风机之外，风电企业还在争什么？

从比拼设备参数到拓展绿电直供场景，再到AI赋能能源系统，风电行业的竞争逻辑正在发生变化。

“今年风能展跟往届相比，最大的变化是大家不再像以前那么激进，而是回归了理性。”10月15日，明阳集团副总裁叶凡向新京报贝壳财经记者谈及2026北京国际风能大会暨展览会称，企业不再单纯比拼风机尺寸、叶轮等单一产品指标，而是更多围绕具体应用场景，为客户定制解决方案。

这一变化也体现在风电的发展目标中。展会期间发布的《北京倡议：风光万物生，开启工业文明新范式》（简称《北京倡议》），在提出风电累计装机规模目标的同时，进一步明确了风电发电量占比的量化目标：到2030年不低于15%，到2035年达到20%以上，到2050年超过30%。

从装机规模到发电量占比，风电产业的关注点从装了多少风机，进一步转向贡献多少电量，同时对风机的发电能力、项目开发模式以及新能源与电力系统的协同提出了更高要求。

市场变向，风电不只面向大基地

过去，风电项目开发主要围绕集中式基地和电力外送展开。如今，随着绿电消费需求增长和电力市场机制变化，风电的应用场景正在拓宽。

叶凡告诉贝壳财经记者，从近期与客户的交流来看，过去企业储备的项目中，90%以上是通过并网和外送通道消纳的大基地项目；而今年下半年以来，自发自用，以及面向氢能、绿色化工、水泥等高耗能企业的绿电直供项目明显增多，已占其接触项目的约一半。

“市场已经发生了一些根本性的变化，风电项目的开发模式正在变得更加多元。”叶凡表示。

行业竞争重心因此从设备成本进一步延伸至一体化解决方案。随着风电在电力系统中的作用逐步增强，企业不仅需要提供风机设备，也需要更好地回应电力系统对稳定出力、灵活调节和可靠运行的要求。

风电发电量占比目标的提出，也为这种转变提供了一个观察视角。国家能源局数据显示，2025年，我国风电发电量达到1.13万亿千瓦时。按照全国发电量约10.58万亿千瓦时计算，风电发电量占比约为10.7%，低于《北京倡议》提出的2030年不低于15%目标。

与此同时，国家能源局数据显示，2026年1月至8月，我国风电、光伏发电量合计1.71万亿千瓦时，占全社会用电量的23.8%。新能源电量贡献持续增加，意味着风电行业需要进一步提升资源利用效率和对电力系统的支撑能力。

从大型化到置信出力，设备竞争进入新阶段

风机大型化仍是行业技术演进的重要方向，但衡量大型化的标准正在发生变化。

明阳集团国际业务总裁张启应表示，无论是风机大型化还是AI应用，最终都要服务于降低度电成本（LCOE）、提升置信出力。“大型化不是结果，而是手段，不是为了大而大。”

在他看来，更大的风轮直径有助于增强低风速条件下的捕风能力，在适宜的应用场景中提升发电量、降低度电成本，并改善风机的可靠出力表现。不过，风机大型化并非单纯增加尺寸，还受港口码头等基础设施、新材料研发和技术储备等因素制约，最终仍要回到具体场景和综合效益上。

今年7月，国家发展改革委、国家能源局联合印发的《可再生能源发展“十五五”规划》提出，到2030年，全国风电光伏平均置信出力达到8%，其中风电需达到11%左右。

这意味着，行业评价风电发展成效的维度正在拓宽。装机规模之外，发电量、度电成本和可靠出力也将成为重要考量。风机大型化的价值，最终需要通过这些指标体现，而不能仅以设备尺寸论高低。

AI打开想象力：从辅助工具走向能源系统协同

如果说风机大型化是过去风电行业技术竞争的重要方向，那么AI正在打开新的想象空间。它的应用不再局限于单台设备的运行优化，而是逐步延伸至气象预测、风电场运营、电力交易乃至新材料研发。

张启应表示，AI正成为风电行业新的发展方向。在上游，AI算力中心与风光发电的结合正在探索落地；在风电运营环节，气象大模型借助低轨卫星等技术提升风资源预测能力，智能体则逐步应用于风机、风电场和电网等不同层级，推动多智能体协同。此外，AI还可以参与新材料研发，反过来提升风机产品性能。

“AI赋能风电还有很多空间，未来可能会从发电、预测、调度到材料研发，影响整个产业链。”张启应表示。

在电力交易环节，AI也开始进入更具体的业务流程。飔合科技自主研发的电力交易智能体SISITrader在本届展览会上首次公开亮相。该产品面向电力交易场景，将AI应用于数据查询、交易分析、策略报告生成和电价预测评估等环节，试图打通从数据分析到决策支持、复盘优化的业务流程。

随着新能源参与电力市场交易的程度不断加深，交易决策也需要处理更多价格、出力和负荷信息。AI能否帮助交易人员提高分析效率、优化决策，将成为技术应用能否真正创造业务价值的重要检验。

不过，AI进入能源系统并不意味着所有问题都能交给模型解决。“远景天机”大模型首席科学家张育宸向贝壳财经记者表示，现阶段即使是最先进的大模型，在支撑未来能源系统运行需求方面仍有较大提升空间。尤其是气象预测仍存在不确定性，会影响能源规划的精准度，并可能导致系统采取相对保守的方案，造成部分资源闲置。

“电、算力与气象大模型有望形成一个有趣的相互促进的循环：利用绿电提供算力，训练气象大模型，再通过更精准的气象预测优化能源调度。”张育宸表示，更准确的天气预测有助于提升新能源利用效率，而气象预测能力的提升，也有望增强电力系统对算力用电需求的保障能力，推动能源与算力协同发展。

新京报贝壳财经记者 朱玥怡

编辑 王进雨

校对 柳宝庆