能源央企的 AI 落地受三条硬约束：数据不出内网、必须国产模型、涉及安全生产的判断不能由 AI 做结论。在这个前提下可落地的是四类场景：公文与技术报告撰写、设备运维知识沉淀、安全规程智能问答、生产数据分析。推进顺序建议从纯内部、非生产的场景起步——先在办公域跑通，再谈是否进入生产域。
三条不能绕过的约束
约束一：数据不出内网
生产数据、设备参数、电网拓扑、储运信息，这类数据在能源行业属于敏感甚至涉密范畴。任何需要把数据传到外部服务的方案，在立项阶段就会被否掉。
可行路径只有两条：本地化私有部署，或者在严格脱敏后使用合规的专有环境。前者投入大但一劳永逸，后者成本低但适用范围有限。
约束二：必须国产模型
境外模型不在选项内，这不是偏好问题是合规要求。实际可用的是 DeepSeek、通义千问这类支持私有化部署的国产模型。选型时除了看能力，还要看部署文档完整度、社区活跃度和长期维护承诺——央企的系统生命周期通常按十年计。
约束三：安全生产领域 AI 不做结论
涉及设备启停、检修决策、应急处置的判断，AI 只能提供参考信息和历史案例，不能给出操作结论。这一条必须写进使用规范并在培训中反复强调。
场景一：公文与技术报告撰写
这是能源央企 AI 落地最稳妥的起点：纯办公域、不碰生产数据、见效快、员工感知强。
- 工作总结、汇报材料、会议纪要的框架生成与初稿撰写
- 技术报告的结构梳理、数据描述、结论提炼
- 公文格式规范检查：标题层级、字号行距、行文逻辑
- 长文档的摘要提炼——把几十页报告压成一页要点
人机边界要写清楚：AI 生成草稿和做格式检查全自动，最终文件必须人工审核确认后才能发布。这一条在培训第一课就要说明，避免出现直接把 AI 稿件报上去的情况。
场景二：设备运维知识沉淀
能源企业的设备资产庞大、运维经验高度依赖老师傅，而这批人正在集中退休。这是行业级的知识断层风险，也是 AI 最有价值的用武之地。
- 把历史检修记录、故障处理记录、设备台账结构化录入内网知识库
- 按设备类型、故障现象、处理方案三个维度建立索引
- 运维人员遇到问题时检索，拿到历史相似案例和处理步骤作为参考
- 每次新的处理过程回写知识库，形成持续积累
场景三：安全规程智能问答
能源行业的安全规程体系庞大，一线员工很难记全所有细节。但规程查询恰恰是最适合 AI 的场景——问题明确、答案有权威出处、不需要推理。
做法是把安规、操作规程、应急预案、事故案例导入内网知识库，员工用自然语言提问，系统返回答案并强制附带原文出处和条款编号。
出处强制显示这一点非常重要。它既让员工能自行核对，也让系统的定位保持在「帮你快速找到规程」而不是「告诉你该怎么做」。事故案例库同样有价值——同类作业的历史事故是最有说服力的安全教育材料。
场景四：生产与经营数据分析
这是四类场景里价值最高、但也最需要谨慎推进的一类。建议分两步走。
第一步：经营与管理数据
从报表分析、指标异常识别、多维对比这类经营数据入手。敏感度相对低，价值容易衡量，适合建立信心。典型应用包括月度经营分析的初稿生成、指标异常的自动标注和归因线索、多单位横向对比的口径归一。
第二步：生产数据（需专项评估）
涉及生产运行数据的分析必须单独走安全评估流程，而且要明确 AI 的输出仅作为参考信息，任何调整由值班人员按既有规程决策。
不要把这两步混在一个项目里立项。混在一起的结果通常是整个项目卡在安全评估阶段，连办公域的部分也做不下去。
推进路径与常见卡点
建议的推进顺序：办公域公文场景 → 安全规程问答 → 设备运维知识库 → 经营数据分析 → （专项评估后）生产数据分析。
三个常见卡点
- 立项范围过大。一次性申请覆盖办公和生产的项目，会同时触发信息安全、生产安全、采购三条评审线，周期极长。拆开立项推进快得多。
- 只做培训不建系统。央企培训组织能力强，很容易做成一场几百人的通识培训，然后没有下文。培训必须绑定一个具体的内网系统建设，否则不会有留存。
- 没有明确的内部承接部门。信息化部门觉得是业务需求，业务部门觉得是信息化项目，最后没人推。立项时必须明确主责部门和专职负责人。
常见问题
Q：能源央企能用 ChatGPT 这类境外模型吗？
不能。这不是偏好问题是合规要求。实际可用的是 DeepSeek、通义千问这类支持私有化部署的国产模型。选型时除了看能力，还要看部署文档完整度、社区活跃度和长期维护承诺——央企的系统生命周期通常按十年计。
Q：AI 能参与设备检修决策吗？
不能给结论。涉及设备启停、检修决策、应急处置的判断，AI 只能提供参考信息和历史相似案例，操作结论必须由持证人员按既有规程做出。这个区分要在系统交互上体现出来，不能只写在规范里。
Q：能源央企的 AI 项目从哪个场景起步最稳？
办公域的公文与技术报告撰写。纯办公、不碰生产数据、见效快、员工感知强，不会触发生产安全评审。跑通之后再依次推进安全规程问答、设备运维知识库、经营数据分析。
Q：老师傅集中退休，运维经验怎么留下来？
建内网设备运维知识库：把历史检修记录、故障处理记录、设备台账按设备类型、故障现象、处理方案三个维度结构化索引，运维人员检索时拿到历史相似案例作为参考，每次新的处理过程回写知识库持续积累。注意系统定位是「历史上怎么处理的」，不是「现在该怎么做」。
Q：为什么央企 AI 项目容易卡住？
三个常见原因：立项范围过大，一次性覆盖办公和生产会同时触发信息安全、生产安全、采购三条评审线；只做培训不建系统，几百人通识培训之后没有下文；没有明确的内部承接部门，信息化和业务部门互相认为是对方的事。
