[蚂蚁数科]蚂蚁数科能源电力时序大模型 EnergyTS 正式发布，预测精度超谷歌、亚马逊

 3 月 26 日，新能源数字资产社区春季峰会在苏州召开。会上，蚂蚁数科发布能源电力时序大模型 EnergyTS，可通过精准预测发电量、供需情况等，为新能源行业发展优化经营策略。根据光伏场景测评显示，该垂类模型在行业评测集上的发电量预测准确率超越谷歌（TimesFM-V2.0）、亚马逊（Chronos-Large）等行业主流的通用时序模型。

蚂蚁数科能源电力时序大模型 EnergyTS Benchmark 评分

值得注意的是，此次 EnergyTS 的发布是蚂蚁数科在 AI 大模型业务布局上的一次亮相，蚂蚁数科 CEO 赵闻飙曾断言，AI 时代，大模型技术创新带来了传统行业的变革机遇，大模型的多模态感知理解能力，将引发新交互、新服务，AI 链接物理世界成为可能。

在新能源领域，新能源光伏和风力发电环节，容易受到太阳辐照、风速、云量、温度、设备性能等多重因素影响，存在发电效率不稳定的问题，进而带来用电供需不平衡、电价波动剧烈、储能调度收益低等关联风险。用 AI 技术可加强发电量预测的准确性，对电站的投资选址、行业收益评估、储能调度运营效率、资产风险管控等关键环节至关重要。

据介绍，EnergyTS 是专为新能源行业定制的能源电力垂类时序大模型，其充分融入了新能源行业的专业知识和垂类场景的多模态数据，具备多尺度训练、多模态融合、多任务学习、零样本冷启等优势。能广泛用于包括光伏发电、风力发电、储能、微电网、电力交易、虚拟电厂等多个场景，企业无需额外的训练，实现「开箱即用」。

蚂蚁数科提供的 EnergyTS 大模型测试数据显示：在发电预测这一典型场景中，在 T+1 天的预测中，EnergyTS 的 MAE（平均绝对误差）仅为 0.0233，较谷歌（TimesFM-V2.0）性能提升约 22.4%。在 T+3 天预测任务中， EnergyTS 的性能较谷歌（TimesFM-V2.0）提升 46.8%，较亚马逊（Chronos-Large）提升 62.4%。

业内人士指出，该成果有望打破欧美企业在能源 AI 领域的技术垄断，大幅提升新能源行业运营效率，辅助风控决策，提高经济效益。

「我们希望致力于解决千行百业在 AI 时代的智能化转型问题，除了新能源行业，未来蚂蚁数科还将在更多领域探索大模型技术能力与行业现实问题的共同解法。」赵闻飙表示。

蚂蚁数科是蚂蚁集团 AI 业务发展的一个缩影，事实上，据外媒报道，蚂蚁集团通过混合使用不同供应商的芯片，该公司不仅降低了 AI 模型训练的时间和成本，还减少了对英伟达等单一供应商的依赖。该公司日前还宣布对其医疗 AI 解决方案进行"重大升级"，目前 7 家主要医院及医疗机构已部署该技术。