深度智控近期獲得數億元A輪及A+輪融資，由深創投、招商局創投聯合領投，光遠金盤產業基金戰略投資，老股東紅杉中國、源碼持續加碼。本輪融資是深度智控繼獲得騰訊、紅杉、源碼、匯川投資后的第四輪融資。本輪資金將主要用于公司新產品研發和業務發展。

深度智控（DeepCtrls）成立于2018年，是一家深度節能與數智化創新服務商，專注為工業與建筑節能行業賦能，實現機電能源系統的深度節能與企業數智化轉型。公司創始團隊來自清華大學和美國勞倫斯伯克利國家實驗室，在節能領域擁有20年經驗。

隨著國家雙碳戰略目標落地實施，社會各行業節能降碳與數智化轉型的需求越發迫切。在工業與建筑能源系統中，暖通空調、空壓系統能耗常能占到其能源總消耗的30%至50%。而目前這些系統的運行能效提升，還常依賴于設備節能（可理解為節能1.0）、專家經驗節能（節能2.0）、純AI被動節能（節能3.0）這三種方式，導致我國每年數千億度電的能耗被浪費。

有無新的技術方式，可以尋優逼近系統運行節能極限？

“新的時代，需要新一代基于行業強know-how特性和數據驅動相結合的能效工具平臺。”深度智控創始人李輝博士介紹說，區別于“設備節能”、“專家經驗節能”、“AI盲人摸象式的被動節能”，該公司研發行業領先的第四代“機理框架+數據驅動”高精度建模與尋優技術，針對暖通空調、空壓等機電能源系統，變被動為主動、變局部為全局，實時從數十萬條系統運行可能路線中，尋找到系統最高效的運行路線，逼近系統運行節能極限。基于“第四代”節能優化技術，為深度智控在面對先進工業制造、數據中心等“高復雜、高精準、高要求”的項目場景，提供了技術底層保障和項目競爭優勢。

自公司成立以來，從迭代技術、打磨產品到推進商業化，這家在深度節能賽道已覆蓋眾多頭部客戶的公司是如何做到的？

通常來說，節能優化的難點在于各設備及系統之間性能相互耦合影響，在滿足某個末端需求情況下系統運行組合方式常達數十萬種。專家經驗規則沒法實時找到系統最優解，而純AI算法基于系統歷史運行數據進行訓練，模型本身沒有物理意義，尋優結果受限于歷史運行數據多少與過往老師傅的調控經驗，難以實現系統的全局優化，節能效果很有限。

從節能到“再節能”，深度智控的解法是：先對空調系統設備進行高精度仿真建模與預測，在保障末端需求的條件下，在仿真環境中實時遍歷計算系統層級數十萬種運行工況組合所對應的系統能耗，從而找到系統總能耗最低時對應的最優控制參數，并實現系統層級的閉環控制與全局主動優化。目前系統性能仿真預測值和實際值之間的誤差普遍可做到3%以內，即系統可在3%誤差范圍內，實時逼近系統運行節能極限。

從業主方來看，節能效果可量化，節能數據可感知。業主通過一鍵切換功能，5分鐘內實現“優化前”和“優化后”的數據對比，實時實現對節能效果的多維度驗證。經過數百個項目的實際應用統計，深度智控節能平臺在市場先進專家經驗節能或AI節能的基礎上，可至少再優化提升節能率10%以上。

敏捷交付也是深度智控業務不斷突破的關鍵。在騰訊IDC項目中，深度智控從開始對接、實施到完成交付上線，一兩位工程師用時2周進行系統配置與調試實現，現場生產與運營無須停工且無任何影響。李輝告訴36碳：“通過快速輕量化部署與交付，我們在去年已經將現場配置時間從2周縮短到1周，今年的目標是從1周縮短到3天之內。

除了深度節能之外，基于高精度仿真模型還可以實現故障預警、設備預測性診斷與維護、安全保護與聯動等，以此提升系統運行的安全保障。

在某新能源電池行業巨頭的深度節能與數智化工廠項目中，深度智控最初僅起步于一個試點廠房，基于首個試點廠房750萬度電的實際年節電量，客戶逐漸將園區內其他廠房接入節能與智控平臺，實現園區近80個機電能源系統的深度節能控制與智慧運維，監控點位超過8萬個，空調系統年實際能效提升21%以上，園區年節省運行費用數千萬，運維響應時間平均減少70%以上；同時，生產工藝環境控制精度與安全保障也得到進一步提升。

截至目前，深度智控通過賦能生態伙伴，已經為數百個客戶項目實現深度節能與數智化系統的交付落地，其中包括寧德時代、京東方、國家超算中心、騰訊數據中心、長城汽車、國博電子、華天科技、GE、首農集團等先進制造工廠與數據中心項目，也包括軌道交通、能源站、三甲醫院及地標性商業建筑項目等。

李輝表示，深度智控將不斷鞏固產品技術壁壘，夯實在工業和建筑節能領域的技術領先優勢，進一步打造跨行業應用，從現有的機電能源系統，到分布式能源，以及綜合能源系統等應用場景，并進行出海業務布局。“我們的愿景是：打造世界級的深度能效智控產品和解決方案，為工業與建筑節能行業賦能，成為全球能效智控領域的引領者。”