21世纪经济报道记者 林典驰 广州报道
2026年，人工智能技术正迈入产业界规模化应用的关键期。
在蘑菇物联成立十周年之际，这家深耕工业能源领域的AI科技企业于3月25日在广州正式发布了行业首个工业能源场景的AI Agent——灵知AI Agent。这款被业内称为“工业超级工程师”的产品，标志着工业AI正式从“辅助决策”迈向“自主执行”的新阶段。
发布会后，21世纪经济报道记者专访了蘑菇物联联合创始人兼工业AI首席技术官周子叶博士，深入探讨AI Agent如何重塑工业互联网格局，以及工业能源管理将迎来怎样的变革。
周子叶认为，AI Agent时代的到来标志着工业互联网正从单纯的“辅助决策”迈向“自主执行”的全新阶段，其核心价值在于打通了从数据采集、分析、决策到执行的智能闭环，解决了传统自动化技术无法进行深度分析与自主决策的痛点。
他强调，真正的工业AI不应是披着AI外衣的传统规则控制，而应具备“情景推演”（what-if）与全局寻优的能力，能够主动发现问题、精准定位根源并高效解决问题，从而为工业企业创造可测量、可持续的价值。
工业互联网标准化的突破口
目前市面上的工业互联网和数字化方案大多瞄准生产车间的产线设备，但由于生产设备因行业差异、工艺差异甚至规模差异，导致服务商面临的设备和场景千差万别，产品和方案难以实现标准化，从而在能力复用上遇到巨大阻力。
而蘑菇物联选择的通用工业设备和公辅能源类车间场景的通用性非常高。
“超过九成的制造业工厂都有类似的公辅车间，和包括空压机、空调、水泵、风机、电机等在内的通用设备。”周子叶解释道，“因此我们可以用更标准化的软硬件产品服务更广的工业客户，甚至还有商业楼宇类的客户。”
公辅能源车间的运营管理有三大痛点：问题的及时发现、根源的精准定位以及高效解决。针对压缩空气系统的泄漏、制冷站的冷媒流失等多样化问题，蘑菇物联依托AI技术手段进行捕捉。
在锁定问题后，系统能够迅速溯源，部分问题可通过线上自动控制的环节（如设备压力或频率调节）；对于需线下处理的问题，则提供精准指引。
这一解决方案为用户带来了三个维度的核心价值：首先是实现无人值守，极大地提升了运营与管理效率；其次是节能降耗，显著降低了能源成本与碳排放；最后是保障安全供应，通过提升能源品质，确保生产系统的稳定性与可靠性。
灵知AI Agent已在一线工厂完成全场景验证，创造可测量、可复制的实际价值。德福科技作为首家使用灵知AI Agent平台的工业企业，以“IoT硬件+AI软件”组合形态落地制冷站，实现节能17.04%。广东木林森电子正在使用的灵知AI Agent以“机器人”形态落地空压站，支持7×24小时无人巡检，可自主排查站房、测温度、查漏液，彻底替代人工值守。
从预设规则到AI全局寻优
在工业场景中，自动化与AI常被混淆。为界定真正的AI能力，周子叶从原理与效果两方面进行了阐述。
“传统的PLC自动控制本质上是基于预设规则的逻辑控制，缺乏对未知状况的预判能力。”他指出，“而AI Agent模式在‘if’条件及其后果上都进行了扩展。‘if’这一层它相当于进行的是what-if（情景推演），能够预先分析、预测并判断当前所处的复杂状态，这是传统自动化技术无法企及的。”
在传统分支结构中，一旦出现特定情况，便只能按照预设路径执行。而AI技术将更多地结合全局寻优，采用多种策略进行对比，然后选择最优策略。“在策略空间中做最优的选择，这是它与传统方法的主要区别。”周子叶强调。
要实现一个真正智能的物联网，从工业互联网的视角来看，需要经历四个主要阶段：数据采集、数据分析、决策和执行。这个过程中，还需要对设备进行控制，从数据采集、分析、决策到执行，形成一个分析到控制的闭环。
“在AI技术尚未普及的初级阶段，物联网主要承担采集和监测的任务，其价值相对有限。”周子叶解释道，“然而，当物联网技术结合自动控制后，它便能够执行一些简单的逻辑控制，从而在一定程度上应对简单情况。这标志着技术进步的一步，但分析和决策这两大核心环节仍然无法被触及。”
随着AI技术的发展和大型模型的出现，现在它能够在采集到控制执行之间填补分析和决策的空白，从而贯通智能的四个层次。“在未来，agent将能够自主放大其主动性，原本需要人工设计的整套链路，包括AI小模型或传统深度学习模型的流程，都可能由agent自行设计并完成任务。”
从负荷侧优化到综合能源调度
蘑菇物联目前的战略重心在于工厂负荷侧的能源优化，即聚焦于一次能源转化为二次能源（如压缩空气、冷热能）过程中的公辅能源效率提升。基于这一核心能力，公司的发展路径呈现双向延伸态势。
一方面，向纵深发展，将公辅能源优化拓展至整个能源站房的全托管运维；另一方面，向发电侧延伸，从单一的光伏能源优化迈向包含光伏、储能在内的综合能源调度。
“我们在用户侧积累的用能数据、算法模型及技术经验，将为发电侧的技术研发提供强力赋能。”周子叶表示。
特别是在应对新能源（如光伏）的不稳定性时，蘑菇物联已具备负荷预测能力，能够预测未来发电量与用电需求，实现源网荷储的高效协同。
针对工厂设计的不同阶段，公司采取差异化的策略。对于大多数已建成的存量工厂，提供轻量级、非侵入式的优化方案；而对于新建厂房，则能在规划设计初期融入全局优化理念，从源头解决能效问题。
在技术层面，针对概率模型可能存在的“幻觉”问题，蘑菇物联采用多模型融合预测的策略加以规避。“虽然时序模型在预测阶段主要受影响因子偏差的干扰而非传统意义上的幻觉，但通过综合研判，我们能最大程度确保预测结果的精准度，为工业能源管理提供可信赖的决策依据。”周子叶解释道。
在工业领域，数据资产具有极高的敏感性。针对数据采集与全链路推理过程中的隐私安全问题，蘑菇物联构建了灵活的双模业务架构。
对于通用场景，提供基于公有云的服务；而对于对数据主权与安全性有严苛要求的客户，则采用全本地化部署模式。该模式下，从设备端、边缘端至上位机服务器的所有数据流转均在客户的安全边界内闭环完成，确保核心数据不出厂，彻底消除隐私泄露隐患。
“不会用Token的人，正在被会用Token的人替代。”蘑菇物联创始人兼CEO沈国辉在发布会上表示。随着灵知AI垂直大模型的持续迭代，蘑菇物联已从公辅能源，走向整个综合能源管理，快速迈向全行业规模化落地阶段。
热门跟贴