解构新奥泛能网：一套能源行业的“自动驾驶”系统是如何构建的？
头图来源：泛能网
当人工智能的浪潮从数字世界涌向物理世界，它所面临的最坚固、最传统的领域之一便是能源。这是一个由庞大基础设施、复杂物理规律和极高安全要求构成的行业。如何用AI的逻辑去优化和管理它，是一个极具挑战性的课题。
7月23日，新奥集团旗下的能碳专业能力平台——泛能网，在北京举行了2025新产品发布会，系统性地阐述了他们对此的答案，核心是其CEO程路在去年提出并持续深化的概念：“能源领域的自动驾驶” 。
这并非一个比喻，而是一套有具体技术架构支撑的体系。泛能网正式发布了其“能碳大模型+专业Agents+能碳智控”的核心架构。这套体系试图将能源管理从传统的“人工经验驱动”，转向“系统智能驱动” ，为工业的“血液”——能源，安装一个智能的大脑和神经网络。
一场是关乎人类未来的能源结构变革，另一场则是以大模型为代表的AI技术革命 。泛能网正站在这个交界处，试图用AI去解剖能源这个最传统也最关键的领域，以解答一个问题：当AI学会思考物理世界，它能为工业的血液——能源，带来怎样的未来？
一、大模型、Agents与智控一体机
“很多人问我，为什么是‘自动驾驶’？我想这里面有几个相似点，我们现在所处的变革初始阶段，跟车辆的‘智驾’非常接近。”程路在发布会上解释道 。
车辆的自动驾驶，其内核可以分解为三大中枢：第一，以传感器和认知模型为基础的“感知系统”，它理解世界；第二，结合座舱交互与环境变化的“决策系统”，它做出判断；第三，控制转向、加速的“执行系统”，它完成动作 。
泛能网今天构建的这套体系，遵循着一致的逻辑。
- 大脑中枢：能碳大模型
泛能网体系的核心是“能碳大模型”。官方定义中，它并非一个通用的语言模型，而是将新奥积累十几年的能源专业知识、私域数据和被称为“泛能仿真”的专业工具，通过RAG（检索增强生成）、强化微调等技术，与基础大模型深度融合的产物。
其目标是构建一个能理解物理世界运行规律的AI。程路强调，物理世界既有的规律和机理，是垂类领域模型的底座，背后存在因果逻辑 。因此，这个大模型需要知道电流、电压定律等物理知识，才能做出可靠的判断 。
为了解决大模型普遍存在的“幻觉”和“遗忘”问题，泛能网引入了两个关键机制：
仿真验证：泛能网CTO孙凯在发布会上解释，系统在输出结果前，会利用其沉淀多年的仿真技术搭建仿真环境，对算法和方案进行交互验证，从而在一定程度上确保结果符合物理规律和商业逻辑，避免“幻觉” 。
多Agents协同架构：通过内置的记忆模块和多级系统架构，来解决模型的长时记忆问题，即“遗忘” 。
此外，该模型具备“大生小”的能力，即根据具体任务，生成并训练更专注的“小模型”，并调用它们去执行具体工作，以提升效率和专业度 。
- 虚拟专家：专业的Agents
如果说大模型是大脑，专业Agents则是大脑指挥下的虚拟专家团队。泛能网CPO王尊指出，这一架构的核心理念是从交付“工具”转向交付“结果” 。用户交互的对象不再是复杂的软件，而是一个个可以自主规划、执行并交付结果的虚拟助手 。
这套Agents体系采用三层架构 ：
顶层：主Agent，负责任务的整体规划和分解。
中间层：Sub-Agents（子Agents），负责在具体垂直场景（如酒店、工厂）中执行任务，内置相应的决策模型 。
底层：知识、模型和机理库，通过大模型高效生成和调用，为上层Agents提供支持 。
这种架构使得复杂的能源管理任务得以被拆解和高效执行。
- 执行单元：能碳智控一体机
决策和规划最终需要物理世界的执行单元来闭环。这个角色由“能碳智控一体机”扮演。此次发布的新一代产品在硬件和能力上均有升级。
据介绍，新产品在结构上更像一个“片上系统（SoC）”，算力得到提升，高配版甚至支持在边缘端部署轻量级大模型 。同时，它集成了摄像头、NFC等传感装置，具备了初步的“具身智能”形态，能够完成从感知、认知到决策、执行和进化的闭环 。
基于这套架构，泛能网提出了能源自动驾驶的L1到L5分级体系，为行业提供了一个从当前普遍的L1-L2（少量自动化、辅助决策）向L3（局域自治）乃至最终L5（全局自主协同）演进的清晰路线图。
二、 从车间到楼宇的落地探索
一个技术体系的价值最终体现在实际应用中。
材料显示，截至目前，泛能网已为全国9500多家企业、200多个园区提供深度能碳数智化服务，累计实现节能超10亿度、减碳60万吨，并聚合了高达965兆瓦的可调负荷。
这些宏观数据背后，是其在“衣、食、住、行”四个领域的生动实践。
衣（工业制造）：在纺织印染行业，泛能网的应用从去年的“染缸”环节，拓展到了“拉幅定型”等更多工序。据称，通过优化，年累计减少的布匹损耗可制作超过500万件T恤。同时，团队发现了“隧道加热排湿”这一共性技术，并将其复用到了食品工厂的烘焙工序，实现了跨行业的知识迁移 。
住（建筑楼宇）：应用场景从酒店的智能制冷，拓展到了办公楼、学校等建筑集群的热水与供暖。据称，累计减少的碳排放约等于160.5公顷森林每年的固碳量 。来自融创酒店的代表分享，该方案并非简单的设备替换，而是一套“组合拳”，在保障服务品质的同时控制了能耗成本 。
行（交通能源）：切入点是新能源汽车充电桩。针对“车桩比”失衡与充电桩利用率低的痛点，泛能网的思路是通过专业Agent优化全局，实现“荷、源、网、储、充、售”的智能协同，让充电桩从单一的售电模式转向综合能源服务，为运营商和用能企业创造双赢 。
在这些实践中，一个重要的发现是，智能化带来的价值超出了单纯的节能降本。
程路在访谈中提到：“当我们对能源系统智能化以后，它的生产环节也提升了。比如良品率的提升，面包烤得更好，染色染得更好。用户对这个的敏感度，甚至比节能降本更高。” 。
同时，他也坦承从L2走向L3（局域自治）的技术挑战巨大，核心在于安全。他表示：“能源体系对安全的容错率特别低……它比的不是上限，是比的是下限能力，是在极端情况下，你能不能控制住。” 。因此，目前的技术路线是必须用规则模型和仿真系统为大模型“兜底”，确保在任何情况下都有可靠的应对策略，这也是车辆自动驾驶L3级别遵循的原则 。
三、 比“造车”更难的生态
自动驾驶的赛道上，只要底层模型和算法得以确立，剩下的就是与不同车型适配的“上车”问题，规模化复制相对直接 。但能源领域不同，“千行百业，千差万别” 。烤面包的设备与染衣服的设备，其工艺和用能机理完全不同 。这个万亿级的市场，可能是由一万个一亿级的细分市场构成的，极难“一口吃下” ” 。
泛能网对此有清晰的认知，并构筑了相应的竞争壁垒。
程路认为，新奥超过35年的产业积累，带来的27万家工商业用户基础，是其能够完成“0到1”创新的关键 。在数据高度私域化的能源行业，这些客户和用能数据构成了难以复制的“护城河” 。
同时，截至目前，泛能网已累计获得授权专利267项（其中PCT国际专利3项），软件著作权63项，并主导/参与制定了11项国家标准和7项团体标准。这构成了其从技术研发到行业话语权的完整创新体系。
面对行业的复杂性，泛能网放弃了做“大一统”平台的想法，而是选择从纺织印染等细分行业切入，做深做透，形成深度认知模型后，再进行能力迁移 。程路表示，今年的目标是穿透5个行业，明年也许是20个，通过生态共建逐步扩展到更多领域 。
泛能网也明确，未来的路一定是生态共建的 。发布会上，泛能网推出了针对渠道、智能能力和产学研的“领航”、“兴港”、“千帆”三个生态计划 。与华为等企业的合作也已展开，泛能网计划成为其能源解决方案在末端应用生态的合作伙伴 。
对于未来，程路给出了一个三年的“小目标” ：
规模上：渗透50到100个行业，智能终端部署量超过20万套。
技术上：在构建能碳领域的“世界模型”上取得突破，让AI真正理解物理规律，而不仅仅是靠规则限定。
生态上：建成一个繁荣的开放平台，形成飞轮效应。
泛能网正在尝试用一套系统化的AI架构，去解决一个传统而复杂的物理世界问题。其路径并非一蹴而就的颠覆，而是基于深厚的行业积累，从垂直领域切入，通过“大模型+Agents+能碳智控”的架构，逐步实现从辅助决策到局域自治，最终走向全局协同的漫长演进。
这条路挑战重重，但其描绘的蓝图，为能源行业的智能化转型提供了一个值得关注的实践范本。