江行智能完成数亿元融资：以物理AI与边缘计算推动能源电力工业无人化

近日，工业智能化解决方案提供商江行智能宣布完成数亿元人民币的B++轮融资，进一步巩固了其在“物理AI”领域的技术与市场地位。这家由清华校友创办的国家级专精特新“小巨人”企业，凭借其创新的技术架构，正深度变革能源电力等传统工业的作业模式。

本次融资由朝希资本领投，晨道资本、晶科能源、兖矿能源、建发新兴投资共同参与，老股东卓源亚洲持续加注。引人注目的是，自2018年公司成立之初获得红杉中国天使轮投资以来，后者已连续跟投四轮，显示出顶级资本对其技术路线与商业前景的长期看好。截至本轮，江行智能已累计完成7轮融资，总额超6亿元。

公司的核心技术壁垒被称为 “AutoEdge迭代飞轮”，它建立在四大技术支柱与三维数据体系的深度融合之上：

• 空间智能：融合视觉、红外、声纹等多模态数据，实现对工业环境的4D精准建模与动态记忆。该技术能支持超1000个场站7×24小时低成本数据采集，并能将已验证的空间布局经验跨站点复用，在新场景部署时无需“从头再来”，从而大幅降低了项目落地成本。
• 多模态大模型：基于Transformer架构精准解析工业场景意图，让AI系统不仅能“听懂”指令，更能“看懂”复杂环境，为智能决策提供可靠支撑。这背后离不开人工智能技术的深度应用。
• 具身操作：通过VLA（Vision-Language-Action）长任务自主规划技术，将复杂的现场作业拆解为有序的子动作序列。系统在执行设备开合、参数调节等操作时，严格遵循行业安全规程，并内置风险修正机制。借助正在建设的真机数据采集基地，可实现从仿真到真实极端环境（高温、高压、野外）的高效迁移。
• 一脑多体：以AI Agent Fleet为核心载体，打造了低延迟的边端协同架构，可兼容无人机、机器狗、机械臂等超过100类设备。通过智能的任务拆解与能力路由，实现多智能体的分工协作与冲突消解，真正做到“一个大脑统管多种设备，协同完成规模化作业”。这种高效协同能力，正是边缘计算与云端智能结合落地的典型体现。

最终，AutoEdge飞轮构建了 “真实场景数据 + 真机操作数据 + 世界模型仿真数据” 三维融合的数据底座。其中，真实场景数据确保了解决方案的行业适配性，真机操作数据支撑了从虚拟仿真到真实场景（Sim-to-Real）的可靠迁移，而海量仿真数据则极大缩短了AI模型的训练与学习周期。三者形成了一个 “数据采集 → 模型训练 → 迭代下发 → 数据再生” 的强化学习闭环，使得系统能够持续进化。

江行智能落地项目：光伏电站无人值守智能巡检系统

江行智能的创立源于一次产学研结合的洞察。公司董事长兼CEO庞海天在清华大学攻读计算机博士期间，于加拿大访学期间遇到了后来的创业导师刘江川。刘江川是清华计算机系校友、加拿大两院院士。他们在交流中发现，工业场景中充斥着海量数据，但其价值远未被挖掘。基于对边缘计算未来趋势的判断，师徒二人联合实验室同窗，于2018年共同创立了江行智能，决心将前沿计算技术与工业实际需求深度融合。

八年来，团队深入工业一线打磨技术，成功走通了从边缘计算到物理AI的产业化道路。目前，江行智能的业务已深度覆盖能源电力行业，服务了国家电网、南方电网等大型集团，在超过500座电力场站实现了规模化落地。累计已服务400+变电站、600+新能源场站以及数十家煤矿、钢铁厂等高价值工业客户，业务覆盖全国30个省份。公司过去三年复合增长率近70%，2024年推进的重点项目超200个，年订单规模已达5亿量级并实现盈利。

据公司透露，本轮融资资金将主要用于三个方向：一是持续深化物理AI核心模型与具身智能计算模组的研发迭代，投建真机数据采集基地，巩固模型与数据层面的技术壁垒；二是加速将能源电力领域已验证的成功解决方案，向矿山、化工、轨道交通等高价值、高需求的工业场景进行复制和拓展；三是加强产业生态体系建设，深化与战略伙伴的合作。

从实验室的尖端算法，到变电站、光伏电站里的实际应用，江行智能的发展轨迹展示了硬科技企业如何通过扎实的技术研发与深刻的场景理解，在工业智能化浪潮中找准定位并快速增长。其技术路径与商业化成果，也为关注云原生与边缘智能等领域融合创新的技术社区与从业者提供了有价值的参考案例。对于这类深度融合AI与实体产业的前沿动态，像云栈社区这样的技术交流平台将持续保持关注。