AI首次实现中国风光发电普查，北大、阿里达摩院研究登上《自然》
一句话看懂：北京大学与阿里巴巴达摩院合作，利用AI和开源卫星影像，绘制出中国首张高精度风光设施分布图，相关成果发表于《自然》期刊。这项研究首次摸清了全国风光发电设施家底，并揭示跨区域协同可显著减少“弃风弃光”。
事件核心：发生了什么
5月20日，国际学术期刊《自然》发表了北京大学和阿里巴巴达摩院的联合研究成果。研究团队基于达摩院自研AI模型，在云计算平台上处理了覆盖全国的7.56TB、0.5米级分辨率开源卫星影像，成功定位并识别出全国1915个县的31.9万处光伏设施和9.16万台风机。这是首次借助AI技术实现全国尺度、高精度的风光设施普查。研究进一步发现，不同地区的风电与光伏在时间上具有较强互补潜力，跨区域协同配置可有效提升新能源消纳能力。
为什么重要
这项研究解决了长久以来中国风光发电基础设施分布数据缺失的问题。国家能源局数据显示，2025年中国风电、太阳能发电新增装机超4.3亿千瓦，新增规模历史性超过火电。但精准统计这些设施的分布一直颇具挑战。研究团队通过AI自动化处理海量卫星影像，构建了全国性的数据底座。研究测算显示，在电力系统调节能力较高的条件下，全国范围的跨省协同可额外提升约1000亿千瓦时绿电消纳能力——这相当于在现有装机基础上减少弃风弃光、释放出的潜力。该成果为电网优化、跨省电力交易规划和储能需求评估提供了量化依据。
对用户/开发者/创作者的影响
对于AI从业者和开发者而言，这一案例展示了开源卫星影像+自研AI模型在垂直领域落地的成熟路径：从数据采集、模型训练到大范围部署，AI已成为基础设施普查的关键工具。研究使用的开源卫星影像和云计算平台降低了数据获取门槛，类似的方法可复制到环境监测、城市规划等其他遥感应用领域。对能源行业用户来说，这项研究提供了更精准的数据支撑，有助于理解新能源并网调度和跨区域电力交易的实际效益。对于关注“双碳”政策的研究者，这一数据底座可推动系统性风光发电规划研究。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是该AI模型及卫星影像处理流程是否会在学术或商业领域开源或公开API。二是研究提出的跨区域协同策略能否被纳入国家或省级电网规划及跨省电力交易规则。三是阿里达摩院是否会基于此数据底座推出面向企业或政府的能源分析工具。目前公开信息显示，研究团队已为后续环境评估和电网优化分析打下基础，但具体商业化产品尚未披露。
来源：量子位 · 每日最新
