深度智控完成数亿元B轮融资：物理AI瞄准能源系统自治控制与海外智算中心

据36氪旗下硬氪报道，物理AI企业深度智控（DeepCtrls）近期完成数亿元人民币B轮融资。本轮融资由晶科能源战略投资，国投创新、招银国际联合领投，红杉中国、源码资本、光远资本、招商局创投等老股东继续跟投。来源显示，融资资金将主要投向核心物理AI算法与产品线研发、标准化产品DeepBot的规模化拓展，以及东南亚、中东、欧美等海外市场布局。对于中文科技读者而言，这起融资的看点不只在金额，更在于“AI如何从数字内容生成走向真实工业系统控制”。

从“看懂设备”到“闭环控制”，物理AI成为融资关键词

深度智控成立于2018年，核心技术路线是自研PhyAI物理AI引擎。按照公司说法，其目标并非仅用AI做告警、诊断或生成建议，而是把物理机理与AI模型结合，让系统能够理解机电能源设备的底层特性，从而提升可解释、可追溯和可迁移能力。

在传统工业AI场景中，很多系统仍停留在“监测—分析—给建议”的辅助决策阶段，真正进入控制环节时，企业通常会非常谨慎：一方面是因为工业能源系统牵涉设备安全、能耗成本与生产稳定性；另一方面，纯数据驱动模型常被质疑存在“黑箱”问题。深度智控强调的物理AI，正是试图以物理模型约束AI决策，让算法不仅能发现异常，还能在真实运行环境中做自主寻优、自主决策和闭环控制。

公司COO张雨馨在来源报道中将生成式AI与物理AI作了区分：前者强化AI在数字世界的理解、推理和内容创造，后者则聚焦真实物理世界中的识别、决策、优化和控制。换言之，如果大模型解决的是“会思考、会表达”，物理AI想解决的是让AI具备面向设备和系统的“动手能力”。

商业化落地：新能源、半导体与数据中心成为关键场景

来源显示，深度智控自2023年商业化以来保持营收增长，并在去年实现规模化盈利。公司已服务超过360家头部企业客户，覆盖台积电、长鑫存储、中际旭创、工业富联、腾讯、字节、宁德时代等企业。其模型基于超过30万台设备的实时运行数据持续迭代，PhyAI引擎的模型泛化误差据称低于3%。

这些客户和场景背后有一个共同特征：系统复杂、能耗高、稳定性要求强。半导体工厂、新能源制造基地、智算中心等并不是简单的节能场景，而是涉及空调、冷却、供配电、机电控制等多系统协同。对企业来说，能源控制系统如果能在不牺牲稳定性的前提下持续优化，价值不只是降低能耗，也包括减少人工调参、提升设备运行效率和增强系统韧性。

• 研发投入：继续强化物理AI算法、产品线和DeepBot标准化能力。
• 场景拓展：聚焦机电能源系统，面向高端制造、智算中心等复杂环境。
• 全球化布局：进一步推进东南亚、中东、欧美等市场落地。
• 数据壁垒：通过大量设备运行数据与复杂现场经验持续迭代模型。

影响与解读：AI基础设施竞争正从模型层延伸到能源层

这笔融资也折射出一个产业变化：AI竞争不再只发生在大模型、算力芯片和应用软件层面，围绕数据中心、能源系统和自动化控制的“基础设施智能化”正在升温。尤其在智算中心快速建设的背景下，算力规模提升会带来更高的电力与温控压力，能源管理能力可能成为AI基础设施运营成本中的关键变量。

从投资方结构看，晶科能源的战略投资也让这家公司与新能源产业链产生更直接关联。国投创新、招银国际等机构参与，则显示物理AI正在被纳入更广义的产业基础设施升级叙事中。相比面向个人用户的AI工具，物理AI落地周期更长、验证门槛更高，但一旦进入核心生产系统，客户粘性和复购潜力也更明显。

不过，物理AI要真正成为“全球能源基础设施大脑”，仍需持续证明其在不同国家、不同设备体系、不同工业标准下的泛化能力。来源显示，深度智控已于2024年启动全球化布局，产品落地东南亚、中东、北美等十余个国家和地区，2025年海外业务切入本土高端制造与智算中心核心场景。对中国AI企业而言，这类从复杂工业现场打磨出来的能力，可能会成为区别于纯软件出海的另一条路径。

整体来看，深度智控本轮融资代表了AI产业落地的一个重要方向：从“生成内容”走向“控制系统”，从云端模型走向真实设备。随着新能源、高端制造和智算中心对能源效率与系统稳定性的要求提高，物理AI有望成为工业AI下一阶段竞争的关键技术分支。