谁痛
集中式电站业主、沙戈荒基地运维、C&I 园区屋顶、O&M 承包商、保险/质保团队和 PV+BESS 资产经理。
01 · Problem
光伏电站不缺告警，缺的是把告警变成已关闭收益缺口。
业主、资产管理人和 O&M 承包商每天看到 SCADA 告警、热像图片、无人机报告和人工巡检记录，但“哪里少发电、值不值得派人、清洗还是维修、修完有没有恢复、证据能不能用于质保和保险”经常分散在不同系统里。
告警太碎
无人机、热像、逆变器、汇流箱、清洗机器人和人工表格都能发现问题，但很少形成同一张可关闭工单。
派工不按钱排
一个热斑、一个离线串和一片积灰区的优先级，应该由发电损失、风险、天气、电价和路程共同决定。
修完缺证据
清洗、维修、替换、隔离之后，客户需要前后对比、时间戳、模型版本、人工签核和系统回写。
02 · Why Now
2026 年，光伏已经从装机竞赛变成资产运营竞赛。
全球和中国光伏装机已经进入 TW 级存量，运维人员没有同步扩张；同时电力市场化、消纳压力、积灰损失、设备故障和质保争议让“多发一度、少跑一趟、证据完整”变得更值钱。
3TW+
2025 年全球太阳能装机跨过 3TW，全年新增约 664GW，巡检和运维从项目问题变成存量资产问题。
1.2TW
中国 2025 年光伏累计约 1.2TW，新增约 317GW，沙戈荒基地和分布式都需要少人化运维。
5.08%
Raptor Maps 2026 数据显示设备驱动功率损失约 5.08%，高频检查站点损失显著更低。
4-7%
IEA PVPS 估算积灰造成全球平均 4-7% 发电损失，干旱和农业地区波动更大。
03 · Core Insight
有价值的不是“巡检”，而是关闭收入漏洞。
一张热像图本身不创造价值。只有当它被定位到组件/串/逆变器，和发电损失、电价、天气窗口、派工成本、清洗/维修动作和复核证据连接起来，它才是资产管理工具。
Detection-to-Closure
从异常检测开始，但终点必须是已关闭、已复核、已回写的工单。
MWh Before Alarm Count
不按告警数量排序，而按可恢复 MWh、风险和派工成本排序。
Every Fix Trains The Fleet
人工确认、错误派工、机器人失败和修复复核都变成 LeRobot HIL 训练片段。
04 · Solution
SolarLoop 是光伏电站的异常闭环操作系统。
它不替代无人机、清洗机器人、逆变器监控或 CMMS，而是把它们串成一个闭环：发现异常、判断根因、计算经济性、派发人/机器人任务、复核恢复、导出证据包。
- Find：融合 RGB、热像、逆变器/汇流箱、气象和站点地图，定位热斑、遮挡、积灰、掉串和跟踪器异常。
- Value：把异常转成可恢复 MWh、风险等级、清洗/维修成本和最佳处理窗口。
- Act：生成工单给运维人员、无人机、地面清洗机器人或人工复核队列。
- Prove：修完后复扫，输出前后对比、证据包、质保/保险材料和系统回写。
05 · Product Workflow
从一次热像扫描到一个已关闭工单，只走五步。
第一版不追求全自动大规模替代人工，而是把最容易漏掉的异常处理链条产品化。客户先看到同一套系统里有损失、责任人、处理动作和复核证据。
Map
导入电站组件、串、逆变器、汇流箱、道路、气象和清洗分区。
Inspect
无人机、固定相机、热像和地面机器人采集异常，边缘侧先做初筛。
Rank
按可恢复 MWh、电价、天气、消纳、清洗成本和安全风险排优先级。
Dispatch
派给地面清洗机器人、维修班组、复测无人机或人工专家审批。
Verify
复扫并回写工单，生成前后对比、证据包和下一轮训练数据。
06 · Market Wedge
先切最痛的光场：大、脏、远、少人、需要证据。
SolarLoop 的第一批客户不是所有光伏业主，而是异常闭环价值最高的资产：沙漠基地、炎热/多尘/多风区域、远离城市的 50-500MW 子区域，以及运维承包商同时管理的多站点组合。
中国沙戈荒基地
灰尘、水资源、远距离巡检、无人化场站和集中式业主是天然切口。
海外 utility PV
美国、中东、澳洲、印度等大电站需要减少巡检、清洗和派工浪费。
C&I 园区屋顶
屋顶分散、上人困难、报表和质保争议多，适合轻量化异常账本。
PV+BESS
清洗和维修要对齐高价值发电/充放电窗口，而不是按固定日历执行。
O&M 承包商
用一个队伍覆盖更多 MW，用证据包证明 SLA 和续约价值。
保险 / 质保
冰雹、组件缺陷、热斑和批次问题需要时间戳、影像、性能和处理记录。
07 · Business Model
按已验证的发电恢复、运维节省和证据价值收费。
100MWdc 电站若年发电 170,000MWh、均价 29 美元/MWh，年收入约 493 万美元；每恢复 1% 发电量约 4.9 万美元。SolarLoop 的商业模型必须围绕这个数，而不是围绕“买一台机器人”。
90 天付费试点
以 100MW 子区域为单位，约 3.5 万美元起，交付损失基线、异常队列、清洗/维修建议和证据包。
年度软件
按站点和 MW 阶梯计费，覆盖异常闭环、资产图谱、工单回写、证据存储和 API。
边缘站 / 机器人租赁
对需要低延迟、弱网运行、固定相机、热像和地面机器人任务的站点收硬件服务费。
Verified Upside
对已复核的恢复 MWh、避免清洗、合并 truck roll、质保/保险证据支持收成功费。
08 · Go-To-Market
试点只承诺一件事：把开放异常年龄和经济优先级降下来。
第一个 lighthouse 不应该追求整场替换运维系统，而是在一个 50-100MW 区块中证明：数据接入快、异常排序可信、清洗/维修决策有经济性、复核证据完整、人工团队愿意每天使用。
10 个工作日接入
完成站点地图、逆变器/汇流箱、无人机影像、气象和工单字段对齐。
2.5x 试点机会值
试点输出年化可验证机会值至少为试点费用 2.5 倍，否则不扩场。
25-40% 异常年龄下降
减少长期未关闭 underperformance ticket，而不是只生成新告警。
3 次以上现场行程优化
避免、合并或证明现场出车必要性，并记录水耗、里程和复核结果。
09 · Competition
竞争对手证明需求真实，空白在“闭环”。
Raptor Maps、Zeitview/Heliolytics、Percepto、DJI、Ecoppia、Sunpure、逆变器厂商和 SCADA/CMMS 都在解决部分问题。SolarLoop 不从“又一个巡检工具”切入，而从异常到复核的操作闭环切入。
巡检软件
强在发现和报告，弱在机器人/人工执行、派工经济性和修后复核一体化。
无人机平台
强在采集效率，弱在工单回写、现场执行和长期资产记忆。
清洗机器人
强在执行清洗，弱在判断何时、哪里、为什么清洗才赚钱。
SCADA / 逆变器
强在性能监控，弱在可视根因、现场证据、机器人动作和 HIL 数据飞轮。
10 · Moat
护城河不是热像数据，而是“异常到结果”的闭环图谱。
单张图片会商品化。难复制的是每个站点长期积累的异常、根因、动作、复核、收益、质保和人为纠错记录，这些记录能训练下一代机器人，也能绑定运维流程。
Closure Graph
异常、根因、执行动作、恢复 MWh、索赔证据和人工签核形成资产级知识图谱。
HIL Data Flywheel
人类纠正、误报、失败清洗、复检结果都回流成 LeRobot 数据集。
Workflow Switching Cost
对接 SCADA、逆变器、CMMS、无人机、清洗机器人、质保和保险系统后，替换成本上升。
China / Global Dual Lane
中国版本地数据面和海外版云训练共享训练合约，但满足数据本地化与客户采购差异。
11 · Architecture
Qualcomm edge 负责现场闭环，云端负责训练和组合分析。
现场弱网、粉尘、高温和大面积资产决定了推理不能完全依赖云。SolarLoop 把低延迟视觉、热像、多传感器融合和任务安全留在边缘，把跨站点训练、报告和模型迭代放在云端。
Edge Capture
RGB、热像、固定相机、无人机、PV telemetry、气象和机器人状态同步采集。
QNN Candidates
组件检测、热斑/积灰分割、可清洗/不可清洗分类、小型传感器融合模型。
ROS 2 Loop
检查、清洗、复检用 action 表达，安全状态、相机流和工单事件可追踪。
CloudTwin
训练 PyTorch 模型、导出 ONNX/QNN artifact、管理数据集、评估和跨站点模型回放。
12 · Competition Demo
比赛 Demo 用低压光伏桌面工位证明完整闭环。
不做高压串、不声称 IEC 合规、不承诺现场收益。Demo 只证明低风险闭环：发现模拟热斑/积灰，人工纠错，机器人干式清洁，复检前后变化，导出证据包和 LeRobotDataset episode。
- 一个 6-24V 小型 PV 面板，带保险、限流、遮挡和相对功率读取。
- 一个死板/假面板，低压加热片模拟热斑，避免制造真实危险缺陷。
- 一个小型龙门/轨道机器人，带软刷、限力、硬限位和急停。
- 输出 evidence_packet.zip：图像、热像、telemetry、HIL 修正、模型版本、QNN profile 和安全边界。
13 · Why Qualcomm
这是 Dragonwing 最容易讲清的工业边缘 AI 故事之一。
光伏电站是典型的“多传感器、弱网络、户外机器人、长期运维、商业价值可量化”场景。Qualcomm 的价值不是一块通用算力板，而是把现场机器人和边缘 AI 做成可规模部署的硬件与软件生态。
Local Inference
热像/RGB 初筛、机器人路径和安全状态需要本地运行，不能等云端返回。
Multi-Camera Robotics
光伏场景天然需要多摄像头、热像、定位、无线连接和低功耗边缘计算。
AI Hub / QNN Evidence
比赛可展示模型从云训练到 Qualcomm edge profile，再到现场推理的证据链。
China + Global Story
中国沙戈荒基地和海外 utility PV 都成立，同一架构能演示双云训练与本地数据面。
14 · Ask
我们向 Qualcomm 申请的不只是开发板，而是一个边缘 AI 场景样板。
SolarLoop 可以作为 RobotMac Core + CloudTwin 的行业样板页：同一底座，落到一个商业价值明确、可量化、可演示、适合边缘 AI 的场景。
开发板与传感器建议
QCS8550/QCS6490 选型、RGB/热像接入、低功耗无线和户外机器人扩展建议。
AI Hub / QNN 支持
帮助把分割/检测/分类模型编译、profile、量化，并形成评委可看的边缘证据。
行业试点引荐
连接光伏 O&M、能源央企、无人机/清洗机器人伙伴或工业边缘 AI 客户。
Demo 评审路径
允许我们用低压安全工位证明闭环，不夸大成现场认证或高压电站自动运维。
15 · Claims / Sources
页面主张建立在公开资料和可验证边界上。
SolarLoop 的竞赛表述严格保留安全边界：不宣称 IEC 合规热像诊断、不宣称自动防火、不宣称现场收益保证、不在 demo 中操作高压光伏串。