📋 预判摘要
20张硬伤卡牌
N/A — 不适用
关键致命伤
非AI场景 — 核心价值在暖通工程+设备升级+运维团队，AI边际价值极低
整体判定
❌ 不适用（退出AI软件机会清单）
一句话定义：把中建碳科技130万㎡能源托管运营经验做成AI引擎，帮更多公建/医院/机关实现能效优化和碳管理。
❌ 第0层淘汰：能源托管的核心竞争力是暖通工程能力、设备改造和运维团队，与AI无本质关系。80-90%的能效提升靠换设备+调参数+勤维护（PID控制/规则引擎即可），机器学习在此场景边际价值极低。此方向是能源运营服务机会，非AI机会。
🧰 五步递进筛查
| 步骤 | 状态 | 说明 |
|---|---|---|
| Step 1 需求 | ✅ | 能源托管降本需求真实 |
| Step 2 解决方案 | ❌ | 核心价值在暖通工程+设备升级+运维团队，AI只是参数调节辅助 |
| Step 3 商业模式 | ❌ | 无意义 |
| Step 4 增长 | ❌ | 无意义 |
| Step 5 壁垒 | ❌ | 无意义 |
筛查结论：❌ Step2否决（非AI场景） — 能源托管是工程+运营生意，AI边际价值极低，退出AI软件机会清单。
📝 修正说明（2026-06-16）
为何原分析作废
原分析使用了"AI能效优化SaaS"的错误框架，得出了78分/"建议推进"的错误结论。修正后发现：
- 能源托管的核心竞争力是暖通工程能力（磁悬浮机组选型、管路改造）
- 80-90%的能效提升靠换设备+调参数+勤维护（PID控制/规则引擎即可）
- 机器学习在此场景的边际价值极低——传统自控算法已足够优化能效
- 碳科技的核心能力是暖通工程师+运维师傅，不是AI算法团队
正确的判断
能源托管是工程+运营服务机会，非AI机会。中建碳科技应聚焦能源托管运营本身的业务拓展，而非把AI当作核心卖点。如果此方向进入AI清单，会导致资源错配（用AI算法团队做暖通工程的活）。
❌ 处置：从AI软件机会清单中剔除
原78分基于错误框架，不予保留。此方向回归能源运营服务主线，不作为AI软件方向推进。
🏰 行业预判六模块（原分析记录）
以下为原分析记录，因框架错误已作废，仅保留供参考。
| 模块 | 原判断 |
|---|---|
| M1 拆解行业 | 用能设备 → 能源管理系统 → AI能效优化 → 终端用户。关键控制节点为数据资产型 |
| M2 洞察变化 | 双碳政策+电价上涨+能源托管市场爆发 = 系统性变化 🔴 |
| M3 稳态B | 公共机构能源托管从"人工经验+定期巡检"转向"AI数据驱动+7×24优化" |
| M4 Timing | 窗口已开还有3-5年；太早风险低（碳科技已有运营基础） |
| M5 天花板 | 公共机构能源托管市场500-1000亿，中建可触达50-100亿 |
| M6 集中度 | C型（分散→集中）★ — 赛道无寡头 |