OpenESSAgent寻求300万天使轮融资，切入储能工程垂直大模型赛道

国内储能装机规模持续高速增长，2025年底新型储能累计装机将达1.36亿千瓦，同比增长超80%，独立储能与工商业储能成为市场主力，行业竞争正从硬件销售转向工程交付效率与软件平台能力的比拼。但高速扩张背后，储能工程交付领域长期面临结构性痛点：资深储能工程师培养周期长达6-12个月，供给增速远跟不上项目增长，30%以上项目存在返工与沟通成本，人工完成单个项目方案需要7-15天，不同品牌BMS与PCS协议不统一，现场联调耗时久，参数配置错误容易导致项目返工延期，行业经验分散在工程师个人，难以形成标准化资产。市面现有产品中，通用大模型缺乏储能电气机理与并网规则支撑，输出结果无法商用；传统储能软件只有流程管理能力，无法生成工程结果降低核心人力成本；头部大厂自研系统仅服务内部，存在生态封闭与中立性顾虑；纯算法团队缺乏工程落地经验，难以解决实际产业问题，市场迫切需要一款能够直接生成商用工程结果的生产力工具，OpenESSAgent储能工程垂直大模型项目应运而生，切入这一空白赛道。

OpenESSAgent项目启动近一年，由具备国轩高科移动储能项目研发经验的卢继雄担任创始人，负责整体技术架构、储能垂直大模型研发与产品迭代，联合创始人谢英杰拥有连续创业与政企商务交付经验，团队覆盖硬件工程、通信协议、AI算法与商业化全链条能力。研发初期，团队面临储能行业设备碎片化带来的数据与协议标准化难题，没有单纯依赖大模型生成内容，而是依托创始人积累的通信工程经验，率先建立分层设备协议库，沉淀主流设备的规约、边界条件与行业踩坑经验，同时将垂直大模型与协议引擎做解耦设计，由模型负责方案生成，专用引擎完成协议校验与适配转换，通过增设工程校验层抑制大模型幻觉，逐步完成了核心Demo开发并通过认证，可实现全流程功能演示。

作为面向储能工程交付场景的垂直AI智能体，OpenESSAgent拥有多项独特技术优势：采用三层解耦AI智能体架构，增设独立工程校验层，有效抑制大模型幻觉，保障商用工程输出的可靠性；实现电气与通信跨域融合，可同时完成储能系统设计与多品牌设备协议适配；搭建工程案例库加主流设备私有协议库的双知识库，形成持续迭代的数据飞轮；实现算电协同，完成设计、仿真、方案输出一体化，解决了行业多软件来回切换的痛点；核心能力支持SDK化，可开放给第三方平台调用，为多元变现打下基础。和市面同类产品相比，OpenESSAgent并非通用大模型套壳，可直接输出可落地的工程成果，且坚持第三方中立定位，不绑定自有硬件，可适配全品牌储能设备，行业接受度更高，独有的协议自适应引擎直击多品牌设备联调的行业顽疾，覆盖从方案设计到调试交付的全链路闭环，区别于竞争对手单点功能布局，多重变现路径也为商业化拓展提供了更多空间。该平台可将原本7-15天的人工方案输出压缩至小时级，帮助客户交付效率提升60%以上，现场调试人力降低90%，自动输出可直接使用的图纸、BOM清单、设备适配通信文件，实现储能工程全链路自动化交付。

从市场空间来看，当前储能行业正从信息化、数据智能化进入工程生成式AI阶段，信息化内卷已经结束，工程生成式AI开启了储能数字化的第二增长曲线，赛道红利明确。根据行业预测，储能工程交付赛道的市场规模达千亿级，随着装机量持续增长，降本提效的需求会进一步释放。OpenESSAgent现阶段以中小型储能EPC集成商、储能工程设计服务商为核心SaaS订阅客户，中期拓展PCS/BMS储能硬件厂商的SDK接口授权合作，远期覆盖新能源运维、综合能源平台生态客户，目前已经对接了首批试点客户。

首批试点客户反馈显示，OpenESSAgent的方案、图纸、BOM自动生成能力，显著缩短了储能项目前期投标方案制作周期，有效缓解了集成商工程师人手不足的压力，跨品牌设备协议自适应功能更是直接击中EPC行业多硬件混搭调试的核心痛点，客户诉求强烈。针对试点客户提出的CAD导出适配、地方并网规范覆盖、小众硬件型号兼容等改进需求，团队已经明确了优化方向，将逐步增加CAD格式导出功能，扩充工程知识库录入各地方并网与电价规则，持续扩容设备协议库。

OpenESSAgent采用订阅、项目与授权结合的复合商业模式，以SaaS按账号年费收费为基础，针对不同复杂度项目收取项目服务费，同时开放SDK接口授权收取授权费，搭配仿真校验、调试指导等增值服务，形成了高频可续费的规模化变现路径，目前项目正寻求天使轮融资300万元，释放12%-15%股权，资金将主要用于产品迭代研发、标杆客户市场拓展、核心团队扩充与企业运营储备，计划6个月落地付费标杆客户，12个月形成稳定营收，完成商业化验证闭环后对接下一轮融资。

谈及创业感悟，团队核心成员表示，储能工程交付领域的痛点是产业端真问题，纯AI不懂产业、传统产业不懂AI的结构性缺口，恰恰给了垂直创业团队独家机会，团队将持续扎根产业场景，沉淀工程与数据壁垒，目标成为储能工程领域的AI基础设施入口，重构储能工程作业方式，让每一个储能项目都能从需求快速走向可设计、可交付、可运维，最终为全产业链降本提效。