9月3日，记者最新获悉，蘑菇物联于近日完成C轮整体融资，累计金额近2亿元，云晖资本等多家老股东持续加码。

　　为什么老股东选择加码？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，蘑菇物联这轮融资释放了两个信号：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——老股东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。

　　2016年，蘑菇物联创始人沈国辉创立公司。回看创业这十年，蘑菇物联的迭代清晰分为三个阶段：第1个三年"设备连接期"，第2个三年开辟"工业SaaS"业务，第3个三年遇到大模型浪潮，2023年启动灵知AI多源垂模的研发。

　　为什么是能效AI？蘑菇物联把一切用能主体划分为能源侧（供能端）与生产侧（用能端）。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。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。与此同时，AI正在成为新增能耗的最大诱因，也带来了全新的节能空间。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——这一次，控制革命的名字，叫物理AI。

　　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为什么叫“多源垂模”？因为它吃三类数据：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。“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，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。”有些壁垒，是钱买不来的。“暗数据”这一座就是。

　　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）。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。

　　“别人在教AI说话，我们在教AI干活。”沈国辉说，“但AI干活，必须100%安全、可验证、可追溯。”

　　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。“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。”

（文章来源：广州日报）