11月7日，畢馬威在第八屆中國國際進口博覽會上發布了《AI技術在氫能領域的應用研究》報告中文版（下稱“報告”），聚焦AI技術在氫能領域的應用研究，系統闡述人工智能在氫能全產業鏈中的賦能路徑與實踐成果。

隨著AI技術的爆發式增長，AI技術在氫能產業鏈中應用廣泛，覆蓋制氫、儲運氫、加氫站以及氫燃料電池汽車等下游應用場景，可通過數據驅動提升各環節效率與安全性。報告收錄了來自中國、美國、英國、德國、日本等全球主要經濟體的最新案例。

報告顯示，在制氫端，AI技術的深度應用正推動催化劑研發從傳統試錯模式向數據與AI驅動模式轉型，催化材料設計由此邁入“自動駕駛”時代；在生產環節，AI技術通過耦合氣象衛星、地表傳感器等數據，構建發電量預測模型，為制氫負荷調度提供前瞻性決策依據；在維護環節，利用AI技術在運行數據分析方面的優勢，通過大數據分析和故障機理建模，能夠提前識別潛在故障，降低非計劃停機率，實現從反應性維護到預測性維護的演變。

在儲運端，AI技術通過預測儲氫材料特性并動態優化儲運參數，加速發現高容量、低能耗、長壽命的儲氫材料。在用氫端，基于多層技術架構的燃料電池汽車AI管理系統，通過數據采集、分析及執行等，實現燃料電池車續航里程的動態優化。與此同時，人工智能領域中包括人工神經網絡、機器學習算法、計算機視覺和數據融合技術在內的方法，也正在為實現一個更安全、更有韌性、并最終可持續的氫經濟鋪平道路。

畢馬威中國能源轉型與循環經濟業務主管合伙人李晶表示，氫能產業的發展與AI技術創新相輔相成，一方面，氫能產業的發展需要多項AI技術支持，包括機器學習、自然語言處理等，這種跨領域的融合推動了技術的綜合升級；另一方面，AI技術創新又為氫能產業的降本增效和可持續發展提供了堅實的技術支撐。隨著氫能技術的不斷突破和應用場景的拓展，氫能產業將繼續推動全球能源體系的變革，為實現碳中和目標貢獻力量。

報告顯示，產業的技術復雜性加劇了數據樣本的不足，氫能產業鏈長且技術門檻高，涉及制氫、儲運、加注和應用等多個環節，每個環節都涉及不同類型的數據，且標準不一，例如電解槽內部的復雜反應過程以及儲氫材料在不同溫度和壓力下的性能變化都需要通過精密儀器和長期監測才能獲取可靠數據。這種技術復雜性不僅推高了數據采集成本，也使得數據標準化工作更加困難；此外，數據孤島現象成為氫能行業數字化轉型的另一大障礙，而競爭壁壘是形成數據孤島的首要原因。這些導致“AI+氫能”的深度融合仍面臨數據質量較差，氫能行業數據樣本不足、氫能場景統一標準缺乏、跨學科人才匱乏等多重挑戰。

針對這些痛點，報告提出了一系列前瞻性建議，應提升數據質量，建設國際互認的數據治理與共享體系；加速實驗室成果向工廠應用的轉化，建設“工程化驗證鏈”與示范加速器；推動國際標準規范、認證與法規協調，建立可追溯、可認證的法律責任與準入體系；培養跨學科復合型人才，建立國際人才培養與流動機制；同時，擴展“AI+氫能”應用場景，從交通向工業、建筑與能源系統延伸。