海经社获悉，9 月 2 日，瑞典波浪能技术企业Eco Wave Power宣布，其美国子公司已与德国 AI 工程公司AI engineering GmbH达成合作，启动面向波浪能系统的物理与数据驱动数字孪生平台开发。项目第一阶段将利用 AI engineering 的PAMICS 仿真技术，对海浪与 Eco Wave Power 浮体之间的相互作用进行数字建模，并结合真实传感器数据，探索利用机器学习预测系统载荷和能源产出。

这并非一个已经落地的商业化 AI 控制系统。准确说，这更像一次面向海洋装备的数字化工程试验，指向性也很明确：AI 正在向海洋新能源产业链更靠前的位置渗透。

过去，AI 在能源领域更多承担数据分析、预测和控制等辅助角色。而 Eco Wave Power 此次试图把 AI、物理仿真和数字孪生结合起来，直接参与波浪能装备的设计验证、运行监测和性能预测。

波浪能商业化，卡在哪儿？

波浪能的资源优势不难理解。海浪持续运动，蕴含着能量，且与太阳能、风能存在资源互补性。欧洲海洋能源协会认为，波浪和潮汐能可以与风电、光伏形成不同时间尺度上的能源组合。

而真正困难的是，海洋环境并不是一台稳定的 “发电机”。波浪高度、周期、方向不断变化，装备既要尽可能吸收波浪能量，又必须承受极端海况带来的结构载荷。设备长期处于盐雾、腐蚀、冲击和复杂流体环境中，设计上的小幅偏差，都可能在长期运行中转化为高昂的维护成本。这正是波浪能始终未能像风电、光伏一样形成成熟大规模商业市场的根本原因。

根据欧盟联合研究中心（JRC）发布的《2022 年波浪能技术评估报告》及 OceanSET 项目汇总数据，技术成熟度较高（TRL 7~9）的波浪能系统平均平准化度电成本（LCOE）估算约为270 欧元 / MWh，显著高于同期风电和光伏。这一数据也印证了波浪能仍处于商业化早期阶段，其成本区间远未达到市场大规模接受的水平。

数字孪生，能给波浪能带来什么？

数字孪生的价值，正是从这里切入。Eco Wave Power 此次合作的第一阶段，并非直接建设商业化 AI 控制系统，而是先建立波浪能装备的数字模型。

根据披露，项目将使用 AI engineering 的 PAMICS 仿真技术，模拟海浪与其专有浮体之间的相互作用，分析浮体运动、结构载荷以及不同海况下理论能量输入。随后，仿真结果会与真实系统的传感器数据进行对比，并开始开发机器学习能力，用于预测能源产出和系统载荷。

这套系统的本质，是为真实设备建立一个同步运行的 “数字分身”。

真实海况发生变化，数字模型同步分析设备可能出现的受力和运动状态；设备长期运行产生的数据，反过来修正模型。研发人员不必完全依赖真实海况中的反复试验，就可以在数字环境里提前测试不同设计、不同海况以及不同运行策略。

对波浪能而言，这一点尤为关键。波浪能设备面对的不是单一工况，而是大量连续变化的海况组合。数字孪生如果能把物理规律与历史运行数据结合起来，就有机会将过去 “设备坏了再维修” 的被动维护方式，逐步转向 “根据数据提前判断” 的预测性维护。

不过，目前 Eco Wave Power 公布的是平台开发和第一阶段工作，并未宣布这套系统已实现维护成本下降或发电效率提升。

海洋能源装备的竞争，正在从硬件向数据延伸

从产业视角看，这次合作比 “波浪能 + AI” 这个概念本身更值得关注。

海洋新能源装备的成本，不只来自制造设备本身。从设计、试验、部署，到长期运行、故障诊断、维修，再到不同海域复制项目，每一个环节都可能产生大量成本。

传统模式下，一套设备在 A 海域获得的经验，很难完全复制到 B 海域。不同地点的波浪条件、结构载荷和运行环境不同，设计团队往往需要重新评估。

Eco Wave Power 此次项目的一个重要目标，就是研究数字孪生模型能否适应不同项目地点，争取将一个项目积累的工程知识和运行经验更高效地迁移到其他市场。如果这一能力最终成熟，其产业价值就远不止 “预测今天能发多少电”。更大的意义在于：让海洋新能源装备逐渐拥有一套可以复制的数字工程体系。设备在不同海域运行，数据不断回传，数字模型持续学习，新项目可以调用此前积累的模型和参数。

对于仍处于规模化早期的波浪能产业而言，这可能比单纯提高某一台设备几个百分点的发电效率更具长远意义。

中国产业的新命题，不止于制造

Eco Wave Power 此次合作释放出的一个信号，是海洋新能源装备的竞争也正在从硬件向 “硬件 + 软件 + 数据” 一体化延伸。

波浪能设备需要面对复杂海况，海上风电、潮汐能以及其他海洋能源装备同样如此。未来，一台海洋能源装备可能不再只是一个机械结构，而是同时拥有传感器、实时数据、物理模型、预测算法和远程运维能力的 “智能海洋装备”。AI 企业、仿真软件企业、传感器企业与海洋装备制造商之间的边界，将会进一步模糊。

中国已具备从海洋装备制造到工业互联网、AI 算法的完整产业链基础。然而，海经社注意到，当硬件产能逐渐追平时，真正的分水岭便浮出水面：那些设备在风浪中持续产出的数据流，能否被有效转化为设计优化、故障预判和跨海域复用的工程知识？这比单纯堆砌装机容量更具意义。

对于波浪能而言，数字孪生目前还不能解决所有问题。它无法替代材料耐久性测试，也不能消除极端海况，更不能单凭算法让昂贵的海洋能源设备立即具备商业竞争力。但它可能改变一个关键环节：让装备在真正下海之前，就能够在数字世界里经历更多次 “海试”。如果这种能力进一步成熟，AI 在海洋新能源产业中的角色，也将从 “分析数据” 逐渐向 “参与装备设计、预测运行状态和辅助运维” 延伸。

海浪依旧不可控，但认识海浪、预测海浪、理解装备如何回应海浪，正在变得越来越数字化，智能化。

产业观察：技术探索而非商业突破

Eco Wave Power 此次项目尚处于开发阶段，海经社认为，现阶段更适合将其定位为波浪能数字化工程的一次技术探索，而非波浪能已实现 AI 商业化突破的标志。

对于中国海洋新能源产业而言，真正值得追踪的下一步，是数字孪生模型能否走出实验室、进入实际项目运行，并最终在三个维度上证明自身价值：能否显著压减试验成本、能否有效提升设备可靠性、能否实质性降低全生命周期运维费用，进而帮助海洋能源装备更高效地完成从单点示范到规模化复制的跨越。