Der KI-Hidden-Champion aus Guangzhou hat die gesamte Finanzierung der Serie C abgeschlossen.

Der Hype um Physical AI schwappt über uns hinweg.

Wenn man um sich blickt, richten die meisten Physical AI-Unternehmen ihre Aufmerksamkeit darauf, wie körperliche Roboter von Fernbedienungen unabhängig werden können. Ein Unternehmen aus Guangzhou hat jedoch bereits die Kontrolle über mehr als 260.000 Energieanlagen in Energiestationen übernommen.

Was bedeutet Kontrolle übernehmen?

Es ist 3 Uhr nachts, wenn die Desinfektionsanlagen in der Pharmazeutischen Fabrik anlaufen, die KI in der Energiestation die Messgeräte überwacht und den Luftdruck stabil hält, anstelle von zwei Arbeitnehmern, die normalerweise die ganze Nacht Dienst haben müssen; es ist, bevor die endständige Kaltlast in der Elektronikfabrik ansteigt, die KI bereits die Kurve berechnet und eingestellt hat, sodass Kältemaschinen, Pumpen und Kühltürme in der energieeffizientesten Parameterformation angeordnet sind; es ist, wenn die KI Tausende von Zeilen mit Verbrauchsdaten durchsieht, intelligent alle Verschwendungsstellen durch Leckagen erkennt und dann Arbeitsaufträge zur Korrektur ausgibt.

Dahinter taucht ein gemeinsamer Name auf — Mogu Wulian. Aus Investorenkreisen wurde erfahren, dass Mogu Wulian kürzlich die C-Runden C1- und C2-Serienfinanzierung abgeschlossen hat, mit einem kumulierten Finanzierungsvolumen von fast 200 Millionen Yuan. Viele alte Aktionäre wie Yunhui Capital haben weiter investiert.

In der heutigen Zeit, in der die KI-Branche allgemein mit Schwierigkeiten bei der Kommerzialisierungsprüfung konfrontiert ist, wird diese Finanzierung vom Markt als die härteste Kapitalabstimmung für den „kommerziellen geschlossenen Kreislauf von Physical AI“ angesehen: Eine Gruppe von Menschen, die das Unternehmen am besten verstehen, hat sich erneut für eine starke Investition entschieden.

Hinter der zusätzlichen Investition der alten Aktionäre: Zehn Jahre, dreistufige Iteration

Dies ist zweifellos eine Finanzierung mit wegweisender Bedeutung.

In der heutigen Zeit, in der KI-Unternehmen allgemein „den Umsatz steigern, aber den Gewinn nicht erhöhen“ und das Kapital von „Konzeptinvestitionen“ zu „Umsetzungsinvestitionen“ wechselt, sendet diese Finanzierung zwei klare Signale aus:

Erstens ist der kommerzielle geschlossene Kreislauf von Physical AI nachgewiesen — mehr als 6000 Unternehmen werden bedient, mehr als 3,6 Milliarden kWh Strom wurden kumuliert eingespart, und es kann ein Energiesparpotenzial von fast 20 % freigesetzt werden. „KI bewegt sich von der digitalen Welt in die physische Welt“ ist nicht mehr nur ein Slogan, sondern eine prüfbare Stromrechnung;

Zweitens setzen die Insider auf positive Aussichten — viele alte Aktionäre haben weiter investiert. Sie haben die schwierigste Phase des Unternehmens erlebt, in der die Forschungs- und Entwicklungskosten hoch blieben, aber die Skalierung schwierig war, und kennen die Qualität des Unternehmens besser als jeder externe Due-Diligence-Bericht. Die fortgesetzte starke Investition der alten Aktionäre und der hohe Anteil von Wiederholungskäufen bei alten Kunden sind Vertrauensbeweise mit größerem Gewicht als das Finanzierungsvolumen selbst.

Natürlich bedeutet Investieren auch, in Menschen zu investieren. Wenn man den Lebenslauf von Shen Guohui, dem Gründer von Mogu Wulian, durchblättert, ist die erste Hälfte voll von dem Wort „nicht attraktiv“.

Er wurde 1982 geboren, studierte Mathematik, absolvierte ein Masterstudium in Managementwissenschaft und -technik auf Empfehlung und forschte zur Operations Research-Optimierung in Wasser- und Elektrizitätswerken — langweilig, aber nützlich. Nach seinem Masterabschluss im Jahr 2006 trat er in ein großes Werk ein, wurde innerhalb von 3 Jahren zum stellvertretenden Direktor der Geschäftseinheit für Kühlschränke und Waschmaschinen und war später für die Umsetzung des intelligenten Wohnbaus der Gruppe verantwortlich.

Während seiner zehn Jahre im Werk erkannte er eine Wahrheit: Haushaltsgeräte im Wert von mehreren hundert oder tausend Yuan können intelligent gemacht werden. Sobald große Anlagen im Produktionsbereich im Wert von Hunderttausenden oder Millionen Yuan pro Stück intelligent gemacht werden, ist ihr Wertvolumen unvergleichlich groß.

Im Jahr 2016 beschloss Shen Guohui, sich dem Unternehmertum zu widmen und gründete Mogu Wulian. In den ersten drei Jahren tat er etwas noch „langweiligeres“ — Geräteverbindung: Internet der Dinge-Gateways, Kommunikationsprotokolle für Energieanlagen, Datenanwendungen. Andere finden es hart, aber er sagt, das sei das Graben eines Brunnens: „Die Logik des Brunnengrabens ist, eine Richtung auszuwählen und immer weiter nach unten zu graben. Wenn man auf einen unterirdischen Fluss stößt, funktioniert alles reibungslos.“

Wenn man auf die zehn Jahre des Unternehmertums zurückblickt, lässt sich die iterative Entwicklung von Mogu Wulian klar in drei Phasen einteilen: Die ersten drei Jahre waren die „Phase der Geräteverbindung“, die zweiten drei Jahre erschlossen das „industrielle SaaS“-Geschäft in der Geräteindustrie, und in den dritten drei Jahren, als die Welle von ChatGPT im Jahr 2022 überhandnahm, erkannte das Team, dass große Modelle zu „wissensbasierten Arbeitnehmern“ werden würden, und startete sofort die Forschung und Entwicklung des Lingzhi-KI-Modells für mehrere spezielle Domänen.

Li Xing, Partner bei Yunhui Capital, der den Aufstieg von Mogu Wulian miterlebt hat, ist ebenfalls tief beeindruckt. Seiner Meinung nach hat das Management von Mogu Wulien vor einigen Jahren das Entwicklungsgesetz des industriellen Internets genau erfasst, einen Bottom-Up-Entwicklungspfad festgelegt, das allgemeine Szenario der Hilfsenergie ausgewählt und die Marktstrategie angewendet, gleichzeitig auf Kunden auf drei Ebenen (Fabrik, Standort, Unternehmen) zu setzen. Die Praxis hat gezeigt, dass dies richtig ist. Mit dem Einzug des Zeitalters der künstlichen Intelligenz ermöglicht die oben genannte richtige Entwicklungsstrategie Mogu Wulian, dem Trend zu folgen, die weltweit einzigartigen Vorteile von großen Datenmengen im Bereich der Hilfsenergie zu nutzen, um schnell spezielle industrielle große Modelle und Agenten zu entwickeln, und einzigartige Wettbewerbsvorteile und Geschäftsbarrieren zu bilden. Mit diesem Vorteil kann das Unternehmen problemlos in in- und ausländische Märkte eintreten, an den beiden großen inländischen und internationalen Kreisläufen teilnehmen und zu einem der anerkannten führenden Unternehmen im Bereich der industriellen und Energie-KI werden.

„Die richtige Wahl der strategischen Richtung zeigt die Weisheit des Managementteams von Mogu Wulian, und die schnelle Ergreifung der Chancen im Zeitalter der großen Modelle beweist die Wachsamkeit, Flexibilität und Entschlossenheit des Managements. Ein solches Team und ein solches Unternehmen verdienen eine langfristige fortgesetzte Investition“, bewertete Li Xing.

Warum Energieeffizienz-KI

Warum sollte man sich auf Energieeffizienz-KI konzentrieren?

Das geht auf die einzigartige Dichotomie von Mogu Wulian zurück: Aus der Energieperspektive können alle Energieverbraucher in die Energieseite (Energieversorgungsseite) und die Produktionsseite (Energieverbrauchsseite) unterteilt werden.

Die dahinterstehende Logik liegt auf der Hand: Die Produktionsseite ist zu „wählerisch“ — die Produktionslogik der Pharmazeutik und der Automobilherstellung ist völlig unterschiedlich und weist starke Produkt- und Verfahrenseigenschaften auf. Die Energieseite hingegen ist sehr „einheitlich“: Luftkompressoren, Kältemaschinen, Pumpen, Lüfter — die Kernindikatoren sind auf der ganzen Welt gleich, die branchenübergreifende Allgemeingültigkeit ist extrem hoch, und sie deckt eine Vielzahl von Szenarien wie Fabriken, Rechenzentren, Gewerbegebäudekomplexe und Bildungseinrichtungen ab.

In den Worten von Shen Guohui: „Es ist natürlich viel einfacher, der ‚Champion‘ einer bestimmten Branche zu werden, als 360 Branchen zu beherrschen.“

Was noch wichtiger ist: Das integrierte Energiesystem macht normalerweise 30 % bis 60 % des gesamten Stromverbrauchs eines Unternehmens aus und ist der allgemeinste und standardisierteste Einstiegspunkt für die Umsetzung von Physical AI. Nach groben Berechnungen beträgt der jährliche Energiesparwertraum bis zu 240 Milliarden Yuan. Philosophisch betrachtet ist KI der größte Anreiz für den neuen zusätzlichen Energieverbrauch, aber gleichzeitig bringt KI auch einen neuen Energiesparraum.

Shen Guohui sieht einen wichtigen Trend: Vom Kohlenzeitalter bis zum Zeitalter der neuen Energien geht jede Energierevolution mit einer Steuerungsrevolution einher. Die Steuerungsrevolution im Kohlenzeitalter war das Zentrale Reduktionsgetriebe. Diesmal ist der Name der Steuerungsrevolution genau Physical AI.

Wie allgemein bekannt ist, ist das wesentliche Merkmal von Physical AI nicht, ob es Hände und Füße hat oder sich bewegen kann, sondern ob es den physischen geschlossenen Kreislauf von „Wahrnehmung — Entscheidung — Ausführung“ abschließen kann. Derzeit ist die KI-Branche schwer zu unterscheiden zwischen echt und falsch, viele Hersteller nutzen das Banner von Physical AI, tatsächlich haben sie nur eine allgemeine große Modell-Dialogoberfläche auf das traditionelle PLC-Automatisierungssystem gesetzt. Dazu hat Shen Guohui anschaulich zwei Prüfkriterien zur Unterscheidung zwischen echt und falsch angegeben:

Erstens: Gibt es eine KI-Visualisierungsoberfläche? Ähnlich wie die SR-Oberfläche des autonomen Fahrens kann sie in Echtzeit erkennen, dass nebenan Autos, Menschen und Eimer stehen, und tatsächlich das Lenkrad, das Gaspedal und die Bremse steuern — Daten und Ausführung stimmen überein. Bei falschem Physical AI kann die Oberfläche zwar cool sein, aber Daten und Ausführung sind getrennt.

Zweitens: Wurde das spezielle Domänenmodell bei der Nationalen Internetinformationsamt registriert? „Es muss der Prüfung der nationalen Prüfstelle standhalten, das ist die grundlegendste und zwingendste Anforderung für die Entwicklung von Physical AI.“

Es gibt viele KIs, die PPT schreiben können, aber nur wenige KIs, die mutig Energieanlagen steuern. Zweifellos ist die Energieeffizienz-Physical AI ein langfristiges Projekt. Der echte Wettbewerb besteht nicht nur darin, wie stark die Modellfähigkeit ist, sondern in hochwertigen Daten im Fachbereich, der Generalisierungsfähigkeit des Modells und der Sicherheitssteuerungsfähigkeit. Es geht darum, durch Agenten einen „Erfahrungsrückfluss“ zu realisieren und jede Rückmeldung aus der realen Welt in die Verbesserung der nächsten Runde der Modellfähigkeit umzuwandeln.

Die Datenbarriere, die mit Geld nicht gekauft werden kann

Im Zeitalter von Physical AI ist das Seltenste nicht das Modell, sondern „Dunkeldaten“ — die echten Betriebsdaten, die nur zwischen Geräten und Sensoren fließen und nie in großem Umfang vom Internet erfasst wurden. Sie können vektorisiert, codiert und in den latenten Raum komprimiert werden, um zu latenten Variablen zu werden, mit denen das Modell die physische Welt versteht.

Der Grund, warum Lingzhi-KI als „Multi-Quellen-spezifisches Domänenmodell“ positioniert ist, liegt darin, dass sie drei Arten von Daten „verarbeitet“: Text, Zeitreihen und Grafiken. Dahinter steht eine multimodale Datenbank im Energiebereich: Mehr als 30 Arten von Geräten, 8 Datendimensionen, 260.000 in der Cloud in Echtzeit verbundene Energieanlagen — das Datenrad dreht sich, und der Matthäuse-Effekt wird immer größer.

Diesen „Brunnen“ gräbt Mogu Wulian bereits seit zehn Jahren. „Als wir in den frühen Jahren industrielles SaaS betrieben haben, haben wir auf der Bereitstellung in der öffentlichen Cloud bestanden, während einige Konkurrenten die private Bereitstellung wählten, nur um kurzfristige Einnahmen zu erzielen“, sagte Shen Guohui. „Und das Ergebnis? Ihre Daten sind bei verschiedenen Kunden verteilt, jetzt können sie sie nicht einmal mit Geld kaufen.“

Zweifellos gibt es einige Barrieren, die mit Geld nicht gekauft werden können, und „Dunkeldaten“ sind genau so.

Darüber hinaus sind, wenn Physical AI wirklich in der Energiesteuerung verwurzelt ist, Sicherheit, Konformität und kontrollierbares Risiko ebenfalls Kernkompetenzen. Dazu hat Lingzhi-KI eine einzigartige dreischichtige Fusionsarchitektur aufgebaut: Die erste Schicht ist die Ausdrucksfusionsschicht, die zweite Schicht ist die Vorhersagefusionsschicht, und der Schwerpunkt liegt auf der dritten Schicht, der Entscheidungs- und Ausführungsfusionsschicht — dort wird ein unabhängiger Sicherheitsbeschränkungsmechanismus eingerichtet, nach Abschluss der Regelprüfung und Grenzvalidierung werden die endgültigen umsetzbaren Gerätesteuerungsaktionen ausgegeben, um die Möglichkeit des Kontrollverlusts zu beseitigen.

Auf der Grundlage des Lingzhi-KI-Modells entwickelt Mogu Wulian selbst den LingX-Agenten und ergänzt ihn um zwei differenzierte Module für die industrielle Steuerung: Erstens die Sicherheits- und Zuverlässigkeits-Gate-Steuerung (Regelprüfung, Simulationsprobelauf, Geräteverriegelungsschutz, Grenzprüfung usw.); zweitens das Datenunterstützungsframework (Standardisierung der Aufnahme heterogener Daten, Zeitreihendatenbank, Datensee und semantischer Index usw.).

„Andere lehren die KI zu sprechen, wir lehren die KI zu arbeiten“, betonte Shen Guohui. „Aber wenn die KI arbeitet, muss sie 100 % sicher, prüfbar und nachverfolgbar sein.“

Harte kommerzielle Umsetzungsergebnisse: 3,6 Milliarden kWh Strom und 6000 Unternehmen

Kommerzialisierung ist die Seelenfrage für jedes KI-Unternehmen.

Shen Guohui erwähnte ein Gesetz, das ein Branchenexperte einmal zusammengefasst hat: In der Branche ist der übliche Entwicklungspfad Project (Projektmodell) → Product (Produktisierung) → Platform (Plattformisierung), aber eine große Anzahl von KI-Unternehmen steckt im Project-Stadium fest und gerät in die Schwierigkeit, „den Umsatz zu steigern, aber den Gewinn nicht zu erhöhen“.

Er wies scharf darauf hin, dass die Energie-Steuerungs-KI zwei Ebenen von Standardisierungsproblemen hat: Produktstandardisierung und Lieferstandardisierung, und die Lieferung ist die Trennlinie, die den Abstand wirklich vergrößert. Viele Unternehmen können standardisierte Produkte liefern, aber die Liefer- und Debugging-Phase hängt immer noch stark von erfahrenen