近日，蘑菇物联作为广东人工智能优秀企业代表，被多家媒体采访报道。

在工业领域，大家讨论AI时，早已超越“模型性能至上”与“场景应用为王”的争论。

真正重要的，并不是AI的模型性能高低，而是AI能否在轰鸣的车间里解决实际问题。

复杂的工业现场对稳定性、实效性和经济性有极高的要求，这需要AI对应用场景有深度理解且具备落地能力，本质是场景驱动AI。

传统控制方式高度依赖老师傅的经验，一旦老师傅退休，知识就可能断层。现在灵知AI Agent内置了强大的专业知识库，它融合了灵知AI垂直大模型的通用知识与工业现场的特定知识（如设备铭牌参数、历史维护记录、特殊工艺要求等），工程师无需翻阅海量文档，只需通过自然语言提问（如“冷冻水流量不足可能有哪些原因”），AI能即时给出专业解答。

——中国早报

“我们可以把我们的核心产品——灵知AI看成一名不知疲倦、持续学习的‘超级工程师’，它可以实现‘故障有预警、能耗可优化、成本可管控’，”蘑菇物联联合创始人、工业AI首席技术官周子叶说，“目前，我们正把这个‘超级AI’积极拓展至海外市场，比如越南和柬埔寨，也正在拓展日本市场，让我们的智能AI技术走向世界。”

——南方网

采访期间，蘑菇物联联合创始人&工业AI首席技术官周子叶博士向记者介绍，蘑菇物联率先把AI算法+AI Agent技术应用在工业公辅能源场景，从设备数据采集起步，到自研灵知AI垂直大模型与AI Agent平台，创立9年企业始终致力于解决一个核心问题：公辅能源车间数智化节能降碳。

——中国通讯社

蘑菇物联通过AI技术，让工业企业供能和用能实现供需匹配状态。截至目前，蘑菇物联已服务企业超5500家，覆盖超过60个行业，为全社会累计节省超27亿度工业用电，相当于减少144.88万吨二氧化碳当量排放。

——广州日报

01 AI垂模+AI Agent在工业现场真正落地

蘑菇物联率先把AI算法+AI Agent技术应用在工业公辅能源场景，从设备数据采集起步，到自研灵知AI垂直大模型与AI Agent平台，创立9年始终致力于解决一个核心问题：公辅能源车间数智化节能降碳。

公辅设备运行中生产的数据就像“石油”，这些数据记录着设备能耗曲线、负载率波动、故障前兆等关键信息。

要把“数据石油”提炼成可测量的价值，如设备预测性维护、设备故障报警、智能诊断故障、全时域寻优、智控节能等，企业必须具备三个核心能力：

1、大量设备通讯协议的积累；

2、海量工业设备数据的沉淀；

3、对公辅设备Know-How和工业用能特性的深度理解。

这是蘑菇物联自研灵知AI垂直大模型的前提条件，并且让AI落地应用的根本所在。

以中央空调系统为例，直接决定工厂生产稳定性、产品良率和产品的单位能耗成本。

中央空调系统由于运维管理和控制水平低，普遍存在30%至50%的能源浪费，且当下市场上90%的中央空调系统都带“病”运行。

蘑菇物联突破性地将灵知AI Agent技术在中央空调系统落地，带来的技术变革在以下三个场景中体现得淋漓尽致：

场景一：工业控制从“僵化逻辑”到“自适应智能进化”

当中央空调系统因阀门开关导致水力拓扑结构改变时，传统控制系统无法适配新的拓扑结构往往陷入瘫痪，需要工程师现场重写代码重新调试，通常耗时一周左右。

而灵知AI Agent通过按需适应算法，仅用几小时就能自动完成算法编排重构，充分体现AI Agent分布式协同控制的灵活性。

场景二：工业控制从“机械执行”到“全时域寻优决策”

面对设备故障这一工业常见难题，例如车间的3号冷机突发故障停机，传统的PLC控制系统只能按逻辑控制机械启动2号机，这种固定逻辑往往导致能源浪费。

现在灵知AI Agent根据末端冷负荷动态需求，将制冷系统视作一个整体，考虑各设备之间的耦合关系，进行全时域寻优，智能计算最优替代方案，实现系统能效最优。

更值得关注的是末端车间用冷需求发生变化，传统的设备机理模型控制方式，需要模型穷举所有可能的运行组合，而蘑菇物联通过多Agent协同机制，如冷水主机Agent结合自身COP（能效比）曲线计算单位冷量成本，冷却塔Agent计算降低1℃水温所需的能耗成本等。

最终选择一个系统能效最低的控制组合下发到设备，控制设备运行，并将整个决策过程可视化，让“Agent的思考和执行过程”变得透明、可理解、可信任。

场景三：工业控制从“知识匮乏”到“专家智慧”

传统控制方式高度依赖老师傅的经验，一旦老师傅退休，知识就可能断层。

现在灵知AI Agent内置了强大的专业知识库，它融合了灵知AI垂直大模型的通用知识与工业现场的特定知识（如设备铭牌参数、历史维护记录、特殊工艺要求等），工程师无需翻阅海量文档，只需通过自然语言提问（如“冷冻水流量不足可能有哪些原因”），AI能即时给出专业解答。

灵知 AI Agent的颠覆性技术实力，源于蘑菇物联独创的“多智能体分布式协同寻优控制架构”，分为设备层、AI预测层、AI寻优层、AI决策层和AI Agent开发平台，层层协同。

1、设备层是数据采集节点，覆盖中央空调系统冷水主机、水泵、冷却塔、传感器等设备；

2、AI预测层，为每台设备建立精准的性能模型，同时预测末端整体负荷需求，为控制优化奠定依据；

3、AI寻优层是核心，从单系统寻优升级到跨系统协同，综合考虑各设备之间的耦合关系，实现冷水主机+冷冻泵+冷却泵+冷却塔全时域寻优；

4、AI决策层融合物理定律和专家经验，借助AI大模型的思维链技术，计算兼顾安全与能效最优的决策；

5、AI Agent开发平台，通过Workflow编排和AI大模型的智能调度，让每个Agent都能自主规划、协同作业，最终实现中央空调系统高效节能。

02 AI+Agent已在工业企业得到价值验证

德福科技旗下九江德富新能源有限公司，该工厂配备了5个制冷站房为生产工艺供冷，以满足如此严苛的生产要求。

在管理上：5个站房建设时间不同，有的站房靠手动控制，有的站房是PLC半自动控制，也没有实现集中控制，缺乏一套数据监测系统，人工点巡检工作量较大，比较繁琐。

在能效上：站房为满足车间降温除湿的需求，存在多开设备造成能源浪费情况。

德福科技与蘑菇物联联手，打造铜箔行业首个公辅AI垂直大模型——灵知AI，这也是该行业首个由AI Agent接管的制冷站。

1、中央空调设备性能预测曲线

灵知AI根据5个制冷站的制冷主机、冷冻泵、冷却泵、冷却塔、阀门、温度计、流量计等数据，建立水泵、主机和冷却塔性能模型，根据当前工况生成最优能效曲线，为智能控制设备提供依据。

2、诊断中央空调系统的隐性故障

灵知AI基于专家知识库、设备机理和算法模型，秒级诊断定位冷冻水流量不足、传感器故障等隐性故障，提高设备运维效率，确保设备健康运行。

3、AI全时域寻优，智能控制设备运行

灵知AI根据车间末端冷负荷需求，智能控制设备启停运行，不追求单台设备、局部能效最高，而是全时域寻优，追求系统COP（能效比）最优，将13台制冷主机由原来固定出水温度转变为根据末端实际用冷需求智能动态调节，同步动态调节水泵和冷却塔，制冷站节能超过15%。

4、制冷站专业知识问答

打造企业的专业知识库，把制冷站的所有设备信息、运维知识、工程师的处理经验、行业最佳实践等知识全部导入到灵知AI Agent平台，平台能实时调用这些结构化的知识，提高Agent处理问题的效率。工程师还可以直接与灵知AI对话交互，大幅提高方法论沉淀和学习效率。

03 AI在工业领域的发展潜力巨大

中国制造业以占全球30%的体量稳居第一，制造业数智化转型市场正以14%的年增速扩张，AI节能降碳技术已显成效且潜力巨大。

截至目前，蘑菇物联已服务超60个制造行业，其中包括：中国铝业、美的集团、海信集团、国药集团、华润三九、云南白药、吉利集团、广汽本田、中集集团、隆基绿能等一大批世界500强和中国500强企业，以及多家世界灯塔工厂。

在机器轰鸣的车间里，蘑菇物联让灵知AI成为一名不知疲倦、持续学习的“超级工程师”。它帮助工业企业的公辅能源系统实现 “故障有预警、能耗可优化、成本可管控”的价值。

只有扎根场景，能解决最痛核心问题的AI，才是工业企业需要的AI。