深度智控完成数亿元A轮及A+轮融资，老股东源码持续加码

深度智控近期获得数亿元A轮及A+轮融资，由深创投、招商局创投联合领投，光远金盘产业基金战略投资，老股东红杉中国、源码持续加码。本轮融资是深度智控继获得腾讯、红杉、源码、汇川投资后的第四轮融资。本轮资金将主要用于公司新产品研发和业务发展。

深度智控（DeepCtrls）成立于2018年，是一家深度节能与数智化创新服务商，专注为工业与建筑节能行业赋能，实现机电能源系统的深度节能与企业数智化转型。公司创始团队来自清华大学和美国劳伦斯伯克利国家实验室，在节能领域拥有20年经验。

随着国家双碳战略目标落地实施，社会各行业节能降碳与数智化转型的需求越发迫切。在工业与建筑能源系统中，暖通空调、空压系统能耗常能占到其能源总消耗的30%至50%。而目前这些系统的运行能效提升，还常依赖于设备节能（可理解为节能1.0）、专家经验节能（节能2.0）、纯AI被动节能（节能3.0）这三种方式，导致我国每年数千亿度电的能耗被浪费。

有无新的技术方式，可以寻优逼近系统运行节能极限？

“新的时代，需要新一代基于行业强know-how特性和数据驱动相结合的能效工具平台。”深度智控创始人李辉博士介绍说，区别于“设备节能”、“专家经验节能”、“AI盲人摸象式的被动节能”，该公司研发行业领先的第四代“机理框架+数据驱动”高精度建模与寻优技术，针对暖通空调、空压等机电能源系统，变被动为主动、变局部为全局，实时从数十万条系统运行可能路线中，寻找到系统最高效的运行路线，逼近系统运行节能极限。基于“第四代”节能优化技术，为深度智控在面对先进工业制造、数据中心等“高复杂、高精准、高要求”的项目场景，提供了技术底层保障和项目竞争优势。

自公司成立以来，从迭代技术、打磨产品到推进商业化，这家在深度节能赛道已覆盖众多头部客户的公司是如何做到的？

通常来说，节能优化的难点在于各设备及系统之间性能相互耦合影响，在满足某个末端需求情况下系统运行组合方式常达数十万种。专家经验规则没法实时找到系统最优解，而纯AI算法基于系统历史运行数据进行训练，模型本身没有物理意义，寻优结果受限于历史运行数据多少与过往老师傅的调控经验，难以实现系统的全局优化，节能效果很有限。

从节能到“再节能”，深度智控的解法是：先对空调系统设备进行高精度仿真建模与预测，在保障末端需求的条件下，在仿真环境中实时遍历计算系统层级数十万种运行工况组合所对应的系统能耗，从而找到系统总能耗最低时对应的最优控制参数，并实现系统层级的闭环控制与全局主动优化。目前系统性能仿真预测值和实际值之间的误差普遍可做到3%以内，即系统可在3%误差范围内，实时逼近系统运行节能极限。

从业主方来看，节能效果可量化，节能数据可感知。业主通过一键切换功能，5分钟内实现“优化前”和“优化后”的数据对比，实时实现对节能效果的多维度验证。经过数百个项目的实际应用统计，深度智控节能平台在市场先进专家经验节能或AI节能的基础上，可至少再优化提升节能率10%以上。

敏捷交付也是深度智控业务不断突破的关键。在腾讯IDC项目中，深度智控从开始对接、实施到完成交付上线，一两位工程师用时2周进行系统配置与调试实现，现场生产与运营无须停工且无任何影响。李辉告诉36碳：“通过快速轻量化部署与交付，我们在去年已经将现场配置时间从2周缩短到1周，今年的目标是从1周缩短到3天之内。

除了深度节能之外，基于高精度仿真模型还可以实现故障预警、设备预测性诊断与维护、安全保护与联动等，以此提升系统运行的安全保障。

在某新能源电池行业巨头的深度节能与数智化工厂项目中，深度智控最初仅起步于一个试点厂房，基于首个试点厂房750万度电的实际年节电量，客户逐渐将园区内其他厂房接入节能与智控平台，实现园区近80个机电能源系统的深度节能控制与智慧运维，监控点位超过8万个，空调系统年实际能效提升21%以上，园区年节省运行费用数千万，运维响应时间平均减少70%以上；同时，生产工艺环境控制精度与安全保障也得到进一步提升。

截至目前，深度智控通过赋能生态伙伴，已经为数百个客户项目实现深度节能与数智化系统的交付落地，其中包括宁德时代、京东方、国家超算中心、腾讯数据中心、长城汽车、国博电子、华天科技、GE、首农集团等先进制造工厂与数据中心项目，也包括轨道交通、能源站、三甲医院及地标性商业建筑项目等。

李辉表示，深度智控将不断巩固产品技术壁垒，夯实在工业和建筑节能领域的技术领先优势，进一步打造跨行业应用，从现有的机电能源系统，到分布式能源，以及综合能源系统等应用场景，并进行出海业务布局。“我们的愿景是：打造世界级的深度能效智控产品和解决方案，为工业与建筑节能行业赋能，成为全球能效智控领域的引领者。”