夜雨聆风31.9万处光伏设施，9.16万台风力发电机，覆盖全国1915个县——这不是某个政府部门花了好几年才摸清的家底，而是一个AI模型，花了不到一个月就"数"出来的。
2026年5月20日，国际顶级学术期刊《自然》（Nature）发表了北京大学与阿里巴巴达摩院的合作研究。论文标题很朴素，但内容含金量极高：中国首张全国尺度高精度风光设施分布图。
这个AI模型到底做了什么？
研究团队将达摩院自研的AI模型部署在云计算平台上，喂入了7.56TB的0.5米级分辨率开源卫星影像。这是什么概念？如果你用手机拍一张照片大约5MB，7.56TB相当于150万张高清照片。AI要在这些海量的卫星图片中，准确地找到每一块太阳能板、每一台风力发电机，标注出精确位置和面积。
传统方式下，这需要数以千计的工作人员拿着卫星图片一张张比对，耗时以年计算。而AI模型在云平台上跑完整个流程，只用了几周。
更关键的发现在于数据背后的洞察。
研究揭示了一个此前被低估的事实：中国不同地区的风电和光伏具有显著的互补协同效应。简单说，当某个区域风力不足时，另一个区域的太阳辐射往往正好充沛，反之亦然。这意味着如果能建立跨区域的智能调度网络，中国的"弃风弃光"问题——即风力发电和光伏发电因为无法并网而被浪费——可以大幅减少。
中国的风电和光伏装机容量已连续多年位居世界第一。但"建了发不出，发了用不上"的矛盾一直存在。而这张AI绘制的分布图，等于给全国的新能源调度系统装上了一双"上帝视角"的眼睛。
从0.5米分辨率卫星影像，到31.9万处光伏设施精确坐标，再到全国新能源利用率的提升路径——中国科学家用AI重新定义了"摸清家底"的速度和精度。
论文登上《自然》的那天，达摩院的工程师在朋友圈写了一句话："卫星看中国，AI数风光。"
干净利落，四个字，就是中国新能源的底气。
