AI用衛星影像掃描中國：40萬座太陽能與風機被精準定位

中國的可再生能源裝機容量已是全球最大，但要精確掌握這些設施到底分布在哪裡，其實並不容易。傳統統計通常依賴地方申報或裝機容量推算，資料往往分散且更新速度有限。

為了解決這個問題，北京大學與阿里巴巴達摩院（DAMO Academy）的研究團隊利用人工智慧與高解析度衛星影像，首次建立了一張覆蓋全中國的風電與太陽能設施高精度地圖。研究成果於2026年5月發表在國際期刊《Nature》。

研究團隊透過AI分析7.56TB、解析度達0.5公尺的開源衛星影像，成功辨識出全國範圍內的可再生能源基礎設施，包括約31.9萬個太陽能光伏設施與9.16萬台風力發電機，分布於1,915個縣市。

研究負責人之一、北京大學教授劉瑜形容，這項資料庫讓研究人員第一次能以「上帝視角」觀察中國的新能源格局。

AI如何從衛星影像辨識能源設施

研究團隊利用電腦視覺技術，讓AI模型在海量衛星影像中自動辨識太陽能板與風力發電機的視覺特徵。這些模型在雲端運算平台上運行，以處理龐大的影像資料量。

與傳統能源統計不同，這種方法並不依賴行政報告或估算，而是直接從影像中辨識基礎設施本身，並生成每個設施的地理位置資料點。

然而，要在整個中國範圍內準確辨識這些設施並不簡單。從西北沙漠、農村地區到密集城市，太陽能與風電設備在不同地貌、光照與環境條件下呈現不同外觀，對AI模型的泛化能力提出了很高要求。

全國新能源地圖揭示了什麼

最終建立的資料庫提供了一個前所未有的空間視角。AI系統共識別出：

• 約 319,000 個太陽能光伏設施
• 約 91,600 台風力發電機
• 覆蓋 1,915 個縣 的分布資料

由於每個設施都帶有精確地理位置，研究人員可以分析不同地區的能源佈局模式，並更準確地評估中國可再生能源的實際分布情況。

過去的研究雖然也利用衛星影像監測新能源設施，但往往解析度較低或只涵蓋部分區域，因此難以形成完整的全國級資料庫。

為什麼「上帝視角」對電網很重要

風能與太陽能的最大特點是間歇性與波動性。太陽能在白天發電量高，而風電在夜間往往更穩定。如果電網無法即時消化這些電力，就會出現所謂的「棄風棄光」——也就是可再生能源被迫浪費。

有了全國範圍的精確地圖，研究人員可以分析風光互補的可能性。例如某些地區白天光伏輸出強，而風電在夜晚更穩定，若跨區域協同調度，就能提高整體新能源利用率。

研究團隊指出，透過更大範圍的區域協調，例如跨省電力調度與輸電網絡擴展，可以顯著提升新能源電力被電網吸收的能力。

AI與資料中心帶來的新電力需求

這張新能源地圖的另一個重要應用場景，是快速增長的AI與資料中心產業。

隨著雲端運算與人工智慧算力需求爆發式成長，資料中心正在成為新的用電大戶。為了在滿足算力需求的同時降低碳排放，中國正嘗試將可再生能源直接與計算基礎設施結合。

例如在寧夏，一個大型光伏電站已開始直接為資料中心提供綠電，象徵著能源與算力基礎設施開始更緊密整合。

若擁有完整的風電與光伏分布資料，政策制定者就能更好地判斷：

• 新資料中心應該靠近哪些可再生能源基地
• 哪些區域需要增加輸電線路或儲能設施
• 如何用綠電支撐高耗能的AI計算

用AI重新理解能源基礎設施

隨著全球能源轉型加速，如何準確追蹤可再生能源基礎設施的位置與規模，變得越來越重要。

衛星影像結合人工智慧提供了一種可擴展的方法，可以持續監測廣大地理區域，並隨著新電站建成而更新資料庫。

對於擁有全球最大可再生能源系統的中國而言，這張AI生成的全國能源地圖提供了一項關鍵能力：即時且精確地知道風電與太陽能真正分布在哪裡，從而更有效地管理能源轉型。