在新能源行業(yè)高速增長(zhǎng)、電價(jià)市場(chǎng)化深化的雙重背景下，市場(chǎng)對(duì)新能源運(yùn)營(yíng)的需求持續(xù)攀升，技術(shù)本應(yīng)成為其提效的最強(qiáng)抓手，可不少落地項(xiàng)目“上了系統(tǒng)卻不見效”；而AI 浪潮席卷而來，更讓行業(yè)陷入“不用怕落后，用了怕無效”的普遍焦慮。

破局的關(guān)鍵究竟在技術(shù)本身，還是藏在更底層的邏輯里？如何跳出“技術(shù)堆砌”的誤區(qū)，讓智能技術(shù)真正轉(zhuǎn)化為生產(chǎn)力？

近日，在行業(yè)會(huì)議上，協(xié)合運(yùn)維董事、總經(jīng)理胥佳圍繞當(dāng)前新能源運(yùn)營(yíng)的三大核心痛點(diǎn)，分享了協(xié)合運(yùn)維在技術(shù)與業(yè)務(wù)融合過程中的思考與實(shí)踐路徑。他指出：“技術(shù)融合絕非簡(jiǎn)單的工具疊加，而是系統(tǒng)重構(gòu)。在組織側(cè)，打破固定崗位壁壘，適配技術(shù)重構(gòu)協(xié)作模式；在流程側(cè)，摒棄舊流程貼片思維，以AI原生邏輯端到端重塑業(yè)務(wù)流；在價(jià)值側(cè)，聚焦高價(jià)值場(chǎng)景落地，小步快跑，持續(xù)迭代。”

當(dāng)前新能源運(yùn)營(yíng)三大核心痛點(diǎn)

痛點(diǎn)一：人才結(jié)構(gòu)性稀缺

截至2025年底，我國(guó)風(fēng)光裝機(jī)容量已達(dá)到18.4億千瓦，這一數(shù)據(jù)是2015年的10倍，2020年的3.3倍。同時(shí)“136號(hào)文”的發(fā)布，讓新能源開發(fā)從規(guī)模擴(kuò)張轉(zhuǎn)向價(jià)值創(chuàng)造，運(yùn)營(yíng)能力成為衡量資產(chǎn)價(jià)值及其可持續(xù)盈利的重要變量。

高速增長(zhǎng)疊加行業(yè)變革，帶來對(duì)存量資產(chǎn)運(yùn)營(yíng)巨大需求的同時(shí)，懂運(yùn)營(yíng)、懂交易的專業(yè)人才缺口持續(xù)擴(kuò)大，行業(yè) “一將難求” 的人才困境愈發(fā)凸顯。

IEA《2025年全球能源就業(yè)報(bào)告》對(duì)700多家能源企業(yè)、工會(huì)及教育機(jī)構(gòu)的調(diào)研顯示，超半數(shù)企業(yè)存在嚴(yán)重招聘瓶頸，且這一比例逐年攀升，其中應(yīng)用技術(shù)類崗位的短缺尤為突出，反映了行業(yè)人才結(jié)構(gòu)性短缺的嚴(yán)峻性。

痛點(diǎn)二：不少技術(shù)投入大、見效慢

過去很長(zhǎng)一段時(shí)間里，新能源行業(yè)始終在積極探索新技術(shù)與運(yùn)營(yíng)領(lǐng)域的深度融合，諸多技術(shù)應(yīng)用也取得了一定成效：將行業(yè)專家的能力與經(jīng)驗(yàn)轉(zhuǎn)化為標(biāo)準(zhǔn)化系統(tǒng)模型，應(yīng)用在電站運(yùn)維、設(shè)備可靠性監(jiān)測(cè)、人員服務(wù)優(yōu)化、交易電價(jià)研判等多個(gè)環(huán)節(jié)，實(shí)現(xiàn)專業(yè)能力的產(chǎn)品化輸出；建立集控中心、集中檢修中心，實(shí)施區(qū)域化、輕量化的運(yùn)營(yíng)模式；廣泛推廣應(yīng)用無人機(jī)、攝像頭等智能設(shè)備用于場(chǎng)站巡檢；推進(jìn)無人化場(chǎng)站、智慧場(chǎng)站建設(shè)等等，這些技術(shù)的使用在一定程度上提升了資產(chǎn)運(yùn)營(yíng)效率，有效降低了人為因素的不確定性。

但不容忽視的是，不少技術(shù)投入存在“投資高、見效慢”的問題，甚至出現(xiàn)“投入與產(chǎn)出失衡”的情況。

例如，部分企業(yè)部署多套獨(dú)立運(yùn)營(yíng)系統(tǒng)，各系統(tǒng)之間數(shù)據(jù)不互通、流程不銜接，導(dǎo)致現(xiàn)場(chǎng)工作人員需在不同系統(tǒng)間反復(fù)錄入數(shù)據(jù)、重復(fù)填報(bào)報(bào)表，原本旨在減負(fù)的技術(shù)工具，反而增加了大量線上操作負(fù)擔(dān)，降低了工作效率。

再如，部分企業(yè)未結(jié)合場(chǎng)站實(shí)際工況與運(yùn)維需求，投建無人化智慧場(chǎng)站，高額投入后，因設(shè)備與現(xiàn)場(chǎng)工況適配性不足、現(xiàn)場(chǎng)運(yùn)維體系未同步調(diào)整，不僅無法實(shí)現(xiàn)高效運(yùn)營(yíng)，反而導(dǎo)致故障響應(yīng)滯后、運(yùn)營(yíng)成本居高不下，未能達(dá)到預(yù)期效果。

痛點(diǎn)三：行業(yè)AI焦慮：“不用怕落后，用了怕無效”

2025年，AI技術(shù)迎來爆發(fā)式發(fā)展，正深度滲透各行各業(yè)，為新能源運(yùn)營(yíng)降本提效帶來了新的機(jī)遇與可能。

一方面，新能源發(fā)電全面市場(chǎng)化后，行業(yè)競(jìng)爭(zhēng)愈發(fā)激烈，優(yōu)異的資產(chǎn)運(yùn)營(yíng)能力成為行業(yè)“稀缺品”，發(fā)電收益的不確定性，讓企業(yè)寄希望于使用AI技術(shù)為資產(chǎn)運(yùn)營(yíng)加持。

另一方面，行業(yè)陷入普遍的AI焦慮。其一，此前不少技術(shù)應(yīng)用的實(shí)際效果與理論預(yù)期存在較大差距，讓企業(yè)積累了對(duì)新技術(shù)的不信任感，在AI技術(shù)投入上變得更為謹(jǐn)慎；其二，現(xiàn)階段AI技術(shù)處于快速迭代階段，能力邊界尚不清晰，多數(shù)企業(yè)要么“無從下手”，要么“全面鋪開卻淺嘗輒止，未能找到AI與業(yè)務(wù)的有效結(jié)合點(diǎn)。

協(xié)合運(yùn)維：三維重構(gòu)，讓技術(shù)真正變成生產(chǎn)力

面對(duì)人才稀缺、部分技術(shù)投入低效、AI應(yīng)用焦慮三大核心痛點(diǎn)，胥佳表示，單純依靠技術(shù)堆砌無法實(shí)現(xiàn)破局，協(xié)合運(yùn)維探索從組織思維、業(yè)務(wù)流程、AI價(jià)值應(yīng)用三個(gè)層面，推動(dòng)技術(shù)與組織、業(yè)務(wù)的深度融合，旨在進(jìn)行系統(tǒng)性變革。

思維轉(zhuǎn)變——從“崗位思維” 轉(zhuǎn)向“任務(wù)思維”

未來十年，我國(guó)新能源產(chǎn)業(yè)將持續(xù)保持高速增長(zhǎng)態(tài)勢(shì)，每年將新增至少2億千瓦的裝機(jī)，運(yùn)營(yíng)、交易人才稀缺將成為行業(yè)長(zhǎng)期存在的結(jié)構(gòu)性矛盾，只依賴人才引進(jìn)將難以滿足產(chǎn)業(yè)發(fā)展需求。

當(dāng)前受工業(yè)時(shí)代專業(yè)分工模式的影響，固定崗位制在新能源企業(yè)中廣泛存在，這也導(dǎo)致大多數(shù)企業(yè)在應(yīng)用新技術(shù)時(shí)，依據(jù)組織固有流程中的最小執(zhí)行單元——“人”來拆解工作流程，再判斷哪些工作可以通過技術(shù)實(shí)現(xiàn)。

這種模式的弊端在于，技術(shù)始終被局限在原有崗位邊界內(nèi)，無法充分釋放其潛力，更不能從根本上解決大規(guī)模新能源資產(chǎn)運(yùn)營(yíng)面臨的人才匱乏難題。

更為可惜的是，頂尖的運(yùn)維專家和專業(yè)交易員數(shù)量本就鳳毛麟角，且這類核心人才的專業(yè)經(jīng)驗(yàn)多“存儲(chǔ)在個(gè)人腦中”，一旦人才流失，積累的寶貴經(jīng)驗(yàn)也會(huì)隨之流失，企業(yè)較難形成邊際成本遞減的工業(yè)化運(yùn)營(yíng)能力。

“問題的本質(zhì)是碳基經(jīng)驗(yàn)的不可持續(xù)復(fù)制性。AI技術(shù)的出現(xiàn)，恰好為解決這一問題創(chuàng)造了可能性。”胥佳強(qiáng)調(diào)，必須從“按人設(shè)崗”轉(zhuǎn)向以“任務(wù)”為基本單元的思維模式。

“任務(wù)思維”之下，原本一人/一崗對(duì)應(yīng)一完整工序段的固定模式，將讓位于人機(jī)協(xié)同的、動(dòng)態(tài)的工序任務(wù)分配，既充分發(fā)揮技術(shù)的優(yōu)勢(shì)，也創(chuàng)造新的工作流程、協(xié)作模式和更加靈活的組織結(jié)構(gòu)，實(shí)現(xiàn)人才與技術(shù)的最優(yōu)配置，從根本上緩解人才稀缺的壓力。

業(yè)務(wù)流轉(zhuǎn)變——從“舊流程貼片” 轉(zhuǎn)向“端到端重構(gòu)”

麥肯錫基于對(duì)全球105個(gè)國(guó)家、近2000名企業(yè)高管與從業(yè)者?的調(diào)研數(shù)據(jù)，形成的《2025年人工智能的現(xiàn)狀：智能體、創(chuàng)新和轉(zhuǎn)型》報(bào)告顯示，幾乎所有受訪者都表示其所在機(jī)構(gòu)正在應(yīng)用AI技術(shù)，但近三分之二尚未實(shí)現(xiàn)全公司規(guī)模化推廣。總的來說，多數(shù)企業(yè)尚處于規(guī)模化應(yīng)用的初期或試點(diǎn)階段。

其另一篇報(bào)告"Scaling AI in the Energy Sector"顯示，在能源行業(yè)有71%的AI項(xiàng)目停留在試點(diǎn)階段無法落地。這種現(xiàn)象與此前技術(shù)投入低效的局面大體一致。

胥佳指出，技術(shù)應(yīng)用效果不達(dá)預(yù)期，與技術(shù)本身無關(guān)，核心癥結(jié)是技術(shù)與業(yè)務(wù)流程嚴(yán)重脫節(jié)。將新的AI系統(tǒng)硬生生“貼”在舊有業(yè)務(wù)流程上的普遍做法，不僅未能提效，還加重了現(xiàn)場(chǎng)人員操作負(fù)擔(dān)，與技術(shù)應(yīng)用的初衷背道而馳。

基于這一認(rèn)知，協(xié)合運(yùn)維在從“崗位思維”向“任務(wù)思維”轉(zhuǎn)變的過程中，采用AI原生的方式，對(duì)整個(gè)業(yè)務(wù)流程進(jìn)行重新設(shè)計(jì)，形成“解構(gòu)-適配-重組”三步走的完整邏輯閉環(huán)。

第一步，任務(wù)精細(xì)化拆解。將新能源電站運(yùn)營(yíng)的全流程拆成最小可執(zhí)行任務(wù)顆粒，每個(gè)任務(wù)顆粒都有清晰的目標(biāo)、執(zhí)行標(biāo)準(zhǔn)、執(zhí)行邊界和輸出結(jié)果。

第二步，人機(jī)精準(zhǔn)適配。為每個(gè)任務(wù)顆粒匹配最優(yōu)的執(zhí)行主體，所有高重復(fù)性、高標(biāo)準(zhǔn)化、純數(shù)據(jù)化的任務(wù)由技術(shù)完成；中等復(fù)雜度、半標(biāo)準(zhǔn)化的任務(wù)由人機(jī)協(xié)同完成（AI提供數(shù)據(jù)支撐和邏輯推演，人完成判斷和決策），避免了個(gè)人經(jīng)驗(yàn)帶來的服務(wù)方差，而人工聚焦于技術(shù)無法覆蓋的非標(biāo)準(zhǔn)化、高創(chuàng)造性、強(qiáng)情感和社交屬性的任務(wù)，如應(yīng)對(duì)電力市場(chǎng)的突發(fā)波動(dòng)、處理設(shè)備的復(fù)雜故障、協(xié)調(diào)政企關(guān)系等。

第三步，任務(wù)動(dòng)態(tài)化重組。圍繞工作目標(biāo)整合任務(wù)顆粒，重新組合為更高效、更智能、流動(dòng)著的全新業(yè)務(wù)流程。

劍橋大學(xué)Judge商學(xué)院的判斷一語中的：“結(jié)構(gòu)不變，創(chuàng)新終將被消解。”核心意思是說，再好的技術(shù)，如果組織架構(gòu)、流程等這些結(jié)構(gòu)不跟著變，創(chuàng)新就會(huì)被舊體系“吃掉”。技術(shù)被消化的結(jié)果就是，要么被當(dāng)成“更好的零部件”，要么被改造成不影響現(xiàn)有格局的樣子，最終無法帶來真正的變革與價(jià)值。

協(xié)合運(yùn)維從實(shí)踐中真切地印證了這一判斷。若仍沿用傳統(tǒng)組織思路，單純疊加技術(shù)投入，很難充分釋放AI技術(shù)的應(yīng)用價(jià)值。推動(dòng)組織模式適配技術(shù)，將其轉(zhuǎn)換成組織“不可或缺的系統(tǒng)”，或能真正讓技術(shù)轉(zhuǎn)化為實(shí)實(shí)在在的生產(chǎn)力，成為新能源資產(chǎn)持續(xù)盈利的核心支撐。

AI應(yīng)用轉(zhuǎn)變——從“全面鋪開” 轉(zhuǎn)向“高價(jià)值場(chǎng)景驗(yàn)證”

當(dāng)前行業(yè)普遍存在的AI焦慮也不無道理，AI技術(shù)的應(yīng)用需要理性布局，若步子邁得太大、盲目鋪開，可能無法實(shí)現(xiàn)預(yù)期效果，還會(huì)造成巨大的經(jīng)濟(jì)損失。因此在AI應(yīng)用過程中，不應(yīng)寄望AI一步到位替代所有工作，而應(yīng)立足自身業(yè)務(wù)痛點(diǎn)，找到當(dāng)前最迫切、最關(guān)鍵的具體問題，小步快跑，逐步迭代。

過去一年，協(xié)合運(yùn)維聚焦資產(chǎn)管理經(jīng)理和電力交易員這兩個(gè)對(duì)盈利不確定性影響最大的核心崗位，圍繞市場(chǎng)信息收集、電力交易策略制定、資產(chǎn)管理分析等高價(jià)值業(yè)務(wù)場(chǎng)景，持續(xù)迭代研究出多項(xiàng)貼合實(shí)際業(yè)務(wù)的大模型算法應(yīng)用方案，AI技術(shù)在這兩個(gè)業(yè)務(wù)場(chǎng)景中得到有效落地應(yīng)用。

2025年，協(xié)合運(yùn)維在大模型算法上申請(qǐng)專利超50項(xiàng)。這些專利技術(shù)成為業(yè)務(wù)增長(zhǎng)和客戶滿意的核心支撐，其中“聆風(fēng)”電力交易輔助決策系統(tǒng)幫助交易員從原來只能管理3-4個(gè)電站，到現(xiàn)在管理5-10個(gè)、實(shí)現(xiàn)單日1000-2000筆的量化交易，在部分電力市場(chǎng)活躍度高、數(shù)據(jù)量大的省份，報(bào)價(jià)精準(zhǔn)率可達(dá)90%，遠(yuǎn)超傳統(tǒng)人工交易的效率和精準(zhǔn)度。

傳統(tǒng)模式下，新能源場(chǎng)站的項(xiàng)目經(jīng)理通常僅能管理單個(gè)場(chǎng)站，而通過組織模式革新后，實(shí)現(xiàn)了可統(tǒng)籌管理10個(gè)場(chǎng)站的新突破，且創(chuàng)造出“大資管經(jīng)理”這一新的管理角色。人均管理效能大幅提升，直接推動(dòng)了運(yùn)營(yíng)成本的下降和管理效率的提升。

胥佳在演講的最后指出，AI的長(zhǎng)期價(jià)值毋庸置疑，不過兩個(gè)處于新發(fā)展階段的行業(yè)相融合，還需要不斷地創(chuàng)新、試錯(cuò)與迭代。展望未來，協(xié)合運(yùn)維將繼續(xù)秉持專注思考，開拓視野，持續(xù)創(chuàng)新的企業(yè)價(jià)值觀，不斷推動(dòng)技術(shù)與業(yè)務(wù)的深度融合，讓智能技術(shù)真正轉(zhuǎn)化為新能源資產(chǎn)盈利的核心動(dòng)力，助力行業(yè)高質(zhì)量發(fā)展。