思格新能源董事长、CEO许映童：新能源系统越来越复杂，用户的用电场景和需求也各不相同，AI与能源的融合因此成为必然。
随着新能源发电装机规模持续扩大，电力系统正从传统的“以发电为中心”逐步向“以用电为核心”转变。光储协同成为行业共识，但日益复杂的应用场景和多变的电价机制，对系统管理提出更高要求。
人工智能（AI）如何助力破解这一难题？日前，思格新能源发布能源行业首个全域AI智能体——SigenAgent，让能源管理从“一问一答”的对话助手，升级为“使命必达”的自动执行者。思格新能源董事长、CEO许映童在接受《中国能源报》记者专访时表示，新能源系统越来越复杂，用户的用电场景和需求也各不相同，AI与能源的融合因此成为必然。真正的AI不只是陪用户聊天的助手，而是一个能听懂目标、主动执行、不断学习的伙伴。
从“人驱动系统”到“系统理解人”
在光储协同逐渐成为“标配”的当下，能源系统已不再是单一设备的简单叠加，而是涵盖发电、储能、负荷与电网互动的复杂系统。
在许映童看来，行业当前面临的核心矛盾，在于系统复杂性与管理能力之间的不匹配。一方面，不同国家和地区的电价机制、电力市场规则差异显著，例如欧洲部分市场负电价频现，澳大利亚电价日内波动剧烈；另一方面，用户侧需求日益多样，既要降低用能成本，又要参与市场交易获取收益。
在这一背景下，传统依赖人工设定规则的控制方式已难以适应。许映童坦言，现有系统更多停留在“自发自用”或固定时段充放电等简单逻辑，缺乏对复杂场景的动态响应能力。“过去的模式，本质上还是‘人驱动系统’，而不是‘系统理解人’。”
基于这一判断，思格将AI引入能源管理的核心，不再局限于问答式交互，而是推动其向“任务导向”演进。SigenAgent的核心能力，在于能够理解用户目标，并将其转化为具体的控制策略与执行路径。例如，用户只需提出“降低今天用电成本”或“下午不从电网取电”等目标，系统即可自动完成策略生成、参数配置与执行调度。
“这不是简单的自动化，而是从‘指令执行’到‘目标驱动’的升级。”许映童强调，与传统AI助手不同，智能体具备持续学习与策略迭代能力，可以在长期运行中不断优化决策模型，实现真正意义上的自适应管理。“当系统可以理解目标并自主执行时，能源管理才真正进入智能体时代。”
从“统一大脑”到“专属管家”
如果说“任务执行能力”解决的是“怎么做”的问题，那么“个性化智能”则回答了“为谁而做”。在许映童看来，这是本次SigenAgent升级中更为深层、也更具颠覆性的变化。
过去的AI调度，本质上是一种“集中式策略分发”，即通过一个统一模型，为全球范围内数十万台设备提供相对标准化的控制逻辑。虽然在规模上具备优势，但在精细化和适配性方面存在明显瓶颈。“相当于所有用户共用一个‘大脑’，它很强，但不够‘懂你’。”许映童说。
而此次升级的核心，在于引入“专属智能体”架构——每一位用户都拥有一个独立的AI实体，并具备“长期记忆”和“持续进化”能力。
具体地说，这一智能体不仅能够记录用户当前的设备配置、用能习惯，还可以沉淀历史运行数据与关键事件。例如，某一家庭在数年前更换过储能设备、某个时间点曾因极端天气导致系统异常，这些信息都会被纳入用户画像，成为后续决策的重要参考。
“能源系统的使用周期可能长达20年，如果AI没有记忆，就无法真正服务用户。”许映童指出，只有将时间维度纳入模型，AI才能从“即时响应”升级为“长期陪伴”。
这种“千人千面”的智能服务，使系统能够在相同外部条件下，为不同用户生成差异化策略。许映童举例，在面对电价上涨时，有的用户更关注成本最低，有的则更看重电池寿命或供电稳定性；在光伏出力受限时，有的用户希望尽可能多上网，有的则倾向于本地消纳。专属智能体可以基于历史偏好与实时状态，做出最符合用户目标的权衡。
从“给出建议”到“直达目标”
随着智能体能力的提升，用户与系统的交互方式发生了根本性变化。这一变化，不仅关乎体验，更直接影响系统的可用性与普及程度。
许映童指出，过去，用户在面对复杂的能源管理问题时，往往需要具备一定的专业知识。例如，判断何时充电、何时放电，是否参与电力市场交易，甚至需要理解分时电价结构、设备约束条件等。这实际上把大量决策负担转嫁给了用户。
许映童表示，在全球用户社群中，这类问题极为普遍。不同国家的用户会提出各种高度个性化的需求，例如不希望光伏被削峰、希望在特定时段优先使用本地发电、或者在某个时间段为高功率负载预留电量等。
“而在传统模式下，这些需求往往需要通过论坛咨询、联系安装商甚至拨打客服热线来解决，不仅效率低，而且难以实现真正的个性化响应。”许映童说，“安装商也未必能给出最优解，因为每个系统的参数都不同。”
许映童介绍：“SigenAgent引入后，使这一过程被大幅简化。用户只需通过APP语音或文本输入一句话，比如‘我下午要用大功率设备，希望尽量省电’，系统就可以自动完成策略设计。系统不再停留在‘给建议’，而是直接生成可执行策略，并向用户展示决策依据与执行路径。用户不需要懂技术，只需要表达目标。”
从“人工读日志”到“自动诊断”
值得 一提的是，智能体的应用并未局限于终端用户侧，而是向整个产业链延伸，尤其是在运维环节展现出显著价值。
许映童表示，在传统模式下，安装商往往需要管理成千上万套分布式系统，每天面临大量故障咨询与运维请求。系统日志分析高度依赖经验丰富的工程师，且需要查阅内部文档甚至源码，效率较低。
“引入运维智能体后，安装商可以设定周期性任务，由AI自动对所有设备进行巡检，逐台分析运行日志，识别潜在异常并给出原因判断。”许映童说，长期困扰行业的“后台数据与显示数据不一致”问题，往往难以快速定位原因。而智能体通过对日志的系统性分析，可以识别出可能的异常路径，大幅缩短排障时间。
“原来需要研发人员参与的问题，现在AI可以第一时间给出判断。”许映童说，这不仅降低了对高端人力的依赖，也显著提升了服务响应速度。
从“统一调度”到“专属智能体”，从“问答交互”到“目标执行”，再到“用户+运维”双侧协同，在许映童看来，AI与能源的结合，绝非简单叠加，而是对底层逻辑的重构。“未来的能源系统，一定是一个可以理解需求、主动决策、持续进化的智能系统。”
随着分布式能源进一步普及、电力市场持续深化，这种以智能体为核心的架构，或将成为行业标配。谁能率先完成从“设备制造商”向“智能服务提供者”的转型，谁就有望在新一轮竞争中占据先机。
文丨中国能源报记者 董梓童
