“AI在燃氣全產(chǎn)業(yè)的應用已成為不可置疑的競爭優(yōu)勢，未來三年，任何城燃企業(yè)都無法脫離AI實現(xiàn)可持續(xù)發(fā)展。”在近日舉辦的第29屆世界燃氣大會（WGC2025）上，新奧集團技術(shù)委員會主席張軍表示，“未來10年只有兩種企業(yè)會特別好，一種是生產(chǎn)智能的企業(yè)，一種是應用智能生產(chǎn)的企業(yè)。”

近年來，國內(nèi)城市燃氣企業(yè)面臨安全生產(chǎn)壓力與傳統(tǒng)售氣業(yè)務(wù)增長瓶頸的雙重夾擊——傳統(tǒng)售氣業(yè)務(wù)受國際氣價波動、用氣需求下行壓力影響，業(yè)績增長乏力；管網(wǎng)老化、第三方施工破損等問題頻發(fā)，行業(yè)安全監(jiān)管趨嚴。在全球能源轉(zhuǎn)型與國內(nèi) “雙碳” 戰(zhàn)略疊加的背景下，中國城市燃氣企業(yè)正經(jīng)歷前所未有的挑戰(zhàn)。在此背景下，人工智能技術(shù)的深度應用正在重塑城燃行業(yè)的價值邏輯。

如何革新傳統(tǒng)模式

安全是燃氣行業(yè)的生命線。燃氣安全曾是純靠“人盯腳量”的苦活累活，傳統(tǒng)模式下，安檢員需手持檢測儀穿梭于大街小巷，面對復雜密布的地下管網(wǎng)，漏檢、誤判風險始終存在。而AI的介入正將這一模式推向?qū)崟r感知、智能分析與主動防控的新階段。

例如，新奧集團在過去四年通過在全國250個城市燃氣項目部署物聯(lián)感知設(shè)備，實現(xiàn)場站、密閉空間、施工場景的全自動監(jiān)控。張軍打比方稱，公司安全管理水平從L2級輔助駕駛躍升至L4級自動駕駛水平。這種轉(zhuǎn)變也帶來了顯著的經(jīng)濟效益。過去三年，新奧集團通過AI將旗下30萬臺調(diào)壓器的運維模式從計劃性改為智能預測性后，設(shè)備運行效率提升近5倍，年節(jié)省成本近8000萬元。

在商業(yè)模式上，傳統(tǒng)城燃企業(yè)發(fā)展依賴區(qū)域特許經(jīng)營權(quán)的模式也正被打破。新奧股份（600803.SH）商務(wù)運營秘書長陳海波指出，“城燃行業(yè)已進入‘血拼時代’，價格競爭倒逼企業(yè)必須打通產(chǎn)業(yè)鏈生態(tài)?！?strong>AI技術(shù)為城燃企業(yè)傳統(tǒng)“賣氣郎”到“能源管家”的角色轉(zhuǎn)型提供了關(guān)鍵支撐。

通過整合IT系統(tǒng)業(yè)務(wù)數(shù)據(jù)、OT系統(tǒng)生產(chǎn)數(shù)據(jù)、監(jiān)測系統(tǒng)行為數(shù)據(jù)及客戶數(shù)據(jù)，新奧集團構(gòu)建起企業(yè)私有數(shù)據(jù)圖譜。青島新奧燃氣利用AI模型結(jié)合管網(wǎng)壓力、用戶用氣行為及氣象數(shù)據(jù)，實現(xiàn)區(qū)域用氣需求的動態(tài)預測，為資源調(diào)配提供科學依據(jù)。這種預測能力在極端天氣下尤為重要——2024年冬季寒潮中，湘潭新奧燃氣借助此一系統(tǒng)，分析氣溫驟降與居民采暖需求的關(guān)系，提前調(diào)配LNG資源，避免多地供氣緊張。

中國燃氣（00384.HK）亦借助智慧交易平臺，動態(tài)優(yōu)化天然氣供需匹配、調(diào)整供應計劃，確保在不同時間和地點的需求得以及時滿足，并最小化成本和資源浪費。通過月度資源調(diào)優(yōu)、輸配路徑尋優(yōu)、年度采購方案應用等手段，中國燃氣稱，公司預計減少50%合同外采購氣源，節(jié)省費用數(shù)千萬元。

更深層的變革在于生態(tài)協(xié)同。“目前每噸液化天然氣的毛利也就10塊錢，賺不到一杯奶茶錢。”陳海波指出，“當客戶需要的是冷熱電聯(lián)供，企業(yè)還在賣單一天然氣，這杯奶茶的毛利注定敵不過綜合能源服務(wù)的價值?！?/p>

因此，新奧股份構(gòu)建起泛能網(wǎng)平臺，整合氣、電、冷、熱等多能源品類，實現(xiàn)跨區(qū)域、跨主體的資源優(yōu)化調(diào)配。例如在浙江某紡織園區(qū)，新奧集團通過AI賦能能源交易平臺，整合管網(wǎng)、氣源資源，結(jié)合園區(qū)內(nèi)企業(yè)生產(chǎn)計劃與電價波動，為每家企業(yè)定制“氣電聯(lián)動”方案。這種模式顛覆了“給多少氣收多少錢”的舊邏輯，轉(zhuǎn)向“客戶需要什么就提供什么”的新生態(tài)。

還有哪些問題待解

在行業(yè)人士看來，盡管AI應用已取得顯著成效，但行業(yè)仍面臨諸多挑戰(zhàn)。

最突出的是數(shù)據(jù)質(zhì)量與共享機制的問題。一方面，當前燃氣企業(yè)數(shù)據(jù)分散在不同系統(tǒng)中，特別是行業(yè)公有數(shù)據(jù)多存在于專家經(jīng)驗中，且缺乏行業(yè)級數(shù)據(jù)標準，尚未能形成系統(tǒng)性資產(chǎn)，制約了AI模型的訓練效果；另一方面，“安全管理不能放松人的重視，我們?nèi)孕璞３诸愃芁3-L4水平的人機協(xié)同?！睆堒娭赋觯谝階I的同時，企業(yè)需同步優(yōu)化組織流程與人員能力，避免技術(shù)依賴導致的管理空心化。

AI倫理與風險防控也同樣重要。業(yè)內(nèi)人士警示，AI“幻覺”特性可能導致決策偏差，過度依賴技術(shù)或?qū)⑾魅跞祟悓π袠I(yè)趨勢的判斷力。如何在技術(shù)賦能與風險防控之間找到平衡點，是城燃企業(yè)智能化轉(zhuǎn)型的關(guān)鍵命題。

此外，如何在商業(yè)模式創(chuàng)新上實現(xiàn)數(shù)據(jù)、模型與人才的協(xié)同亦然關(guān)鍵。張軍將AI落地要素總結(jié)為“數(shù)據(jù)資產(chǎn)化、業(yè)務(wù)模型化、人才能力化”。他解釋稱，燃氣企業(yè)需整合IT系統(tǒng)、OT系統(tǒng)以及客戶行為數(shù)據(jù)，形成企業(yè)級數(shù)據(jù)資產(chǎn)圖，才能支撐AI模型的精準訓練。但當前，既懂燃氣業(yè)務(wù)又精通AI技術(shù)的復合型人才，在業(yè)內(nèi)極為稀缺。

針對上述挑戰(zhàn)，張軍建議從三個維度精進：一是深化技術(shù)縱深，例如開發(fā)行業(yè)專屬大模型，結(jié)合小模型解決專業(yè)問題；二是完善數(shù)據(jù)治理，建立行業(yè)數(shù)據(jù)共享機制，并加強數(shù)據(jù)安全保護；三是優(yōu)化人才結(jié)構(gòu)，通過校企合作、內(nèi)部培訓等方式，培養(yǎng)“燃氣+AI”的跨界人才。