深度智控获数亿元B+轮融资，宁德时代领投：物理AI能否成为工业节能的下一站？

物理AI不是大模型，而是一套必须对真实世界负责的控制系统

深度智控把核心技术称为PhyAI物理AI引擎。据公司披露，这套引擎将物理机理模型与AI算法结合，让系统在理解设备运行规律的基础上，实现感知、预测、自主决策与实时寻优控制。公司强调，其目标是让每一次控制决策过程可解释、可预测，并满足工业场景对高安全可靠性的要求。上述技术描述来自公司披露，尚无独立验证。

这与当前市场上更受关注的生成式AI、具身智能或自动驾驶存在本质差异。后者处理的是开放环境中的感知与决策，而深度智控面对的是工厂冷冻站、数据中心制冷系统、空压机组等确定性更强的物理对象。这些场景的共同特征是：设备有明确的物理约束，能耗有可测量的基线，控制效果可以通过电表和数据验证。编辑分析认为，物理AI在这里不是生成内容，而是生成控制指令，并且这些指令会立即作用于真实设备。这一判断基于公司披露的产品形态与工业控制场景的公开特征，不代表公司观点。

从技术路径看，公司称其核心壁垒在于将物理机理模型与AI算法融合，而非单纯依赖数据驱动。这一选择有其产业逻辑。纯数据驱动的AI控制模型在工业现场面临一个老问题：训练数据往往覆盖不了所有工况，一旦遇到训练分布之外的极端情况，模型可能给出违背物理规律的控制指令。而物理机理模型提供了约束边界，AI则在边界内做寻优。这种“机理为骨、AI为用”的路线，理论上可以降低黑箱风险。但需要指出的是，这一技术路线的有效性目前主要来自公司披露的案例数据，尚未看到独立第三方机构对其跨场景迁移能力进行系统验证。

创始人李辉的背景与这条技术路线高度相关。据来源材料，李辉为清华大学博士，2007年赴美研究能源系统与AI结合。早年的科研经历让他意识到，大型系统的模型要做到足够准确，往往需要投入大量专业人力和时间，很难快速复制。2009年前后，他开始尝试用AI提升建模效率。此后多年，团队始终在寻找一种方法：让AI既能理解物理规律，又能满足工业控制对精度和稳定性的要求。直到2017年，“物理模型+AI”这条技术路径逐渐清晰，第二年深度智控成立。李辉曾将这套系统比作工业系统里的“自动驾驶”：传统工业控制更多依赖工程师编程、调试和经验规则，而深度智控希望把这些能力交给AI，让系统逐步实现自主判断和自主优化。这一类比本身也划定了边界——自动驾驶的容错空间远大于工业控制，后者的一次误动作可能直接导致产线停机或设备损坏，因此“可解释”在深度智控的技术叙事中不是附加项，而是进入工业现场的前提。

三层产品体系，本质是一场从项目制到产品化的迁移实验

深度智控的产品结构分为三层。DeepSYS面向大型工业和数据中心，通过建模、仿真和全局寻优实现系统级能效控制；DeepBot面向中小型空调、空压机等能源系统，强调标准化和快速交付；DeepChip则下沉到单台设备，将轻量化算法嵌入硬件，实现设备级自主优化。上述产品体系描述来自公司披露，尚无独立验证。

这三层结构反映的是一家工业软件公司最核心的商业命题：如何把高度依赖专家经验的项目制交付，转化为可复制、可规模化的产品。DeepSYS更接近传统的高客单价项目制业务，每个大型工厂或数据中心的能源系统拓扑不同，需要定制化建模。DeepBot试图把能力标准化，降低部署门槛。DeepChip则是最激进的产品化尝试——把算法压缩进芯片或嵌入式模块，直接装进设备。

据创始人李辉透露，DeepChip去年进入试点，今年预计装机超3000套。该数字为公司预测数据，尚无独立验证。这个数字如果属实，意味着深度智控正在从“卖项目”转向“卖标准件”。但3000套装机量本身并不能直接说明商业化质量。关键变量在于单套价格、客户复购率以及装机后是否持续产生软件收入。这些数据公司均未披露。从已披露信息看，DeepChip的放量仍处于早期，其能否成为真正的收入支柱，需要后续几个季度的数据验证。

从产品演进逻辑看，这三层体系还可能构成一种“入口下沉”的路径：DeepSYS在头部客户中建立标杆和信任，DeepBot把已验证的能力打包成可快速交付的中间层产品，DeepChip则试图把核心算法固化到设备端，从而绕开大型项目制交付对人力规模的高度依赖。如果这条路径能够走通，深度智控的收入结构可能逐步从一次性工程收入转向“硬件嵌入+软件持续优化”的组合。但这一判断目前只能停留在推演层面，因为公司未披露各层产品在总收入中的占比，也未披露DeepChip的定价模式和客户续约情况。从产业规律看，设备级嵌入产品往往需要较长的验证周期和渠道建设期，3000套装机量可能更多来自早期试点客户的批量复制，而非公开市场的自然放量。上述产品演进与收入结构分析为编辑基于公司披露产品体系的推测，不代表公司观点。

客户名单漂亮，但“数百家头部企业”背后的收入结构仍是黑箱

据公司披露，其已服务数百家头部集团企业，覆盖台积电、宁德时代、工业富联、腾讯、恒瑞医药、理想汽车等客户，该客户名单来自公司披露，尚无独立验证。公司还称，某国家级超算中心项目年节电率达24.2%，该数据为公司披露，尚无第三方验证。公司另称，近几年营收保持每年翻倍增长，目前已经实现盈利，上述财务口径为公司披露，尚无独立审计。

这些数据需要被拆开来看。首先，客户名单的行业跨度很大，从半导体制造到医药、从互联网到新能源汽车。这既说明物理AI的通用性，也带来一个疑问：深度智控的资源是否足够在每个行业都建立深度know-how。工业控制领域的一个常识是，不同行业的能源系统差异巨大，半导体厂的洁净室空调与药厂的GMP车间空调，在控制逻辑和合规要求上完全不同。一家创业公司同时服务这么多行业，其交付能力是否被稀释，是一个值得关注的问题。

其次，“营收每年翻倍增长”和“已实现盈利”是公司口径，未披露具体收入规模和利润水平。在工业软件和AI控制领域，营收翻倍在基数较小时并不罕见。真正有意义的是收入结构：多少来自一次性项目交付，多少来自持续性软件订阅或运维服务。如果大部分收入来自项目制，那么翻倍增长的可复制性就会受到交付团队规模的硬约束。公司未披露这一结构，因此“已实现盈利”的含金量无法独立判断。需要进一步强调的是，公司未披露收入结构，因此无法判断其盈利来自核心产品收入、项目制交付还是一次性工程收入。

再次，某国家级超算中心项目年节电率24.2%这一数据，据公司披露来自单一项目。节电率的计算基线、测量周期、是否包含外部温度变化等干扰因素，均未公开。单一标杆项目的节电率不能直接外推为所有项目的平均表现。不过，从产业链逻辑看，超算中心对PUE（电能利用效率）的敏感度极高，如果深度智控确实能在保障稳定运行的前提下实现两位数节电率，其价值主张在算力基础设施场景是成立的。

另一个值得注意的案例来自某头部半导体企业。据公司披露，该客户最初引入深度智控只是为了提升能源系统效率，第一期跑通后，合作延伸到安全预警和运维，第三期则开始尝试将物理AI模型应用于工艺预测和优化。该案例细节来自公司披露，客户名称、合作金额及第三期实际效果均未披露，尚无独立验证。这个“从能效到工艺”的延伸路径，可能比单纯的节电率数字更有信号意义：它意味着深度智控的物理AI模型在客户内部获得了超出能源部门的信任，开始向生产核心环节渗透。如果这种渗透能够在多个行业重复发生，那么深度智控的客户价值就不再局限于“省电”，而是可能进入“保障生产连续性”和“优化工艺参数”的更高价值区间。但需要强调的是，该案例同样来自公司披露，未披露客户名称、合作金额和第三期项目的实际效果，因此只能作为观察其商业路径的一个线索，而非已验证的结论。

宁德时代从客户变股东，算电协同才是真正的战略锚点

本轮融资最值得拆解的是宁德时代的角色。据投资方声明，宁德时代从生产基地的单点试点，到十余个生产基地的全面铺开，再到未来储能、算电协同等领域的深度探索，宁德时代从深度智控机理框架模型库的积累中，看到了其成为“AI时代算电协同大脑”的潜力。上述合作进展来自投资方声明，尚无独立验证。

这里需要区分两层关系。第一层是客户与供应商的关系：宁德时代作为制造业龙头，其生产基地的能源系统优化本身就有直接经济价值。第二层是战略协同关系：宁德时代的核心业务正在从动力电池向储能系统延伸，而储能的价值释放高度依赖智能控制——什么时候充电、什么时候放电、如何与电网互动、如何与算力负载协同。如果深度智控的控制系统能够成为储能与算力之间的调度层，那么它就不再是一个节能服务商，而是能源互联网的操作系统。

但这一战略叙事的成立需要时间。从已披露信息看，宁德时代与深度智控的合作仍以生产基地能效优化为主，储能和算电协同仍处于“深度探索”阶段。公司称双方将“共同定义新能源与算力融合的下一代标准”，这一表述来自投资方声明，目前没有独立第三方信息能够验证双方在标准制定层面的具体进展。从产业规律看，标准定义权通常属于行业联盟或头部集成商，一家创业公司能否真正参与标准制定，取决于其技术被采纳的广度和客户生态的规模。

从宁德时代的投资逻辑看，这笔交易可能还包含一层“供应链纵深”的考量。宁德时代在储能系统集成、电池管理系统和能源管理平台方面均有布局，而深度智控的物理AI引擎如果能够在设备级和系统级同时提供控制能力，可能补上宁德时代在“电池之外”的调度与优化环节。但这一协同是否真的能够落地，取决于双方能否在技术架构和数据接口层面形成深度耦合，而非停留在战略投资的名义合作。目前公司未披露双方在储能或算电协同领域的具体产品规划、试点项目或收入贡献，因此这一协同仍属于待验证假设。上述“供应链纵深”分析为编辑基于公开信息的推测，不代表公司或投资方观点。该推测仅依据宁德时代公开的储能业务布局与深度智控披露的产品能力，不代表双方已就具体合作内容达成一致。

阿美投资的“不可思议”，指向的是中东市场的能源转型焦虑

阿美投资（Aramco Ventures）的参与是另一个值得关注的信号。据阿美投资相关人士在投资方声明中表示，其对深度智控的技术反复提到“不可思议”一词，该引语来自投资方口径，尚无独立验证。这笔投资被公司解读为“进一步拓展中东市场增加了新的产业连接，并为进军欧美市场拓展铺路”。

阿美投资作为沙特阿美的风险投资部门，其投资逻辑通常围绕能源产业的长期转型。沙特正在推进大规模的新能源和算力基础设施建设，但其能源体系长期以化石燃料为主，在智能电网、需求侧管理、算电协同等领域的本土技术积累相对有限。从这个角度看，阿美投资押注一家中国物理AI公司，更多是在为其能源转型寻找可落地的控制技术，而非单纯的财务回报。

但“不可思议”这样的评价，来自投资方而非独立客户，其参考价值有限。更值得关注的是后续动作：阿美投资是否会将深度智控引入沙特的实际能源项目，是否会有具体的试点落地。目前公司未披露任何中东项目的进展。从跨境工业软件和AI控制的落地规律看，进入中东市场不仅需要技术适配，还需要应对当地电网标准、数据合规和本地化服务等挑战。这笔投资的产业连接价值，目前仍停留在纸面。

进一步看，阿美投资的参与还可能影响深度智控的客户结构预期。沙特阿美的能源体系以集中式、大规模基础设施为主，其需求特征与中国分散的制造业园区和互联网数据中心存在差异。深度智控的DeepSYS产品在大型工业场景中已有案例，但中东的高温气候、电网频率标准和运维体系可能要求额外的工程适配。如果公司未能在合理时间内披露中东试点的具体进展，那么“进军欧美市场拓展铺路”的表述就更像是一种融资叙事，而非可验证的商业路径。当然，这并不意味着这笔投资没有价值——产业资本的背书本身可能帮助深度智控在海外客户评估中降低信任门槛，只是这种价值的兑现周期和条件，目前均未披露。

竞争格局：可比较指标尚未披露，信息缺口即验证边界

深度智控在公开材料中未披露明确的竞争对手名单，也未提供与西门子、施耐德电气、霍尼韦尔等工业自动化巨头在具体场景中的量化对比数据。因此，本文无法对深度智控与上述巨头的技术性能、价格或市场份额做出有依据的比较。可以明确的是，在工业能效控制和数据中心基础设施管理领域，替代方案至少来自三个方向：传统工业自动化巨头的存量控制系统、云厂商自研的节能系统，以及同类AI节能创业公司。但深度智控与这些替代方案之间的具体差异，目前缺乏公开可比的指标。以下分析为编辑基于公开信息的推测，不代表公司或投资方观点。

需要列出的待披露指标包括：DeepSYS与主流DCS/PLC系统的接口兼容性、部署周期和增量节电率；DeepChip的单套价格、客户复购率和软件收入占比；与云厂商自研方案在相同工况下的节电率对比；以及深度智控在半导体、医药、互联网等不同行业的项目交付周期和客户留存率。这些指标均未在现有公开材料中披露，构成深度智控竞争位置的验证边界。

从已披露信息看，深度智控声称已实现盈利，如果属实，这本身构成一定的竞争壁垒。但这一壁垒的持续性取决于其产品化程度和客户留存率，而这两项数据均未公开。从另一个角度看，物理AI赛道本身仍处于早期，竞争格局尚未固化，深度智控的先发优势能否转化为长期护城河，还需要观察其在更多行业中的复制效率。这一判断为编辑基于公开信息的分析，不代表公司或投资方观点。

资金用途与待验证假设：从“能不能做”到“能不能复制”

公司披露，本轮融资将用于加速公司在物理AI领域的技术研发与市场拓展。这是一个相对宽泛的表述，没有给出具体的研发方向或市场区域。结合公司当前阶段，这笔资金的真实用途可能集中在三个方面：一是DeepChip的规模化量产和渠道建设；二是算电协同产品的研发投入；三是海外市场的前期布局。上述资金用途推测为编辑基于公司披露的宽泛表述所做的分析，公司未披露具体分配比例。

从已披露的财务和业务信息看，深度智控当前最核心的待验证假设有三个。第一，DeepChip能否从3000套装机量继续放量，并形成可持续的软件收入。如果DeepChip只是一次性硬件销售，其商业模式的天花板会远低于“AI大脑”的叙事。第二，算电协同能否从概念走向可交付的产品。目前公司在这一领域的描述仍以创始人设想和投资方声明为主，没有披露具体的产品形态、客户试点或收入贡献。第三，海外拓展能否在合理时间内产生实际收入。阿美投资的背书可以打开一些门，但门后的本地化交付和合规成本，往往被低估。

从产业链位置看，深度智控的物理AI引擎如果真能在多个行业中实现可复制的节能效果，其价值会随着能源成本和算力成本的上升而放大。但反过来，如果其核心能力仍高度依赖创始团队和资深工程师的现场调参，那么“翻倍增长”的曲线终将撞上交付能力的墙。公司声称已实现盈利，这是一个积极信号，但盈利的质量——是经营性现金流为正，还是账面利润——未披露，无法据此判断其商业模式的健康度。

物理AI的产业化进程仍处于早期。深度智控用七年时间证明了物理AI可以进入工业现场，但接下来的问题更复杂：它能否在更多场景中复制，能否从节能服务商进化为算力与能源协同的控制层，能否在巨头环伺的工业自动化市场中守住自己的位置。宁德时代和阿美投资的入场，为这些问题提供了更多资源，但没有提供答案。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：当AI的尽头被归结为能源，真正稀缺的就不再是模型参数，而是那些能让每一度电、每一瓦算力都被精确调度的控制能力。深度智控的故事之所以值得跟踪，不是因为它讲了一个物理AI的新概念，而是因为它把AI放进了电表和设备之间那条最不性感、却最真实的缝隙里。这条缝隙能否被一家创业公司持续占据，取决于它能否把项目经验变成标准产品，把标杆案例变成可复制的收入结构。在那之前，所有关于“算电协同大脑”的叙事，都还只是资本与产业共同押注的一个假设。