近日，南方电网2026战新产业人才交流研讨活动（能源数字集群人工智能专项）交流研讨活动顺利举办。

作为深耕工业智能领域多年的技术代表，中能拾贝创始人兼CTO刘勇受邀参会，发表《方法论牵引×引擎水合×底座承载——SDKIP、IME、IIOS三位一体构建工业智能》主题演讲，直面当前电力AI规模化落地的核心堵点，并分享了一套涵盖工程方法论、认知引擎与运行底座的完整解决方案。

行业之困：数据有余，工业认知不足

当前，电力行业已建成较为完善的数字化技术平台和应用体系，普遍采用“云-边-端”部署架构，积累海量数据资源。但刘勇认为，数据存量并不等于工业认知能力——系统可完成数据采集，却难以解析设备内在的运行机理。

根据国家统计局数据，截至2025年末，规模以上工业企业资产总计188.41万亿元。然而，现实中每年因非计划停机造成的损失重大，设备无效或过度维护问题较为严重，而因老专家退休导致的设备知识流失现象同样不容忽视。这一矛盾背后，折射出传统AI在电力领域面临的三大核心挑战：数据割裂与知识隔阂，AI应用构建缺乏基础；“数据饥渴”与样本稀疏，模型精度难以达标；“黑盒”决策与信任危机，运维人员不愿也不敢采信模型结论。

以水电站场景为例，机组负荷、瓦温、振动、冷却水压力存在强物理耦合关系，单参数变动会引发多指标联动，这类因果逻辑并非通用大模型固有能力。同时，大模型的黑盒输出方式缺少可追溯证据链：故障结论引用哪些测点、匹配哪条规程、推理过程如何，均无法核验。在安全生产责任约束下，运维人员难以采信模型输出结果。

刘勇认为，核心症结在于工程化落地条件的缺失：数据与知识散落各处，未被转化为可推理的模型资产；生产运行底座缺位，智能体止于演示环境；开发模式复用性差，项目长期困于单点示范。他强调，“问题不是大模型不够强，而是缺少一套适配工业现场的完整技术体系。”

破局之道：SDKIP方法论——为工业AI建设建立工程化路径

针对行业碎片化建设、难以复用的痛点，刘勇系统阐述了中能拾贝自主研发的SDKIP工业智能方法论（Signal 信号数字化—Data 数据资产化 —Knowledge 知识语义化 —Intelligence 智能自主化 —Purpose 意图具象化），将现场设备、台账、规程、故障案例等离散资源，转化为可复用的数据、知识和智能资产，为电力AI应用搭建提供标准化实施路径，实现从信号到意图的工业AI全链路工程化。

据刘勇现场分享，SDKIP 的核心价值在于让AI 项目在建设之初即建立体系化工程逻辑，从源头解决碎片化建设问题，支撑智能能力在各厂站间的规模复制与常态化运行。

认知之基：CyberwIME拾贝工业模型引擎——让推理从“黑盒”走向“白盒”

在认知层面，中能拾贝自主研发的CyberwIME拾贝工业模型引擎成为本次演讲的技术核心。该引擎以“信息模型+本体模型+知识图谱+工业大模型”四位一体融合架构，将设备、部件、系统、测点、工况、事件、任务和业务规则统一组织为可计算、可推理、可调用的工业数字对象，为企业构建“可计算的工业世界模型”—让数据有语义、让知识可推理、让AI有常识，驱动AI从“生产工具”跃迁为“生产力”。

在技术实现上，CyberwIME基于国际标准的MOF（元对象设施）构建信息模型，通过本体模型实现专业领域知识的统一语义复用，以知识图谱承载实体间的复杂关联，最终与大模型融合形成可计算的认知底座。依托该引擎，设备台账、图纸、规程等分散资料完成统一建模后，可自动生成数据库Schema、图谱库与API接口，下游系统直接复用。

在实际应用中，大模型辅助完成术语抽取、图谱抽取与本体建模，建模效率提升超10倍，单个电厂建模周期由数月压缩至1-2周。平台提供术语抽取、本体构建、图谱构建三条AI抽取管线，所有抽取结果逐项标注置信度，低置信项强制人工确认，确认样本回流修正后续抽取，形成人机协同、安全可控的闭环机制。

更重要的是，CyberwIME形成“数据注入→多引擎推理→过程可视化→结论输出→动作执行→知识固化”完整闭环，所有研判结果附带完整证据链，实现可追溯、可验证的白盒推理，夯实电力生产场景的应用信任基础。

落地之器：CyberwIIOS拾贝工业智能操作系统——让AI应用真正“上岗”

解决“怎么建”和“靠什么认知”之后，落地运行成为关键。中能拾贝自研CyberwIIOS拾贝工业智能操作系统，以拾贝工业模型引擎CyberwIME为核心，融合工业模型、领域知识、智能体等全栈能力，构建统一的云边协同运行底座，形成“模型驱动、知识增强、智能体协同、资产沉淀、知识回流、持续进化”的工业智能闭环。

在总体架构上，中能拾贝提出了“数智大脑”蓝图，采用 “1+N+3”的整体架构——“1”为一套云慧基座，依托数据中台进行整体数据贯通；“N”为N个智能体，基于各业务系统深化完善形成多个应用智能体；“3”为数智员工的三类核心能力，打造“参谋型数字员工”“执行型数字员工”“辅助型数字员工”三重身份角色。

在具体应用层面，中能拾贝以自主智能体为能力引擎，以数字员工为业务执行与治理主体，构建覆盖运行监盘、设备巡检、设备定期维护、故障预测与诊断四大关键业务场景的业务智能工作室。配套的CyberwISF拾贝工业软件工厂则将应用开发从传统编码模式转向可组装式开发，加速规模化复制，缩短交付周期。

体系闭环：三位一体驱动运维模式变革

纵观整套方案，三层能力各自独立又环环相扣，共同构成了从建设到认知到运行的完整闭环。SDKIP方法论从解决“怎么建”的工程路径问题；CyberwIME拾贝工业模型引擎解决“靠什么认知”的模型资产问题；CyberwIIOS拾贝工业智能操作系统解决“在哪跑”的生产环境问题。三者形成从建设到认知到运行的完整闭环。

基于这套体系，电力运维模式正在发生积极转变——从“系统辅助、人机配合”向“人机协同、主动防御”演进；从“人找系统、人推流程”向“系统找人、流程自主流转”升级。与会代表认为，这种系统性思路为电力AI从演示走向生产提供了切实可行的参考路径。

刘勇在演讲最后表示，电力AI产业建设的关键不在于堆叠模型参数，而在于构建一套完整的工业智能体系。当工业知识被系统化建模、可计算表达、可解释推理，AI才真正走完了从演示环境到生产现场的最后一公里。未来，中能拾贝将持续深耕能源电力行业，推动工业智能技术在各厂站的规模化落地，为数字产业集群建设贡献更为坚实的技术力量。