DBM视频：DBM专访：对话恒通视界，解构光伏电站运维四大痛点

很高兴我们又来到了2026年SNEC展。在今天我们见到了山东恒通视界科技有限公司的刘福恒刘总，你好。

你好。

可以给我们介绍一下公司的主营业务是什么吗？

可以。我们公司主要聚焦在AI加新能源的这个赛道上，公司主营业务分为产品和服务两种形式。服务比如说光伏电站的智能巡检，以及风机的停机和不停机的巡检，这两个业务我们都可以全流程地进行闭环，从前期的建模、航线规划，再到后面的数据采集、AI分析，再到最后面的出具报告，都可以全流程闭环。产品主要是针对光伏电站的智慧化巡检系统，这个系统是软硬件协同，也可以支持像云端以及本地的部署模式，在部署模式上也比较灵活，为了更大地去适配不同类型的电站的情况。

那针对当前光伏电站的运维，你觉得最大的痛点是什么？

目前光伏行业运检这个赛道，它的痛点大概分为这么几类。首先是人力成本比较高，目前年人均运维成本大概已经超过了8万元每兆瓦，特别是在一些像山地、水面这种复杂情况下，它的运维成本会更高。而且像对于山地、水面这种的光伏，它还存在像触电、高空坠落这些安全风险，这是人力成本。再一个，从人工巡检的效率来说也是比较低，大概一个50兆瓦的光伏电站，人工巡检大概需要10个人一周的时间，而且它对于像一些隐性的缺陷也是难以发现。再一个方面就是人工巡检的质量也是难以保证，人工巡检主要是依赖肉眼去看，而不是通过一些智能化的工具，所以说它会缺少一些科学的依据以及科学的维修方案。再一个，还有光伏电站大量的运维数据也是没有被有效利用起来，数据的价值也是被淹没了。这个问题也是因为目前缺少专业的数据分析能力，目前光伏行业整体的智能化的水平还有待提高，以及人们对于智能化工具的接纳度也是有需要提升的一个过程。大概有这些痛点和问题。

至于技术和壁垒，我们是从这两方面出发，一个是数据，一个是AI技术。数据方面，我们目前积累了大量的隐患缺陷数据，数量已经大概达到了几十万张，通过这些高质量的隐患图像，我们可以去训练高精度的识别算法。这些数据一是数量比较多，再一个它涵盖的光伏电站的类型也比较多，比如山地的、平面的再到水面的。再一个，我们对这大量的这些图像数据进行了多轮的数据处理，比如说数据的标注，还有数据的审核以及数据的预训练，训练完了还有一个反馈，我们再进行一轮的修改、训练。所以说，我们在大量的数据训练情况下，我们的算法也会有一个高精度的一个体现。有了高精度的算法，我们自研的光伏电站的智慧化巡检系统也是最大化的采用了轻量化的设计，这个设计的理念，我们把AI技术贯穿到了光伏运维巡检的各个流程中。

你认为未来光伏智能巡检它会是什么样子的？

这个问题，我们可以先从国家的政策顶层设计来看。从前段时间发布的人工智能加能源，再到后面的人工智能与能源的双向融合，以及近期发布的51个高价值应用场景来看，其实这些政策的背后都在传递出一个核心的信号，国家正在把AI与能源的融合从一个技术应用上升为国家级的这种战略引擎。这是从政策来看。从行业发展来看，现在光伏行业发展要求越来越精细化，所以说原来那种人工巡检的粗放式的模式可能慢慢不适应。还有一点就可以从哪来看，像现在无人机和AI大模型这个技术不断突破落地，确实是实实在在的能够帮助咱们的光伏电站运维巡检去解决一些痛点问题。所以说从这三个角度来看，我觉得未来的发展趋势肯定是在AI加能源这个模式下，去进行数据和AI的驱动，来进行一个变革，来进行一个发展。