Piq Energy 获500万美元种子轮融资：用智能电网规划平台破解北美电网接入瓶颈

当一座核电站的并网审批需要耗费比建造它更长的时间时，整个能源转型的引擎便已亮起红灯。在旧金山湾区一间不起眼的办公室里，两位前国家实验室的科学家——Tom Nudell 与 Dionysios Stamatiadis——正试图用一行行代码，撬动那个卡住北美能源心脏的巨石。2025年初，他们创立的 Piq Energy 宣布完成了一笔 500 万美元的超额认购种子轮融资，领投方是加拿大气候科技风投 Active Impact Investments，跟投方阵容星光熠熠：Cisco Foundation、Mobilize AI x Energy Ventures、New Climate Ventures、Ascent Energy Ventures、Umami Capital、CLAI Ventures 以及 9Zero。这笔看似不大的资金，却精准地刺向了一个价值万亿却极度陈旧的痛点：电网并网瓶颈。

Piq Energy 的诞生，源于一个看似荒诞却真实的行业悖论：我们拥有史上最便宜的太阳能、最强大的储能电池、最渴望接入电网的人工智能数据中心，但将它们连接起来的“最后一公里”——电网并网研究，却仍然依赖工程师们手动操作 Excel 表格和过时的仿真软件，耗时动辄数月甚至数年。在美国，超过 2300 GW 的发电与储能项目正拥堵在并网队列中，这个数字是当前全美发电装机容量的两倍以上。这不仅仅是效率问题，更是一场正在发生的系统性危机：如果电网无法快速接纳新电力，那么电动汽车、数据中心、绿色钢铁、氢能——所有关于未来的宏大叙事，都将沦为纸上谈兵。

Piq Energy 的解决方案是一个被称为“智能电网规划平台”的代理型系统。它并非要取代现有的工程软件，而是像一位顶级协奏指挥家，将散落在不同部门、不同软件、不同标准下的电网数据与工程流程，整合成一个可以并行运算、实时优化、智能协作的数字化大脑。这家 2023 年成立、2025年才从隐身模式浮出水面的初创公司，已经管理了超过 1000 个输电网络模型，完成了超过 10000 个工程工作流。这笔新资金将用于加速平台开发，并将其电网智能层推向更多公用事业公司和项目开发商。

这不仅仅是一个技术创业故事。Piq Energy 站在了三个巨大浪潮的交汇点：AI 对能源的饥渴、电网基础设施的老化，以及气候科技投资从“硬件狂欢”向“软件赋能”的理性回归。当全世界都在焦虑于如何将 AI 塞进电网时，Piq Energy 选择了一个更聪明也更艰难的角度：用 AI 去解放电网本身。

一、2300 吉瓦的沉默等待：一场被“并网队列”吞噬的能源革命

要理解 Piq Energy 的价值，必须首先理解那个正在吞噬整个清洁能源产业的“黑洞”——并网队列。在美国，任何一座新的发电厂、储能站或者大型工业负荷（比如一座耗电 500 兆瓦的数据中心）想要接入电网，都必须经过一个冗长、昂贵且充满不确定性的工程研究过程，即“并网研究”（Interconnection Study）。这个过程的核心是回答一个看似简单的问题：新增的这个项目，会不会让电网过载？会不会导致电压不稳？需要新建多少输电线路？

答案的获取方式，却停留在上世纪 90 年代。负责运营电网的区域输电组织（RTO，如 PJM、MISO、CAISO）和公用事业公司，通常使用一种名为 PSS/E 或 PSLF 的电力系统仿真软件。工程师们需要手动建立电网模型，输入新项目的参数，然后运行一个又一个的潮流计算、短路分析和稳定性研究。一个中等规模的并网研究，往往需要 3 到 6 个月。如果多个项目同时申请，RTO 必须按照“先到先得”的原则，一个一个地处理。这导致了一个灾难性的连锁反应：随着可再生能源项目申请量在 2020 年后呈指数级爆发，并网队列的长度急剧膨胀。

根据美国劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）的年度报告，截至 2023 年底，美国并网队列中积压的项目总容量达到了惊人的 2300 GW。其中，太阳能项目占 947 GW，储能项目占 680 GW，风电项目占 326 GW。更令人震惊的是，这些项目的平均等待时间已经超过了 4 年。一个太阳能电站从申请并网到最终拿到许可，平均需要 5 年，而它的建设周期通常只需要 6 到 12 个月。这意味着，大量的资本被锁定在漫长的等待中，开发商需要支付高昂的土地租赁费、设备定金和人力成本，而电网却迟迟无法获得它急需的清洁电力。

这种低效带来的经济后果是灾难性的。美国能源部（DOE）的“i2x”计划曾估算，如果能够将并网研究的时间缩短一半，到 2035 年可以额外释放超过 100 GW 的清洁能源装机容量，同时为消费者节省数十亿美元的电力成本。但现实是，问题的根源并非缺乏意愿，而是缺乏工具。RTO 的工程师们被淹没在手工操作中，他们每天的工作就是复制、粘贴、调整参数、等待仿真软件运行，然后撰写数百页的研究报告。这种工作模式不仅缓慢，而且极易出错。一个参数的输入错误，可能导致整个研究结果偏差，进而引发数月的返工和争议。

Piq Energy 的联合创始人兼 CEO Tom Nudell 对此深有体会。在创立 Piq 之前，他在太平洋西北国家实验室（PNNL）工作，专注于电网韧性、分布式能源集成和机器学习应用。他亲眼目睹了电网规划工程师们如何被繁琐的手工流程所困。“他们中的许多人拥有博士学位，却每天都在做数据录入和格式转换的工作，”Tom 在一次行业会议上感叹，“这不仅是人才的浪费，更是整个能源转型的刹车片。”

与此同时，AI 的崛起正在给这个已经不堪重负的电网施加前所未有的压力。一座 100 兆瓦的数据中心，其电力需求相当于一座小型城市。而 OpenAI、Google、Microsoft 等科技巨头正在规划的超大规模数据中心，单体电力需求动辄 500 兆瓦甚至 1 吉瓦。这些项目对并网速度的要求极高——它们希望在 18 个月内完成从选址到通电的全过程，而非等待 4 到 5 年。这种供需之间的巨大鸿沟，催生了一个全新的市场：电网并网自动化软件。Piq Energy 正是在这个时间窗口，精准地切入进来。

二、当“代理”遇上“电网”：一场从手动到智能的工程范式革命

Piq Energy 的核心产品，是一个被称为“代理型电网规划平台”（Agentic Grid Planning Platform）的软件系统。要理解它的革命性，需要先拆解传统并网研究的“黑箱”过程。

一个典型的并网研究，通常包含以下几个步骤：

1. 数据收集与模型建立： 开发商向 RTO 提交项目申请，包括发电机参数、变压器型号、并网点的短路容量等。RTO 的工程师需要将这些信息输入到电网模型中。问题在于，不同的 RTO 使用不同的数据格式和建模标准，而开发商提交的数据往往不完整或存在错误。工程师需要花费大量时间进行数据清洗和模型校验。

2. 潮流计算： 这是并网研究的核心。工程师运行仿真软件，计算在正常和 N-1（单一故障）条件下，新增项目对电网各节点电压、线路潮流、变压器负载率的影响。如果发现过载，需要提出缓解措施，比如新建输电线路、升级变压器或者要求项目降低出力。

3. 稳定性分析： 评估电网在遭受短路故障、发电机跳闸等大扰动后，是否能保持同步稳定运行。这需要运行更为复杂的时域仿真。

4. 报告撰写与审批： 将上述结果整理成数百页的并网研究报告，提交给 RTO 的内部审查委员会和 FERC（美国联邦能源监管委员会）。任何一方的质疑，都可能导致研究返工。

Piq Energy 的平台所做的，并非要颠覆 PSS/E 或 PSLF 这些底层仿真引擎，而是在它们之上构建一层智能化的“代理层”。这个代理层具备三个核心能力：

并行化研究： 传统上，工程师一次只能运行一个场景。Piq 的平台允许用户同时运行数十个甚至数百个场景，例如不同的项目容量、不同的并网点、不同的缓解措施。这使得原本需要数周才能完成的敏感性分析，可以在数小时内完成。

自动化工作流： 平台内置了可配置的工程工作流引擎。用户可以将标准的并网研究流程（如“潮流计算 -> 过载检查 -> 缓解措施建议 -> 报告生成”）自动化。平台会自动调用底层的仿真软件，提取结果，并根据预设的规则做出决策。这大大减少了人工干预的次数。

协作式智能层： 这是 Piq 最独特的部分。平台不仅仅是一个自动化工具，它还是一个“电网智能层”（Grid Intelligence Layer）。它能够从历史项目数据中学习，预测哪些项目最有可能导致并网问题，并提前给出优化建议。例如，平台可以告诉开发商：“如果你将装机容量从 200 MW 降低到 180 MW，或者将并网点向东移动 2 公里，你可以避免一次耗资 5000 万美元的输电线路升级。”这种预测能力，来源于 Piq 已经管理的超过 1000 个输电网络模型和完成的超过 10000 个工程工作流所积累的数据。

Piq Energy 的联合创始人兼 CTO Dionysios Stamatiadis 是这一技术路线的关键人物。他在希腊出生，在德克萨斯大学奥斯汀分校获得博士学位，专攻电力系统优化和机器学习。在加入 Piq 之前，他在西门子能源工作，负责开发电网规划软件。他深知现有商业软件的局限性：“这些软件非常强大，但它们是为专家设计的，而不是为流程设计的。它们假设用户知道每一步该做什么。但现实是，并网研究是一个高度重复且标准化的流程，这恰恰是机器学习的用武之地。”

为了更直观地展示 Piq 与传统方式的差异，我们可以做一个对比：

Tom Nudell 用一个生动的比喻来解释他们的理念：“我们不是在造一辆更快的马车，我们是在为电网工程师打造一个自动驾驶系统。工程师不再需要亲自握着方向盘，盯着路况，他们现在可以坐在驾驶舱里，设定目的地，然后让系统自动处理途中的各种复杂路况。只有当系统遇到无法解决的极端情况时，才需要工程师介入。”

这种“人类监督下的自动化”理念，在电网行业尤其重要。电网是世界上最复杂的人造系统之一，任何自动化的决策都必须经过严格的验证和监管。Piq 的平台并非完全替代工程师，而是将工程师从繁琐的重复劳动中解放出来，让他们专注于更有价值的创造性工作，比如设计新的电网架构、评估新兴技术的影响等。

三、从“软件工具”到“电网智能层”：Piq 的商业模式与扩张野心

Piq Energy 的商业模式，遵循了典型的 B2B SaaS 路径，但其客户群体却横跨了电网生态系统中两个截然不同的世界：公用事业公司和项目开发商。

对于公用事业公司（如 Duke Energy、Southern Company）和 RTO（如 PJM、MISO），Piq 提供的是一套“电网规划加速器”。这些机构面临着巨大的内部压力：一方面，他们必须处理日益增长的并网申请；另一方面，他们的人力资源有限，难以招募到足够的电力系统工程师。Piq 的平台可以帮助他们将并网研究的吞吐量提升 5 到 10 倍，从而缩短项目审批周期。对于 RTO 而言，这意味着他们可以更快地清理积压的队列，避免被 FERC 罚款。对于公用事业公司而言，这意味着他们可以更高效地规划电网升级，降低资本支出。

对于项目开发商（如 NextEra Energy、Invenergy 以及大量的独立发电商），Piq 提供的则是一套“项目可行性加速器”。开发商在申请并网之前，需要投入数百万美元进行前期规划。如果项目最终无法通过并网研究，这些投资将血本无归。Piq 的平台允许开发商在正式提交申请之前，进行“预并网研究”（Pre-Interconnection Study）。他们可以快速测试不同的项目配置（容量、储能配比、并网点），找到最有可能通过审批的方案。这大大降低了项目的“沉没成本”风险。Piq 甚至可以帮助开发商优化项目设计，使其更符合电网的需求，从而在并网队列中获得更有利的位置。

这种“双面市场”的定位，让 Piq 拥有了独特的护城河。随着越来越多的公用事业公司和开发商使用 Piq 的平台，平台上的电网数据和工作流数据将不断积累。这些数据构成了一个难以复制的“电网智能层”。新客户加入时，他们可以立即利用这个智能层的洞察力，而无需从头开始积累经验。这种网络效应，是 Piq 未来竞争力的核心。

从财务模型来看，Piq 的定价策略尚未完全公开，但据行业分析，可能的模式包括：

• 按项目收费： 每完成一个并网研究，收取固定的费用。
• 订阅制： 按年或按月收取平台使用费，根据用户数量和功能模块定价。
• 混合模式： 基础订阅费加上按研究复杂度或计算资源消耗的附加费。

考虑到电网行业的决策周期长、客户粘性高，一旦 Piq 的平台被集成到客户的工程工作流中，替换成本将非常高。这意味着 Piq 拥有极高的客户生命周期价值（LTV）。

本轮融资的领投方 Active Impact Investments 的合伙人 Mike Winter 在新闻稿中表示：“电网并网是能源转型中最被低估的瓶颈之一。Piq 团队拥有罕见的组合：深厚的电力系统工程背景与尖端的 AI 软件工程能力。他们正在构建一个平台，有望从根本上改变电网规划的速度和效率。”

“我们投资 Piq 是因为他们解决了能源行业最痛苦、最昂贵、最耗时的流程之一。在 AI 数据中心和清洁能源项目需求爆发的背景下，能够加速电网并网的软件将具有巨大的战略价值。”—— Mike Winter, Partner at Active Impact Investments

这笔 500 万美元的种子轮融资，将主要用于三个方向：

1. 产品开发： 加速平台核心功能的迭代，包括与更多仿真软件的集成、更强大的 AI 模型、更友好的用户界面。特别是要解决与不同 RTO 和公用事业公司内部系统的数据互通问题，这是规模化扩张的最大技术障碍。

2. 市场拓展： 从目前的美国市场，向加拿大和墨西哥等北美其他国家扩展。同时，团队也在评估欧洲和亚洲市场的机会。欧洲的电网互联互通问题同样严峻，而中国的电网规划虽然效率更高，但市场化程度较低，可能更适合以技术合作而非直接销售的方式进入。

3. 团队建设： 招募更多的电力系统工程师和 AI 软件工程师。Tom Nudell 透露，他们正在寻找“既懂电力系统潮流方程，又懂 Python 和机器学习框架”的跨学科人才。这类人才在市场上极为稀缺，这也是为什么 Piq 将总部设在旧金山湾区——这里拥有全球最密集的 AI 人才库。

值得注意的是，本轮跟投方中出现了 Cisco Foundation 的身影。这并非偶然。Cisco 正在大力投资于电网数字化和网络安全领域，其网络设备是智能电网基础设施的关键组成部分。Cisco Foundation 的投资，可能预示着 Piq 未来与 Cisco 在电网边缘计算或网络安全方面的潜在合作。同样，Mobilize AI x Energy Ventures 的参与，也表明 AI 与能源的交叉领域正在成为风险投资的新热点。

四、创始人的“双重基因”：从国家实验室到硅谷创业

Piq Energy 的两位创始人，Tom Nudell 和 Dionysios Stamatiadis，代表了能源创业公司中一种罕见且强大的“双重基因”：国家实验室的深厚技术底蕴与硅谷的敏捷创业精神。

Tom Nudell 是 CEO，他的履历堪称“能源 x AI”的完美范本。他在华盛顿大学获得电气工程博士学位，研究方向是机器学习在电力系统中的应用。毕业后，他加入了太平洋西北国家实验室（PNNL），这是美国能源部下属的顶级研究机构之一。在 PNNL 期间，他参与了多个与电网韧性、分布式能源和微电网相关的项目。他开发了用于电网故障检测和恢复的 AI 算法，这些算法后来被部署在多个实际电网中。这种从“研究”到“部署”的完整经验，让他深刻理解到学术界和工业界之间的鸿沟。“在实验室里，你可以假设数据是干净的，模型是完美的。但在真实的电网中，数据是混乱的，模型是近似的，你需要处理各种意想不到的边角情况。”Tom 在一次播客访谈中回忆道。

Dionysios Stamatiadis 是 CTO，他的背景则更偏向于工业界。他在希腊雅典国家技术大学获得电气工程学位，之后在德克萨斯大学奥斯汀分校攻读博士，师从电力系统优化领域的权威学者。博士毕业后，他加入了西门子能源，在德国和美国两地工作，负责开发用于输电系统规划的软件产品。在西门子，他亲眼目睹了大型企业软件开发的缓慢和僵化。“一个功能从提出到上线，可能需要两年时间。因为你要经过无数的需求评审、架构评审、测试周期。而客户的需求变化比这快得多。”Dionysios 的这种“大厂”经历，让他对创业公司的敏捷性有着强烈的渴望。

两人的相遇，是在一次由美国能源部组织的行业会议上。当时，Tom 正在展示他在 PNNL 开发的电网自动化工具，而 Dionysios 则代表西门子参会。两人一拍即合，意识到他们共同看到了一个巨大的市场空白：现有的电网规划软件要么过于学术化（如 PNNL 的工具），要么过于笨重（如西门子的产品），缺乏一个既懂工程又懂 AI、既灵活又可靠的商业解决方案。

2023 年，他们决定联手创业。最初，他们在旧金山的一个共享办公空间里，用几台笔记本电脑和一个开源电网仿真软件开始了原型开发。他们花了 6 个月时间，为一家小型公用事业公司做了一个概念验证项目，成功将该公司的一个并网研究从 3 个月缩短到了 2 周。这个案例成为了他们融资的敲门砖。

“我们最初的想法很简单：用 AI 让电网规划变得更快、更便宜、更好。”Tom 在接受《The Information》风格的采访时说，“但很快我们发现，真正的挑战不在于 AI 模型本身，而在于如何将 AI 无缝地嵌入到现有的工程工作流中。你不能要求工程师改变他们使用 PSS/E 的习惯，你只能让 AI 去适应他们。”

这种“以用户为中心”的设计哲学，体现在 Piq 平台的每一个细节中。例如，平台并没有试图取代工程师熟悉的仿真软件界面，而是作为一个“中间层”，在后台自动调用这些软件，并将结果以工程师习惯的表格和图表形式呈现。工程师甚至不需要知道后台运行的是哪个版本的仿真软件，或者 AI 模型是如何工作的。他们只需要关注结果。

创始人的这种“双重基因”，也吸引了投资人的关注。9Zero 的合伙人表示：“Tom 和 Dionysios 是我们在能源软件领域见过的最强的组合之一。Tom 有国家实验室的深度研究背景，Dionysios 有西门子的工业级产品经验。他们既懂技术，又懂客户，还懂如何打造一个可规模化的产品。这正是我们寻找的创始人类型。”

五、辩证的尾声：当“电网 AI”遭遇“现实电网”

尽管 Piq Energy 的故事听起来近乎完美——一个精准切入万亿市场痛点的 AI 软件，拥有顶级背景的创始团队，以及一个星光熠熠的投资阵容——但当我们拨开乐观的表象，深入审视其技术和商业模式的底层逻辑时，一些关键的挑战和待验证的假设便浮现出来。

第一个挑战：数据的“脏”与“乱”。 Piq 的平台依赖于与现有工程软件的数据集成。然而，现实中的电网数据是出了名的混乱。不同 RTO 使用不同的数据模型（如 CIM、IEEE 通用格式、专有格式），数据质量参差不齐，甚至存在大量的错误和缺失。Piq 的 AI 模型能否有效地处理这些“脏数据”，并在数据质量不佳的情况下仍然给出可靠的结论？这是所有电网 AI 创业公司都必须面对的核心难题。Tom Nudell 承认这是最大的技术风险，但他表示 Piq 已经开发了一套自动化的数据清洗和校验工具，能够识别和修复大部分常见的数据错误。然而，在极端情况下，一个未被发现的错误数据，可能导致整个并网研究的结果出现偏差，进而引发严重的工程事故或监管纠纷。对于一家初创公司而言，一次这样的失败就可能是致命的。

第二个挑战：监管的“慢”与“严”。 电网是强监管行业。任何用于并网决策的软件工具，都必须经过 FERC 和 RTO 的严格认证。Piq 的平台虽然定位为“辅助工具”，但一旦其自动生成的建议被工程师采纳，并最终体现在并网许可中，那么 Piq 就承担了部分“准监管责任”。如果因为平台的算法错误导致电网出现安全问题，谁来负责？是使用工具的 RTO，还是提供工具的 Piq？这种责任划分的模糊性，可能会成为 RTO 和公用事业公司大规模采用 Piq 平台的心理障碍。Piq 需要投入大量的法律和合规资源，与监管机构进行沟通，建立一套清晰的“算法问责制”。这个过程可能比技术开发本身更加漫长和昂贵。

第三个挑战：商业模式的“长尾”与“高门槛”。 Piq 的客户是公用事业公司和大型开发商，这些客户的采购周期通常长达 12 到 18 个月，决策流程复杂，涉及多个部门（工程、财务、法务、采购）。对于一家种子轮融资仅 500 万美元的初创公司而言，要同时服务多个这样的“大客户”，其销售和客户成功团队的压力将非常大。此外，电网软件市场的“赢家通吃”效应并不明显。每个 RTO 和公用事业公司都有其独特的流程和偏好，Piq 可能需要为每一个新客户进行一定程度的定制化开发，这会影响其毛利率和规模化速度。Piq 能否在保持产品标准化的同时，满足客户的定制化需求？这是一个经典的 SaaS 创业难题。

第四个挑战：竞争的“红海”与“蓝海”。 电网并网自动化是一个正在快速升温的赛道。除了 Piq，还有多家初创公司正在争夺这个市场。例如，总部位于纽约的 GridUnity 也提供类似的并网研究自动化平台，并已获得包括 Energy Impact Partners 在内的多家风投的投资。另一家名为 Neara 的澳大利亚公司，则专注于利用 3D 建模和 AI 来加速输电线路的规划和设计，这虽然与 Piq 的侧重点不同，但同样是在解决电网基础设施的瓶颈问题。此外，传统的电网软件巨头如 Siemens、GE、ABB 也在将 AI 功能整合到他们的产品中。Piq 需要证明，它的“代理型”平台在功能、易用性和性价比上，显著优于这些既有玩家和新进入者。

然而，最大的挑战或许不在于技术或竞争，而在于“人性”。电网工程师是一个高度保守的群体，他们习惯于使用经过数十年验证的工具和流程。让他们信任一个“黑箱”般的 AI 系统，并允许它自动运行并网研究，这需要巨大的文化转变。Piq 的“人类监督下的自动化”理念，虽然在理论上听起来合理，但在实践中，工程师可能会因为对 AI 的不信任而不断地“过度干预”，从而抵消自动化带来的效率提升。如何赢得这些工程师的信任，是 Piq 在商业化过程中必须跨越的一道心理鸿沟。

尽管如此，Piq Energy 依然代表了能源领域最令人兴奋的创新方向之一。它没有去追逐最热门的“AI 训练”或“数据中心”赛道，而是选择去解决那个被所有人抱怨、却很少有人愿意动手去修的核心基础设施问题。这就像在 19 世纪淘金热中，有人选择去卖铲子和牛仔裤，而不是亲自去挖金子。Piq 的“铲子”是一套智能化的电网规划软件，而它的“牛仔裤”则是那个正在被数据洪流和 AI 饥渴所重塑的电力系统。

当被问及 Piq 的终极愿景时，Tom Nudell 给出了一个既宏大又务实的回答：“我们希望让‘并网’这个词从能源行业的词典里消失。我们希望未来的能源项目，就像今天你在手机上打开一个 App 一样，可以近乎即时地接入电网。当然，这需要很多年。但我们现在迈出的每一步，都在让这个未来变得更近一些。”

对于一家刚刚完成种子轮融资、团队不到 20 人的初创公司而言，这个愿景或许显得有些遥不可及。但在一个被 2300 GW 的沉默等待所定义的时代，任何试图打破沉默的努力，都值得我们的关注和期待。Piq Energy 的故事，才刚刚开始。而它能否成为那个真正撬动电网巨石的支点，时间会给出最终的答案。