芯耀
与非AI
207
原标题：超10家储能厂商的AI鉴伪清单
储能圈最近两年最大的共识是：几乎都在搞AI。AI预测、AI调度、AI运维、AI交易——产品手册里讲的故事，都跟AI有关。至于最大的分歧，是到底搞成什么样了：数据安不安全？软件强不强？谁是真功夫，谁只是贴标签？
行家说储能上一篇《75%与8.33%：储能AI渗透图谱》盘的是行业AI化的家底：哪些环节在用，用到了什么程度。
这一期，我们换个问法，基于对远景、华昱欣、弘正储能、为恒智能、远信储能、协鑫储能、利星能、赛唯数字能源、国能日新（301162）、星星充电、星辰新能等代表性企业的深入调查，结合《行家说储能：2026年AI+储能双向协同发展调研白皮书》调研情况，给行业提供一份AI鉴伪清单，以供参考。
本文将从以下几点重点解读：
1、真伪AI怎么鉴别？
2、软件能力看什么指标？
3、数据质量和安全怎么守？
4、文末附上代表性企业的精华观点。
真伪AI怎么鉴别？
当所有企业都在喊“AI赋能”，客户最朴素的疑问是，这是噱头还是真的？根据行家说储能调研，大多数储能企业直言——真伪AI的分野，不在于用什么模型，而在于把AI还原到三个“能不能”——能不能拿证据说话，能不能进入业务闭环，以及能不能经得起对照和追责。
- 证据层面，大家都反复强调真AI敢报真实项目数据、敢摆回测报告、敢拿出结算账单，还有第三方实证；闭环层面，AI必须穿透预测、策略、执行、监测、复盘，最好直接连接交易申报和设备控制，而不是只给建议、出报告；边界与追责层面，要追问异常场景怎么降级、错了怎么回滚、写没写进合同。协鑫储能说得最干脆：“能出报告的是资料，能被追责的才是能力。”
在具体方法上，各家企业给出了不同的鉴伪清单。华昱欣抛出“六个追问”，从真实项目、收益基准、控制链路到异常运行和结算复核，全维度盘问；远景则列出“三个维度”：是否有真实场景下的设备级+系统级+标签级三层数据积累？是否能够实现“知行合一”？是否有规模化落地项目验证？
为恒智能把客户验AI的标准拆成五看：数据边界、比较基线、闭环深度、失效边界和持续运营证据；国能日新更直接，让客户拉历史策略回溯报告、看成建制算法团队、找连续托管一年以上的场站做匿名对比；星星充电用“算得准、调得动、赚得到、复盘得清”四句话定义真AI。
他们共同潜台词是：AI到底行不行，数据见分晓，怕测试、只敢讲概念的，大概率是包装。
软件能力看什么指标？
储能这一行，硬件的竞争基本打明了。电芯循环多少次、系统效率几个点、能量密度几何，实测量化，高下立判。软件能力不不一样，同样宣传“AI赋能”，有的真让电站在现货市场多赚了8%，有的只是给传统EMS套了层大模型皮肤。要把软件能力拉出来比，得换一套尺子。
具体用什么样的尺子，行家说储能结合储能企业调研分析主要有四大要点：
预测准确率只是入场券，不是终点。只报一个笼统的“准确率90%”没有意义，峰值误差、极端天气、节假日、设备故障时的表现，才是拉开差距的地方。
收益要落到结算单上。“理论上能赚多少”不算数。同样设备、同样电价、同样周期，比原有策略多出来的可结算净收益，才是软件创造的价值。AI能不能“动手”，是分水岭。只出报告、只给建议的，是辅助工具；能自动下发指令、能回滚、能追责到人的，才是控制系统。收益不能拿电池的命换。SOC、功率、寿命、质保边界是硬约束。用过度循环换短期收益的策略，赚得越多，亏得越狠。
数据质量和安全怎么守？
正如远景相关负责人表示，从系统调度控制运维的角度，边界的体现形式是数据。当前能源行业的很多人对AI训练不懂，以为做了个模型、有设备、有集成就能把方案做出来，实际上不然。
模型吐出来的不只是一段文字，而是直连储能设备与电网的指令。幻觉在别处是Bug，在储能可能是事故：过充、跳闸、收益失真。所以真正下场让AI赋能储能产品的厂商，品控和合规的活儿一点都不比模型少。数据是食材，治理是厨房，AI是厨师——其中任何一个掉链子，端上桌的就不是菜，是雷。据行家说储能调研发现，储能厂商在数据这件事的共识主要有以下几点：
脏数据不进模型
统一时间、单位、实体ID的口径，做清洗补全、异常校验、缺失处理，不过关就拒绝发布。关口越前置越好：设备端就洗、接入侧就拦。上线前还要拿历史数据回测复现，“对不上就不许上线”。
用机理管住大模型的幻觉
电价、收益这类关键数值必须来自真实数据库、预测模型或策略服务，“不允许大模型直接生成”。大模型的输出要过机理模型、知识库、专家系统的校验，防的就是“幻觉”混进调度和结算。
数据不出域
本地化部署、边缘闭环是标配动作：“数据不出站、算法本地运行、策略本地生成、控制本地闭环”。断网照样跑，算法异常自动切回安全规则。敏感场景支持私有化部署，对外合作用联邦学习，做到“数据可用不可见”。
AI不能越权
AI不是旁路，智能调用走和人一样的鉴权与隔离通道。模型生成的策略必须过SOC、功率、温度、寿命、安全规则校验才能进执行链路；设备底层保护优先级永远更高；动作类默认人工确认、设限额、可回滚、可人工接管。
每一步都能追责
最小权限、分级授权、租户隔离、传输和存储加密。每次调用、每条指令都能追到人、时间与依据，全链路审计留痕——可追溯、可验证、可解释。
代表企业观点
▍华昱欣：智能化，不能拿安全换
华昱欣认为，储能软件的优劣最终应通过三张表来验证：策略执行表、项目结算表和设备健康表。第一张表证明算法真正执行了，第二张表证明算法创造了收益，第三张表证明收益不是以牺牲安全和寿命为代价获得的。华昱欣的基本原则是：智能化不能以牺牲数据主权和系统安全为代价。真正成熟的AI，应当在没有云甚至模型异常的情况下，依然保证储能系统安全运行。他们将数据的质量和安全，拆成四件事做：数据怎么管、系统怎么部署、谁能看、谁能动。落到动作上：设备时间、采样频率、单位量纲、通信状态等先统一管理；异常数据过滤掉，关键的还要交叉验证；算法支持基于EMS的全本地化部署，数据不出站，断网也能照跑；采集按“最小必要”原则，权限分级，日志全程留痕，保护敏感数据；模型不直接越权控制储能设备，遇到异常必须能让人接回来、策略能回滚、能降级——整体可审计。
▍远景：把自投当成数据自留地
远景谈数据，底气来自“亲自下场”。“如果项目不是自己投的、亲自下场做的，企业能拿到的第一手数据是有限的。”所以它自己投了赤峰绿色氢氨、包头绿色合金，还接了耐克、星巴克这些高能耗场景。十几年风机生意攒下的风光预测数据和自有场站真实运行数据，“这些一般客户不对外的数据是护城河”。同时远景在尝试让数据脱离人工打标签的阶段，一旦跑通，或会甩开行业半个身位。软件能力和AI真伪，远景的答案指向同一个词：物理人工智能，强调AI必须与物理世界深度耦合，而非仅靠大语言模型。它把储能当“具身智能”来研发，从产品设计到市场交易，再到长期运维，AI是底层逻辑而非工具。硬指标摆在那儿：远景AI储能系统全生命周期IRR提升4-8%，关键交易节点电价预测准确率超90%，“天机”气象大模型把风光发电曲线预测拉到95%以上，EN 12.5MWh系统能效超92%，并网效率提升超50%。最有说服力的一仗在内蒙古：12.8GWh储能集群接入电力现货市场，一次性通过电网“三充三放”验证——用远景自己的话说，“这是对AI能力真实性的最好检验”。
▍弘正储能：把“表现”变成“可测项”
弘正储能把数据问题拆成“源、端、管、用”四个字。源头，在设备端就用边端算力剔除毛刺、补齐缺失；更聪明的一招是用“机理模型”管住“数据模型”，电化学规律说不通的输出直接拦下，防的就是AI幻觉。传输，高等级加密芯片加私有通信协议，全程防篡改。使用，讲究“数据可用不可见”——跟外部合作优化算法，用联邦学习只交换模型梯度参数，原始数据一根毛都不出门。软件怎么比高下？弘正给了五个能落地的硬指标：响应时间、策略收益、SOC/SOH估算精度、策略鲁棒性、OTA成功率。落到产品上，弘正储能的COSMOS 2.0数字化系统，集成了AI动态策略引擎、多维数据预测、高速通讯与数字可视化监控功能，可实时整合负荷数据、电价波动、设备健康状态等，通过AI算法实时生成兼顾安全性与经济性的最优充放电策略，支持峰谷套利、需量管理等多元收益模式，同时具备毫秒级控制、秒级数据采集的极速响应能力，精准匹配电网调度需求。再往上，还有D-Galaxy云平台、虚拟电厂管理平台、电力交易辅助决策系统，串成“智能预测-动态决策-精准调度-可信交易”整条链。
▍远信储能：不让大模型生成关键数据
远信储能把数据真实性放在首位，不允许大模型直接生成电价、收益等关键数据，AI嘴里的每个数字都必须来自真实数据库、预测模型或策略服务。数据质量讲究统一口径、时间对齐、异常校验、血缘追踪；预测要跟实际值对，策略要跟结算收益复盘，误差量化到明处。智能体架构采用“工具链强制调用＋结果校验”，关键结果保留来源、参数与调用记录，做到可追溯、可验证、可解释。但远信储能认为，数据真实只是入场券，不是护城河。真正决定储能AI价值的，是能否把市场理解、算法求解、资产约束、交易运营和结算复盘统一为长期净收益。远信储能基于RelyEZ OS打造EnergyNexusAI / 远信AI智能体中台，统一承载电价及供需预测、交易策略优化、收益复盘与远信智灵，跑通“预测—策略—执行—复盘—优化”闭环，已在云南、蒙西等区域形成储能行业Agent能力。远信储能的核心观点是：预测准确率只是中间指标，最终应以风险调整后的长期净收益检验软件价值。具体五看：看收益、看风险、看资产约束、看闭环、看泛化与工程能力。储能AI之战，赢家不是标签最多的企业，而是把决策闭环跑通、持续交付长期净收益的企业。
▍为恒智能：把AI从功能名词还原为可复现的业务闭环
为恒智能认为，真伪AI判别最核心在于，供应商能否把AI从“功能名词”还原为可复现的业务闭环，并愿意承担可验收的结果。如果一项“AI能力”只有聊天入口、宣传视频和理论最优收益，没有基线、现场连续数据、异常场景、降级方案和第三方可复核记录，客户应保持谨慎。软件能力上，为恒智能的态度是不堆指标、看场景：如预测场景看MAE、WAPE，并按区域、季节、预测时距分别评估；策略场景看相对人工排程或固定策略的实际收益提升率，确认充放电策略没有突破SOC、功率、并网和质保约束。实际落地看在线率、指令成功率、连续运行时间等；故障分析和运维看故障诊断准确性、误报漏报、预警提前量、故障定位时间。同一站点、同一周期、同一电价、同一设备约束下对比，最终拿现场运行记录、客户账单、市场结算结果验收。在数据治理方面，统一设备、站点和时间口径，以实体ID和UTC时间为主键；数据进模型前要过完整性、物理一致性、异常值等检查，不过关就拒绝发布。数据中心在中、澳、欧、北美四地相互隔离，本地存储、加密传输，原始数据不跨区混用。它还是少数把算法合规做到明面上的——“WHES AI智能客服生成合成算法”完成了算法安全自评估，仅用于信息查询、知识问答和辅助分析。
▍协鑫储能：能被追责的才是能力
协鑫储能把数据质量总结成“四道关”：接入侧拦截异常报文，时序库统一口径补点，业务侧做“原始值/统计值/结算值”三级对账，上线前用历史数据回测——“对不上就不许上线”，话说得斩钉截铁。安全上是“三条铁律”：AI不是旁路，所有智能调用走和人完全相同的鉴权通道，“AI拿不到超出当前用户授权范围的任何一条数据”；全链路审计，每条指令可追到人、时间与依据；数据可不出域，推理运行时和知识库支持自托管私有化部署。软件评价，协鑫储能给了七个指标，包括数据可用率、策略实证性、控制闭环深度、可观测与可追溯、开放性、迭代节奏以及泛化成本。AI真伪辨别，协鑫储能建议，不看PPT看现场，比如拿电站的真实数据问一个没预设过的问题；看数值对不对得上账，进行回测报告和实盘对照；能不能动手，如果能，出错怎么回滚、谁担责、写进合同没有。另外，也可换个低权限账号再问一遍，看它会不会说漏不该看的数据；把这套AI拿到另一个电价机制的项目上，要多久能跑起来。总的来说，能出报告的是资料，能被追责的才是能力。
▍星辰新能：让AI进入储能运营的真实业务闭环
星辰新能从设备状态、运行效率、可用容量、故障信息、市场价格及交易结果等关键数据出发，建立覆盖数据采集、口径统一、校验清洗和业务应用的管理流程，提升不同设备、不同系统之间数据的一致性和可用性。在此基础上，AI综合市场预测、电站状态、调度要求和运行约束，推演不同方案并生成策略；涉及交易申报和设备运行的策略，还需要经过仿真校验、风险校验及必要的人工复核。在星辰新能看来，判断AI和软件的价值，不能只看界面、功能数量或技术参数，更要看其是否真正改善预测准确率、设备可用率、策略执行效率、运维成本和交易收益等经营指标。AI不应停留在展示数据、生成报告和提供建议的辅助层面，而要进入预测、决策、校验、申报、执行和复盘更新的完整业务闭环，贯通电站运行管理、电力交易、运维执行和全生命周期管理，持续提升储能资产的经营效率与长期价值。
▍赛唯数字能源：用可量化的KPI体系评判
硬件可以实测量化，软件不能“称斤论两”，但可以用可量化KPI体系评判：电价/负荷预测准确率、系统综合效率、容量释放提升、系统寿命提升、运维降本、系统可靠性/在线率。评判口诀：不看DEMO看实证，不看功能看指标，不看承诺看数据。他们还引了欧洲某储能投资机构技术负责人的判断：选供应商，先看构网能力仿真报告和收益模拟结果，报价排在最后。用赛唯的话说，这句话精准概括了2026年客户选型逻辑的质变。赛唯数字能源的数据保障是标准的分层打法：采集层，边缘节点实时预处理、告警数据按位解析；传输层，密文传输还拿下欧洲EN18031网络安全认证；治理层，给SOC、功率、温度、损耗这些关键点位立元数据标准；应用层最关键——“AI模型输出经知识库+专家系统双重校验，抑制‘大模型幻觉’”。四层下来，脏数据进不去，疯话出不来。
▍利星能：储能由设备型资产演变为经营性资产
对利星能而言，主要关注两个问题：数据能否真实反映能源资产状态，以及这些数据能否被安全、合规地使用。利星能强调，可以用真实数据不断提升模型能力，但绝不以用户安全和隐私为代价。在数据质量上，利星能的底牌是近10GWh的累计出货和3.5GWh在运营的电站规模——设备状态、场站运行、电价、交易这些数据，都是从真实场景里跑出来的，而且这些数据能够被实际运行结果持续验证。利星能认为，好的软件，本质上要完成两次跃迁：从“预测”走向“决策”，再从“决策”走向“可信执行”。当前，储能正从设备资产演变为经营性资产，同样装机条件下，赚多赚少的差距，就是由预测-决策-执行这套软件能力拉开的。
第一看精度——从分钟级到趋势性的问题前置识别，在运维侧是对异常识别、故障定位等是否足够准确；在运营侧是对电价、负荷、电池状态等预测能否支撑后续策略优化。精度不够，后面就是空中楼阁；
第二看响应速度——设备异常时数字孪生能否快速定位故障并匹配解决方案；市场变了策略能否快速重算并下发。响应速度决定软件从辅助分析能不能走进资产运行；
第三最硬，看增益。利星能智能策略把电价、功率、需量、电池衰减综合到一起，用MILP模型与HiGHS求解器算出可下发的充放电策略。相较固定策略或人工策略，配置效率提升80%，收益多8%—15%。
▍星星充电：算得准、调得动、赚得到、复盘得清
星星充电的底气是规模和认证。安全侧，等保三级、ISO 27001、ISO 27701、TISAX、SOC 2、IEC 62443一路拿齐，CyberVadis第三方评估得分935/1000——行业平均才654；跨境数据走合规网关，本地化存储或只向高保护水平区域流动，另配私有云给要求高的客户。质量侧的底子是超80000座运营场站攒下的万亿级真实运行数据，加上制造全流程MES追溯，价格预测准确率超97.8%。要区分储能软件能力优劣，关键要看其能否真正转化为可量化的运营价值与系统可靠性，而非功能清单。具体来看，包括看收益、看响应、看可靠等。公司平台的价格预测准确率超过97.8%，最快1秒完成1785MW调节功率；自研EMS叠加AI-Agents，策略自动生成、行情解读、波动预警一气呵成，实现微电网本地协同与大电网友好互动。再往深看一层：云边端协不协同、数据闭不闭环、多场景能不能自适应、和电力市场交易能否深度融合——这些综合能力，才是好软件的分水岭。真正优秀的储能软件，是把硬件性能变成可复制、可规模化的运营结果与客户价值。
▍国能日新：D5000+大模型备案
国能日新玩的是气象和电力市场数据，来路都很硬：气象大模型的训练数据来自自建实测网络加多年异常值清洗，电力市场数据直连多个省交易中心接口，从源头到模型入口层层校验，还有人工复核兜底。安全上，平台过了电网D5000调度系统的正向隔离要求，旷冥大模型在北京通过国家备案。最见性格的是模型安全——风控Agent对交易策略上硬约束，“它不是‘模型说了算’”，每笔申报都要过合规校验和风险敞口计算，极端场景限仓限价自动触发，不赌模型的判断。国能日新评价软件主要是三个维度：预测精度，“对着历史数据拉一下误差率就一目了然。精度差的系统，后面所有策略都是建立在错误的假设之上”；收益兑现，看现货套利、调频、容量补偿各自赚了多少，“终极衡量标准是能不能在真实市场里赚到钱”；时效，看自动化闭环——一天96个时段的高频决策，只推荐不执行的就是断链，好软件秒级出报文，人只在关键节点确认。辨伪三板斧：拉历史策略回溯报告，“AI到底行不行，数据见分晓”；看成建制的算法团队，而不是一两个“AI顾问”；看有没有连续托管超一年的场站，“敢不敢把收益率数据拉出来和行业均值做匿名对比”。
注：本文内容仅为储能行业公开信息梳理、产业调研与客观分析，文中提及上市公司仅作为产业链案例参考，不作为任何投资依据，市场有风险，投资需谨慎。
