【每日风电】协合运维胥佳：告别技术堆砌，新能源资产运营提效的底层逻辑变了_后市场_资讯

每日风电

在新能源行业高速增长、电价市场化深化的双重背景下，市场对新能源运营的需求持续攀升，技术本应成为其提效的最强抓手，可不少落地项目“上了系统却不见效”；而AI 浪潮席卷而来，更让行业陷入“不用怕落后，用了怕无效”的普遍焦虑。

破局的关键究竟在技术本身，还是藏在更底层的逻辑里？如何跳出“技术堆砌”的误区，让智能技术真正转化为生产力？

近日，在行业会议上，协合运维董事、总经理胥佳围绕当前新能源运营的三大核心痛点，分享了协合运维在技术与业务融合过程中的思考与实践路径。他指出：“技术融合绝非简单的工具叠加，而是系统重构。在组织侧，打破固定岗位壁垒，适配技术重构协作模式；在流程侧，摒弃旧流程贴片思维，以AI原生逻辑端到端重塑业务流；在价值侧，聚焦高价值场景落地，小步快跑，持续迭代。”

当前新能源运营三大核心痛点

痛点一：人才结构性稀缺

截至2025年底，我国风光装机容量已达到18.4亿千瓦，这一数据是2015年的10倍，2020年的3.3倍。同时“136号文”的发布，让新能源开发从规模扩张转向价值创造，运营能力成为衡量资产价值及其可持续盈利的重要变量。

高速增长叠加行业变革，带来对存量资产运营巨大需求的同时，懂运营、懂交易的专业人才缺口持续扩大，行业 “一将难求” 的人才困境愈发凸显。

IEA《2025年全球能源就业报告》对700多家能源企业、工会及教育机构的调研显示，超半数企业存在严重招聘瓶颈，且这一比例逐年攀升，其中应用技术类岗位的短缺尤为突出，反映了行业人才结构性短缺的严峻性。

痛点二：不少技术投入大、见效慢

过去很长一段时间里，新能源行业始终在积极探索新技术与运营领域的深度融合，诸多技术应用也取得了一定成效：将行业专家的能力与经验转化为标准化系统模型，应用在电站运维、设备可靠性监测、人员服务优化、交易电价研判等多个环节，实现专业能力的产品化输出；建立集控中心、集中检修中心，实施区域化、轻量化的运营模式；广泛推广应用无人机、摄像头等智能设备用于场站巡检；推进无人化场站、智慧场站建设等等，这些技术的使用在一定程度上提升了资产运营效率，有效降低了人为因素的不确定性。

但不容忽视的是，不少技术投入存在“投资高、见效慢”的问题，甚至出现“投入与产出失衡”的情况。

例如，部分企业部署多套独立运营系统，各系统之间数据不互通、流程不衔接，导致现场工作人员需在不同系统间反复录入数据、重复填报报表，原本旨在减负的技术工具，反而增加了大量线上操作负担，降低了工作效率。

再如，部分企业未结合场站实际工况与运维需求，投建无人化智慧场站，高额投入后，因设备与现场工况适配性不足、现场运维体系未同步调整，不仅无法实现高效运营，反而导致故障响应滞后、运营成本居高不下，未能达到预期效果。

痛点三：行业AI焦虑：“不用怕落后，用了怕无效”

2025年，AI技术迎来爆发式发展，正深度渗透各行各业，为新能源运营降本提效带来了新的机遇与可能。

一方面，新能源发电全面市场化后，行业竞争愈发激烈，优异的资产运营能力成为行业“稀缺品”，发电收益的不确定性，让企业寄希望于使用AI技术为资产运营加持。

另一方面，行业陷入普遍的AI焦虑。其一，此前不少技术应用的实际效果与理论预期存在较大差距，让企业积累了对新技术的不信任感，在AI技术投入上变得更为谨慎；其二，现阶段AI技术处于快速迭代阶段，能力边界尚不清晰，多数企业要么“无从下手”，要么“全面铺开却浅尝辄止，未能找到AI与业务的有效结合点。

协合运维：三维重构，让技术真正变成生产力

面对人才稀缺、部分技术投入低效、AI应用焦虑三大核心痛点，胥佳表示，单纯依靠技术堆砌无法实现破局，协合运维探索从组织思维、业务流程、AI价值应用三个层面，推动技术与组织、业务的深度融合，旨在进行系统性变革。

思维转变
从“岗位思维” 转向“任务思维”

未来十年，我国新能源产业将持续保持高速增长态势，每年将新增至少2亿千瓦的装机，运营、交易人才稀缺将成为行业长期存在的结构性矛盾，只依赖人才引进将难以满足产业发展需求。

当前受工业时代专业分工模式的影响，固定岗位制在新能源企业中广泛存在，这也导致大多数企业在应用新技术时，依据组织固有流程中的最小执行单元——“人”来拆解工作流程，再判断哪些工作可以通过技术实现。

这种模式的弊端在于，技术始终被局限在原有岗位边界内，无法充分释放其潜力，更不能从根本上解决大规模新能源资产运营面临的人才匮乏难题。

更为可惜的是，顶尖的运维专家和专业交易员数量本就凤毛麟角，且这类核心人才的专业经验多“存储在个人脑中”，一旦人才流失，积累的宝贵经验也会随之流失，企业较难形成边际成本递减的工业化运营能力。

“问题的本质是碳基经验的不可持续复制性。AI技术的出现，恰好为解决这一问题创造了可能性。”胥佳强调，必须从“按人设岗”转向以“任务”为基本单元的思维模式。

“任务思维”之下，原本一人/一岗对应一完整工序段的固定模式，将让位于人机协同的、动态的工序任务分配，既充分发挥技术的优势，也创造新的工作流程、协作模式和更加灵活的组织结构，实现人才与技术的最优配置，从根本上缓解人才稀缺的压力。

业务流转变
从“旧流程贴片” 转向“端到端重构”

麦肯锡基于对全球 ?105个国家、近2000名企业高管与从业者?的调研数据，形成的《2025年人工智能的现状：智能体、创新和转型》报告显示，几乎所有受访者都表示其所在机构正在应用AI技术，但近三分之二尚未实现全公司规模化推广。总得来说，多数企业尚处于规模化应用的初期或试点阶段。

其另一篇报告"Scaling AI in the Energy Sector"显示，在能源行业有71%的AI项目停留在试点阶段无法落地。这种现象与此前技术投入低效的局面大体一致。

胥佳指出，技术应用效果不达预期，与技术本身无关，核心症结是技术与业务流程严重脱节。将新的AI系统硬生生“贴”在旧有业务流程上的普遍做法，不仅未能提效，还加重了现场人员操作负担，与技术应用的初衷背道而驰。

基于这一认知，协合运维在从“岗位思维”向“任务思维”转变的过程中，采用AI原生的方式，对整个业务流程进行重新设计，形成“解构-适配-重组”三步走的完整逻辑闭环。

第一步，任务精细化拆解。将新能源电站运营的全流程拆成最小可执行任务颗粒，每个任务颗粒都有清晰的目标、执行标准、执行边界和输出结果。

第二步，人机精准适配。为每个任务颗粒匹配最优的执行主体，所有高重复性、高标准化、纯数据化的任务由技术完成；中等复杂度、半标准化的任务由人机协同完成（AI提供数据支撑和逻辑推演，人完成判断和决策），避免了个人经验带来的服务方差，而人工聚焦于技术无法覆盖的非标准化、高创造性、强情感和社交属性的任务，如应对电力市场的突发波动、处理设备的复杂故障、协调政企关系等。

第三步，任务动态化重组。围绕工作目标整合任务颗粒，重新组合为更高效、更智能、流动着的全新业务流程。

剑桥大学 Judge 商学院的判断一语中的：“结构不变，创新终将被消解。”核心意思是说，再好的技术，如果组织架构、流程等这些结构不跟着变，创新就会被旧体系“吃掉”。技术被消化的结果就是，要么被当成“更好的零部件”，要么被改造成不影响现有格局的样子，最终无法带来真正的变革与价值。

协合运维从实践中真切地印证了这一判断。若仍沿用传统组织思路，单纯叠加技术投入，很难充分释放AI技术的应用价值。推动组织模式适配技术，将其转换成组织“不可或缺的系统”，或能真正让技术转化为实实在在的生产力，成为新能源资产持续盈利的核心支撑。

AI应用转变

从“全面铺开” 转向“高价值场景验证”

当前行业普遍存在的AI焦虑也不无道理，AI技术的应用需要理性布局，若步子迈得太大、盲目铺开，可能无法实现预期效果，还会造成巨大的经济损失。因此在AI应用过程中，不应寄望AI一步到位替代所有工作，而应立足自身业务痛点，找到当前最迫切、最关键的具体问题，小步快跑，逐步迭代。

过去一年，协合运维聚焦资产管理经理和电力交易员这两个对盈利不确定性影响最大的核心岗位，围绕市场信息收集、电力交易策略制定、资产管理分析等高价值业务场景，持续迭代研究出多项贴合实际业务的大模型算法应用方案，AI技术在这两个业务场景中得到有效落地应用。

2025年，协合运维在大模型算法上申请专利超50项。这些专利技术成为业务增长和客户满意的核心支撑，其中“聆风”电力交易辅助决策系统帮助交易员从原来只能管理3-4个电站，到现在管理5-10个、实现单日1000-2000笔的量化交易，在部分电力市场活跃度高、数据量大的省份，报价精准率可达90%，远超传统人工交易的效率和精准度。

传统模式下，新能源场站的项目经理通常仅能管理单个场站，而通过组织模式革新后，实现了可统筹管理10个场站的新突破，且创造出“大资管经理”这一新的管理角色。人均管理效能大幅提升，直接推动了运营成本的下降和管理效率的提升。