（来源：钛媒体APP）
2026年1月，中国气象局、国家能源局联合印发《关于推进能源气象服务体系建设的指导意见》。如果只把它理解成一份支持能源气象的政策文件，这篇文章就没必要写了。真正值得看的，不是两部门又强调了一次风电、光伏、水电和电网运行离不开气象服务，而是这份文件第一次更系统地把能源气象推向体系建设：覆盖能源产、供、储、销全链条，覆盖规划选址、供应保障、资源监测预报、防灾减灾、电力市场交易等场景，并要求形成短临到月、季、年的无缝衔接能力。到2027年基本建立一体化能源气象服务体系，到2030年水、风、光、储相关气象服务关键技术达到国际先进水平。
这件事真正有分量的地方，不在于文件本身，而在于它承认了一种变化：能源系统需要的，已经不只是天气信息，而是一类更深地进入运行、交易、储能和保供层的气象能力。新能源占比持续提升，把这种需求推了出来；AI气象大模型的成熟，则让这类能力第一次具备了更接近体系化落地的技术条件。政策不是在凭空制造一个新赛道，而是在给一类已经开始成形的能力正式定位置。
新能源系一直在用天，但方法已
风电看风，光伏看辐照，水电看来水，电网防灾看预警，负荷预测看温度变化。过去，能源气象更多是局部化、项目化、辅助化的。一个场站买一套功率预测，一个区域做一套资源评估，一个调度部门盯一套灾害预警。新能源占比还不高时，这种用法基本够用；新能源逐渐成为系统主力之一后，问题开始变得不一样。天气影响的不再只是某个场站多发还是少发一点电，而会通过弃风弃光、调峰压力、储能调用、现货价格、偏差结算和收益波动，一层层传导到系统运行和经营结果。
企业经营端已经能感受到这种变化。云南能投在2025年业绩预告里提到，较为极端的小风年导致来风减少、低风速时段增多，新能源发电量下降；与此同时，新能源装机扩张又带来弃风弃光率上升，叠加市场化交易电价下行，最终压缩利润。这个案例最值得注意的，不是风小了，而是天气、系统消纳和市场机制开始共同作用到经营结果。对单个企业而言，预测不能改变小风年本身，但可以让系统更早调整调度、交易和经营预期。也就是说，单点天气信息已经不够，系统需要的是能把天气变量转成出力、调度、交易和风险管理输入的能力。
偏偏是
先看需求侧。新能源全面入市，正在放大天气偏差的经营影响。国家能源局披露，2025年全国市场化交易电量达到6.64万亿千瓦时，占全社会用电量的64%，新能源已全面参与市场，绿电交易继续增长。市场化程度越高，天气偏差越不只是发电量问题，而会更直接进入现货价格、合同兑现、偏差结算和收益波动。对很多市场主体来说，问题已经不是多赚多少，而是少亏多少。
更重要的是，规则已经在变化。河南明确提出，新能源上网电量自2026年起原则上全部进入电力市场，同时完善与新能源全电量入市相适应的发电厂并网运行管理细则，加大对新能源场站功率预测准确率等指标考核力度。山东则在2026年新版并网运行和辅助服务细则中，把新能源发电功率日内预测偏差考核纳入试运行，并明确关联考核返还、补偿分摊和费用结算。浙江现货市场规则进一步表明，新能源短期和超短期功率预测已经进入日前、实时市场的系统运行边界条件。问题已经不是天气会不会影响新能源，而是天气偏差如何被市场和调度机制制度化放大。
AI么开得重要
需求侧改变的同时，技术侧也在变化。过去能源行业当然一直想要更高频、更细尺度、跨时间尺度衔接、还能直接服务调度和交易的气象能力，但传统模式往往依赖数值预报加经验修正，时间尺度割裂，局地非线性误差难处理，场景转译成本也高，很难稳定做成业务系统。
AI气象大模型的价值，不只是把某个天气指标做得更准一点，而是让高频更新、高分辨率、多时间尺度衔接和场景化转译更接近工程化落地。国家气象中心公开披露，已完成多个主流大模型业务部署，并推进1+N人工智能气象预报大模型体系建设；在公开业务化口径中，相关短中期模型表现已明显提升。这个口径至少说明：AI天气模型在中国气象业务体系里已经不是概念验证；官方已经开始按体系化能力来组织它。
地方层面的业务化证据也在增加。上海公开披露，雨师、扶摇等模型已将强对流预警时效提前15至45分钟，并把更新频次提升到10分钟级；重庆的AI雷达回波外推和风雹临近预警技术，较传统系统显著提升了回波预报准确率；北京则把多种数值模式与AI算法结合，形成逐15分钟更新的能源气象产品，使电力负荷预测精度由93%提升到96%。这些案例的重要性，不在于某个数字多漂亮，而在于它们说明：AI气象能力已经开始进入高频、细尺度、可更新、可接业务的运行场景。
但这里也要说清边界。AI不是已经全面替代传统数值预报。更稳的判断是：AI最先显示优势的，是短临强对流、高频更新、局地精细化，以及部分更长时间尺度的快速推演场景；在中期预报和业务运行层面，现阶段更真实的格局仍然是AI与NWP并行演进。ECMWF在让AIFS进入业务运行时就明确表示，AI系统与传统IFS并行，物理集合系统在更高分辨率和耦合地球系统过程上仍不可替代。也就是说，真正的变化不是谁替代谁，而是AI让气象能力第一次更接近进入能源系统的运行层。
这份联文，正承了什
放在这个背景下再看2026年1月的联合发文，意思就完全不一样了。它真正承认的，不是天气服务的重要性，而是AI时代的能源气象，正在从单点工具走向系统能力。
它把能源气象从单点服务推向全链条能力。文件围绕全链条业务、全场景服务、全要素支撑提出20项任务，说明监管关注的已不是某个模型、某个项目，而是一套能贯穿规划、运行、交易和风险管理的底层能力。
它把时间尺度从短期服务推进到无缝衔接，短临到月、季、年的连续能力，被正式写成体系建设目标。
它把能源气象从运行辅助推进到经营和系统层，特别是把电力市场交易直接纳入场景，意味着气象开始影响报价、偏差、电量兑现和储能调用。文件不是在奖励一个概念，而是在制度上为一种新能力预留位置。
谁会被重新定价
落到行业方向上，真正重要的结论不是 AI 可以做天气，而是 AI 气象大模型终于开始具备进入能源系统的条件。未来值钱的，不会只是模型精度，而是四类能力。
第一，场景转译能力。天气变量不会自动变成出力、交易、储能和风险管理信号，这中间需要深厚的能源业务理解。谁能把天气变量稳定转成经营和运行可用的结果，谁才更有位置。
第二，多时间尺度协同能力。真正的系统需求不是单一窗口上的 SOTA，而是短临、日前、周月季、年景能不能形成一套连续能力。这个要求，本质上就是对 AI 大模型体系化能力的要求。
第三，数据闭环能力。能源气象不是只有天气数据。真正有价值的系统，必须同时接入气象、电力、设备、负荷、交易和运行反馈数据。AI 模型的壁垒，不会只在参数规模，而在能不能形成行业数据闭环。
第四，系统接入与合规能力。2025年《人工智能气象应用服务办法》已经说明，AI 气象进入关键行业，不会是无边界扩张。未来能留在关键行业的，不只是技术强，还要能嵌入流程、理解边界、满足规则。
正的竞争，不在天模型本身
2026年1月这份联合发文，不是能源气象的起点，而更像一个分水岭。它真正说明的，不是天气有多重要，而是能源系统对气象的需求，已经从有没有，走向怎么嵌进去。
新能源占比提升，把问题推到了台前；AI 气象大模型的成熟，则让这种能力第一次更接近体系化落地。接下来真正的竞争，不在谁能做出一篇更漂亮的天气模型论文，而在谁能让 AI 气象能力真正进入能源系统。
