光伏“第三矩阵”企业为何不理想?

简介:

在能源革命的背景下和光伏发电产业带来市场机会面前,必然有一批创业企业随遇而生,特别是基于互联网、大数据思维提供多种服务的企业。但受眼界、知识所限,除了极其个别企业,能够进入视野并初具成功模式的企业尚未发现,至少业内认可度口碑一致的企业微乎其微。

光伏产业的三个矩阵

我觉得,未来光伏产业是由三个企业矩阵构成的。这三个矩阵是:集中式光伏发电服务商、分布式光伏发电服务商、为光伏发电服务商提供服务的服务商。最后一个矩阵存在的价值,在于为前两者或只为第二者提供服务。

在超高速发展的中国光伏终端市场需求引导下,在互联网思维影响下,或基于市场的现有需求和未来研判,或从提供硬件而转型进入,从2014年开始,出现了一批以服务于光伏发电服务商为发展方向的服务型企业。

第三矩阵企业从一开始就形成了两个发展方向:一个是为解决当时的光伏电站融资难问题,一个是为解决未来的光伏电站运维问题。前者又细分为两个市场,一个是建立互联网金融平台,一个是建立便于融资和交易的电站标准。

目前,虽然最终成为前两个矩阵中企业的名单无从知道,但是企业已经存在并初具规模。只有第三矩阵,因为它的价值是伴随前两个矩阵的需求而存在,所以矩阵中企业的发展方向和模式还在探索之中,哪些企业能够成功更在观察之中。

光伏第三矩阵企业发展为何不理想

经过两年多的发展,相对前两个企业矩阵,第三矩阵的企业数量有限,具备成功发展模式和规模的企业更有限。分析原因大致有四:

1、受需求市场发展水平所限。光伏产业的规模化发展只有十多年时间,完全市场化发展更未开始,在这一背景下,服务于前两个企业矩阵的第三矩阵企业发展水平,一定是受限于前两个矩阵的发展水平的。

2、互联网的分散化、民主化精神与能源行业的规模化、垄断化历史相矛盾。过去十多年,互联网经济以不可阻挡之势,快速改变了许多产业的生态,但在能源、在光伏产业这种态势进展缓慢。究其原因,国务院研究室综合司巡视员范必曾说过:“我国目前现有的能源制度还不太适应能源跟互联网之间的衔接。由于能源受制自身的产业属性、所有制结构以及流通体制等的因素,即使加上互联网也是不管用的。”

3、金融服务平台为自己融资的错误。第三矩阵中企业是服务型企业,一般意义的金融平台也应是第三方服务平台,遗憾的是,近两年光伏企业搭建的金融平台几乎都变为为自己的电站项目融资为主,这与金融平台的根本属性是相悖的。

4、服务型企业基因的先天不足。第三矩阵中企业的基因应当是服务基因、互联网基因,矩阵应当是由天然具有这种基因的创新型企业组成。当前不少大型光伏加工企业也在探讨部分发展方向的转型,由于先天不具有这一基因,所以转型难以成功。这就如同IBM在个人电脑时代输给微软、微软在移动互联时代又输给苹果一样。更何况在第三矩阵的创业是不断创新的过程,基因的作用尤为突出。
光伏第三矩阵企业应当来自何处

当前的光伏第三矩阵中企业,主要来自传统经济基因的光伏加工企业转型探讨和互联网经济基因的创业企业创业。

在光伏产业,传统经济型企业转型互联网经济型企业之路有待观察。互联网经济与传统经济的不同不仅在概念和技术层面,更在思维和生态层面,传统经济型企业转型互联网经济型企业,一定不是招聘了多少互联网人才、购买了多少互联网设备、具有了多少能烧的钱那么简单。唯一可行的途径应当是:发现年轻的互联网经济的领军人物,另起炉灶地打造全新企业,严格扮演好只为全新企业提供资本和资金的角色。

在光伏产业,当前是第三矩阵企业创业的难得机遇期。过去,在成熟、垄断的能源产业批量地产生创业企业是一个笑话,现在,分布式光伏发电的能源民主化、互联网的普惠和分享经济背景,给在这个产业中创业的企业生存和发展提供了可能。但是能源行业终究会回归垄断特征,所以当前在光伏第三矩阵创业,机会很难得。

不久前我在上海参加了绿色和平发起的清洁能源孵化器PowerLab组织的创客马拉松活动,这也是PowerLab在国内五场创客马拉松活动的第二场,主题是“光伏+互联网金融”。通过与意向创业的年轻人交流,在学习到他们不同思维的同时,也感受到他们应当注重弥补的两个要素:

1、光伏第三矩阵企业的商业模式没有对标,要敢于领先、敢于相信自己。

2、敢于失败。当前的创业市场“鸡汤”泛滥,中国的创业环境喜欢说“成王败寇”,而在美国创业环境里“如果失败得不够多,说明你不够创新”。马斯克从SpaceX到特斯拉再到Solarcity的创业过程,就是他不断面对破产的过程。

本文转自d1net(转载)

相关文章
|
Java 数据库连接 数据安全/隐私保护
利用开源工具实现轻量级上网行为审计(来源ispublic.com)
来源ispublic.com Google上貌似找不到利用开源软件实现上网行为审计的文章——这也难怪,开源在国内并不流行,而上网行为审计在国外也不流行。
1767 0
|
6月前
|
机器学习/深度学习 算法 计算机视觉
产教融合结成果 与阿里云合作的结晶
近日,上海市计算机学会公布2024年度教学成果奖名单,赵卫东老师荣获一等奖。他长期专注计算机科学教学与科研,在课程体系创新和人才培养方面成效显著。获奖项目《面向新工科的计算机专业实践教学体系构建与创新》聚焦工程教育需求,通过教学改革提升学生实践能力。该成果包含与阿里云合作结晶,其深度学习教材涵盖多个实际应用案例,如图像分类、声音识别等,助力读者深入理解算法实践。
156 2
产教融合结成果  与阿里云合作的结晶
|
11月前
|
数据采集 人工智能 缓存
腾讯混元又来开源,一出手就是最大MoE大模型
腾讯混元团队近日发布了开源Transformer-based MoE模型Hunyuan-Large,参数量达3890亿,激活参数520亿,处理tokens高达256K。该模型在多个基准测试中超越LLama3.1-70B,在某些方面媲美更大规模的LLama3.1-405B。其成功源于合成数据集、混合专家路由策略、键值缓存压缩及专家特定学习率等创新技术。尽管面临训练成本高和数据质量等挑战,Hunyuan-Large仍为AI行业注入新活力,并推动技术进步与应用创新。
210 13
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
《人工智能助力社会学研究:数据挖掘与分析方法的深度探索》
在数字化时代,人工智能(AI)正深刻改变社会学研究格局。AI强大的数据挖掘和分析能力,如机器学习算法、自然语言处理、社交网络分析及深度学习等,为社会学家提供了全新视角和工具,助力分类、预测、情感分析及复杂数据处理。同时,AI辅助的社会调查研究提升了问卷设计和样本生成的效率与质量。然而,应用AI时需关注数据质量和伦理问题,以确保研究的科学性和客观性。总之,AI为社会学研究带来了创新方法和广阔前景。
396 11
|
SQL 存储 关系型数据库
计算效率提升 30 倍、存储资源节省 90%,雨润集团基于 Apache Doris 的统一实时数据仓库建设实践
数字化转型的浪潮中,高效准确的数据分析能够帮助雨润集团快速洞察市场动态、优化供应链管理、提高生产效率。雨润集团引入了 Apache Doris 构建了统一实时数据仓库,实现了计算效率提升 30 倍、存储资源节省 90%、成本降低超 100 万、人员效率提升 3 倍,为智能化、高效化转型指明了方向。
306 1
计算效率提升 30 倍、存储资源节省 90%,雨润集团基于 Apache Doris 的统一实时数据仓库建设实践
|
数据采集 存储 运维
CDP客户数据管理平台体系化搭建
客户数据平台通过采集多方客户数据(主体与线索)等,从而进行精准的客户分析和人群细分,进而实现高效的客户维系和发掘以及日常营销运营。
972 0
CDP客户数据管理平台体系化搭建
EMQ
|
存储 Prometheus 监控
Mria + RLOG 新架构下的 EMQX 5.0 如何实现 1 亿 MQTT 连接
大规模分布式物联网MQTT消息服务器EMQX的5.0 版本在发布前的性能测试中达成了1亿 MQTT 连接。本文将对使EMQX水平扩展能力得到指数级提升的全新底层架构进行详细解析,同时帮助大家理解在不同的实际应用场景中如何选择合适的部署架构,实现更加可靠的设备接入与消息传输。
EMQ
610 0
Mria + RLOG 新架构下的 EMQX 5.0 如何实现 1 亿 MQTT 连接
|
负载均衡 网络安全
VRRP、VGMP 和 HRP 之间有什么区别?这篇文章给你答案!
作为USG防火墙最重要的功能之一,双机热备极大地提高了设备的可靠性,当主用设备发生故障时,备用设备可以立即接管受影响的业务,从而显着减少业务中断的持续时间。
1126 0
|
机器学习/深度学习 人工智能 自然语言处理
7.5亿美元做代码转换?一个Facebook TransCoder AI就够了!
代码的迁移和语言转换是一件很困难且昂贵的事情,澳大利亚联邦银行就曾花费5年时间,耗费7.5亿美元将其平台从COBOL转换为Java。而Facebook最近宣称,他们开发的一种神经转换编译器(neural transcompiler),可以将一种高级编程语言(如C ++,Java和Python)转换为另一种,效率飞起!
871 0
7.5亿美元做代码转换?一个Facebook TransCoder AI就够了!
|
SQL 存储 监控
【巡检问题分析与最佳实践】MongoDB 空间使用问题
阿里云数据库MongoDB的空间使用率是一个非常重要的监控指标,如果实例的存储空间完全打满,将会直接导致实例不可用。一般来说,当一个MongoDB实例的存储空间使用比例达到80-85%以上时,就应及时进行处理,要么降低数据库实际占用空间的大小,要么对存储空间进行扩容,以避免空间打满的风险。 然而,阿里云数据库MongoDB的空间使用情况分析并不简单,本文将由浅入深帮您查看,分析和优化云数据库MongoDB的空间使用。
【巡检问题分析与最佳实践】MongoDB 空间使用问题