我自己在智慧电网方向创业，接触很多电力与能源方向的客户。
对于这几年大热的AI，传统能源行业怎么看待呢？我觉得可以用一个字总结：上热（心）下冷（静）。
所谓上热，是指集团母公司、管理层，从战略上都非常重视AI这个东西。你会看到各种关于AI的政策性文件，源源不断的下发到各个地市子公司和执行层。
这一方面，是AI技术近些年确实有所进步，以大模型为代表的业务生态，侵袭到社会生活的方方面面，人们切实享受到了AI的便利。
另一方面，国家宏观政策支持。从十五五发文就知道，过去强调的铁公鸡模式，已经转变为智能制造的模式。利用AI/大数据发展智能制造，升级智能系统，是今后宏观投资的大势所趋。
上面看重AI，为什么下面执行层反而冷静处理呢？这也有几个原因。
一方面，具体做事的团队，比如配网运维团队，主网运检团队，他们肩上承担的压力非常大。一旦出点问题，就会造成社会性事件。所以，这些团队的负责人，往往以求稳为主线，对于AI这类新技术的引进，他们会先在心底打一个问号。
另一方面，现有的各类系统比如配电系统、pcs9000系统、资产系统、停电系统等，在一线已经运行很多年。虽然也存在这样那样问题，但是基层人员毕竟非常熟悉。现在引入一个新的技术栈，打破他们现有流程，是很有挑战的。
当然，上述问题存在，并不意味着基层就一成不变。基层的系统和业务流程，的确存在实际问题，导致效率低下。这些问题积重难返，很难推动上层（比如网公司）去升级改造。
比如，电网的防雷规划，就没有一个好的系统，往往靠人工经验和规则去判断，效率并不高。还有，计划性停电和线路巡检的规则，也都缺乏有效的技术指引，执行存在盲目性。更别说十百千这种海量的依赖人工进行统计的系统了。
因此，电网的基层也有进行系统升级的需求。一方面是解决他们的实际问题，另一方面配合上面提的系统智能化改造的要求（十五五规划）。当然，这些需求的落地，绝对是以安全为前提的。
基层更务实，他们对智能系统的要求，有一句原话：我们不管用的是AI还是规则，只要能解决我们问题就好。也就是说，他们希望看到一个智能化业务系统，这个系统能真正解决他们过去的痛点。这些痛点至少包括：
1. 效率不高：手工执行分析和统计任务
2. 功能繁杂：十几个不同系统之间切换
3. 决策的准确率不行：凭经验进行判断
我们给他们开发的系统，如果有效解决上述问题，是他们欢迎的。然而，解决问题的前提，还是要在现有系统和流程基础上，开发一个系统，而不是单独做几个AI算法。我们之前探讨过，可以给他们做AI预测性维护模块。但如果这个模块没有嵌入他们的业务系统，没有跟业务结合起来，他们觉得毫无用处。
所以，AI在基层落地，首要条件就是跟业务结合起来，而不是脱离业务。系统开发很辛苦，有大量的苦力活，光是调整一个单线图，就能消耗一个前端一个月的时间。这工作远不如做算法、洗数据那样单纯、有价值感。
如果不接触业务，只做一个数据和算法系统，试图推荐给业务方，是无法被他们接受的。脱离了业务的AI，只是一个美好的伊甸园，无法落地。纯做AI算法的公司，死得很快，这也是业界的现实。