7月9日，，投中网获悉，，物理AI公司深度智控（DeepCtrls）（以下简称“深度智控”）已完成战略轮与B轮融资，，合计融资金额数亿元，，本轮资金将用于焦点产品研发、商业化拓展及国际化结构。。。

两轮融资的股东阵容堪称“全明星”：战略轮由全球光伏龙头晶科能源领投，，B轮则由国投立异、招银国际联合领投，，红杉中国、源码资源、招商局创投、光远资源等老股东一连加码。。。

深度智控建设于2018年，，定位为物理AI能源基础设施服务商。。。其焦点路径是：用物理AI手艺为智算中心和先进工业场景中的机电能源系统打造自主智能中枢，，实现系统的自动识别、自主决议、自主优化到自动闭环控制的全链路闭环。。。

这恰恰切中AI工业最紧迫的痛点：大模子与算力指数级扩张，，能耗同步暴涨。。。从芯片制造到智算中心，，能源与温控已成为制约AI一连增添的的要害基础设施瓶颈。。。

另值得关注的是公司的商业化体现。。。现在，，台积电先进制程工厂、字节智算中心、国家超算中心等对稳固性与控制精度近乎苛刻的AI算力焦点场景，，均接纳了深度智控的系统。。。

“AI越强，，能源约束越突出”

目今，，AI工业正陷入一个自反式悖论：算力越强，，能耗越大，，最终能源与散热反过来限制算力扩张。。。

这一矛盾在工业链焦点环节尤为突出。。。在上游，，3nm、2nm制程产线工艺重大，，清洁室恒温恒湿、工艺冷却系统能耗极高，，控制精度直接影响良率。。。在下游智算中心，，高功率GPU集群带来高密度热负荷，，冷却、电力、算力调理高度耦合，，负载转变快，，响应要求高。。。任何一个环节泛起滞后，，都可能导致能源铺张、GPU降频，，甚至带来运行清静风险。。。

能否用AI反过来优化支持AI运行的能源系统，，实现“AI for AI”的自优化闭环？？这正是AI从数字天下走向物理天下的必定延伸。。。

若是说以DeepSeek为代表的天生式AI，，大幅提升了AI在数字天下的明确与推理能力；；；那么深度智控所深耕的物理AI，，则正推动AI从数字天下走向真实物理系统。。。二者之间的要害差别在于：天生式AI主要回覆“怎样明确和推理”，，物理AI则进一步落地“怎样优化控制真实物理系统”。。。

“在工业和基础设施场景中，，真正有价值的AI不可只停留在剖析、展望或建议层面，，还必需进入控制闭环，，实现对物理系统的感知、自主决议、动态优化和可靠闭环控制。。。”深度智控COO张雨馨体现，，这也是深度智控（DeepCtrls）这个公司名字的起源——从数字天下的Deep Learning、走向物理天下的Deep Controls。。。

深度智控是全球最早提出并锚定“物理AI”蹊径的团队之一。。。首创人李辉，，清华大学博士，，曾在美国劳伦斯伯克利国家实验室从事AI与能源交织研究，，探索出AI与物理模子连系的要领，，即现在“物理AI”的雏形，，2018年他建设深度智控。。。

经由近8年生长，，深度智控基于自研物理AI引擎，，构建了融合底层物理定律的机电能源系统物理AI模子，，实现实时仿真与优化控制。。。区别于纯数据驱动的“黑箱AI”，，这套物理AI模子让控制效果可诠释、可展望、可验证以及高可靠执行，，从泉源上解决了工业场景对AI应用的最焦点要求：高确定性、可诠释性与清静可靠性。。。

换言之，，深度智控所做的，，不是给古板系统“加一层AI外衣”，，而是用物理AI重新界说能源控制的底层架构，，让物理AI真正成为系统智能控制中枢。。。

累计完成6轮融资，，已实现规；；；

比手艺蹊径更具说服力的，，是实打实的商业化希望。。。

阻止现在，，深度智控产品已应用于台积电、长鑫存储、中际旭创、工业富联、腾讯、字节、宁德时代等数百家头部集团客户。。。

在半导体工业链中，，公司产品笼罩了晶圆制造、存储、光模？榈華I工业要害环节；；；在智算中心领域，，已形成从装备控制模？椤⑾低秤呕皆扒骼淼娜徊纺芰，，客户涵盖头部互联网大厂、数据中心运营商及三大运营商等，，并已进入东南亚、中东等外洋市场。。。

这些场景的配合特点是：系统重漂后高、控制精度要求苛刻、可靠性要求极高，，同时能源系统与焦点生产工艺深度关联。。。在包管系统稳固性和控制精度、辅助提升生产良率的基础上，，深度智控产品可实现机电能源系统效率提升10%至30%。。。

业绩方面，，公司营收连年坚持100%以上年化增添，，并已实现规；；；。。。

现在，，绝大大都物理AI或工业AI企业仍处于看法验证、项目试点的探索阶段，，而深度智控已经起源证实：物理AI不但是一条手艺蹊径，，也可以形成可复制、可规；；；纳桃当栈。。。

这一效果也赢得了资源市场的一连认可。。。建设至今，，公司已完成六轮融资，，股东矩阵涵盖红杉中国、源码资源等头部财务机构，，汇川产投、晶科能源等工业资源，，以及深创投、招商局创投、国投立异等国资配景机构。。。

AI for AI：从能效优化走向算电协同

若是说AI能效优化是“AI for AI”的1.0阶段，，那么算电协同则是这一起径的更高阶形态——不再伶仃地优化冷却系统，，而是让算力需求与能源供应实现全局动态匹配，，真正形成AI工业的能源闭环。。。

这一趋势已进入国家政策视野。。。今年上半年，，国家连发两份重磅文件：4月27日，，国家能源局将算电协同列为“十五五”重点使命；；；5月15日，，四部分联合发文，，点名绿电直连和算电协同是AI生长的能源底座。。。政策信号明确：算力与电力必需协同演进。。。

而在这一偏向上，，深度智控已建设起属于自己的护城河。。。张雨馨剖析称，，公司焦点壁垒主要有三层：

一是物理AI手艺底座。。。完全自研的PhyAI物理AI引擎可高精度构建算力-电力-冷却耦合模子，，在知足清静、可靠性和服务品级约束的条件下，，动态实现系统全局最优运行控制；；；

二是数据与控制闭环。。。依托30万台工业装备的实时运行数据与毫秒级控制能力，，实现算力负荷、能源价钱、冷却能力、储能状态的高精度展望与快速响应控制；；；

三是全栈产品系统。。。从DeepChip装备端控制模？椤⒌紻eepSYS系统级优化、再到DeepOS园区级调理的完整产品矩阵，，可落地从装备、系统再到园区的、全层级算电协同调理与闭环优化控制。。。

“在算电协同的愿景下，，AI算力系统将实现真正的智能自治。。。”张雨馨剖析称，，算力可连系展望电价、绿电着力、冷却能力以及储能状态等多元因素，，实现无邪调理；；；冷却系统则能提前预判算力负载转变，，快速响应并精准调控。。。通过源网荷储与算力系统的全链路联动，，不但能包管算力稳固输出，，还能实现全生命周期用能本钱最优、绿电消纳最大化，，让AI算力的增添不再受限于能源供应的刚性约束，，同时使AI算力成为很是名贵的柔性调理资源。。。”

这意味着，，算力基础设施与能源系统之间的关系将爆发基础转变：从能源单向支持算力，，转向算力与能源双向协同。。。

当全球都在比拼大模子的参数规模时，，一个更深层的逻辑已经徐徐浮现：AI的最终竞争，，终将回归基础设施的竞争。。。谁先筑牢能源底座、实现算电协同的全局最优，，谁就能掌握AI工业恒久生长的自动权。。。

而深度智控正在做的，，就是用物理AI的"DeepControls"，，重新塑造AI算力基础设施的未来，，这或许就是其成为AI算力时代"卖水人"的真正寄义。。。