Schema solară PLI a Indiei arată unde se blochează marile programe fotovoltaice. România poate evita aceleași capcane folosind AI în planificare și operare.
De ce ne interesează povestea Indiei din perspectiva României
Un procent de doar 29% din capacitatea solară promisă prin schema PLI a Indiei era efectiv funcțional în iunie 2025. Restul exista mai mult pe hârtie. În același timp, India ajunsese deja la 120 GW capacitate de module și miza miliarde de dolari pe producție locală.
De ce ar conta asta pentru România și pentru tranziția noastră verde? Pentru că exact acolo se vede clar unde se blochează inițiativele mari în energie solară – și unde AI poate face diferența, de la planificare și producție până la operarea parcurilor fotovoltaice.
Postarea asta face parte din seria „AI în Industria Energetică din România: Tranziția Verde” și folosește cazul Indiei ca oglindă: ce a mers, ce nu, și cum putem integra AI ca să nu repetăm aceleași greșeli pe Drumul Marelui Salt spre fotovoltaic.
Schema PLI a Indiei, pe scurt: ambiții mari, implementare greoaie
India a lansat o schemă de Production-Linked Incentives (PLI) pentru a stimula producția locală pe întreg lanțul fotovoltaic: polisiliciu, wafer, celule, module.
Conform analizei JMK Research și IEEFA, la iunie 2025 India ajunsese la:
- 3,3 GW capacitate polisiliciu
- 5,3 GW wafer
- 29 GW celule
- 120 GW module
Schema PLI a contribuit la:
- aproape 100% din capacitatea de polisiliciu (sau echivalent)
- ~75% din wafer
- ~36% din celule
- ~24% din module
Adică un impact clar mai puternic în amonte (materii prime, componente) decât în aval (module finite). Pe scurt: fundament bun, execuție inegală.
Unde se rup lucrurile
Studiul pune pe masă o serie de blocaje:
- Intensitate mare de capital pentru liniile integrate de la wafer la modul
- Stimulente insuficiente raportat la costurile reale de producție
- Politici comerciale incoerente: importuri libere de polisiliciu și wafer, dar restricții dure la module
- Dependență de importuri (echipamente, componente, know-how, în special din China)
- Volatilitatea prețurilor globale la polisiliciu și wafer
La asta se adaugă și riscuri financiare serioase pentru companiile care nu respectă termenele: JMK estimează o expunere combinată de până la 41.834 crore INR (≈4,8 miliarde USD) din garanții bancare, stimulente pierdute și venituri nerealizate.
Realitatea? Nu ajunge să ai bani publici pe masă. Ai nevoie de date bune, planificare realistă, monitorizare continuă și reacție rapidă la ce se întâmplă în lanțul de aprovizionare global. Aici intră în scenă AI.
Ce înseamnă asta pentru România: riscuri similare, scară mai mică
România nu are, deocamdată, o schemă PLI de dimensiunea Indiei, dar contextul este familiar:
- vrem mai multă producție locală (panouri, structuri, echipamente)
- ne preocupă dependența de importuri din Asia
- avem obiective ambițioase de capacitate regenerabilă până în 2030
- operatorii se lovesc zilnic de birocrație, întârzieri și lipsă de predictibilitate
Dacă mâine am porni un program similar PLI pentru producția de tehnologie solară în România sau la nivel european regional, ne-am lovi de aceleași trei categorii de probleme pe care le vedem în India:
- Planificare investițională sub incertitudine (prețuri, cerere, reglementări)
- Eficiență operațională în fabrici și parcuri fotovoltaice
- Gestionarea riscurilor de lanț valoric (stocuri, timpi de livrare, furnizori)
Exact aici AI poate să facă diferența dintre „29% capacitate realizată” și „90%+ capacitate efectiv în funcțiune” într-un orizont rezonabil.
Cum ar fi putut AI să ajute India – și cum poate ajuta România
AI nu rezolvă golurile de politici publice, dar poate reduce masiv costurile, întârzierile și riscurile în implementare. Dacă ne uităm la problemele din schema PLI a Indiei, apar câteva zone clare unde soluțiile AI sunt deja mature.
1. Planificare investițională și analiză de risc
India s-a confruntat cu volatilitate puternică a prețurilor la polisiliciu și wafere și cu schimbări bruște în politicile comerciale.
Un set de modele AI de forecast și simulare de scenarii ar fi putut:
- anticipa intervale probabile de preț pentru materii prime pe 12–36 luni
- sugera ferestre optime de achiziție și hedging
- calcula impactul unor tarife vamale sau restricții la export asupra marjelor
- recomanda structurarea etapizată a capacităților (de ex. întâi celulă, apoi polisiliciu), în funcție de scenarii
Pentru România, asta înseamnă că orice producător local sau dezvoltator de parcuri fotovoltaice poate folosi AI pentru:
- business plan-uri mai solide pentru finanțare bancară
- ajustarea calendarului de investiții în funcție de piețele internaționale
- decizii mai clare pe „build local” vs „importă inteligent”
2. Optimizarea producției: de la liniile de wafer la modul
Una dintre plângerile mari din India: echipamente scumpe, know-how importat, ramp-up lent al capacității.
În fabrică, AI are câteva utilizări foarte concrete:
- Mentenanță predictivă pentru echipamente critice (forne de polisiliciu, linii de tăiere wafer, linii de laminare module)
- Control de calitate automatizat cu viziune computerizată care detectează micro-defecte ce scad randamentul modulelor
- Optimizarea parametrilor de proces (temperatură, presiune, timpi de tratament) pe baza unor modele care învață din date istorice
Rezultatul direct:
- mai puține opriri neplanificate
- mai puține rebuturi
- ramp-up mai rapid al producției reale față de capacitatea instalată pe hârtie
În România, unde multe inițiative de producție sunt încă în fază de concept, integrarea AI de la început în arhitectura fabricii (MES + sisteme AI) înseamnă costuri mai mici pe termen lung și un produs mai competitiv pe piața europeană.
3. Mentenanță predictivă pentru parcurile fotovoltaice
Studiul despre PLI e focalizat pe producție, dar problema „capacitate promisă vs capacitate livrată” se regăsește și în câmp, în parcuri.
Aici AI poate:
- analiza în timp real datele din invertori, senzori de iradiere, temperatură, curent/tensiune
- identifica panouri sau stringuri cu degradare accelerată
- prezice defecțiuni la invertori cu zile sau săptămâni înainte
- prioritiza intervențiile echipelor de mentenanță pe criterii de impact economic
Pentru un dezvoltator de parc solar în România, asta înseamnă:
- creșterea factorului de capacitate fără investiții majore suplimentare
- reducerea perioadelor de indisponibilitate
- raportare mult mai bună către finanțatori și autorități, cu date solide
4. Optimizarea lanțului de aprovizionare
India a fost expusă la întârzieri de echipamente, lipsă de personal tehnic, restricții de viză pentru experți chinezi etc.
Un sistem AI de tip supply chain optimization poate:
- simula impactul întârzierilor pe fiecare verigă (wafer, celule, module, cabluri, transformatoare)
- recomanda stocuri tampon optime
- reconfigura rapid rutele logistice și lista de furnizori
- estima pierderile financiare asociate fiecărei opțiuni, pentru decizie rapidă
În România, unde intră simultan în joc fonduri PNRR, CF și REPowerEU, un astfel de sistem poate fi folosit la nivel de:
- mari dezvoltatori de proiecte
- integratori EPC
- chiar autorități, pentru monitorizarea implementării programelor naționale pentru fotovoltaic
Lecții de politică publică: date + AI, nu doar subvenții
Raportul JMK–IEEFA spune clar: viitoarele versiuni de PLI trebuie să se concentreze pe competitivitate de cost, integrare în amonte și reziliență de piață, nu doar pe prelungirea termenelor.
Recomandările lor includ:
- credite fiscale
- finanțare mai ieftină
- mecanisme de buffer împotriva volatilității globale de preț
- stimulente stratificate
- orizont mai lung de politici
Dacă traducem toate astea în context românesc și european, lipsesc încă două piese esențiale:
- Guvernanță bazată pe date – programele trebuie să fie monitorizate aproape în timp real: cât din capacitate este în construcție, cât funcționează, unde se blochează proiectele.
- Infrastructură digitală comună – platforme unde dezvoltatorii, producătorii și autoritățile raportează standardizat, iar deasupra rulează modele AI care:
- semnalează din timp întârzierile critice
- estimează impactul asupra țintelor naționale de regenerabile
- sugerează ajustări de măsuri (de ex. schimbarea nivelului de stimulente pentru anumite verigi de lanț valoric)
Fără asta, orice program de tip PLI riscă să repete scenariul Indiei: interes masiv din industrie, dar realizare parțială.
Ce pot face concret actorii din România, de mâine
Nu trebuie să așteptăm o schemă PLI românească pentru a folosi AI în energia solară. Sunt câteva pași foarte concreți:
Pentru dezvoltatori și operatori de parcuri fotovoltaice
- Implementarea unei platforme centralizate de monitorizare și analiză AI a performanței parcurilor (poate fi SaaS, nu e nevoie de echipă internă mare)
- Introducerea de modele predictive pentru producție, degradare și defecțiuni
- Folosirea AI pentru optimizarea designului (orientare, distanțe între rânduri, configurarea stringurilor)
Pentru producători și integratori
- Integrarea de sisteme de vizualizare și analiză AI în fluxul de producție (control de calitate, trasabilitate)
- Pilotarea de soluții de mentenanță predictivă pe echipamentele critice
- Construirea unui data lake industrial încă de la început, ca fundație pentru toate modelele viitoare
Pentru autorități și finanțatori
- Cerința ca proiectele mari finanțate public să includă un plan de utilizare a AI pentru monitorizare și optimizare
- Crearea unui observator digital al tranziției verzi, bazat pe AI, care să urmărească progresul capacităților fotovoltaice (instalate, în construcție, planificate)
De ce cazul Indiei e un avertisment util pentru România
India a demonstrat că poți impulsiona masiv capacitatea de producție solară cu o schemă de tip PLI, dar și că implementarea e partea grea. Doar 29% din capacitatea acordată era efectiv operațională în 06.2025. Diferența dintre ambiție și realitate înseamnă miliarde de dolari blocate și timp pierdut în lupta cu schimbările climatice.
România e încă într-o fază în care poate învăța din aceste greșeli. Dacă integrează AI în strategia de tranziție verde – de la planificare și politici, până la producție și operare – șansele să vedem proiecte finalizate la timp și capacități reale apropiate de cele anunțate cresc radical.
Următorul pas logic pentru orice actor din ecosistemul energetic românesc este simplu:
- evaluează unde pierzi azi timp, bani sau energie în proiectele solare
- identifică ce date ai sau poți colecta
- testează o soluție AI punctuală (forecast, mentenanță, optimizare producție)
Tranziția verde nu e doar despre panouri pe câmp, ci despre inteligența cu care le planificăm, construim și exploatăm. Iar aici, AI nu mai e un „nice to have”, ci un instrument esențial dacă nu vrem să repetăm scenariul Indiei în versiune românească.