協合運維胥佳：新能源運營與技術融合，需先破組織思維的局

在新能源行業高速增長、電價市場化深化的雙重背景下，市場對新能源運營的需求持續攀升，技術本應成為其提效的最強抓手，可不少落地項目“上了系統卻不見效”；而AI 浪潮席卷而來，更讓行業陷入“不用怕落后，用了怕無效”的普遍焦慮。

破局的關鍵究竟在技術本身，還是藏在更底層的邏輯里？如何跳出“技術堆砌”的誤區，讓智能技術真正轉化為生產力？

近日，在行業會議上，協合運維董事、總經理胥佳圍繞當前新能源運營的三大核心痛點，分享了協合運維在技術與業務融合過程中的思考與實踐路徑。他指出：“技術融合絕非簡單的工具疊加，而是系統重構。在組織側，打破固定崗位壁壘，適配技術重構協作模式；在流程側，摒棄舊流程貼片思維，以AI原生邏輯端到端重塑業務流；在價值側，聚焦高價值場景落地，小步快跑，持續迭代。”

當前新能源運營三大核心痛點

痛點一：人才結構性稀缺

截至2025年底，我國風光裝機容量已達到18.4億千瓦，這一數據是2015年的10倍，2020年的3.3倍。同時“136號文”的發布，讓新能源開發從規模擴張轉向價值創造，運營能力成為衡量資產價值及其可持續盈利的重要變量。

高速增長疊加行業變革，帶來對存量資產運營巨大需求的同時，懂運營、懂交易的專業人才缺口持續擴大，行業 “一將難求” 的人才困境愈發凸顯。

IEA《2025年全球能源就業報告》對700多家能源企業、工會及教育機構的調研顯示，超半數企業存在嚴重招聘瓶頸，且這一比例逐年攀升，其中應用技術類崗位的短缺尤為突出，反映了行業人才結構性短缺的嚴峻性。

痛點二：不少技術投入大、見效慢

過去很長一段時間里，新能源行業始終在積極探索新技術與運營領域的深度融合，諸多技術應用也取得了一定成效：將行業專家的能力與經驗轉化為標準化系統模型，應用在電站運維、設備可靠性監測、人員服務優化、交易電價研判等多個環節，實現專業能力的產品化輸出；建立集控中心、集中檢修中心，實施區域化、輕量化的運營模式；廣泛推廣應用無人機、攝像頭等智能設備用于場站巡檢；推進無人化場站、智慧場站建設等等，這些技術的使用在一定程度上提升了資產運營效率，有效降低了人為因素的不確定性。

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

例如，部分企業部署多套獨立運營系統，各系統之間數據不互通、流程不銜接，導致現場工作人員需在不同系統間反復錄入數據、重復填報報表，原本旨在減負的技術工具，反而增加了大量線上操作負擔，降低了工作效率。

再如，部分企業未結合場站實際工況與運維需求，投建無人化智慧場站，高額投入后，因設備與現場工況適配性不足、現場運維體系未同步調整，不僅無法實現高效運營，反而導致故障響應滯后、運營成本居高不下，未能達到預期效果。

痛點三：行業AI焦慮：“不用怕落后，用了怕無效”

2025年，AI技術迎來爆發式發展，正深度滲透各行各業，為新能源運營降本提效帶來了新的機遇與可能。

一方面，新能源發電全面市場化后，行業競爭愈發激烈，優異的資產運營能力成為行業“稀缺品”，發電收益的不確定性，讓企業寄希望于使用AI技術為資產運營加持。

另一方面，行業陷入普遍的AI焦慮。其一，此前不少技術應用的實際效果與理論預期存在較大差距，讓企業積累了對新技術的不信任感，在AI技術投入上變得更為謹慎；其二，現階段AI技術處于快速迭代階段，能力邊界尚不清晰，多數企業要么“無從下手”，要么“全面鋪開卻淺嘗輒止，未能找到AI與業務的有效結合點。

協合運維：三維重構，讓技術真正變成生產力

面對人才稀缺、部分技術投入低效、AI應用焦慮三大核心痛點，胥佳表示，單純依靠技術堆砌無法實現破局，協合運維探索從組織思維、業務流程、AI價值應用三個層面，推動技術與組織、業務的深度融合，旨在進行系統性變革。

思維轉變——從“崗位思維” 轉向“任務思維”

未來十年，我國新能源產業將持續保持高速增長態勢，每年將新增至少2億千瓦的裝機，運營、交易人才稀缺將成為行業長期存在的結構性矛盾，只依賴人才引進將難以滿足產業發展需求。

當前受工業時代專業分工模式的影響，固定崗位制在新能源企業中廣泛存在，這也導致大多數企業在應用新技術時，依據組織固有流程中的最小執行單元——“人”來拆解工作流程，再判斷哪些工作可以通過技術實現。

這種模式的弊端在于，技術始終被局限在原有崗位邊界內，無法充分釋放其潛力，更不能從根本上解決大規模新能源資產運營面臨的人才匱乏難題。

更為可惜的是，頂尖的運維專家和專業交易員數量本就鳳毛麟角，且這類核心人才的專業經驗多“存儲在個人腦中”，一旦人才流失，積累的寶貴經驗也會隨之流失，企業較難形成邊際成本遞減的工業化運營能力。

“問題的本質是碳基經驗的不可持續復制性。AI技術的出現，恰好為解決這一問題創造了可能性。”胥佳強調，必須從“按人設崗”轉向以“任務”為基本單元的思維模式。

“任務思維”之下，原本一人/一崗對應一完整工序段的固定模式，將讓位于人機協同的、動態的工序任務分配，既充分發揮技術的優勢，也創造新的工作流程、協作模式和更加靈活的組織結構，實現人才與技術的最優配置，從根本上緩解人才稀缺的壓力。

業務流轉變——從“舊流程貼片” 轉向“端到端重構”

麥肯錫基于對全球105個國家、近2000名企業高管與從業者?的調研數據，形成的《2025年人工智能的現狀：智能體、創新和轉型》報告顯示，幾乎所有受訪者都表示其所在機構正在應用AI技術，但近三分之二尚未實現全公司規模化推廣。總的來說，多數企業尚處于規模化應用的初期或試點階段。

其另一篇報告"Scaling AI in the Energy Sector"顯示，在能源行業有71%的AI項目停留在試點階段無法落地。這種現象與此前技術投入低效的局面大體一致。

胥佳指出，技術應用效果不達預期，與技術本身無關，核心癥結是技術與業務流程嚴重脫節。將新的AI系統硬生生“貼”在舊有業務流程上的普遍做法，不僅未能提效，還加重了現場人員操作負擔，與技術應用的初衷背道而馳。

基于這一認知，協合運維在從“崗位思維”向“任務思維”轉變的過程中，采用AI原生的方式，對整個業務流程進行重新設計，形成“解構-適配-重組”三步走的完整邏輯閉環。

第一步，任務精細化拆解。將新能源電站運營的全流程拆成最小可執行任務顆粒，每個任務顆粒都有清晰的目標、執行標準、執行邊界和輸出結果。

第二步，人機精準適配。為每個任務顆粒匹配最優的執行主體，所有高重復性、高標準化、純數據化的任務由技術完成；中等復雜度、半標準化的任務由人機協同完成（AI提供數據支撐和邏輯推演，人完成判斷和決策），避免了個人經驗帶來的服務方差，而人工聚焦于技術無法覆蓋的非標準化、高創造性、強情感和社交屬性的任務，如應對電力市場的突發波動、處理設備的復雜故障、協調政企關系等。

第三步，任務動態化重組。圍繞工作目標整合任務顆粒，重新組合為更高效、更智能、流動著的全新業務流程。

劍橋大學Judge商學院的判斷一語中的：“結構不變，創新終將被消解。”核心意思是說，再好的技術，如果組織架構、流程等這些結構不跟著變，創新就會被舊體系“吃掉”。技術被消化的結果就是，要么被當成“更好的零部件”，要么被改造成不影響現有格局的樣子，最終無法帶來真正的變革與價值。

協合運維從實踐中真切地印證了這一判斷。若仍沿用傳統組織思路，單純疊加技術投入，很難充分釋放AI技術的應用價值。推動組織模式適配技術，將其轉換成組織“不可或缺的系統”，或能真正讓技術轉化為實實在在的生產力，成為新能源資產持續盈利的核心支撐。

AI應用轉變——從“全面鋪開” 轉向“高價值場景驗證”

當前行業普遍存在的AI焦慮也不無道理，AI技術的應用需要理性布局，若步子邁得太大、盲目鋪開，可能無法實現預期效果，還會造成巨大的經濟損失。因此在AI應用過程中，不應寄望AI一步到位替代所有工作，而應立足自身業務痛點，找到當前最迫切、最關鍵的具體問題，小步快跑，逐步迭代。

過去一年，協合運維聚焦資產管理經理和電力交易員這兩個對盈利不確定性影響最大的核心崗位，圍繞市場信息收集、電力交易策略制定、資產管理分析等高價值業務場景，持續迭代研究出多項貼合實際業務的大模型算法應用方案，AI技術在這兩個業務場景中得到有效落地應用。

2025年，協合運維在大模型算法上申請專利超50項。這些專利技術成為業務增長和客戶滿意的核心支撐，其中“聆風”電力交易輔助決策系統幫助交易員從原來只能管理3-4個電站，到現在管理5-10個、實現單日1000-2000筆的量化交易，在部分電力市場活躍度高、數據量大的省份，報價精準率可達90%，遠超傳統人工交易的效率和精準度。

傳統模式下，新能源場站的項目經理通常僅能管理單個場站，而通過組織模式革新后，實現了可統籌管理10個場站的新突破，且創造出“大資管經理”這一新的管理角色。人均管理效能大幅提升，直接推動了運營成本的下降和管理效率的提升。

胥佳在演講的最后指出，AI的長期價值毋庸置疑，不過兩個處于新發展階段的行業相融合，還需要不斷地創新、試錯與迭代。展望未來，協合運維將繼續秉持專注思考，開拓視野，持續創新的企業價值觀，不斷推動技術與業務的深度融合，讓智能技術真正轉化為新能源資產盈利的核心動力，助力行業高質量發展。