蘑菇物联完成近2亿元C轮系列融资,押注能效物理AI落地

蘑菇物联完成近2亿元C轮系列融资,押注能效物理AI落地

N
News Editor
2026-09-03 01:12:08
广州物理AI公司蘑菇物联已完成C轮C1、C2系列融资,累计融资规模近2亿元,云晖资本等多家老股东继续加码。公司称,其AI已接管能源站房超26万台能源设备,服务超6000家企业,累计省电超36亿度。蘑菇物联将自身十年发展划分为设备连接、工业SaaS和灵知AI多源垂模三个阶段,并披露未来将继续探索包括类似Token的API调用收费模式。

广州物理AI公司蘑菇物联已完成C轮C1、C2系列融资,累计融资规模近 2 亿元,云晖资本等多家老股东持续加码。

蘑菇物联完成近2亿元C轮系列融资,押注能效物理AI落地 2

在当前AI赛道仍普遍面对商业化验证压力的背景下,这笔融资被视作资本对“物理AI商业闭环”的一次直接表态。蘑菇物联披露,其AI目前已接管能源站房超 26 万台能源设备,服务超 6000 家企业,累计省电超 36 亿度,并可释放近 20% 节能空间。

老股东继续加码,融资背后是十年三阶段迭代

蘑菇物联创始人沈国辉出生于 1982 年,本科阶段学习数学,后保研攻读管理科学与工程,研究方向涉及水利电力工程运筹优化。2006 年硕士毕业后,他进入大型工厂,3 年做到冰箱洗衣机事业部副总经理,之后又负责集团智能家居建设。

沈国辉回顾在工厂的十年经历时提到,几百元、几千元的家电设备都可以实现智能化,而生产现场单台价值几十万、上百万元的大型设备,一旦完成智能化,价值规模完全不同。2016 年,他创立蘑菇物联,开始进入创业阶段。

公司最初三年聚焦设备连接,涉及物联网关、能源设备通信协议和数据应用。沈国辉将这一阶段形容为“打井”,并称“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。”

按照他的划分,蘑菇物联过去十年的演进分为三个阶段:第一个三年是“设备连接期”;第二个三年开辟设备产业链上的“工业SaaS”业务;第三个三年则在 2022 年 ChatGPT 浪潮到来后,启动灵知AI多源垂模研发,判断大模型将成为“知识型劳动者”。

云晖资本合伙人李星表示,蘑菇物联管理层几年前就确立了自下而上的发展路径,选择公辅能源这一通用场景,并采取FSU三端客户同时发力的市场策略。李星称,随着人工智能时代到来,这一战略使公司得以利用公辅能源大数据优势,较快开发出垂类工业大模型和智能体,形成竞争优势和业务壁垒,并切入境内外市场。

李星评价称:「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。」

为何押注能效AI

沈国辉将用能主体分为能源侧和生产侧。按他的说法,生产侧具有很强的产品和工艺属性,例如制药与造车的生产逻辑并不相同;能源侧则相对统一,空压机、制冷机、水泵、风机等核心指标具备更强的跨行业通用性,可覆盖工厂、数据中心、商业综合体、院校等场景。

他表示,「做某一行的‘状元’,自然要比精通三百六十行容易得多。」

蘑菇物联判断,综合能源系统通常占企业总用电量的 30%-60%,因此成为物理AI落地中更通用、标准化的切入口。公司给出的粗略测算显示,相关年节能价值空间可达 2400 亿元。

沈国辉还提到,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;在他看来,这一轮控制革命对应的就是物理AI。

对于物理AI的定义,蘑菇物联强调关键不在于有没有“手脚”或是否能移动,而在于能否完成“感知-决策-执行”的物理闭环。沈国辉给出了两个区分标准:其一,是否具备AI可视化界面,并且数据与执行动作一一对应;其二,垂类模型是否完成国家网信办备案。他表示:「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。」

蘑菇物联完成近2亿元C轮系列融资,押注能效物理AI落地 3

在他看来,能写PPT的AI很多,真正敢直接控制能源设备的AI很少。能效物理AI的核心竞争不只在模型本身,还包括专业领域高质量数据、模型泛化能力、安全控制能力,以及通过Agent实现“经验回流”,把真实世界反馈转化为下一轮模型能力提升。

“暗数据”与安全约束构成核心壁垒

在蘑菇物联看来,物理AI时代最稀缺的不是模型,而是设备和传感器之间流动、未被互联网大规模收录的真实运行数据,也就是所谓“暗数据”。公司认为,这类数据可以被向量化并编码压缩到隐空间,成为模型理解物理世界的隐变量。

灵知AI被定义为“多源垂模”,对应三类数据输入:文本、时序和图形。蘑菇物联披露,其能源领域多模态数据库覆盖 30+ 类设备、8 类数据维度,以及 26 万台云端实时在线能源设备。

沈国辉称,蘑菇物联十年前就开始积累这类数据,早年做工业SaaS时坚持公有云部署,而部分同行采用私有化部署,更偏向短期营收。他说:「结果呢?他们的数据散在各家客户手里,现在想花钱买都买不到。」

除数据壁垒外,蘑菇物联还把安全合规与风险可控列为物理AI落地的核心能力。灵知AI采用三层融合架构:第一层是表达融合层,第二层是预测融合层,第三层是决策执行融合层。公司称,在输出最终设备控制动作前,会先通过独立安全约束机制完成规则校验与边界验证。

在灵知AI基础上,蘑菇物联自研LingX智能体,并叠加两大工业级控制模块:一是安全与可靠性门控,覆盖规则检查、仿真试运行、设备联锁保护、边界校验等;二是数据支撑框架,覆盖异构数据接入标准化、时序数据库、数据湖与语义索引等。

沈国辉表示:「别人在教AI说话,我们在教AI干活。但AI干活,必须 100% 安全、可验证、可追溯。」

商业化成绩:6000家企业、36亿度电

商业落地是AI企业绕不开的考题。沈国辉提到,有业内专家将行业发展路径总结为 Project(项目制)到 Product(产品化),再到 Platform(平台化),而不少AI公司仍停留在 Project 阶段,面临“增收不增利”的问题。

他指出,能源控制AI面临两层标准化难题,分别是产品标准化和交付标准化。其中,交付是拉开差距的关键。很多企业虽然能输出标准化产品,但调试交付仍依赖个性化的资深工程师,换人后效果也会发生变化。

蘑菇物联采用云-边-端一体化产品体系:云侧包括“数据层+灵知AI/LingX+应用层”,边侧由边缘智能服务器保障低时延实时控制,端侧则以物联网关和巡检机器人负责感知与执行。

收费模式上,公司目前采用两种方式:一是产品化收费,即“初装费+年度运维费”;二是服务化收费,即“按节能效果分成或AI托管”。

蘑菇物联称,依靠这套一体化标准产品体系,公司已经跑通商业闭环:服务超 6000 家企业,累计省电超 36 亿度,对比非AI节能方式可释放近 20% 节能空间。公司同时认为,随着AI持续进化,能源控制AI的价值不止于节能,也体现在无人值守能力上。

蘑菇物联完成近2亿元C轮系列融资,押注能效物理AI落地 4

元禾原点合伙人朱斌表示,蘑菇物联是能源控制领域的 Physical AI 代表企业,构建了“感知-决策-执行”的工业物理智能闭环。他表示,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,加上灵知垂类大模型在客户端的广泛应用,使 Physical AI 首次以较为具体的方式进入新质生产力场景,并为客户创造可测量价值。

从华润三九案例到未来收费探索

沈国辉提到一个落地场景:深夜 3 点,华润三九制药工厂的设备消毒作业启动,过去需要两名员工通宵值守。完成无人值守改造后,凌晨站房内由AI承担相关工作,解决了通宵夜班问题。

据他介绍,蘑菇物联最初从深圳观澜基地空压站试点切入,在制冷站实现 15% 以上节能率,经过两轮验证后,华润三九采购了集团级能源AI管理平台,并向枣庄、郴州等全国基地复制。该案例随后被写入华润三九ESG报告,也被国资委纳入国企改革案例汇编。

蘑菇物联还披露,未来将探索类似Token的API调用收费模式。沈国辉表示,随着客户对无人值守价值认知提升,这种收费模式的接受度会越来越高。

与RYODEN合作,瞄准日本与更广泛海外市场

对于出海,沈国辉的判断是,国内客户付费意愿相对较弱,而日本、欧美等发达国家市场更愿意为AI支付溢价。他还表示,服务东南亚市场并不能算真正意义上的出海,“本质上等于做国内市场”。

今年 7 月,蘑菇物联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控制展开技术与市场合作。文中称,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。

按照沈国辉的说法,作为百年自动化企业,三菱此前面向中国、美国多家科技公司进行了多轮筛选与现场核查,最终选择蘑菇物联。他给出的解释是:「因为我们的AI模型最扎实、数据最有基础、案例最多——在500强企业里蘑菇服务了 130 家。」

面对西门子等巨头进入能源管理AI市场,沈国辉称并不担心。他表示,即便是大型企业布局能效AI,也需要数据积累、设备通信协议打通以及现场Knowhow沉淀,这些环节一个都少不了。

他还提到,打通全品类设备通信协议是蘑菇物联用十年时间完成的一口“井”,即便大厂投入十倍人力,也未必更快。在他看来,大型企业更适合像三菱一样选择合作而不是直接竞争,「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。」

创始人对下一个十年的判断

回顾十年创业历程,沈国辉将经验概括为 12 个字:尊重常识、尊重规律、持续迭代。他表示,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。」

对于未来 5 到 10 年的产业分工,他的判断是:「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。」

本文来自微信公众号“投资界”(ID:pedaily2012),作者刘博,MarsBit转载。

本文最初由 Bit.Fan 发布。 欲了解更多加密货币新闻与市场洞察,请访问 www.bit.fan.
10300

免责声明:

本平台展示的市场信息、项目资料与第三方内容仅用于行业信息分享,不构成任何形式的投资建议或收益承诺。

加密资产交易具有较高风险,用户应充分评估自身风险承受能力并独立作出决策,相关盈亏及法律责任由用户自行承担。