěn)定性、預(yù)測精度與響應(yīng)速度。(人民網(wǎng)財(cái)經(jīng))

二、需求驅(qū)動因素

• 預(yù)測與調(diào)度精度需求提升
  清潔能源（風(fēng)電、光伏等）出力波動大、氣象影響顯著，因此對氣象預(yù)測模型、功率預(yù)測、負(fù)荷預(yù)測與電力市場調(diào)度算法的精度要求大大提高。(國際電力網(wǎng))
• 實(shí)時控制與靈活調(diào)度
  分布式能源、儲能、微網(wǎng)、虛擬電廠等對實(shí)時性強(qiáng)的控制／優(yōu)化算法需求增加。秒級、分秒甚至更短的響應(yīng)、決策能力很被重視。(數(shù)字中國)
• 大模型 / 專業(yè)模型應(yīng)用場景增加
  電力系統(tǒng)中已有發(fā)布如“大瓦特”這類電力行業(yè)自主可控大模型，覆蓋調(diào)度、安全監(jiān)管、客戶服務(wù)等多個場景。(eptc.org.cn)
• 數(shù)字運(yùn)維與智能決策需求
  在輸電、變電、配電與用電環(huán)節(jié)中，通過 AI 算法自動識別設(shè)備異常 /故障、進(jìn)行預(yù)測性維護(hù)、優(yōu)化維護(hù)調(diào)度、提升安全與可靠性。(jsdsm.fzggw.jiangsu.gov.cn)
• 數(shù)據(jù)融合與智能服務(wù)需求
  電力公司在客戶服務(wù)、合同管理、法律風(fēng)險分析、財(cái)務(wù)流程自動化等后臺業(yè)務(wù)中也在采用自然語言處理、多模態(tài)數(shù)據(jù)處理等 AI 技術(shù)來提升效率。(數(shù)字中國)

三、AI 算法工程師崗位職責(zé)與能力要求

基于行業(yè)趨勢和企業(yè)方案，可總結(jié)出下列典型職責(zé)與能力要求：

模塊	職責(zé)內(nèi)容	技能與能力要求
預(yù)測與建模	開發(fā)負(fù)荷／功率預(yù)測模型、氣象與出力預(yù)測、大型仿真模型（發(fā)電、輸配電網(wǎng)）	時間序列分析、統(tǒng)計(jì)學(xué)習(xí)、天氣模型知識、機(jī)器學(xué)習(xí)／深度學(xué)習(xí)（LSTM, Transformer 等）
優(yōu)化與調(diào)度控制	優(yōu)化調(diào)度算法、儲能參與優(yōu)化、微網(wǎng)控制、虛擬電廠管理、多目標(biāo)優(yōu)化	強(qiáng)化學(xué)習(xí)、優(yōu)化算法、約束規(guī)劃、分布式控制、邊緣計(jì)算
異常檢測與運(yùn)維預(yù)測	故障診斷、異常識別、預(yù)測性維護(hù)、設(shè)備健康評估	數(shù)據(jù)清洗、特征工程、異常檢測算法、深度學(xué)習(xí)／圖神經(jīng)網(wǎng)絡(luò)、信號處理
大模型與模型部署	構(gòu)建 / 調(diào)整行業(yè)或企業(yè)專用大模型，例如“大瓦特”，進(jìn)行模型訓(xùn)練、微調(diào)、部署；多模態(tài)模型／語言模型在電力行業(yè)的定制應(yīng)用	深度學(xué)習(xí)、NLP／多模態(tài)處理、模型壓縮與優(yōu)化、模型可解釋性、安全與隱私保護(hù)
邊緣與實(shí)時系統(tǒng)	實(shí)時控制與邊緣推理能力建設(shè)、低延遲響應(yīng)系統(tǒng)	邊緣計(jì)算、系統(tǒng)編程、嵌入式系統(tǒng)、實(shí)時調(diào)度、軟硬件協(xié)同
跨領(lǐng)域融合能力	數(shù)據(jù)工程、云計(jì)算／算力架構(gòu)、業(yè)務(wù)理解、與電力系統(tǒng)工程人員協(xié)作	數(shù)據(jù)管道搭建、平臺工程、算力與資源調(diào)度、跨學(xué)科知識融合

四、薪酬水平與市場競爭

• AI 算法工程師整體薪資在新興技術(shù)崗位中已經(jīng)成為高薪端。根據(jù)脈脈高聘春招報告，2025 年新發(fā)技術(shù)類崗位中“大模型算法工程師”平均月薪約 ￥68,051，人工智能工程師約 ￥60,768，算法工程師約 ￥52,381。(新浪財(cái)經(jīng))
• 在電力行業(yè)專屬場景／央企／大型國有控股公司中，雖然公開數(shù)據(jù)相對少，但由于項(xiàng)目規(guī)模大、穩(wěn)定性高、對系統(tǒng)可靠性與安全的要求高，這類企業(yè)對算法工程師的薪酬報價往往會帶有地域、職務(wù)級別、項(xiàng)目經(jīng)驗(yàn)等溢價。
• 整體趨勢是：隨著經(jīng)驗(yàn)的增加，能落地真實(shí)項(xiàng)目（負(fù)荷預(yù)測／調(diào)度／微電網(wǎng)控制／實(shí)時異常監(jiān)測等）的算法工程師，其薪資可以從月薪數(shù)萬元上升至年薪數(shù)十萬元甚至更高。特別是如果具備大模型調(diào)優(yōu)或行業(yè)模型定制經(jīng)驗(yàn)者，其年薪過 50 萬人民幣／月薪 3–7 萬以上的崗位不是少見。

五、挑戰(zhàn)與限制

• 數(shù)據(jù)質(zhì)量與邊界問題：電力行業(yè)的業(yè)務(wù)數(shù)據(jù)常常存在傳感器誤差、缺失、噪聲，并且數(shù)據(jù)類型非常多：時間序列、圖像/視頻、地理空間、氣象、用戶側(cè)行為等。要做高質(zhì)量模型，工程量大。
• 模型可解釋性與安全性要求高：電力系統(tǒng)關(guān)乎國計(jì)民生，出現(xiàn)故障或誤判可能帶來安全風(fēng)險。因此，對于 AI 算法的可解釋性、魯棒性（對異常數(shù)據(jù)的抗干擾能力）、安全性要求很高。
• 算力與部署難題：培訓(xùn)／微調(diào)大模型、邊緣部署、實(shí)時響應(yīng)系統(tǒng)對算力與網(wǎng)絡(luò)、硬件資源要求很嚴(yán)格。算力投入、硬件架構(gòu)、成本控制是企業(yè)必須解決的問題。
• 技術(shù)標(biāo)準(zhǔn)和政策法規(guī)尚在完善中：有關(guān)電力 AI 的行業(yè)標(biāo)準(zhǔn)、模型安全標(biāo)準(zhǔn)、數(shù)據(jù)隱私／跨區(qū)／跨企業(yè)的數(shù)據(jù)共享制度等還在發(fā)展。企業(yè)可能面臨政策風(fēng)險或技術(shù)標(biāo)準(zhǔn)不統(tǒng)一的問題。
• 人才復(fù)合性需求大：僅會算法但不懂電力系統(tǒng)不行；懂電力系統(tǒng)但缺乏 AI /機(jī)器學(xué)習(xí)經(jīng)驗(yàn)也不行。很多崗位要求算法 + 電力系統(tǒng)知識 +實(shí)時系統(tǒng) +部署能力等復(fù)合能力。

六、對企業(yè)的建議

1.   設(shè)立內(nèi)部 AI 與行業(yè)專家融合團(tuán)隊(duì)
把具備電力系統(tǒng)工程背景與AI算法／數(shù)據(jù)科學(xué)背景的人才組合在一起，促進(jìn)需求與技術(shù)之間的準(zhǔn)確對接。

2.   明確場景與價值
實(shí)驗(yàn)與試點(diǎn)階段要鎖定幾個關(guān)鍵場景（如負(fù)荷預(yù)測／設(shè)備預(yù)測性維護(hù)／調(diào)度優(yōu)化／應(yīng)急響應(yīng)／客戶服務(wù)等），明確 KPI（準(zhǔn)確率／響應(yīng)時間／成本降低／安全性 etc.），控制投入與風(fēng)險。

3.   加強(qiáng)數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)
數(shù)據(jù)采集、存儲、治理、質(zhì)量控制要跟上；建立標(biāo)注體系；解決數(shù)據(jù)安全與隱私問題；搭建可復(fù)用的數(shù)據(jù)平臺／模型平臺。

4.   投資算力與部署能力
包括云端／邊緣算力資源；模型壓縮與加速技術(shù)；推理延遲與穩(wěn)定性優(yōu)化；實(shí)時系統(tǒng)模型監(jiān)控與回滾機(jī)制。

5.   重視人才培養(yǎng)和引進(jìn)行業(yè)復(fù)合型人才
與高校／科研機(jī)構(gòu)合作；設(shè)立行業(yè)實(shí)習(xí)／聯(lián)合研究項(xiàng)目；對內(nèi)部算法工程師提供電力系統(tǒng)相關(guān)培訓(xùn)；對電力背景人員提供 AI 算法、數(shù)據(jù)科學(xué)相關(guān)進(jìn)修。

七、對 AI 算法工程師（求職者／在職者）的建議

• 加強(qiáng)電力系統(tǒng)知識：了解變電、配電、電網(wǎng)調(diào)度、負(fù)荷與功率預(yù)測、氣象影響、儲能系統(tǒng)、可再生能源相關(guān)技術(shù)。這樣能更快理解電力場景、需求本質(zhì)、設(shè)計(jì)可落地的算法。
• 積累真實(shí)項(xiàng)目經(jīng)驗(yàn)：尤其是從業(yè)務(wù)方或電網(wǎng)公司內(nèi)部或與企業(yè)合作做過預(yù)測模型／控制優(yōu)化／異常檢測等實(shí)戰(zhàn)項(xiàng)目。比光有“算法理論”更有價值。
• 提升部署能力與系統(tǒng)思維：算法除了做出來，還要部署、監(jiān)控、響應(yīng)、升級；具備邊緣部署／實(shí)時系統(tǒng)／模型壓縮／優(yōu)化響應(yīng)速度等能力會非常受歡迎。
• 重視模型可解釋性與安全性：掌握可解釋性技術(shù)（如 SHAP、LIME 等）、模型安全、魯棒性設(shè)計(jì)等，在電力行業(yè)尤其重要。
• 關(guān)注政策與標(biāo)準(zhǔn)：行業(yè)政策、標(biāo)準(zhǔn)與規(guī)范的動態(tài)（例如 AI 在能源領(lǐng)域的“實(shí)施意見”、各電網(wǎng)公司“AI+”方案等），能幫助識別新的切入點(diǎn)和機(jī)會。

八、趨勢展望

• 在未來 1–3 年內(nèi)，AI 算法工程師會成為電力行業(yè)里的核心技術(shù)崗位之一，其作用／地位將持續(xù)上升。
• 電力行業(yè)中專用大模型（例如“大瓦特”）等將成為標(biāo)配，更多企業(yè)將自己或與科技公司合作構(gòu)建專有／定制的大模型。
• 邊緣 AI 與實(shí)時決策算法需求將爆發(fā)性增長，尤其是在分布式能源、微網(wǎng)、儲能系統(tǒng)中。
• 模型安全、標(biāo)準(zhǔn)化、跨企業(yè)／跨區(qū)域協(xié)作（數(shù)據(jù)、算法、模型共享）將成為制約因素，也會成為政策重點(diǎn)。