大多数物理AI公司，都在研究怎么让具身机器人摆脱遥控器；这家公司，已经让AI接管了能源站房超26万台能源设备。
什么才叫接管？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。
近日，蘑菇物联宣布完成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。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：最了解公司的投资人，选择了重仓。
一、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。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。
二、十年打一口"井"
创始人沈国辉的简历，前半段写满了"不性感"三个字：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。2006年硕士毕业后进入大型工厂，3年做到冰箱洗衣机事业部副总经理。在工厂十年，他悟出一个道理：几百、几千元的家电都能智能化，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。
（蘑菇物联创始人&CEO沈国辉）
2016年，他创立蘑菇物联。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。"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。
目睹蘑菇物联一路崛起的历程，云晖资本合伙人李星感触颇深：
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。人工智能时代来临，上述正确的发展战略使得公司可以顺势而为，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。
三、为什么偏偏是能效AI？
蘑菇物联有个独特的二分法：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）。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。"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。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。
四、数据壁垒：花钱都买不到的"暗数据"
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——数据飞轮转起来，马太效应越滚越大。
（蘑菇物联灵知AI+AI Agent）
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，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。
五、大模型壁垒：敢决策，更要敢负责
物理AI真正扎根能源控制，安全合规与风险可控是核心能力。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。同时，灵知AI已完成国家网信办生成式AI服务备案，"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。
六、Agent壁垒：从"给建议"到"直接执行"
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。"
七、商业闭环：36亿度电与6000家企业
商业化是每一家AI企业的灵魂拷问。业内普遍是Project（项目制）→Product（产品化）→Platform（平台化）的路径，大量AI公司困在Project阶段。
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"。收费模式有两种：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"。凭借标准化产品体系，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。
最有画面感的，是华润三九的故事——深夜3点，制药工厂的设备消毒作业启动，两名员工通宵在岗。蘑菇物联做完无人值守改造后，凌晨的站房里，只有AI。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。
这样的价值，投资人同样看在眼里。元禾原点合伙人朱斌博士评价：
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。
八、海外发展：日本三菱为什么选了一家中国公司
出海，是AI公司的第二增长曲线，也是最大的试炼场。
沈国辉很直白：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，他迎来一个关键节点：三菱集团旗下核心上市公司RYODEN与蘑菇物联达成战略合作——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，极具风向标意义。
（RYODEN社长富泽克行与蘑菇物联创始人沈国辉）
三菱，百年自动化巨头，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。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。"
九、下一个十年
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。
查看更多项目信息，请前往「睿兽分析」。
