物理 AI 的热潮扑面而来。
放眼望去，大多数物理 AI 公司，都把目光聚焦于让具身机器人如何摆脱遥控器；而一家广州的公司，却已让 AI 接管了能源站房超 26 万台能源设备。
什么才是接管？
是凌晨 3 点，制药厂的消毒设备启动，AI 在能源站房里盯着仪表，代替原本需要通宵值班的两名工人把气压稳住；是电子工厂的末端冷负荷还没爬升，AI 已算好并调整好曲线，冷机、水泵、冷却塔排成最省电的参数队形；是 AI 看着几十列、上万行的能耗数据，智能识别出各个跑冒滴漏的浪费点，然后发出整改工单。
这背后浮现一个共同的名字——蘑菇物联。投资界获悉，蘑菇物联近期已完成 C 轮 C1、C2 系列融资，融资规模累计近 2 亿元，云晖资本等多家老股东持续加码。
在 AI 赛道普遍面临商业化验证难题的当下，这轮融资被市场视为对 " 物理 AI 商业闭环 " 最硬核的一次资本投票：最懂公司的一批人，再一次选择了重仓。
老股东加码背后
十年，三阶迭代
这无疑是一笔具有风向标意义的融资。
在 AI 公司普遍 " 增收不增利 "、资本从 " 投概念 " 转向 " 投落地 " 的当下，这轮融资释放出两个明确信号：
其一，物理 AI 的商业闭环被验证——服务超 6000 家企业、累计省电超 36 亿度、可释放近 20% 节能空间。"AI 从数字世界走向物理世界 " 不再是一句口号，而是一份可以审计的电费单；
其二，内部人看多——多家老股东持续加码，他们见过公司研发费用居高不下却难以规模化的最艰难阶段，比任何外部尽调报告都更了解这家公司的成色。老股东的继续重仓、老客户的高比例复购，是比融资额本身更有份量的信任票。
当然，投资即是投人。翻看蘑菇物联创始人沈国辉的简历，前半段写满了 " 不性感 " 三个字。
在工厂十年期间，他悟到一个道理：几百、几千元的家电设备都能智能化，生产现场几十万、上百万一台的大型设备，一旦智能化，价值体量不可同日而语。
2016 年，沈国辉决心投身创业，创立了蘑菇物联。第 一个三年，做的是更 " 无聊 " 的事——设备连接：物联网关、能源设备通讯协议、数据应用。别人觉得苦，他说这是在打井，" 打井的逻辑，就是选一个方向，一直往下挖。挖到地下河，一通百通。"
回看创业这十年，蘑菇物联的迭代进化清晰的分为三个阶段：第 1 个三年是 " 设备连接期 "，第 2 个三年开辟设备产业链的 " 工业 SaaS" 业务；第 3 个三年遇到了 2022 年汹涌袭来的 ChatGPT 浪潮，团队意识到大模型会成为 " 知识型劳动者 "，随即就启动了灵知 AI 多源垂模的研发。
目睹蘑菇物联一路崛起的历程，云晖资本合伙人李星同样感触颇深。在他看来，蘑菇物联管理层几年前准确把握工业互联网发展规律，确立了自下而上的发展路径、选择了公辅能源这个通用场景、采取了 FSU 三端客户同时发力的市场策略，实践证明是正确的。随着人工智能时代来临，上述正确的发展战略使得蘑菇物联可以顺势而为，利用全世界独有的公辅能源大数据优势，迅速开发出垂类工业大模型和智能体，形成了独特的竞争优势和业务壁垒。携这一优势，公司得以顺利引领和切入境内外市场，参与国内国际两个大循环，成为业界公认的工业和能源人工智能领军企业之一。
" 战略方向选择的正确凸显了蘑菇物联管理团队的睿智，迅速把握大模型时代的机遇证明了管理层的机警、灵活及果决。这样的团队和公司值得长期持续加码。" 李星评价道。
为何是能效 AI
为何要专注于能效 AI？
这要从蘑菇物联独特的二分法说起：站在能源视角，一切用能主体都可以划分为能源侧（供能端）与生产侧（用能端）。
背后的逻辑不言而喻——生产侧太 " 挑 "：制药和造车的生产逻辑完全不同，有很强的产品与工艺属性；能源侧却很 " 统一 "：空压机、制冷机、水泵、风机，核心指标全世界都一样，跨行业通用性极强，覆盖工厂、数据中心、商业综合体、院校等海量场景。
用沈国辉的话来说，" 做某一行的‘状元’，自然要比精通三百六十行容易得多。"
更重要的是，综合能源系统通常占企业总用电量的 30%-60%，是物理 AI 落地最通用化、标准化的入口——仅粗略计算，年节能价值空间就高达 2400 亿元。而富有哲学韵味的是，AI 正在成为新增能耗的最 大诱因，同时 AI 也带来了全新的节能空间。
沈国辉看到一个关键趋势：从煤炭时代到新能源时代，每一次能源革命，都伴随着一次控制革命。煤炭时代的控制革命，是离心减速器；这一次，控制革命的名字，正是物理 AI。
众所周知，物理 AI 的本质特征，不是有没有手脚，也不是能不能移动，而是能否完成 " 感知 - 决策 - 执行 " 的物理闭环。眼下 AI 赛道真伪难分，不少厂商打着物理 AI 旗号，实际只是在传统 PLC 自动化系统上套了一层通用大模型对话外壳。对此，沈国辉很形象给出了两个区分真伪的 " 验货 " 标准：
第 一，是否有 AI 可视化界面。类似无人驾驶的 SR 界面，能实时识别旁边有车、有人、有雪糕桶，并且真实操控方向盘、油门、刹车——数据与执行一一对应。而伪物理 AI，界面可能炫酷，但数据与执行脱节。
第二，垂类模型是否完成了国家网信办备案。" 必须经得住国家级审核机构的验证，这是做物理 AI 最基础也是硬性要求。"
能写 PPT 的 AI 很多，敢动手控制能源设备的 AI 很少。毋庸置疑，能效物理 AI 是一场长期工程，真正的竞争并不只是模型能力有多强，而是专业领域的高质量数据、是模型的泛化能力、是安全控制能力。是通过 Agent 实现 " 经验回流 "，把每一次真实世界的反馈转化为下一轮模型能力的提升。
用钱买不到的数据壁垒
物理 AI 时代，最稀缺的不是模型，而是 " 暗数据 " ——那些只在设备与传感器之间流动、从未被互联网大规模收录的真实运行数据，它们可以被向量化、编码压缩到隐空间，成为模型理解物理世界的隐变量。
灵知 AI 之所以定位 " 多源垂模 "，原因在于 " 吃 " 下的三类数据：文本、时序、图形。这背后是一个能源领域的多模态数据库：30+ 类设备、8 类数据维度、26 万台云端实时在线的能源设备——数据飞轮转起来，马太效应越滚越大。
毫无疑问，有些壁垒是钱买不来的，" 暗数据 " 恰是如此。
不止于此，物理 AI 真正扎根能源控制，安全合规与风险可控同样是核心能力。为此，灵知 AI 搭建了独有的三层融合架构：第 一层是表达融合层；第二层是预测融合层；重点是第三层决策执行融合层——设置独立安全约束机制，完成规则校验、边界验证后，才输出最终可落地的设备控制动作，掐断失控的可能。
在灵知 AI 模型的基础上，蘑菇物联自研 LingX 智能体，叠加两大工业级控制差异化模块：一是安全与可靠性门控（规则检查、仿真试运行、设备联锁保护、边界校验等）；二是数据支撑框架（异构数据接入标准化、时序数据库、数据湖与语义索引等）。
" 别人在教 AI 说话，我们在教 AI 干活。" 沈国辉强调，" 但 AI 干活，必须 100% 安全、可验证、可追溯。"
商业落地成绩硬核
36 亿度电与 6000 家企业
商业化是每一家 AI 企业的灵魂拷问。
沈国辉提到一位业内专家曾总结过的规律：业内普遍是 Project（项目制）→ Product（产品化）→ Platform（平台化）的发展路径，而大量 AI 公司困在 Project 阶段，陷入 " 增收不增利 " 的困境。
他一针见血的指出，能源控制 AI 存在两层标准化难题：产品标准化与交付标准化，而交付是真正拉开差距的分水岭。很多企业可以输出标准化产品，但交付调试环节依旧高度依赖个性化的资深工程师，换个人交付就会换一个效果。
蘑菇物联的做法是构建云 - 边 - 端一体化产品体系：云侧 " 数据层＋灵知 AI/LingX＋应用层 "，边侧 " 边缘智能服务器保障低时延实时控制 "，端侧 " 物联网关、巡检机器人负责感知与执行 "。
那如何赚钱？目前蘑菇物联有两种收费模式：产品化收费" 初装费＋年度运维费 "，以及服务化收费" 按节能效果分成或 AI 托管 "。凭借云 - 边 - 端一体化标准产品体系，蘑菇物联率先跑通商业闭环：服务超 6000 家企业、累计省电超 36 亿度、对比非 AI 节能可释放近 20% 节能空间——整个 AI 赛道，能在能源控制领域交出这样成绩单的，少之又少。
而 AI 的持续进化，使得能源控制 AI 的价值不仅在于节能，更在于无人值守。
这一巨大价值也被投资人看在眼中。元禾原点合伙人朱斌表示，蘑菇物联是能源控制领域 Physical AI 代表企业，构建了 " 感知决策执行 " 工业物理智能闭环。" 得益于 IoT 时代积累的空压站、制冷站等能源设备海量实时物理数据，加之灵知垂类大模型在客户端广泛应用，使得 Physical AI 走进新质生产力第 一次如此具象化，为客户创造可测量价值更加可信任。"
沈国辉不禁想起一个颇具画面感的落地场景——那是在深夜 3 点，华润三九制药工厂的设备消毒作业启动，两名员工通宵在岗。而当蘑菇物联做完无人值守改造后，凌晨的站房里，只有 AI，一举解决了通宵值夜班的问题，提高了员工的幸福感。
从深圳观澜基地的空压站试点，到制冷站 15% 以上的节能率，两轮验证后，华润三九决定采购集团级能源 AI 管理平台，并向枣庄、郴州等全国基地批量复制。这个故事，被写进了华润三九的 ESG 报告，也被国资委写进了国企改革案例汇编。
据悉，蘑菇物联未来也将探索类似 Token 的 API 调用收费模式，" 随着客户对无人值守价值的认知提升，这个收费模式的接受度会越来越高。"
日本三菱为何选择了中国 AI
开启全球化远征
当下，创投圈正逐渐形成一个共识：出海是 AI 公司的第二增长曲线，也是最 大的试炼场。
聊起这一点，沈国辉的判断很直白：国内客户付费意愿较弱；日本、欧美等发达国家市场，企业更愿意为 AI 支付溢价。服务东南亚市场并不能算作真正意义的出海，本质上等于做国内市场。
今年 7 月，蘑菇物联迎来一个关键节点——与三菱集团旗下核心上市公司 RYODEN 达成战略合作，双方围绕能效领域物理 AI 控制，展开技术＋市场双重合作。这是中国 AI 科技企业与全球头部自动化巨头之间，首 个能效领域物理 AI 控制技术的联合开发合作。显然，这一合作极 具风向标意义。
面对西门子等巨头入场能源管理 AI，他更是不慌：" 再大的巨头要做能效 AI，也需要数据，也要完成设备通讯协议和现场 Knowhow 的积累——我们经历过的脏活累活，他们一个都少不了。"
时间，是最长的护城河。沈国辉算过一笔时间账：全品类设备通讯协议打通，是蘑菇十年打的一口 " 井 "，而大厂投入十倍人力，也不一定更快。他认为，大厂的最 佳策略是像三菱一样，选择合作而非竞争，" 大家可以像拼乐高一样，各自发挥所长，拼出一个工业 AI 的完整版图。"
回望十年创业路，沈国辉总结出 12 个字——尊重常识、尊重规律、持续迭代。在他看来，企业最重要的基因是迭代。" 不存在一直成功的企业，永远只有时代的企业。"
" 如果再往后看 5-10 年，我已经看到，未来的工厂，生产侧会被具身智能的机器人接管；能源侧会被蘑菇物联的灵知 AI 和 Agent 接管。"
言语间，下一个十年，已徐徐开启。
文章来源：投资界原创 ｜ 作者：刘博
原文地址：https://news.pedaily.cn/202609/568486.shtml
【本文为投资界原创，网页转载须在文首注明来源投资界（微信公众号 ID：PEdaily2012）及作者。微信转载请在原文评论区联系授权，违者必究。免责声明：本文不构成任何投资建议。市场有风险，投资需谨慎。】
