在企业的成长过程中，真正考验管理层判断力的，往往不是是否能够实现增长，而是在业务规模、复杂度与不确定性同步上升时，如何做出关键选择。TCL光伏科技的AI转型，正是在这样的背景下展开。随着分布式光伏业务快速扩展，项目数量、区域覆盖范围和运营复杂度显著提升，审核、设计与运维等核心环节对人工和经验的依赖不断加深。
    在效率、成本与风险管理要求同步提高的情况下，公司并未仅通过局部流程优化来应对，而是选择将人工智能引入到核心业务流程中，作为一次围绕组织与流程展开的系统性调整起点。这一转型不以技术试点为目标，而是从业务最关键、最具约束性的环节切入。TCL光伏科技选择以AI“智能质检”为落地点，通过重构审核流程、设计人机协同机制，让AI逐步参与并承担业务判断职责。
    在此过程中，企业不仅需要解决技术落地问题，也需要应对组织调整、流程重塑以及责任边界变化带来的管理挑战。本案例展示了一家新能源企业在业务快速成长阶段，如何围绕核心业务能力推进AI落地，并在效率提升与风险控制之间寻求平衡。案例为管理者提供了一个可讨论的现实情境：企业应从哪里开始AI转型，如何让技术真正进入生产体系并形成可持续能力。

规模跃迁带来的新考验

     TCL光伏科技成立于2022年，是TCL在新能源领域的重要布局之一。依托TCL在制造、供应链与产业协同方面的长期积累，公司从一开始就以分布式光伏为切入点，围绕工商业光伏、户用光伏、海外业务、运维服务以及电碳业务，逐步搭建起覆盖多个场景的业务矩阵。
    在成立初期，公司的重点放在能力搭建与业务跑通上。随着团队、渠道和工程能力逐步完善，业务开始进入快速扩展阶段。根据公司披露的数据，2022年至2025年间，TCL光伏科技的营收规模从约6亿元增长至约200亿元，经营现金流持续改善，业务体量在短时间内实现了跨越式提升。在户用光伏领域，已占据国内市场份额约20%，并在多个区域形成规模化布局。
    真正推动业务结构发生变化的，是2023年之后分布式光伏市场的迅速放量。这一阶段，行业整体进入以速度和覆盖范围为核心特征的扩展期。TCL光伏科技在这一年集中资源推进展业，快速拓展区域布局。数据显示，2023年公司国内户用光伏装机渗透率约11%，实现收入约58亿元，装机量达到1.8GW，展业区域从年初的6省1市扩展至年底的19省1市，业务规模和复杂度同步上升。
    随着业务体量扩大，一些新的管理要求逐渐显现。首先，是业务规模与组织运行之间的匹配问题。在分布式光伏业务中，项目高度分散，审核、设计、运维等环节长期依赖人工判断。一个项目从前期踏勘到最终并网，往往涉及上百项判断与确认。随着项目数量和区域数量同步增长，组织内部对效率、一致性和协同能力的要求明显提高。
    其次，是流程复杂度的快速上升。不同区域在屋顶结构、并网条件、政策要求等方面差异显著，大量资料以非结构化形式存在，包括图纸、照片和各类证明文件。这些差异在业务规模较小时尚可通过经验消化，但在规模化扩展后，对流程标准化和系统化提出了更高要求。
    再次，是外部环境变化对运营能力提出的新要求。进入2024年后，分布式光伏在并网消纳、电价机制和市场化交易等方面的规则逐步明晰。公司开始调整区域选择逻辑，不再单纯以光照条件为主要依据，而是更多结合电价水平、消纳能力和资产质量等因素，对业务结构进行优化。根据公司披露的数据，2024年下半年，一类优质区域在整体布局中的占比已提升至约50%，在西南、华南等区域逐步建立起领先优势。
    与此同时，政策环境也在持续演进。随着2025年相关政策文件落地，分布式光伏全面进入市场化交易阶段，电价波动和收益预测能力成为影响项目质量的重要变量。对此，TCL光伏科技提高了风险拨备比例，将安全垫从约10%提升至30%以上，并强化电力交易和电碳业务能力，以支持项目的全生命周期运营。正是在这一阶段，管理层开始更加系统性地审视一个问题：在业务持续扩展、外部规则不断变化的背景下，企业需要怎样的运营能力，才能在规模、效率与风险之间保持平衡。这也为后续围绕流程、系统与AI能力的调整，提供了现实背景。

把AI放进整体经营策略中

    随着业务规模和业务类型的持续扩展，TCL光伏科技在经营中逐步明确了一个方向：未来的增长，必须建立在更高效率和更强运营能力的基础之上。围绕这一目标，公司提出了“刀刃向内、变革突破”的整体策略，将降成本、提效率和高质量规模增长作为核心抓手。
    在这一战略框架中，人工智能并非一个独立的技术项目，而是被视为支撑上述目标的重要基础能力。管理层并未将AI简单理解为自动化工具，而是将其放在全业务链条中进行系统性部署，用以提升运营效率、强化风险识别能力，并支撑更加精细化的管理决策。
    具体来看，AI能力被持续引入到多个关键业务场景中。在前端展业和设计环节，通过AI智能审核和自动化设计，减少人工重复判断，提高方案生成和审核效率；在运维环节，自研的“巡天”数智化运维平台结合无人机巡检与AI识别能力，实现对电站运行状态的持续监测和故障预警，提升运维响应的及时性和准确性；在电碳交易领域，AI被用于绿证审核、碳减排量核算以及电力交易相关的数据校验，支撑“发电—绿证—碳交易”链条的自动化运行；在家庭能源场景中，AI能力还被进一步延展，与TCL智能终端协同，根据电价波动自动调节用电与储能策略，帮助用户优化能源使用结构。
    在系统层面，TCL光伏科技也在持续优化“极光”“逐光”等核心业务系统，打通从营销、开发、资产形成到租后管理的全流程数据，并逐步接入外部行业数据，提升事前预测和风险管理能力。通过将数据能力前置，企业希望在项目选择、方案设计和资产运营等关键决策环节，减少对经验判断的依赖，提高整体决策质量。
    TCL光伏科技总经理何雁飚强调，AI转型的目标并不在于覆盖多少技术场景，而在于是否真正服务于业务效率和资产质量的提升。因此，AI应用始终围绕“提效、降本、提质”展开，与公司既有的数字化基础和业务目标保持一致。因此，TCL光伏科技的AI用例的选择并非追求全面铺开，而是聚焦于“变革潜力”与“AI能力成熟度”高度重合的领域。审核等人力密集、与业务规模高度相关的环节，既是效率提升的关键约束点，也具备较高的技术可行性。正是在这样的整体部署思路之下，TCL光伏科技选择从最具约束性的核心流程入手，推动AI逐步进入生产体系。这一选择，也为后续以智能质检为代表的具体落地实践，奠定了清晰的战略基础。

高变革潜力场景中的AI落地

    在明确将AI作为系统性能力加以部署之后，TCL光伏科技回答的第一个问题就是：从哪个业务环节率先落地，才能在可控风险下，尽快形成实际价值。在何雁飚看来，这样的业务环节必须具备2个先决条件：
    第一，是否存在足够明确且迫切的业务痛点。在何雁飚看来，真正值得优先投入AI的场景，往往并不是看起来最先进的地方，而是那些已经明显制约效率的环节——要么流程效率偏低，要么必须不断通过增加人力才能支撑业务推进。如果这些痛点得不到解决，后续的规模扩展和能力建设都会受到牵制；而一旦在这些关键位置取得突破，AI的进一步推广反而会变得顺理成章。
    第二，是否能够在真实业务中快速形成验证闭环。作为一家仍处于快速成长阶段的企业，TCL光伏科技需要在边打仗、边建能力的过程中不断校准方向。何雁飚并不希望AI项目停留在长期试点或概念验证层面，而是要求其能够在较短周期内给出清晰、可感知的结果，用以判断AI是否真的有效。这种可验证性，既体现在效率或成本上的改善，也体现在模型是否能够在业务场景中持续学习和优化。
在这样的标准下，质检环节成为TCL光伏科技关注的重点。
    要在分布式光伏这样一个高度分散、周期较长的市场中持续胜出，关键在于能否更高效地整合资源，并向客户提供稳定的解决方案。在这一业务结构下，审核环节成为影响整体效率与体验的关键节点，处在连接前端展业与后端交付的枢纽位置，牵动着后续施工、结算和资金回笼等环节。TCL光伏科技在业务中逐步形成的“T+5极速结算”等优势，很大程度上依赖于前端审核的稳定性和一致性。一旦审核成为瓶颈，后端效率和客户体验都会受到连锁影响。
    然而，一个项目往往需要对大量资料进行核验，涵盖屋顶结构、安全规范、设计合规、用户资质等多个维度。审核工作长期高度依赖人工，审单环节耗时长、负荷高，业务量的增长很容易线性转化为人力投入。同时，不同区域、不同人员之间的判断尺度存在差异，也可能影响项目推进节奏与落地确定性。
    在这些现实约束下，审核环节也呈现出清晰的技术改造空间。协助TCL光伏科技展开AI转型的贝恩公司全球合伙人、大中华区高科技业务主席成鑫指出，审核这类场景具备两个关键特征：一是变革潜力大，长期人力密集、与业务规模高度相关；二是AI技术成熟度相对较高，适合通过实例学习和模型微调不断逼近人工水平。但真正的难点并不只在技术，而在于由此带来的流程重构、组织调整和责任界定问题。
    因此，在流程设计上，TCL光伏科技并未试图用AI直接替代人工，而是确立了“先让AI参与工作，再逐步承担责任”的原则。原本由人工顺序完成的审核流程，被拆解为多个可并行处理的要素模块：文字类信息交由OCR模型提取，图片和公章等视觉要素由专门的图像模型识别，复杂逻辑判断则交由大语言模型处理，再由系统进行综合判断。初期阶段，AI承担前置初审角色，人工进行后置复核，为业务安全和模型学习保留缓冲空间。
    从结果来看，智能质检项目的推进节奏基本符合预期。2025年8至9月，项目完成生产环境下的稳定性测试，部分审核要素实现了约20%的成本节降；10月起，在通过大规模压力测试后，部分环节开始向AI初审、人工后置抽检转变。2025年底有约33%的审核要素实现人工后置质检，预计这一比例将进一步提升，整体成本节降幅度达到10%—15%。未来，对于AI尚不能完全替代的部分，也将通过AI筛选与辅助，减少人工信息浏览量，进一步放大效率提升效果。
正是在这一持续打磨的过程中，AI逐渐从单一工具，演变为审核流程中不可或缺的一部分。

让AI做事，让人做判断
    在TCL光伏科技看来，AI转型从一开始就不仅是技术升级，而是一场围绕组织能力和管理方式展开的系统性重塑。真正的挑战，在于当AI进入业务流程后，组织是否能够随之调整，并把技术能力转化为稳定的经营能力。随着审核、设计和运维等环节逐步引入AI，原有以人工判断为核心的流程被重构，岗位职责也随之发生变化。这一变化不可避免地带来不确定感。一部分员工会担心，AI是否会削弱自身价值；在AI与人工共同参与判断的情况下，一旦出现误判，责任如何界定，也成为管理层必须正面回应的问题。
    对此，TCL光伏科技采取了一套相对克制、但执行坚决的应对方式。管理层明确将AI定位为承担“重复性、标准化”工作的工具，而人工则更多聚焦于“高价值、创造性”的任务。这一分工并不是简单的岗位替代，而是对工作内容的重新拆解。例如，原本需要反复进行规则判断的设计审核岗位，逐步将精力转向复杂问题协调、规则优化以及参与模型训练等更高附加值的工作。同时，通过有针对性的培训，引导员工从“会使用AI工具”，逐步转向“能够理解并优化AI判断逻辑”，帮助团队完成能力迁移。
    在能力要求上，公司开始对不同角色提出新的共性标准：一线业务人员需要具备AI工具应用能力和基本的数据理解能力，能够基于AI输出与客户沟通方案与收益；技术人员则被要求更深入理解业务场景，而不仅停留在算法层面；管理者则需要具备AI战略落地能力，在效率提升与风险控制之间做出取舍，并协调跨部门资源。
    在制度层面，TCL光伏科技也在逐步将AI应用成效纳入管理考核之中，关注技术是否真正解决了业务问题。同时，公司鼓励一线团队主动提出需求，技术团队快速响应，并在资源配置上坚持“战场在哪里，资源就在哪里；谁创造价值，谁分享价值”的原则，以强化正向激励。
    从外部视角看，这一做法体现了较为清晰的组织变革逻辑。成鑫指出，AI转型往往需要高层持续推动，通过明确目标、打破资源壁垒来保证方向不被稀释；在组织形态上，应通过跨部门专项团队实现业务与技术的深度协同；同时，还需要建立快速迭代机制，将AI用例的阶段性成果通过流程、组织和人才体系固化下来。
    TCL光伏科技的AI转型，并不是一个关于技术领先的故事，而是一个关于在高度不确定的经营环境中，管理层如何做出选择、组织如何进行调整与进化的过程。当增长不再只是规模问题，而越来越多地取决于效率、风险控制和资产运营能力时，TCL光伏科技选择从业务最关键、也最具约束性的环节入手，让AI真正进入生产体系，并通过流程和组织调整，将技术能力转化为可持续的运营能力。
    向前看，未来三到五年，分布式光伏行业的竞争逻辑仍将持续演化。分布式场景占比提升、电碳协同深化、海外市场本土化竞争加剧，以及存量电站运维与电力交易价值的上升，都在推动行业从“装机导向”走向“运营导向”。在这一过程中，数字化和人工智能不再只是效率工具，而正在成为支撑精细化运营、资产价值管理和复杂决策的基础能力。正因如此，AI转型也不再是一次性的技术部署，而是一项需要持续迭代的长期工程。AI能否真正持续创造价值，取决于企业是否能够持续将其嵌入业务流程、组织协同和管理机制之中。
    AI改写商业的进程中，留给企业的问题，早不止于“是否要进行AI转型”，而在于：当行业逐步进入以运营效率和风险管理为核心的竞争阶段，你是否已经识别出最具变革潜力的关键环节？在资源有限、风险真实存在的情况下，你又能否像TCL光伏科技一样，让AI从核心流程开始，逐步演变为组织的一部分，而不是停留在工具层面？