朗新科技 × AI

[导语·核心观点]2025年12月，新华网报道称朗新科技“朗新九功AI能源大模型”入选“AI中国”生态图谱[1]；四个月后的2026年4月，央视生态频道将其描述为用三十年从信息化服务商转向“能源运营的AI公司”，并提到三年内电力交易电量突破60亿度[2]。两条报道均出自权威媒体，但都没有给出该模型对应的收入、客户或合同金额。核心判断：这是一次叙事升级明显快于证据披露的样本，值得关注的不是名录与口号，而是AI能否被拆解为可核验的收入科目。

[事件回顾·发生了什么]按报道时间线，可归纳为两件事。其一，一个模型的入选：报道称，针对行业痛点，“朗新九功AI能源大模型”应运而生，构建“时序预测+AI智能体”双引擎技术架构，为新型电力系统建设提供智能化解决方案，该模型入选“AI中国”生态图谱[1]。其二，一次定位的转述：报道称，朗新科技自2022年起进一步切入电力交易领域，仅用三年时间电力交易电量便突破60亿度；发展三十年后，其业务定位由信息化服务商转向能源运营的AI公司[2]。需要如实说明的是：两条报道都没有给出模型训练规模、落地客户名单、中标金额，也没有说明该AI业务在营收中的占比。也就是说，目前可核验的只是“入选”与“转向”这两个动作本身[1][2]。

[背景与格局·公司沿革 · 行业脉络]朗新科技的起点是电力信息化，长期服务电网营销、计量、收费等系统，这一路径在报道中被概括为三十年积累[2]。它切入电力交易的时点是2022年，恰好对应国内电力现货市场加速试点、绿电与分布式资源交易规则逐步成形的阶段[2]。从技术脉络看，“时序预测”解决的是负荷、新能源出力与电价的短中期预测问题，“AI智能体”解决的是把预测转为报价、申报、调仓等可执行动作的问题，两者组合才构成从判断到执行的闭环[1]。行业格局上，竞争者至少有三类：电网系科技公司、电力交易与营销软件商、以及新能源功率预测厂商。报道未提供任何竞品对比数据，因此朗新的差异化只能从技术描述中推断，即“预测+执行”一体化。一个分析判断是：在电力这种强规则、强数据壁垒的行业，短期竞争更取决于数据资产与客户关系，而非模型参数规模。

[深度解读·为什么发生 · 意味着什么]为什么会发生？第一层是需求端的真实变化。新能源占比上升会同时放大供给波动与价格波动，预测精度和报价策略直接影响收益，付费意愿由此产生——这是分析判断，报道未提供市场规模数据。第二层是叙事端的需要。在信息化服务增长趋缓时，“AI公司”这一标签有助于重塑估值框架与政企客户认知，成本低、见效快。“入选名录”的真实价值需要区分：生态图谱属于品牌型背书，它能降低政企客户的初次沟通成本，但不进入财务报表[1]。“60亿度”则是一个必须追问口径的数字。报道只说电力交易电量突破60亿度，未说明这是代理客户交易量、聚合的分布式电量，还是平台撮合量；也未说明按什么方式计费、对应多少收入与毛利[2]。电量与收入之间没有固定换算关系，这个缺口是理解本次新闻的关键。谁受益、谁受损？受益方是公司与持有其股票的投资人，因为叙事提供了新的想象空间；若AI投入以研发费用前置、收入后置的方式推进，短期利润则承压。可能承压的还有单点预测软件与纯外包服务商：如果“预测+执行”的一体化方案被市场接受，单点工具的议价能力会被压缩——此为分析判断，报道未提供相关竞争数据。

[关键数据与证据·来自报道的数字与事实]报道中可提取的事实如下：1）“朗新九功AI能源大模型”入选“AI中国”生态图谱[1]。2）该模型采用“时序预测+AI智能体”双引擎技术架构，面向新型电力系统提供智能化解决方案[1]。3）朗新科技自2022年起切入电力交易领域[2]。4）三年内电力交易电量突破60亿度[2]。5）公司发展三十年后，业务定位由信息化服务商转向能源运营的AI公司[2]。需要标注的证据缺口：两条报道均未披露该模型的收入贡献、客户数量、合同金额、交易电量统计口径与毛利率。以上是对报道缺失项的客观描述，不构成对公司经营实况的否定。

[风险与争议·审慎的批评视角]第一，口径风险。60亿度电量的统计范围与计费方式未披露，无法换算为收入，也不排除包含代理、撮合等低毛利业务[2]。第二，背书与业绩的混淆。入选生态图谱是品牌事件，报道本身未将其与订单、收入挂钩，读者容易把“入选”误读为“落地”[1]。第三，样本偏差。两条报道均为媒体正面报道，未说明信源是否来自企业提供的材料，也没有独立第三方或审计数据支撑，缺少同业横向对标[1][2]。第四，技术与规则风险。电力现货价格高度依赖各省规则、调度政策与限价机制，“时序预测+智能体”的实盘效果在规则调整或极端行情下会显著衰减，报道未披露任何回测或实盘指标[1]。第五，商业复制风险。各省交易规则与结算差异大，跨省复制需要重新适配，边际成本未必如软件般递减（分析判断）。第六，夸大成分。“AI公司”是自我定位，报道未提供分部收入证明其收入结构已经改变[2]。在缺乏上述证据前，任何关于该业务贡献的量化结论都应被视为推测。

[未来展望·情景推演]保守情景：AI能源模型停留在示范项目与项目制交付，收入确认依赖少数大客户，短期难以形成独立披露科目，公司估值仍主要由原有信息化业务决定。中性情景：电力交易代理与资源聚合形成服务费收入，AI作为提效工具嵌入既有业务，毛利水平取决于交易类型与服务深度；此时AI的价值体现在客户留存与单客收入，而非独立产品线。乐观情景：若现货市场全面铺开、分布式资源聚合政策放宽，“预测+执行”一体化可能形成平台型服务与规模化收入[1][2]。三个情景的共同验证点是一致的：公司是否披露AI相关业务的分部收入、客户数量与合同金额。在此之前的推演只能作为观察框架，而非结论。

[建议与启示·面向决策者]对投资者：把“入选名录”和“形成收入”分开处理，核对三项硬证据——客户名单与合同金额、该业务收入占营收比例、研发费用与经营现金流的变化，全部以公告与财报为准，而不是以媒体报道为依据。对企业决策者：在采购AI能源或智能体方案时，要求供应商提供实盘或准实盘回测结果、数据来源合法性说明与退出机制，先做小范围验证再扩大规模。若希望把“预测—决策—执行”链路工程化，可参考AgentSH这类多智能体调度平台，用可编排的智能体分工承接预测、策略与执行环节，并以指标看板约束效果，避免一次性大规模投入。对产业观察者：把关注点从“模型参数”移到“结算方式与数据权限”，这两者通常决定电力AI能否真正赚钱。

[结语·一句话立场]朗新科技向“能源运营的AI公司”转型，方向与电力系统的演进逻辑是吻合的；但现有公开报道只支持“技术定位”与“业务转向”这两个事实，尚不足以支撑“AI已产生可量化财务贡献”的结论[1][2]。宣称与证据之间的这段距离，正是投资者需要自行核实的信息差。