打破虚拟和现实的次元壁，泛能网做出了能碳领域的“物理AI”
这是关于AI落地现实世界的一场预判，被英伟达、谷歌等科技巨头押注。物理AI，意味着AI能够理解物理世界的运行规律：大到自然法则，小到物体在惯性下的运动轨迹。当AI理解这一切并能做出相应规划，AI的所有能力都能够融入物理世界。
物理AI成为新一代技术主角，背后是传统产业升级与新兴产业发展的现实需求，也是AI从技术炫技走向应用务实的转折点。AI发展至今，人们已经从技术狂热转向更关注AI解决现实问题和痛点的能力。
尤其是在产业界，技术不是空中楼阁，AI终究要为现实所用，解决产业发展面临的真问题和真需求。产业界迫切需要AI懂得物理世界的运行规则，懂得产业规律特性——物理AI，承载了这一需求。
锚点既定，通向物理AI面临着技术路径的选择。
在一定程度上来说，大语言模型并非理想之选。一方面，大语言模型更聚焦本文处理能力，难以驾驭物理世界中的音频、图像、视频等多模态信息流。更重要的是，大语言模型的核心局限：幻觉和遗忘，是它难以真正支撑物理AI的致命伤。
先说“幻觉”。由于大语言模型是通过统计海量文本中的词语关联来生成内容，依赖文本模式匹配，本质是词语的“预测器”，无法通过感官或逻辑推理验证信息真伪。因此，LLM会交付看似合理但与事实不符的内容，也就是备受吐槽的“胡说八道”。
“遗忘”则是当大语言模型学习新知识时，会不可逆地覆盖或弱化旧知识，导致先前掌握的信息丢失或失真。无论是上下文遗忘还是知识遗忘，都会降低多轮回答的连贯性和准确性。
显然，LLM的这些局限与物理AI所需要的理解现实世界相差甚远。
破局之路在于另一类模型：能够感知世界、理解世界的推理模型，即世界模型。这也是图灵奖得主、Meta首席AI科学家杨立昆（Yann LeCun）所倡导的技术方案。
落到具体解法上，模型如何一步步做到理解世界、推理规划？据36氪观察，在能源行业的AI实践中，正在通过“仿真+机理”的组合模式让AI具备理解物理环境、规划行动的能力，打造能源行业的“世界模型”。
迈向物理AI的关键一步，率先在能源领域发生。
比物理AI更专业的，是能源AI
相比于“理解物理世界”的宏大命题，从某个特定领域入手，做垂直行业的物理AI，是更有可行性的专业落地方案。
例如在能源行业。“能源+AI”更多指向AI作为技术变量，驱动、赋能能源行业转型，升级能源管理系统；而能够真正理解能源行业复杂性和运作规律，并做出相应的推理、规划、决策执行的AI，才是“能源AI”——区别于1+1大于2的关系，“能源AI”是一个有机整体，一套完整的垂直AI新范式。
可以说，能源AI作为一整套新型智能系统，重新定义了能源基础设施与现实世界，尤其是产业界的交互方式。
追求物理AI需要世界模型支撑，同理，打造能源AI需要能源领域的“世界模型”。在实现路径上，已经呈现出一种趋势性解法：仿真+机理。
仿真不是新鲜事物，也并非能源行业特有。产业界有一种技术共识：通过仿真技术和数字孪生来模拟真实世界的系统、过程或环境，在这个“复现世界”中分析验证某个技术、方案的可行性和效果，帮助人类理解复杂环境、优化设计、减少风险和试错成本。
仿真被广泛应用于工业制造（例如汽车和航天器的产品设计）、医疗健康、电力管理等诸多领域。
这种模式可以迁移到能源应用端。通过仿真技术模拟真实的能碳运行环境，据此训练模型算法，让模型更快速掌握产业的生产运行规律。
仿真只是第一步。让模型真正做到理解产业用能逻辑，形成专业认知并付诸行为决策，则需要让模型算法理解能源系统内部各要素（例如工厂的不同工艺设备、传感器）的彼此作用原理和运行规律，也就是用能机理，根据机理不断调优。
通过仿真+机理，模型可以在走进真实能源世界之前做好准备。
这是技术照进现实的写照。技术演进的趋势不难预见，真正拉开差距、决定一项技术能否释放真正价值的关键在于从实验室走进生产一线，接受现实的检验，探索出可落地的路径。
在能源AI的落地路径上，最大的壁垒在于能源行业数据和knowhow。想要AI理解能源行业，第一步就需要大量真实、优质的行业数据支撑模型训练，在此基础上，还需要行业机理进行微调矫正。
这无疑抬高了探索能源AI的门槛。不过，已有先行者摸着石头过河，踏上了打造能源AI的“无人区”，这便是新奥泛能网。
依托新奥集团深耕能源行业30多年的专业积累和私域数据，泛能网打造了能源专业工具“泛能仿真”，通过RAG（检索增强生成）、强化微调等技术手段，与基础大模型深度融合，构建起一个能够理解能源行业知识和用能世界运行规律的AI，也就是“能源AI”。
从交通到能源，“自动驾驶”丝滑跨界
在打造能源AI的探索之路上，泛能网在2024年首次提出一个核心概念：能源领域的自动驾驶。经过一年的思考沉淀和实践积累，“能源领域的自动驾驶”已经形成一套系统性的体系架构。
首次接触“能源领域的自动驾驶”概念的人不免疑惑：自动驾驶，这样一个交通出行领域的热词，和能源有什么关系？
这也是泛能网CEO程路经常被问到的问题。在他看来，能源行业现在所处的变革初始阶段，与车辆的“智驾”非常接近。
具体来说，二者在体系架构的层级逻辑上也具备对应的相似性。
车辆的自动驾驶可以拆解为三大中枢：一是对世界的感知模型，包括传感器、认知模型、决策体系等，这是智驾的大脑中枢；二是以智能座舱为代表的主系统，可以与外界交互，并根据环境变量进行精细化调节与决策；三是所有的控制执行单元，例如车辆转向、加减速等。
泛能网所构建的能源领域自动驾驶体系，同样基于以上三层逻辑。
首先是大脑中枢：能碳大模型。这是一个融合了泛能网多年能源专业知识和私域数据积累，利用泛能仿真平台工具、RAG等AI技术，能够理解能碳领域运行规律的专业大模型。可以说，这是一个面向能碳领域的“世界模型”。
智能座舱主系统则对应着泛能网的专业Agents。这些Agents如同大脑中枢指挥下的虚拟专家团队，从任务规划和拆解、在具体垂直场景中执行决策，到行业知识和机理，这套Agents体系架构可以将不同场景下的能源管理复杂任务进行拆解并高效执行。
最后，车辆的控制单元对应能碳智控。面对能源管理系统承载的各项具体需求和任务，由泛能网能碳智控负责落地执行，完成从感知、认知到决策行为的闭环。
基于这些相似性，泛能网提出了能源自动驾驶的L1到L5分级体系。
程路坦言，现阶段能源行业的众多AI产品聚焦在L1到L2阶段，即少量自动化、少量无人参与。泛能网现在正逐步突破L3，即局域自治，不需要人为参与决策，就能确保能源系统的安全、经济、高效、便捷。待到L5阶段，则是打通水、气、电、热、冷多领域智能运行，实现全局自主协同。
正如车辆自动驾驶的终局不仅是单车性能优化，更是通过车网云协同对整个交通系统进行智能调度，使整体运行更经济高效，泛能网对能源自动驾驶的终局想象，是在不同的应用场景与客户群体中，同时具备边缘和云端计算能力，拥有全域的运营决策系统，实现能源系统与物联网的协同优化。
从车辆交通到能源系统，“自动驾驶”都承载着全局智能自治的未来使命。
能源AI长出“手和脚”，走进产业场景
能源AI是目的地，沿途每一站都需要落地载体。泛能网推出的新一代能碳智控一体机，便承担起这一角色。
相比于去年发布的初代产品，新一代能碳智控一体机在硬件外观和方案能力上均有升级。硬件上，新品集成了摄像头、NFC等传感装置，外观形态更具科技感。在产品能力和体验上，通过端边云体系架构，新品面向客户交互的产品形态不是晦涩的工具和文件，也不是难懂的算法，而是一个个能源管理程序，到岗即用的专业智能助手。
这意味着，有了能碳智控一体机，能源AI不仅具备聪明的大脑，还长出了手和脚，以具身智能的形态走进衣食住行各个产业场景。
以“衣”为例，去年，泛能网将能碳智控一代机应用于印染行业的染缸场景，经过一年的升级迭代，二代机的应用场景更多元，从染缸拓展到定型机。
拉幅定型是印染的一道关键工序，布匹经过染缸染色后，定型环节直接决定着布料的尺寸和质感。从染色到定型，泛能网深入构建印染行业多工序Agents，年累计减少的布匹损耗可制作超过500万件T恤。
从打造能碳领域的世界模型，到探索能源自动驾驶，再到真正落地衣食住行，泛能网的能源AI连接了数字世界与物理世界，重构能源基础设施的AI化转型。
当AI照进能源世界和物理工厂，产业生态与行业客户也将迎来新一轮技术红利释放与价值升级。
