能碳数字化下半场：行业化提速、AI和看得见的生产力_风闻

从时间线来看，如今我国距离实现碳达峰目标仅剩7年，而纵观来看整个行业，不论是传统能源厂商，还是互联网厂商，能源数字化都已经进入到“跑马圈地”的决赛圈。  

谁能更好得服务客户全流程，谁能更好得应用AI，以及谁能更快速得完成从供给侧到需求侧的满足，谁就会成为最终的能源数字化赢家。

作者|思杭 

编辑|皮爷 

出品|产业家 

三年的能碳改造，换了几套节能系统，最后工厂效果收益甚佳，同时工厂每年效益新增近百万——这种“不太可能”的投资回报比恰是当前能源数字化领域不少项目的现状。

在如今双碳被反复提及的当下，能源数字化走到哪了？

在能源数字化领域，**一个明显的趋势是，数字化服务商所着眼的主力赛道十分明确，这与其他行业形成鲜明对比。**在与不少能源数字化服务商和工业互联网厂商交谈过程中，一个公认结论是，相较于其他赛道，企业往往会会选择某一个精准赛道。

“能源领域里的不同细分赛道所涉及的行业know-how相差甚远，互通性不高，门槛却极高。而且能源行业项目周期长，通常情况是‘跟踪’完1～2家客户后，已经足够支撑我们技术团队。”一位行业人士告诉产业家。

从客户来看，能源行业的客户大多分布在国央企，项目更为稳定。在此背景下，数字化服务商只要在某一细分赛道“站稳脚跟”，便意味着吃下了这块蛋糕。

但在能源数字化转型迫切的当下，另一个更重要的问题则是，在服务商聚焦某一个赛道的模式下，能碳改造是否还可以成为全产业的基础配备？以及其想象力是否还能被完全释放？

对此，本文将站在需求侧和供给侧的角度，来剖析当前能源数字化走到哪了？以及一家工厂究竟是如何进行能碳改造的？在其中企业又为其提供了怎样的技术？

一、2024，能源数字化走到哪了？

“单位国内生产总值能耗降低2.5%左右”，这是2024年政府工作报告中最新的“发展主要预期目标”。

实际上，近两年不少国家都对碳减排提出了更为具体的目标，一些国家甚至设置了碳排放上限。碳中和、碳达峰等等词汇也被越来越多地写在各个国家的白皮书中。

中国宣布2060年前实现碳中，并计划到2030年前达到碳排放峰值

加拿大政府承诺到2030年将温室气体排放量比2005年水平降低30%-40%，并力争实现2050年碳中和；

英国立法规定到2050年实现净零碳排放；

…

而在这种迫切实现碳中和的背景下，工厂内部究竟要如何实现能碳改造，进行碳盘查和碳审计等工作也更为重要。

目前，全国碳排放权交易市场覆盖年二氧化碳排放量约51亿吨，纳入重点排放单位的有2257家。这其中，碳排放集中的行业主要在发电、钢铁、建材、有色、石化、化工、造纸、航空等重点行业。有数据表明，单是这8个行业的二氧化碳排放量就占到了全社会总排放量的75%左右。

2021年，发电行业的碳排放权交易市场正式启动交易。而在燃煤、风力、光伏及核能等所有的发电方式中，燃煤发电在未来五年都仍是“压舱石”一样的存在。而火电行业的能碳改造也因此迫在眉睫。

通常来讲，一家工厂在进行能碳改造之前，都需要先清晰了解自身的碳排放数据和能源数据。

第一步是对整个工厂的能源进行审计，评估工厂当前的能源使用情况和碳排放水平，确定能效提升和减排的潜力。而这里所涉及到的两个关键技术便是碳盘查和碳审计。

以发电厂为例，企业的直接排放和间接排放是需要分开计算的，前者是指企业自身运营产生的排放；而后者则是在生产过程中投入的电、热、蒸汽所产生的排放。除了直接排放和间接排放，还有一种是在整个供应链和产品使用过程中的排放，被称为“其他间接排放”。

确定了碳排放的范围后，企业才能够针对能源消耗、原材料使用、运输等相关数据进行收集，最后进行排放计算。整个过程就是碳盘查的全部流程。

然而，碳资源管理仅仅是企业进行能碳改造的第一步。最重要的部分需要能源数字化服务商、工业互联网平台等企业的参与。比如企业的生产工艺优化、设备升级，以及通过能源管理系统来实时监测工厂能效从而达到节能减排的效果。

在这种迫切的能源数字化转型的背景下，一些能源央企早已提前布局。

比如国家电网自2020年以来在数字新基建领域投入247亿元，包括部署电网数字化平台、电力物联网、能源大数据中心建设；南方电网以“电力+算力”支撑绿色能源供给体系，创新提出建设数字电网；再比如华润集团提出“智慧华润2028”的发展愿景，在“十四五”时期，各产业全面实现数字化，到2028年，初步实现智能化。

上述种种能源数字化转型案例都只是如今零碳时代下的一个缩影。而在能源企业按下“减排”加速键的同时，另一侧的能源数字化服务商也同样感受到了水温的变化。

二、路线之上：谁在提供最真实的能碳生产力？

如果在2030年按预期实现碳达峰这样的目标，一个问题也随之被摆在台面——现在能源数字化服务商能达到的降碳上限是多少？

在回答这个问题之前，几个更为重要的问题是，能源数字化服务商究竟是如何为工厂进行能碳改造的？在过去几年里，其底层模型发生了哪些变化？以及未来还会有哪些更好的方式来帮助工厂节能降碳？

根据《新型电力系统发展蓝皮书》显示，在2030年之前，我国的电力调度控制体系都还停留在工业互联网、数字孪生、边缘计算等智能化技术层面；等到了2030年，数字化手段将进一步升级，比如聚合各类可调节负荷、储能资源，实现灵活接入、精准控制，从而提升电网灵活性和系统稳定性。

事实也的确如此。目前市面上的能源数字化服务商，其底层技术大多都围绕着物联网技术、数字孪生和边缘技术等展开的。

通常来讲，**如果分三层来透视能源数字化服务商的底层技术，那么中间层会是如何进行能源数据的收集、监控和优化。**通常来讲，收集、监控和优化是由三种技术搭配下才能实现的，它们分别是物联网技术、能源管理系统和大数据分析。

而更为重要的一个环节，也是目前能源数字化的“深水区”，即从单个设备节能跨向多个场景、多个设备的节能。虽然物联网技术可以做到连接和管理多种能源设备和传感器，但是如何将这些从多个设备收集上来的数据存储起来，再通过精准调控让它们回到不同的设备端上，却是一个较为棘手的难题。

所以，这就需要云计算平台来发挥作用，也是能源数字化服务商的最底层技术。云平台能提供的除了强大的数据存储、处理和分析能力，更为重要的是能够支持能源管理服务的可扩展性和灵活性。

**而这也是垂直的工业互联网平台与百度智能云、华为云、阿里云、腾讯云等一众云厂商的最大区别。**前者虽然在各自领域有更为垂直的行业know-how经验，但后者所具备的灵活性也正是不少垂直工业互联网平台所欠缺的。

简单来说，从单个设备到多设备的节能，不仅需要物联网将数据“传输”并“汇总”到一起，也更需要云计算来进行存储并进行灵活的计算。这样一来，才能够彻底突破节能天花板。

最后，能源数字化服务商的最上层技术就是如何与用户交互。对此，像泛能网、蘑菇物联等工业互联网平台都有自己的移动端，可以将从设备端传输过来的数据，再传到工厂设备工人的移动端上。

在路径之外，另一个需要被关注的指标则是“降碳上限”。

虽然目前对于降碳上限还没有一个公开的数据，**但通过从多家能源数字化服务商了解下来，三年前这个数字还是10%，而如今已经有不少厂商可以实现30%的降碳水平，**比如泛能网、蘑菇物联、远景，以及阿里云和华为云在内的一些互联网厂商。

三、能碳改造的想象力有多大？

未来五年，能碳改造会释放多大想象力？

这个问题提出的背景是，目前已经有一些潜在技术被看见，并且不少已经投入到能源数字化转型的项目当中。

以我国碳减排的重点领域——电力行业为例，想要减少对石油的依赖，在不久的将来新能源就将成为主力能源。一个近两年都更为明显的趋势是，新能源电动车的兴起。而实际上，新能源电动车占比越来越高，并非为了建设，而是运营。能否把实时产生的新能源物尽其用，关键就在于怎么把用户侧运营好。

对此，在相关的国家政策当中，提到了一个新的市场主体——虚拟电厂。而早在2021年，我国就不断出台虚拟电厂支持政策，鼓励通过虚拟电厂发挥负荷侧能力；到了2022年，国家发展改革委、国家能源局等九部门更是联合印发《“十四五”现代能源体系规划》《“十四五”可再生能源发展规划》，把虚拟电厂定性作为主要示范。

等到了2023年，虚拟电厂试点就已经遍布到在广东、陕西、山东、浙江、上海、深圳等多个城市。

那么具体而言，究竟什么是虚拟电厂？它又能发挥怎样的作用？

简单来理解，虚拟电厂之所以被称为“虚拟”电厂，是因为它虽然名为“电厂”，但虚拟电厂并不是一个实际的发电站，而是一个网络化的、集中控制的电力资源池。

它可以将多个小型、分散的能源发电单元整合到一个单一的网络中，最后再进行集中控制。而有研究表明，虚拟电厂在双碳行动中的贡献十分大。

据国网测算，通过建设煤电机组满足其经营区内5%的峰值负荷，需要投资4000亿建设电厂并配套电网，而根据36氪研究院测算，虚拟电厂的投资规模仅为500-600亿元，这意味着虚拟电厂的投资额仅需要火力发电厂的1/8-1/10。

满足5%的峰值负荷的不同方案投资金额对比（亿元）

因此，在我国用电负荷不容乐观的情况下，类似于虚拟电厂这种更为智能化的能碳改造设备则是一种必要。

此外，在技术本身层面，伴随近两年AI大模型在国内“狂飙”的趋势，能源数字化厂商也在越来越多地与智能化结合。

然而，从整个供给侧市场上来看，大模型对于能源数字化的智能改造还并不深，大多数都停留在交互层面，还未能更为实际地提高工厂的生产力或者工厂效能。

但值得注意的是，从去年到今年，一些工业互联网平台对大模型的认知已经发生了变化：从过去对于大模型可能无法应用到真正生产当中，逐渐过渡到通过AI大模型进行智能改造的尝试当中。

比如去年7月18日华为联合山东能源集团和云鼎科技共同推出的盘古矿山大模型，产品底层技术主要依赖于视觉识别、语音识别、自然语言处理等技术。

在采煤、掘进环节中，盘古矿山大模型可以对机器的工作状态进行实时监测和预警。而在煤炭生产的最后关键环节，即焦化环节中，盘古矿山大模型可以通过视觉识别技术，对焦炉的工作状态进行实时监测和预警，如是否有渗漏、是否有爆炸、是否有超标排放等。

而这就涉及到了节能和减排。据数据统计，盘古矿山大模型的应用，可以达到能耗降低20%，排放降低30%的水平。

再比如泛能网，据了解如今已经将AI应用到数字孪生场景中，可以远程帮助企业进行能碳的改造和实际真实场景的模拟，一方面进行远程调控，另一方面保证方案实行的安全性和可靠性。

从时间线来看，如今我国距离实现碳达峰目标仅剩7年，而纵观来看整个行业，不论是传统能源厂商，还是互联网厂商，能源数字化都已经进入到“跑马圈地”的决赛圈。

谁能更好得服务客户全流程，谁能更好得应用AI，以及谁能更快速得完成从供给侧到需求侧的满足，谁就会成为最终的能源数字化赢家。