TL;DR：
江行智能完成数亿元B++轮融资，标志着AI投资范式从“纯财务驱动”转向“产业合围”，物理AI正成为工业数智化的核心逻辑。这家清华系公司通过将边缘计算进化为具备执行能力的“物理大脑”，在电力与能源等重资产行业筑起数据堡垒，预示着AI商业化下半场将由具备“现场基因”的硬科技公司主导。
在硅谷的沙龙里，人工智能（AI）往往被描绘成一种无所不在的灵知，在云端的服务器中吞噬着人类的推文。然而，在零下20摄氏度的中国变电站，或者充满瓦斯的煤矿巷道里，这些精致的算法往往表现得像是个初出茅庐、弱不禁风的实习生。直到现在，AI终于决定脱下西装，穿上连体工装裤，学着如何“弄脏双手”。
近日，物理AI模型公司江行智能宣布完成数亿元B++轮融资。这笔融资的特殊之处不在于金额，而在于其背后的“产业面孔”——从“宁德系”的晨道资本到光伏巨头晶科能源，再到山东能源集团旗下的兖矿资本，一众产业巨头排队下场1。在风险投资（VC）集体捂紧钱包的当下，这场“豪华产业轮”折射出一个冷酷的共识：AI的“幻觉”在工业场景中足以致命，市场不再需要只会吟诗作对的诗人，而急需能够指挥机器人的“老师傅”。
从“云端灵光”到“车间大脑”
江行智能的故事是典型的“象牙塔与工业废墟的结合”。由加拿大工程院院士刘江川与他的清华得意门生庞海天联手打造，这对师徒在2018年便洞察到：工业场景的数据如同一座未经开采的富矿，但其价值在漫长的云端往返中损耗殆尽2。
他们的技术演进逻辑是一场关于“感官”与“肢体”的寓言。早期的边缘计算让机器长出了“眼睛”和“耳朵”，能够感知故障；而如今的物理AI则试图为机器接上“手”与“脚”。这种从边缘计算到“物理AI”的跨越，并非简单的品牌升级，而是商业逻辑的质变。正如英伟达首席执行官黄仁勋所言，AI的下一个浪潮是物理AI，它是AI与世界最大实体产业的交汇点1。
对于能源巨头而言，这种技术的吸引力在于其“确定性”。在电力和矿山领域，AI Agent Fleet（智能体集群）正在实现“一脑统管多机”的规模化作业1。这不再是实验室里的精巧演示，而是过去三年复合增长率接近70%、服务过400多家变电站的真金白银的生意1。
物理数据的“护城河”
如果说大语言模型（LLM）的 Scaling Law 依赖于互联网公开数据的无尽喂养，那么物理AI的护城河则是通过“蹭破皮”换来的真实世界交互。
物理世界的经验不存在于 Reddit 或维基百科中，它存在于每一次设备过热的颤抖和每一寸电缆的磨损里。庞海天坦言，物理AI最难突破的是真实场景数据1。江行智能的策略是典型的“农村包围城市”：通过深度扎根电力、能源等核心赛道，积累每日10万小时的实时生产数据。这种“数据采集-模型训练-迭代下发”的飞轮，让后来者难以逾越。
在这种语境下，资本的流向不仅是资金的注入，更是应用场景的开放。宁德时代、晶科能源等股东的加入，本质上是为江行智能打开了通往全球能源基础设施的“通行证”。这种“产业投资+业务协同”的闭环，让江行智能有望在2025年实现盈利，这在普遍处于“烧钱换增长”阶段的AI初创圈里，显得既罕见又务实1。
预测：通向具身智能的工业门票
然而，挑战依然严峻。工业领域的极度碎片化意味着“通用模型”可能是一个伪命题。正如庞海天所观察到的，机器人领域很难实现通用也没必要通用，场景的深度适配才是核心壁垒1。
未来的竞争将不再局限于模型参数的多少，而在于谁能最先构建起“AI原生的工业基础设施”。当AI能够理解重力、惯性与摩擦力，并将其转化为工业流程的优化时，第四次工业革命才算真正告别了PPT阶段。江行智能的“豪华融资”只是一个前奏，它预示着：在未来的十年里，最顶尖的智慧将不再仅仅留在硅谷的机房里，而是在那些最危险、最艰苦的物理现场，定义着文明的生产力边界。
引用
-
今年最豪华产业轮诞生 · 投资界 · 吴琼 (2026/3/24) · 检索日期2026/3/24 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎
-
江行智能完成B轮融资，加码AI+边缘计算 · 投资界 (2024/6/24) · 检索日期2026/3/24 ↩︎