城市燃气智能体时代①｜2026为什么是“智能体”元年？

——从“增量扩张”走  向“存量韧性” ，行业需要的不是更多系统

 

过去，城市燃气增长最直观的标志，是新铺了多少管网、发展了多少用户、增加多少气量。今天，摆在企业面前的核心问题正在改变：一张越来越庞大、不能停止运行的城市生命线，怎样在设施老化、第三方施工扰动、地下空间复杂、成本约束趋紧、服务要求同步上升的情况下，继续保持安全、可靠和高效？

 

这并不意味着城市燃气没有新增需求，也不意味着建设不再重要。真正的变化是，决定企业能力的经营主题，正在由"怎样建设得更多"，转向"怎样让已有设施、业务流程和公众信任长期守得住"。

 

与此同时，人工智能也在发生一次重要转向。过去的大模型主要生成内容、回答问题；到2026年，人工智能开始进一步理解任务、调用工具、等待反馈并继续推进。一个新的概念由此进入企业视野——智能体（Agent）。

 

但城市燃气需要的，绝不是一个更会聊天的机器人，更不是一个可以自行控制阀门的"虚拟员工"。它真正可能带来的变化，是把分散在设备、系统、模型和人员手中的能力，围绕一次真实事件组织起来，从发现问题一直追踪到结果得到验证。

 

为什么这一变化会在2026年变得重要？为什么城市燃气尤其需要智能体？它又会怎样改变安全生产和经营管理？

 

一、行业的题变了：从"增量扩张"走向"存量韧性"

 

增量阶段的主要任务相对清晰：扩大覆盖、建设管网、发展用户、保障气源。进入存量阶段以后，企业要管理的对象更多、更老、更分散，风险也更难用平均方法覆盖。同一批设备，因为使用年限、负荷、维护、环境和历史故障不同，状态可能完全不同；同一条道路，因为地下管线、施工活动、人口密度和周边业态不同，风险后果也可能相差很大；同一类用户，因为设备条件、使用习惯和服务经历不同，需要解决的问题并不一样。

 

这时，继续依靠平均加人、平均巡检、平均维护和平均更新，不仅成本越来越高，也未必能把资源用到最需要的地方。城市燃气还有一个不同于普通消费行业的特点：经营收益通常随着供气和服务逐日积累，重大风险却可能在一次事件中集中显现。企业必须长期投入安全和服务，但人员、车辆、检测、维护与改造资金不可能随着风险复杂度无限增加。

 

因此，存量韧性时代最重要的经营能力，是提高资源投放的"命中率"：哪一台设备最需要检查，哪一处施工风险最值得先确认，哪一个告警必须立即升级，哪一笔更新资金能够消除最大的风险。

 

存量韧性时代，不是少建设、少维护，而是把经营重心由"增加多少设施"转向"怎样让已有系统长期守得住"。这也是人工智能进入城市燃气的真正背景。行业不是因为出现了大模型，才突然寻找问题；而是原有管理方式已经越来越难以同时满足安全、效率、成本和服务要求，企业需要一种更细、更快、更连续的运行方式。

 

二、系统已经很多，为什么事情仍然要靠人追？

 

来看一个并不罕见的夜间场景。

 

一座调压设施的出口压力曲线出现异常。生产监控系统已经发出告警，设备位置可以在GIS——也就是管网地理信息系统中查到，资产系统里有设备型号和档案，维修记录在另一个系统，工单系统也能够派发任务。

 

看起来，企业已经完成了数字化。

 

但真正决定处置结果的问题才刚刚开始：这是调压设备故障、用户负荷变化，还是上游压力波动？还缺少什么证据？要不要派人到场？应该由哪个班组处理？需要携带什么工具和备件？如果调整运行方式，会影响哪些用户？处理完成以后，又怎样证明设备确实恢复正常？在很多企业，这一段工作仍然依靠值班人员在多个系统之间查找、复制和比对，再通过电话、消息和工单不断协调。数据已经在线，事情却仍然需要人来"搬运"；系统都完成了自己的功能，一次事件却未必真正闭环。

 

过去二十多年，城市燃气的数字化建设大致走过了几级台阶：信息化让台账、收费、报表和业务"记得清"；自动化与物联网让压力、流量、设备和现场"看得见"；工业互联网让分散的设备、数据和应用"连得上"；视觉、时序、预测和仿真等专业人工智能，让部分状态"判得准"。

 

但"看见"和"判断"之后，仍有一段经常被忽视的距离：判断需要转化为责任明确的行动，行动需要持续跟踪，处理以后还要验证结果，再把真实结果带回系统。这正是智能体要补上的一层。

 

工业互联网主要解决"能力在哪里、能不能连接"，智能体进一步解决"这次事件应当在什么时候调用哪项能力、交给谁，并怎样追到结果"。换句话说，过去企业建设的许多系统更像"记录系统"：它们保存数据、展示状态、发出告警。智能体开始进入的，则是"事件执行层"——哪件事先做，需要什么证据，交给谁做，什么时候升级，满足什么条件才算完成。这里的"执行"主要是推动业务事件向前走，并不等于直接操纵阀门或调压设备。

 

数据在线不等于事件在线；部门完成动作不等于问题得到解决。城市燃气今天真正缺少的，往往不是第N个系统，而是让已有系统围绕同一件事协同到底的能力。

 

三、智能体到底是什么：不是"全能大脑"，而是事件协调员

 

普通问答人工智能主要根据输入给出答案。传统自动化按照预先设定的步骤执行，适合规则稳定、异常较少的工作。智能体的不同之处，在于它能够围绕一个目标维持任务状态：判断下一步需要什么信息，调用什么知识、模型或软件工具，等待结果，再决定下一步怎样推进。这并不意味着智能体像人一样理解一切，更不意味着它可以承担企业和人员的责任。

 

在城市燃气中，一个智能体更接近"不间断的事件协调员"。它本身不一定最懂调压、泄漏、腐蚀、客服或应急，却可以在正确时点找到正确数据、调用正确专业能力、把任务送到正确责任人，并持续追踪到复测、复拍、回访或仿真确认结果。一次完整过程，可以简化为：事件触发以后组织证据，形成判断并进行专业校核，随后派发和执行任务，最后验证结果并回写系统。

 

这里最关键的不是"AI给出了一次判断"，而是判断有没有改变下一步行动；也不是"工单已经关闭"，而是问题有没有真正解决。如果工单关闭后没有复测，企业就不知道设备是否恢复；如果现场人员纠正了模型判断，却没有留下原因，下次系统仍可能犯同样的错误；如果一个告警被派到错误班组，再快的自动派单也只是在更快地制造返工。

 

智能体的价值单位不是一次问答，也不是一次工具调用，而是一个能够验证结果的业务闭环。城市燃气智能体最合理的分工是：大语言模型理解问题、整理材料和组织任务；视觉、时序、图计算和预测模型完成专业识别与计算；规则和业务流程守住制度、权限和限值；管网仿真检查候选方案是否符合压力、流量和拓扑规律；人负责例外、现场判断与高后果决定。能够调用工具，不等于能够承担后果。智能体真正的成熟，不是它什么都会，而是它知道什么时候证据不足，什么时候必须停下来交给人。

 

四、城市燃气为什么尤其需要智能体？

 

如果从运行本质理解，可以把城市燃气看作同时运营三张相互嵌套、不能断开的网络。这是一种分析框架，而不是法规分类。

 

第一张是物理网。气源、管道、压力、流量、阀门、调压设施、场站和用户端持续连接，局部变化可能沿着管网影响更大范围。物理网不会因为部门分工而停止，也不会等报表完成以后再变化。

 

第二张是事件网。一次异常从传感器、用户来电、巡检或施工信息被发现开始，要经过证据补充、风险判断、责任分派、现场处置、复测销项和复盘学习。很多风险不是没人负责，而是在系统和部门交接处丢失了上下文、优先级或后续状态。

 

第三张是信任网。公众无法独立判断管道、报警器、自闭阀、维修建议和安全措施的全部专业性，只能通过一次次安检、报修、收费、停气通知、投诉处理和承诺兑现，判断企业是否专业、公平、可信。

 

三张网不是三项孤立业务。用户报漏既是一个物理状态，也是一次风险事件，还是一场信任考验；一次停气既要校核管网影响，也要完成用户通知、特殊用户保障和恢复确认。智能体最适合处理的，正是三张网交会处的"断点"：物理信号已经出现，事件却没有持续推进；一个部门已经完成动作，其他部门仍不知道下一步；工单显示结束，用户问题和设备状态却没有得到验证。

 

往更底层看，城市燃气企业为很多"不知道"支付着成本：不知道设备是否正在变坏，就只能按周期平均维护； 不知道漏点或施工风险在哪里，就需要扩大搜索和现场排查； 不知道告警是真是假，就要派人出车确认； 不知道一次操作会影响哪些用户，就只能采取更保守的方案； 不知道问题是否真正解决，就可能重复上门、工单复开或风险再次出现。

 

这些搜索、等待、冗余、返工和保险性投入，可以统称为"不确定性成本"。其中一些作业在证据不足时是必要的安全措施，人工智能的目标不是取消必要检查和维护，而是用更好的证据减少可以避免的搜索、错配和重复。智能体则进一步把证据、判断、责任、行动和结果接在一起。智能体改变的不只是某个岗位的速度，还会改变企业的管理颗粒度。

 

过去，管理对象往往是一个区域、一类设备和一张年度计划；未来，越来越多的管理对象会缩小到"此时、此地、这个对象、这次事件"。过去，任务按固定路线和周期排列；未来，工作队列可以根据风险变化、影响后果和资源情况动态调整。

 

专家也不再只是一次处理一个个案，而是把经验沉淀为规则、案例和评测方法，让更多一线人员在正确时点调用；一线人员则从查资料、抄系统和催流程中释放出来，把精力用于现场取证、复杂判断、沟通和结果验证。

 

智能体真正缩短的，是从状态变化到有效行动的距离；真正放大的，是专业人员和组织处理复杂事件的能力。

 

五、元年是起点，不是把责任交给机器

 

城市燃气属于高后果、强约束、责任不可转移的公共基础设施。一个模型能够生成方案、调用工具，不代表它理解动作的全部物理、社会和法律后果。因此，智能体的应用边界必须按照动作后果划分，而不是按照模型表现有多聪明划分。越接近资料查找、证据整理、预约、质检、工单准备和进度提醒，智能体可以承担更多工作；越接近阀门、关键调压、停复气、调度指令和安全联锁，智能体的自主权越小。低风险、可逆、高频的工作，可以更快进入自动辅助或受控代办；设备诊断适合专业模型与人员协同；调度和应急可以由人工智能准备候选方案，再经过专业规则、管网仿真和有权限人员确认；直接改变关键物理状态的动作，仍必须留在经过工程验证的专用控制系统、操作规程和责任人手中。这不是对人工智能的保守，而是关键基础设施使用人工智能时应有的成熟。

 

2026年真正值得关注的，不是智能体像不像人，而是城市燃气企业能否从粗颗粒、周期性、平均化的管理，转向更细颗粒、更连续、按风险排序的运行；不是让机器替企业承担责任，而是让责任人在证据更充分时，更早作出正确决定。判断一个城市燃气智能体有没有价值，也不应只看它回答得多流畅、调用了多少次，而应看它能否让一次事件证据更齐、责任更清、行动更快、结果可验。

 

当"为什么需要智能体"得到回答，下一步就不能继续停留在抽象概念上，而要进入真实现场：哪些场景中的"不知道"最昂贵？专业模型、智能体和人员怎样分工？安全、效率和成本价值又是怎样形成的？下一篇，我们将从知识与一线作业、调压设备、管线风险、户内安检、客户服务和调度应急六类场景展开，看看智能体怎样把一次识别、一个告警，真正变成一件办完并得到验证的事。

 

来源：齐论微信公众号  作者：齐研科

作者提示：个人观点，仅供参考。