中能拾贝科技有限公司创始人、CTO刘勇还记得，早期电厂在实现设备巡检信息化前，进行设备巡检时，员工拿着一个本子，上面打印了一串表格，去到一个地方拿支笔一勾，表明巡检完成。

中能拾贝科技有限公司创始人、CTO刘勇 受访者 供图

如今，电力巡检已从“手动挡”进入“自动挡”阶段。新来的员工已经很难再见到这种本子，他们通常拿着巡检仪或者平板电脑，甚至都不用去现场，通过传感器和远程监控，以及依靠机器人、无人机等智能装备，远程完成了巡检。

中能拾贝深耕能源电力领域20年，也见证了行业数字化的变迁。中能拾贝优势在于掌握大水电全业务流程的智能化技术体系——从水电站生产监控系统到工业物联网部署，从设备故障诊断AI算法到精益化运营管理平台，已形成“软硬件一体化”成熟解决方案。

最近，在工信部发布的新一轮第二批国家专精特新重点“小巨人”企业名单中，中能拾贝凭借其在工业智能领域的战略级技术储备与市场服务能力，成功入选2025国家专精特新重点“小巨人”企业。

中能拾贝已形成“软硬件一体化”成熟解决方案 受访者 供图

无人值守降本

对设备进行巡检、维护和现场的作业安全管控，都是水电、光伏等能源电力场站的重要工作。一些水电厂仍有规模不小的运维团队，通常做法是人工值守，24小时轮班制是常态。

然而，员工在进行场站巡维工作过程中，执行是否到位，与企业对员工的培训力度，与员工的经验、责任心，甚至和员工进行工作时的状态都有关系。

“如果要做到无人值班、无人值守，那就得用数字化手段，取代过去那种严防死守的做法。”刘勇说。

基于中能拾贝的CyberwIIOS拾贝云工业智能操作系统，结合相关的智能设备、机器人、无人机、AI视觉识别，可形成上层智能化巡维模式，实现自动的体系化场站巡维。

借助仪器仪表表机的识别，包括光伏的脱落、光伏板有遮挡或者异常的情况，都可以通过视觉相关识别，包括机器人识别、人员管控识别、人员安全作业管控（如安全帽、攀爬摔倒或者越界），都能通过机器人识别、AI视觉识别等技术做到自动化巡检、维护与作业安全管控。

目前，这套底座能力可实现全面感知与数据获取能力（传感类数据、识别类数据等），并进行人工智能识别判断，在现场无人值守情况下实现关键指标的自动化监测，同时第一时间产生告警，建立相应的处置能力。

柔性应对调度

生产运行无人值守模式只是行业数字化的一个缩影，中能拾贝也在推进全方位的设备资产效能自动化模式。

通过CyberwIIOS拾贝云工业智能操作系统，借助传感数据、运营资源和权威数据可构建出关键设备的360度画像，掌握其全面能力，助力工业企业等形成资产效能的最优、资产运维成本的降低、生产效益最优的能力。

刘勇介绍，这套系统的核心目标是提高设备的可靠性，核心是减少非计划停运次数和时间——对一个发电厂来说，其主要收入就是发电，发电系统和设备的可靠性就是电厂收入的基础。

“很多人以为，对一个水电站来说，一直都处于发电状态，实际上，一个机组一年的发电时间加起来有4000小时就算较高的。”刘勇说，电网也会综合考核水电站，水电站设备要保持高可靠性，对电网调度指令要能随时响应。

水电站设备要保持高可靠性，对电网调度指令要能随时响应 受访者 供图

为了提高水电站的经济效益，保障设备的可靠性就成为了关键。为满足电网的各种考核要求，中能拾贝帮助能源电力场站构建了“一体化集中管控、智能化高效协同、可视化高度融合”的智慧电厂一体化管控平台。

该平台将技术、经验和知识转化为模型化、软件化和可复用的形式，为发电企业提供创新的智慧电厂应用。

经过20年的技术创新与行业实践积累，中能拾贝的产品和服务已在全国范围内应用于超过1000家企业级客户，尤其在能源电力行业占据了显著的市场份额。

摸清数据家底

当数据上升为新型生产要素时，为管理者和参与者构建了一个全新的资产管理生态视图，这背后，还需要摸清数据“家底”。

中能拾贝已在PHM等工业软件“卡脖子”技术攻关中承担重要角色。刘勇介绍，一直以来，企业可以从市面上购买的数据治理工具，这更多的是针对管理型软件的关系型数据，对设备生产运行时序数据进行数据治理，仍存在专业性不足或功能实用性不足等问题，为此，中能拾贝瞄准的正是生产数据治理方法和工具。

“这要与工业场景深度绑定。”刘勇说，挑战在于，能源电力需要采集的数据包括设备的温度、振动、电流、电压，乃至每秒、每毫秒的生产数据，都是庞大的数据量，密度非常高。

而与管理类数据不同，这些生产型的数据表征需要深入发掘和分析才能获取；这些数据还存在条块化分割，分散在不同的系统“烟囱”中，需要通过传感器采集数据并汇总到数据中心，使得数据不再困守在某一个专项系统中。

懂行业Know-how，使中能拾贝建立了自身的竞争壁垒。“生产数据的变化都是对发电系统和设备状态的表征，数据变化背后意味着什么，从入门到读懂数据往往要经过三五年的锻炼和积累，时间成本、研发成本都是蛮高的，对其它企业来说，要下定决心进入才行。”刘勇说。

目前，针对电力生产作业中知识的多样性与专业化、知识散乱、传承效果不佳以及宝贵知识与经验的缺失等问题，中能拾贝提出利用大规模数据和先进机器学习、大语言模型等结合构建统一自然语言交互的知识载体。这一知识服务引擎将提供问答应用，以大模型为核心，充分应用、共享和传递知识，强化知识的传承与利用。

今年10月，根据IDC发布的《中国工业大模型应用市场份额，2024：初起步》报告，中能拾贝以5.1%的市场份额登榜中国工业大模型应用市场领域第一梯队，这意味着中能拾贝在工业智能核心领域已构建起兼具技术深度与商业落地能力的核心竞争力。

撰文：郜小平