智能能源

人工智能驱动转型与价值重塑 毕马威创见不同·智启未来 kpmg.com/cn 前言 当前，技术正以令人难以置信的速度迅猛发展。本报告于2025年年初撰写，我们将基于当时的情况进行阐述。我们所处的现实是一个创新层出不穷、持续加速的世界。曾经未来感十足的技术，如量子技术和智能体技术，如今正迅速进入能源行业的战略规划版图。 能源行业中的人工智能应用已从试点扩大到规模应用，助力企业在运营效率、资产优化、安全性、可持续性和预测性维护等领域取得显著成效。引入人工智能技术需在硬件升级、软件采购、数据基础设施转型及专业人才招募等多方面大量投资，对大型企业来说是笔不小开支，需谨慎行事。许多企业通过推行成本削减计划，利用人工智能优化运营流程，实现效率提升和较高投资回报，进而将节省下来的资金用于再投资，形成自我提供资金支持的人工智能转型模式，推动数字化创新。 从短期来看，我们调研的行业领导者将智能体视为一种变革力量。尽管传统自动化已能提升效益，但是随着人类在此方面的专业知识不断见顶，其发展正面临瓶颈。 智能体为此提供了一个突破口。它们可以自主管理整个工作流程，模拟人类专家进行细致判断，在没有直接监督的情况下做出复杂决策，并在必要时寻求人类专家的帮助。其影响非常显著：在第29届联合国气候变化大会上，一家企业宣称通过部署智能体，他们已成功将一个原本需要21天才能完成的流程缩短到了18分钟。 对于能源企业而言，忽视这一趋势的代价正在不断攀升——行动迟缓的企业可能仍固守于陈旧的基础设施、人才模式和运营假设，而这些到本十年末可能将无法满足发展需求。 蔡忠铨毕马威中国董事亚太区及中国能源及天然资源行业主管合伙人 扩展人工智能的应用需要重塑企业并直面三大能源困境，应将人工智能嵌入整个价值链以确保供应、脱碳和成本控制。本报告为应对挑战迈向未来提供了指引。 目录 14打造智能能源企业18阶段一：利用人工智能为员工赋能303236阶段三：发展能源企业自身生态系统主要考虑因素结语25阶段二：将人工智能融入各项工作40生成式人工智能助力中国能源行业实现“双碳”目标 02前言 08调研结论 概要 56%能源企业开始扩大其人工智能试点项目 能源行业正在迎接人工智能的未来 能源创造与环境影响的双重性是关键考量63% 71% 63%64% 已在试用人工智能，但仅13%设立了人工智能卓越中心 已经对自动数据编制、混合云、跨平台及数据集成等技术进行投资 努力在人工智能应用与可持续发展目标之间寻求平衡 已经部署了覆盖整个企业的云或混合云IT基础设施 将可持续发展视为比人工智能更重要的战略目标 60% 扩展应用面临重大挑战存在数据格式不一致问题，从而影响数据质量58%面临道德和监管问题38% 92%96% 能够积极拥抱人工智能的企业，将在行业内建立竞争优势 65%希望能实现增长74%正在设法提升效率 正着眼于未来开展投资，不期待立即获得回报 简介 能源行业的管理者已经不能对此无动于衷。客户、监管机构和合作伙伴都期望利用新型智能系统实现低成本、可靠且可持续的能源供给。到2030年，行业将发生显著变化，而实现这一过程企业需要具备灵活性、远见卓识以及在充满不确定的时期采取行动的勇气。 在能源行业，人工智能的应用不仅局限于采用新技术，还涉及能源生产、配送以及智能化管理方式的转变，从而提高效率，减少浪费，并对实时需求和系统状况作出动态响应。 本报告探讨了以下内容： •如何定义能源行业人工智能驱动的价值创造：理解人工智能如何提升运营效率，增强电网稳定性，支持可持续发展目标并推动商业成功。•如何应对围绕人工智能的监管合规、网络安全和跨职能整合等方面的挑战。•准备好实施人工智能的能源企业的特征：识别卓越企业的独特之处以及人工智能应用的关键推动因素，包括数据基础设施、劳动力准备和治理模式等。•人工智能成熟度模型：一个帮助能源企业通过三个关键阶段实现转型发展的框架，包括：利用人工智能为员工赋能和构建人工智能基础设施将人工智能融入各项工作发展运营模式和生态系统 为了了解业界对此的准备情况，毕马威采访并调查了来自八个国家（澳大利亚、加拿大、中国、法国、德国、日本、英国和美国）的大、中型能源企业的163位高管。我们由此勾勒出能源行业的人工智能应用现状，深入探究了企业在人工智能战略、投资和实施方面的措施，并识别出企业可以采取哪些“坚定”的行动为自身未来发展做好准备，包括采用有助确保灵活性的企业架构。 在应用人工智能过程中，受访者所在企业遇到以下问题的占比情况如下 主要建议 我们发现，企业要从人工智能中获取价值，必须采取整体战略。对此，我们基于调研结果提出了以下四项主要建议。 制定一个由商业战略驱动、符合核心竞争力并能够创造价值的人工智能战略 建立一种利用人工智能提升人类潜能的文化 为人工智能的应用创建可持续的技术和数据基础设施 在转型计划的初期阶段就将建立信任作为重要的一环 以人工智能为先的战略确保从基础设施投资到劳动力规划的所有决策都能得到智能系统和数据洞察的支持。这不仅仅是将人工智能附加到业务上，而是通过人工智能来重新塑造业务。人工智能应基于长期业务目标，助力改善企业的运营效率、预测性维护、安全性和可持续性。一个清晰的路线图应定义具有重大影响的人工智能用例，使短期成本节约与长期价值创造之间保持平衡，确保人工智能投资能够产生可衡量的商业和环境效益。 可扩展的技术和数据基础对于在能源行业充分发挥人工智能的潜力至关重要。企业应加大对数据治理、数据编制、云平台和混合IT基础设施的投资，以实现人工智能的无缝集成。在分布式能源、传感器驱动的工业场所和实时电网运营中采用标准化数据，从而确保人工智能模型和自主智能体能够有效运行。此外，还应尽可能降低人工智能的能耗，以便在寻求创新与满足可持续发展目标及监管要求之间取得平衡。 人工智能应帮助提升人类的专业能力，而非取而代之。企业应在工程师、技术人员、电网运营商和决策者中培养一种文化氛围，即利用人工智能增强洞察力、自动化日常任务和提高安全性。通过提升员工的人工智能素养并开展伦理培训，可以帮助他们准备好拥抱智能化的未来。 在一个高度关注安全性、可靠性和合规性的行业中，信任至关重要。企业在应用人工智能之初就必须建立透明的治理框架，实施强有力的风险管理并遵循监管规定。能源企业应与监管机构、员工和外部利益相关方携手，解决数据安全、人工智能驱动决策以及伦理问题的担忧。通过将可解释性、责任制和公平性嵌入人工智能模型，可以赢得推广人工智能应用所需的信心。 调研结论 在市场动态变化、技术颠覆、监管压力以及全球推动可持续发展的影响下，能源行业正经历着深刻的转型变革。 这个曾建立在传统采掘和网络模式基础上的行业，现在正演变成一个数字互联生态系统。 从试点到规模应用 能源行业中的人工智能应用已经不仅仅停留在试点阶段。56%的企业正在扩大人工智能项目的规模，而44%的企业已将人工智能融入运营核心。尽管受监管实体和不受监管实体之间存在差异（个别子行业也存在细微差别），但人工智能带来的挑战和机遇大致相同。能源价值链上的企业普遍关注运营效率、资产优化、安全性、可持续性和预测性维护等领域的AI用例。 人工智能等新技术逐渐成为能源行业战略规划的重要部分。短期来看，人工智能可自主管理流程、做出复杂决策，显著提升效率。为实现人工智能规模化应用和价值创造，企业需重塑运营模式，将人工智能融入整个价值链，解决供应、脱碳和成本控制等难题。这要求企业整合数据技术，培养员工队伍，使人工智能与商业战略紧密结合。如此，企业才可能在下一个能源转型时代脱颖而出，把握未来发展的主动权。 降低成本，为未来发展留出资金 许多企业正积极推行成本削减计划，以应对需求波动、地缘政治动荡以及日益增长的可持续发展要求。受访者认为，人工智能是运营流程优化的关键推动因素。79%的企业表示已利用人工智能实现可衡量的效率提升，60%的企业因此获得了超过10%的投资回报。这些由人工智能降低的成本被用于再投资，形成了一种“自我造血”的人工智能转型模式，将节省的资金用于进一步推进数字化创新。 张庆杰数字化赋能及人工智能主管合伙人毕马威中国 目前只有13%的能源企业拥有人工智能卓越中心，人工智能领导层分散在IT部门（20%）或者IT与业务部门兼有（34%）。 业界着眼未来 92%的受访企业正在对未来的人工智能项目进行投资，但并不期望立即获得回报。其中，76%的企业计划增加人工智能支出，63%表示增幅将超过10%。增幅最大的领域包括人工智能驱动的自动化、预测分析以及增强型产品和服务开发，80%的企业正在将人工智能嵌入其产品中。 我们对人工智能的应用充满期待，但同时也保持谨慎态度。为了避免AI工具生成的信息在未经充分验证的情况下被内部员工或外部监管机构直接采纳，仍需对生成式人工智能的输出进行全面审核和把关，以确保其准确性和可靠性。” 发展进步 能源行业人工智能的下一阶段将是从承诺转向切实、持久的影响。受访首席执行官和高管均已认识到变革的必要性，但为了取得成功，该行业应超越增量采用，专注于以降低成本的方式扩展人工智能，同时提高可靠性并支持可持续性。 扩展人工智能应用仍存在明显障碍 企业内部的障碍延缓了人工智能的大规模应用。受访者指出，数据管理、治理、投资和重点事项排序等方面的不足，带来了主要挑战，包括数据质量问题（58%）、监管复杂性（38%）和预算限制（37%）。此外，负责改善数据的团队与开发人工智能的团队之间缺乏联系和整合。 新兴趋势为行业提供了明确的前进方向。成功的企业很可能是那些能够简化运营模式、整合人工智能价值链与数据技术，并构建支持人工智能驱动增长所需基础设施的公司。 某美国企业的首席风险官 价值项目：追求效率与投资回报的最大化 能源行业人工智能现状 以明确可量化的成果为目标的价值项目，正在推动能源行业人工智能的应用。特别是在那些能够帮助企业提升效率、降低运营成本、缓解风险并改善能力的领域，智能工具和技术发挥着重要作用。 许多人工智能驱动的价值项目通过自动化或消除整个流程，显著提升了效率，从而助力企业极大地提升绩效。例如，预测性维护可以通过预测涡轮机、管道和炼油设备的故障，减少计划外停机时间并延长资产生命周期；供应链优化有助于实现更精准的库存预测和分配；智能需求模型则可以对各设施的电力消耗进行精细调整，以减少浪费并确保稳定的电力供应。 能源行业的人工智能项目分为两类：一类是追求可衡量投资回报的价值项目，另一类是为践行行业价值观的驱动型项目。 从短期来看，我们将主要受益于生产率的提高，从而减少对托管服务提供商的依赖。这将使我们能够用更少的资源完成更多的工作，从而立即对资产负债表产生积极影响。从中长期来看，我们将获得与资产相关的收益，例如资产故障减少、维护规划和调度能力增强等。此外，大语言模型能够检索过去四十年生成的资料，这在管理长达四十年积累的资产方面带来了真正的变革。” 某美国企业的企业服务高级副总裁兼首席风险官 在保障员工健康方面，人工智能也正发挥效用。人工智能疲劳监测系统通过可穿戴传感器、生物识别跟踪和实时视频分析，检测员工的疲劳迹象或认知压力。这些解决方案有助于防止工伤，确保劳动安全标准的遵守，同时提高员工的整体健康水平和生产力。 它们可以分析来自太阳能资产、风能资产、储能资产、电动汽车等不同资产的大量实时数据，并动态调整其输出。此类智能体可持续运行，适应不断变化的条件，并做出原本需要人工干预的决策，从而大幅提高响应能力和效率。 驱动型项目：增强安全性、推动可持续发展和贯彻企业宗旨 在能源行业，人工智能正被引入到旨在增强安全性和达成可持续发展目标的驱动型项目中。这些项目不仅帮助企业通过节约成本、提升运营效率和改进风险管理来创造经济价值，还确保满足监管要求，减少环境影响，并符合责任标准。 改变企业与客户及市场之间互动的方式 智能体在能源行业的应用 从需求侧来看，智能体可以帮助工业