风电装机还在涨，毛利只剩5%：AI原生风机要靠智能体翻盘

本文解读：《2026AI原生智能风电白皮书-风力发电国家技术创新中心》 · 共 26 页 · 原文

风机越造越大，发电效率却没跟上，这是白皮书开篇就摆明的反差。风电过去二十年靠政策驱动、规模扩张和成本竞争增长，2025 年全球新增装机 165GW，GWEC 预计 2026 至 2030 年年均新增约 194GW，但 2024 年头部主机厂风机毛利率普遍只有 5% 上下。

报告把 AI 原生定义为以 AI 为内核重设风机和风电场的感知、决策、执行和进化方式， 而不是在传统风机上加装几项智能功能。

全篇围绕四件事展开：可靠性、发电性能、运维效率和投资收益，每一项都给了可量化的挑战指标。

量涨利不涨的根源不在装机规模，而在机组只会按预设规则执行，调不出更高出力。

图源：《2026AI原生智能风电》（第1页）

图源：《2026AI原生智能风电》（第2页）

一、装机在涨，毛利率只有5%

报告先给了三组数字，把行业的拧巴讲清楚：装机在涨，价格在跌，利润在薄。2025 年全球新增装机 165GW，并网口径同比增长 40%，吊装口径约 178GW；GWEC 预计 2026 至 2030 年年均新增约 194GW。

同时 2024 年头部主机厂风机毛利率普遍只有 5% 上下，个别企业已经转亏，数据来自伍德麦肯兹。

竞争逻辑也在变。招标端去价格化，开发商要求降低价格权重，机组可靠性、全生命周期度电成本、 供应链韧性成了评标硬指标，智能化从加分项变成技术门槛。

中国陆上风电已进入存量博弈期，136 号文推动项目全面入市，业主从圈资源转向拼运营。

招标不再只看报价单，能证明可靠、能兑现出力、能撑住电网的机组才有资格进标。

图源：《2026AI原生智能风电》（第3页）

图源：《2026AI原生智能风电》（第4页）

二、机组变大了，效率反而变差

第二章从客户视角列了四个痛点，每一条都能落到账上。第一是质量损失。陆上机组从 2 至 3MW 迈向 10MW 以上，海上迈向 30MW 级， 但超长柔叶片气弹耦合缺乏成熟准则，恶劣条件超出设计假设边界，事故数量上升。

报告举的例子很具体：新疆某风场一支质保期内断裂的叶片，业主垫付上百万维修费、 承受上千小时停运，追回垫付款打了两年多官司。

第二是发电性能。行业功率曲线达标率仅约 82%，某 6MW 机组实测显示负风切变工况下功率较参考曲线 最高偏低 18%，而 33% 的运行时段存在这类非标准风廓线。

第三是运维，一次海上出海巡检成本可达数十万元，恶劣海况下运维窗口一关就是数周。第四是收益，2025 年全国风电平均利用率降至 94.3%，全年弃风弃光电量合计约 1252 亿千瓦时。

更大不等于更能发，大机组的发电效率不如 1.5MW 至 3MW 时代，这已是行业共识。

图源：《2026AI原生智能风电》（第5页）

三、四个维度，把目标写成了数字

第四章给出一套量化指标体系，用挑战目标和已商业落地水平对照，落点很实在。可靠性上，MTBF 迈向 10000 小时、非计划停机降低 50% 以上；当前陆上 MTBF 约 2200 至 4400 小时，海上约 1100 至 2900 小时。

发电能力上，功率曲线达标率从约 82% 向 98% 挑战；运维上，无人化从 L2 级向 L3 级推进， 目标是支撑集控中心少人值守。运营收益上，复杂工况下多机协同、多能互补，场级收益提升 5% 以上，而现状仍以单机独立控制为主。

支撑这套指标的，是五条特征：自感知决策、多模态融合、世界模型驱动、自进化迭代、多智能体协同。感知融合 SCADA、振动、视觉、声学、气象和文本信号，决策由模型自主生成而非执行预设逻辑， 进化靠模型 OTA 与智能体迭代完成。

关键不在单项指标提升多少，而在整个系统从执行预设变成自己生成策略。

图源：《2026AI原生智能风电》（第6页）

四、世界模型：智能体的训练场

风电世界模型是整套方案的技术底座，报告把它定义为一组智能体的孵化器。它以物理机理为骨架、以 AI 数据学习为进化引擎，在数字空间构建与物理机组高保真映射、 可自我修正的平行风电世界。

能做的不只是仿真：风机设计方案迭代、遇台风时推演场站出力、控制智能体训练更新、 长尾工况试错修正、多情景交易报价、运维机器人动作训练，都在里面完成。

机制的巧妙之处在验证环节。每个智能体的决策先在模型中完成前瞻推演和安全边界校验， 再作用于物理机组，从机制上解决 AI 策略不敢用的难题。

这份报告的原文件放在运营动脉（www.yydm.cn）上，图表、口径说明和样本量都写得很清楚。

想看原文的完整版，搜标题就能打开，图表和数据附录都是齐的，不用注册。

报告还借鉴了三个行业：汽车的世界模型仿真前置与数据飞轮，具身智能的分层控制架构， 军事 AI 的可解释、可审计、可中断硬约束。

报告由此提炼四条共性趋势：多模态融合成为工具、世界模型成为竞争焦点、 边缘智能与云端协同深化、安全可信成为规模化部署前提。

先在世界模型里把该犯的错犯完，再让策略上真机，这才是敢用的前提。

图源：《2026AI原生智能风电》（第9页）

五、五个场景，对应五笔收益

白皮书列了五个典型场景，每个都从客户最头疼的问题入手，最后落到可度量的收益。研发设计上，多个专业智能体组成数字工程团队，自动出方案、自动仿真迭代、自动质检， 仿真设计速率提升 2 倍以上，陆上机组工况覆盖 3000 至 5000 个。

自适应发电上，AI 控制智能体实时融合环境传感器与大部件状态，在线优化变桨、转矩与偏航， 发电性能预期提升 3% 至 8%，载荷波动降低 5% 以上。

场级协同上，综合控制智能体统筹尾流损失、机组健康、电网支撑、极端天气和发电收益， 尾流损失降低 30% 以上，场级收益提升 5% 以上。

无人化运维上，巡检规划、路径生成、缺陷识别与工单派发由智能体完成，常规陆上场站巡检覆盖率 95% 以上，AI 缺陷识别准确率 90% 以上，综合运维成本降低 20%。

电力交易上，气象、功率、电价预测与多能互补、交易模型串成全链路，风储一体化场景 综合收益有望提升 15% 以上。

每个场景都不是概念演示，背后都对应着一笔能够算清楚的账。

图源：《2026AI原生智能风电》（第10页）

六、安全壳、三级权限与五级回退

白皮书花了一整章讲安全，因为 AI 要真接管控制，先得证明它不会闯祸。安全架构的核心是 AI 安全保护壳，策略在三层边界内运行：机械安全边界、电气与控制安全边界、 通信与数据安全边界，任何决策超界即被拦截或自动降级。

硬件保护链独立于 AI 系统，紧急停机链、超速保护链、振动保护链由硬件逻辑直接驱动， 与 AI 决策构成双轨结构，AI 全面异常时安全功能仍由硬件通道独立承担。

人在回路按风险分级：毫秒至秒级控制由 AI 全权决策，分钟至小时级多目标优化由 AI 出方案、 人员监督回溯，重大模式切换由 AI 建议、操作员确认。

所有决策、置信度、上下文数据和模型版本自动落库，保留不少于三年， 支持事后溯源、责任认定与模型迭代。异常时按严重度执行五级回退，从关闭局部子功能、降级为经典控制，到降容运行、自主停机、 触发硬件急停链。

AI 每多拿一分控制权，就要同时多留一条可以立刻收回控制权的退路。

七、落地靠积累，不靠单点突破

结论章说得很直白：AI 原生风电能否落地，不取决于单点技术突破，而取决于几项基础条件的长期积累。

数据上需要数万台以上机组全生命周期数据，SCADA 秒级采样、单机 200 多个传感器通道， 加上振动监测、气象观测，时间跨度 5 年以上，年均产生数十 PB 量级数据。

机型上要覆盖全谱系，陆上 1.5MW 至 15MW，海上 6MW 至 25MW，叶轮直径 82 米至 250 米以上， 技术路线涵盖直驱永磁、中速永磁、双馈三大主流。场景上要从年均风速 4.5m/s 的超低风速区，到可承受 56m/s 极限风速的强风区， 从平原、山地、戈壁到 50 至 70 米水深的深远海与漂浮式。

验证上要五位一体，部件实验室、传动机组测试、六自由度整机试验台、真实风场样机， 再到数字孪生虚拟验证，系统级要在等效 20 年工况下完成 2000 多项可靠性评估。

自主仿真能力是最后一块，涵盖多体动力学、空气动力学、水动力学、控制和电网特性多个学科。

能同时具备数据、机型、场景、验证和仿真这几项的厂商本就不多，这才是真正的门槛。

八、从卖设备到卖全生命周期收益

把六章内容串起来看，白皮书真正在讲的是商业模式的变化。传统风机的设计要素是预设的，工程师在设计阶段定规则，运行阶段只能有限调整； AI 原生风电的设计要素由模型生成，靠实时感知和历史数据自主决策、持续进化。

这个差别落到商业上，就是价值尺度从度电成本竞争，转向全生命周期收益最大化，涵盖发电、交易和服务。报告把蓝图写成三层：风机智能是价值基座，场级智能负责协同与自进化， 综合能源管理面向电力市场化收益。

考虑到风电对网络安全的特殊要求，报告还预判未来风电场的算力会在 AI 训练上扮演重要角色。对开发商来说，这意味着招标时比的不只是设备价格，而是谁能承诺出力、参与电价响应、支撑电网稳定。

25 页全文、指标体系与五个场景的量化目标，都在运营动脉（www.yydm.cn）上，搜报告名即可打开。