目标上，82% 的高绩效企业以增长为核心目标，79% 聚焦创新，超越单一效率导向； 组织上，39% 的高绩效企业受访者表示高管主动主导 AI 举措，为项目提供持续支持； 资源上，35% 的高绩效企业将超 20% 的数字预算投向 AI，为技术落地筑牢基础。
双燃智能丨基于国产管网仿真的AI智慧燃气全流程监管系统
AI 赋能能源管网:锚定行业趋势,解锁智慧管理新价值麦肯锡 2025 年全球 AI 应用现状调研勾勒出全球智能化转型的清晰轨迹：全球 88% 的企业已在至少一个职能中常态化应用 AI，智能化已从 “可选项” 变为 “必选项”。 注：2017年，AI应用的定义为在组织核心业务或规模化场景中使用AI。2018-2019年的定义为在业务流程或产品中至少嵌入1项AI能力。自2020年起，定义调整为组织在至少一个职能中应用AI；到2025年，定义更新为至少在一个职能中常态化应用Al。 资料来源：麦肯锡全球人工智能现状调研（2017-2025） 其中，中国大陆在 AI 应用深度上表现亮眼 ——83% 的企业在至少一个职能中常态化使用生成式 AI，领先全球平均水平；45% 的受访企业实现 AI 的规模化或全面部署，高于全球 38% 的均值，为能源行业智能化转型提供了良好产业土壤。 作为能源体系的 “核心血管”，能源管网的安全高效运行关乎国计民生，将 AI 技术深度融入智慧管理系统，既是顺应行业浪潮的必然选择，更是破解管理痛点、构筑核心竞争力的关键举措。 AI 对能源管网管理的重要性，在行业实践与调研数据中均有明确印证。能源管网覆盖范围广、设备类型杂、运行环境多变，传统模式长期受困于巡检效率低、故障预判难、资源调度滞后等问题。 而 AI 的核心优势正在于对复杂数据的深度挖掘与高效处理，能够整合管网运行、环境监测、设备状态等多维度信息，实现从被动响应到主动预判的升级。 调研显示，64% 的受访企业认为 AI 正在推动创新，这一价值在能源与材料行业同样凸显 —— 该行业 AI 应用率已达 89%，虽为基础性行业，但 AI 应用的每一次突破都将释放巨大社会与经济价值，为管网智慧化改造提供广阔空间。 注：因四舍五入，各百分比之和可能不为100%。 问题仅面向表示所在企业至少在一个职能常态化应用AI的受访者。 资料来源：麦肯锡全球人工智能现状调研，覆盖企业各层级的1,993名参与者，调研时间为2025年6月25日至7月29日 注：未展示回答“不清楚”或“其他”的受访者数据。能源与材料行业样本量（n=191） 资料来源：麦肯锡全球人工智能现状调研，覆盖企业各层级的1,993名参与者，调研时间为2025年6月25日至7月29日 在能源管网领域部署 AI 应用，必要性源于行业内在需求与外部压力的双重驱动。 从内部来看，能源结构转型加速，新能源并网比例持续提升，对管网灵活调度与智能调控能力提出更高要求。 而调研指出，尽管全球 88% 的企业已应用 AI，但仅 39% 在 EBIT（企业息税折旧摊销前利润）层面感受到实质性影响，意味着能源行业仍有巨大价值挖掘空间，AI 正是打通数据孤岛、实现全链条协同优化的关键。 从外部来看，绿色低碳发展已成共识，能源企业面临降本增效与节能减排双重压力。AI 在成本优化上的成效已得到验证：软件工程、生产制造、IT 领域分别有 56%、56%、54% 的企业报告成本下降，为能源管网通过智能化实现节能降耗提供了有力支撑。 注：因四舍五入，各百分比之和可能不为100%。 问题仅面向表示相关职能已常态化应用AI的受访者，未展示回答“成本增加”、“无变化”、“不适用”或“不清楚”的受访者数据。 资料来源：麦肯锡全球人工智能现状调研，覆盖企业各层级的1,993名参与者，调研时间为2025年6月25日至7月29日 AI 应用的效益性，体现在能源管网管理安全、效率、经济三大维度的全面提升，且均有调研数据佐证。 安全层面，能源管网的设备故障与运行风险直接关系能源供应稳定，AI 的预测性维护能力可通过实时监测设备运行数据，提前识别潜在隐患，从源头避免非计划停机造成的重大损失。调研显示，AI 高绩效企业（EBIT 因 AI 提升超 5%）不仅部署的 AI 用例数量是其他企业的两倍，更建立了清晰的人机协同流程 —— 明确何时、以何种方式对模型输出进行人工核验，在系统治理各类风险的同时保障结果可靠，这一成熟的风险管控模式，恰好适配能源管网对安全运行的高要求，可直接应用于管网风险预判与故障防控。 效率层面，管网巡检范围广、环境复杂，人工巡检存在效率低、覆盖不全面等问题，而 AI 智能体技术的特性的是基于基础模型自主规划并执行多步骤任务，恰好能针对性解决这一痛点。调研数据显示，全球 62% 的企业已启动智能体相关探索，其中 23% 已在特定职能中规模化推广；虽能源行业智能体规模化应用比例尚未超过 10%，但 IT 服务台管理、知识管理等领域已形成成熟应用体系，其自主执行任务的核心逻辑可直接迁移至管网巡检、设备状态实时监测等场景，大幅减少人工投入的同时，提升巡检的精准度与覆盖效率。 经济层面，AI 带来的成本节约与价值提升更为直观。调研显示，供应链 / 库存管理领域有 49% 的企业因 AI 实现成本下降；战略与公司财务、营销与销售职能中，分别有 65%、67% 的受访者观察到营收提升。对能源管网而言，AI 优化的资源调度可减少能源损耗、降低运营成本，而负荷预测与需求响应能力能进一步提升经济效益。更关键的是，AI 高绩效企业的实践表明，55% 的高绩效企业会重构工作流适配 AI，这一比例是普通企业的 2.8 倍，通过流程重塑实现了效率、增长与创新的协同提升。 能源行业 AI 应用已进入 “应用扩张” 与 “深度深耕” 并存阶段，企业规模越大，部署成熟度越高。调研显示，营收超 50 亿美元的企业中，近半数已进入 AI 规模化阶段，而能源企业多为大型企业，具备天然优势。 同时，高绩效企业的成功经验为管网 AI 应用指明了路径： 数字化转型浪潮中，AI 已成为能源企业不可逆转的发展方向。中国大陆在 AI 应用深度上的领先优势，为能源管网智慧管理系统的 AI 部署提供了良好环境。布局这一领域，既是响应行业转型的必然选择，也是企业实现高质量发展的核心路径。未来，唯有将 AI 深度嵌入管网运营全流程，借鉴高绩效企业的战略、组织与资源投入经验，才能将技术优势转化为管理效能与竞争优势，在能源行业变革中抢占先机，实现安全、高效、可持续发展。 声明：本文章部分内容及图片系转载，版权归原作者及原出处所有，如涉及作品内容、版权和其它问题请及时联系。
