课程背景
1. 业务情境数智化转型诉求：
能建电力规划院核心业务涵盖电力系统规划、工程规划、项目咨询等等，涉及大量复杂资料处理和专精学识运用。当前规划流程中存在图纸审核耗时、方案精进倚重心得、跨队伍协同效率低等等问题，亟需借助
AI 技艺达成规划流程自动化和智能化升级。
2. 专精学识沉淀和复用诉求：
电力规划领域积累了海量规范准则、历史实例和技艺文档，但分散存储于不同系统，学识复用率低。
AI 大模型可构筑专精学识图谱，达成规划规范智能检索、历史方案迅速借鉴，破解新人练就周期长、核心学识传承难的痛点。
3. 工程决策智能化升级诉求：
电力项目规划需综合考虑经济性、安全性、环保性等等多维度因素，传统决策倚重人工拆解，易受主观心得限制。
AI 技艺可借助资料建模和仿真推演，提供精准的负荷预测、成本估算和隐患评核，拉升决策科学性。
4. 业界竞争和政策驱动诉求：
新能源和新型电力系统建设加速，业界对规划效率和革新本领要求拉升。国家
“东数西算”“双碳” 等等政策促成电力业界数智化转型，高管需把握 AI 技艺趋势，布局差异化竞争优势，防止技艺落后隐患。
5. 组织本领适配性诉求：
引入
AI 技艺需突破传统组织架构和协同模式，高管层需掌握 AI 项目顶层规划办法。怎样平衡技艺投入和业务价值、构筑 AI 英才队伍、拟定分步施行打法，成为促成 AI 落地的要害挑战。
课程收益
1. 领会
生成式
AI
的演化推演和技艺特性，掌握生成式
AI 在工程规划领域的运用规律，构筑对机器智能演进趋势的系统性认知。
2. 熟稔国内业界大模型的开发路径和成功实例，能够结合电力规划院业务情境，识别高价值机会点。
3.
掌握公司私有专精大模型的构筑轮廓和施行步骤，领会智能体孵化的技艺原理，具备规划
AI 技艺落地路径的本领。
4.
领会
AI 相关政策对电力业界的影响，结合华为数智化转型办法论，形成符合公司实际的 AI 方略规划思路。
5.
拉升领导
AI项目施行的本领，能够拟定包含顶层规划、隐患管控、组织适配的公司级AI落地方案。
课程大纲
上午：技艺奠基和情境洞察
1.1.
机器智能演进全景认知
1.1.1.
生成式
AI
技艺全景
、
演化进程和演进趋势
拆解
²
生成式
AI 的核心技艺原理，如深度研习、神经网络在生成式模型中的运用；
²
从
GPT-1 到 GPT-
4
多模态大模型的技艺跃迁历程，拆解技艺突破节点；
² 大模型参数规模和本领边界的关系演变
²
生成式
AI 和传统 AI 的技艺差异以及优势对比
² 预测未来技艺演进方向，包括模型性能拉升、运用领域拓展等等趋势。
1.1.2.
生成式
AI
技艺全景和核心特性
²
生成式
AI 的基本训练办法和路径
² Transformer 架构的核心原理和革新突破
²
生成式
AI 的四大技艺支柱：大模型、资料、算力、算法
² 当前主流大模型的技艺特点和适用情境对比
1.1.3.
生成式
AI
技艺和公司运用情境价值对齐
²
从公司方略、业务链路精进、买方体验拉升等等角度，拆解生成式
AI 可运用的方向；
² 列举公司具体
业务情境中，
AI 运用的潜在价值情境；
² 分享业内领先公司在这些情境下的成功实践心得和结晶。
1.1.4.
电力业界
AI
运用现况扫描
²
能源领域
AI 技艺运用的阶段划分和特征
²
电力规划院数智化转型的痛点和
AI 介入契机
²
国内外电力规划公司
AI 运用初步探索实例
1.2.
业界大模型实例深度剖析
1.2.1.
国内业界大模型开发和运用实例
² 能源业界专精大模型（如电力调度、新能源规划）的技艺架构
² 工程规划领域大模型的训练资料构筑和精进办法
² 头部公司大模型从开发到落地的完整周期和要害节点
1.2.2.
字节跳动
AI
实践心得迁移
² 字节跳动大模型在内容生成、资料处理中的运用情境
² 大规模资料治理支撑大模型训练的实践办法
²
互联网
AI 心得对传统工程公司的借鉴价值
1.2.3.
华为数智化转型中的
AI
融合路径
²
华为
“平台 + 生态” 模式下的 AI 技艺部署打法
²
公司级
AI 项目的顶层规划和资源配置办法
² 从试点到规模化推广的转型心得
1.3.
电力规划院
AI
运用情境识别
1.3.1.
生成式
AI
给公司带来的变革
² 规划流程效率拉升的量化潜力拆解
² 学识事务者定位转型和本领要求变化
² 组织协同模式和决策链条的重构可能
1.3.2.
技艺和情境价值对齐办法
²
电力规划核心业务链路的
AI 适配性评核轮廓
²
高价值情境识别的
“三要素”：频率、影响度、可行性
² 技艺投入和业务价值的平衡模型
1.4.
小组碰头：
AI
赋能机会挖掘
1.4.1.
分组
碰头
²
围绕
“规划规划、工程仿真、项目管控” 三大环节
²
运用情境画布抓手梳理潜在
AI 运用点
²
每组输出
2 个优先级最高的运用情境并阐述依据
1.4.2.
方案呈报和点评精进
² 各组展示碰头结晶的核心内容
² 跨组提问、答辩
² 专家结合业界最佳实践开展方案精进建议
下午：运用实战和方案共创
1.5.
公司
AI
技艺落地轮廓
1.5.1.
生成式
AI
运用的基本范式
²
生成式
AI 运用的 4 种基本范式
：
事务流、
Prompt工程、RAG
（检索增强生成）、微调
²
事务流自动化：规划流程中的
AI 差事嵌入办法
² Prompt 工程：拉升规划诉求精准转化的招数
² RAG 技艺：电力规划学识图谱构筑和检索实践
² 微调技艺：私有资料精进大模型性能的操作步骤
1.5.2.
生成式
AI
的公司级运用
²
阐述生成式
AI 促成工业进化的历程和趋势，从工业自动化到智能化的转变；
²
拆解
AI 驱动公司数智化转型的路径，包括方略规划、技艺选型、组织变革等等方面；
²
纵深拆解生成式
AI 在公司具体业务情境的运用实例，包括施行步骤、技艺细节和运用成效评核。
1.5.3.
公司私有专精大模型构筑
² 资料准备：工程图纸、规范准则的资料清洗和结构化
²
模型选型：开源模型二次开发
vs 自主训练的决策依据
² 部署架构：私有云环境下的大模型安全部署方案
² 成本将控：模型训练和运维的资源精进打法
1.5.4.
智能体孵化技艺路径
² 电力规划智能体的核心功能模块规划
² 多智能体协同破解复杂工程问题的实例
² 从大模型到智能体的技艺演进路线图
1.6.
AI
方略规划
办法
1.6.1.
组织导入
AI
项目的施行办法
²
顶层规划：
AI 方略和公司演进标的的对齐招数
² 整体规划：技艺架构、资料架构、组织本领的协同规划
² 分步施行：试点情境选项和成效评核指标设定
1.6.2.
公司级
AI
落地方案轮廓
² 情境优先级排序矩阵和资源分配模型
²
技艺选型决策树：公有云
vs 私有部署的选项依据
² 项目施行路线图：从试点到规模化的时间节点规划
1.6.3.
华为数智化转型办法论运用
² “业务驱动 + 技艺赋能” 的双轮转型模型
²
公司数智化成熟度评核和
AI 本领建设路径
² 转型进程中的隐患管控和组织变革管控
1.6.4.
在
AI
项目施行的进程中的隐患
以及
防范
打法
²
拆解
AI 项目施行进程中可能面临的隐患，如资料安全隐患（资料泄露、资料质量问题）、算法隐患（算法偏见、模型不稳定性）、英才隐患（缺乏 AI 专精英才）等等；
² 针对每种隐患，引见相应的防范措施，包括构筑资料安全管将控度、开展算法审计、加强主力练就和引进等等；
² 借助实例拆解隐患发生的原因和造成的后果，强化参训者隐患防范意识。
1.7.
AI
相关
政策解读
² 国家机器智能演进规划对电力业界的具体要求
²
资料安全法、
AI 伦理规范在工程领域的实践要点
² 2025-2030 年 AI 技艺在能源领域的演进预测
1.8.
沙盘推演和落地方案规划
1.8.1.
分组沙盘推演
²
基于上午识别的高价值情境，绘制
AI 运用流程图
² 拟定包含技艺、资料、组织的三维施行规划
² 预估项目投入、预期收益和潜在隐患化解措施
1.8.2.
方案呈报和点评精进
²
各组展示公司级
AI 落地方案核心内容
² 结合业界最佳实践开展方案精进建议
²
形成可带回公司的初步
AI 施行规划蓝图
2.
注意事项
²
技艺术语转化：
在解说技艺细节时，考虑到参训者的专精来由，适当调整难度，防止过于深奥的技艺术语，并根据参训者所在业界、岗位属性做适当的技艺术语转化。同时防止泛泛而谈技艺原理，所有概念都锚定贴合参训者业界的实际业务情境。
²
实例本地化：每个模块至少
1个本地实例
，增强代入感。
² 抓手实用性：所有模板（政策申报、情境评核）都可编辑，课后发送电子版。
²
时长将控：每个三级学识点解说不超过
10 分钟，穿插交流（提问 / 沙盘）保持注意力
。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|李檀老师
适合谁听
能建电力规划院 高管。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。