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。

他1982年出生，学数学，保研读管理科学与工程，研究水利电力工程的运筹优化——枯燥，但管用。2006年硕士毕业进大型工厂，3年做到冰箱洗衣机事业部副总经理，后又负责落地集团智能家居建设。

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。

这口“井”，蘑菇物联从十年前就开始挖了。“早年做工业SaaS，我们就坚持公有云部署，而有些同行私有化部署，只图短期营收。”沈国辉说，“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。”

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。

作为一家百年自动化巨头，三菱面向中国、美国多家科技公司做了多轮对比筛选、深入现场核查落地案例，最后选中蘑菇物联。沈国辉的解读很实在："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。