公辅能源车间作为工厂的能源枢纽在能耗方面存在三个问题， 一是公辅能源车间设备冗余供能导致的能耗浪费；二是人工巡检效率低、故障响应滞后带来的运维成本高 ；三是缺乏数据驱动的能源 管理手段 ，难以实现精细化控制。广东蘑菇物联科技有限公司打造基于AI大模型的公辅车间数智驱动节能系统 ，通过引入AI技术， 方案力求打破传统经验管理的局限 ，以节能为可测量的经济效益出发，方案构建“ 数据采集－分析－决策－执行” 闭环 ，验证出节能 率再验收 ，不合格不付款的承诺，保障用户的满意度，普遍节能率在10%—30%。

图1灵知 AI 示意图

一是多源异构数据的全面汇聚， 自研设备筑牢数据应用根基。数据采集主要围绕通用工业设备运行与能源管理展开，涵盖设备状态、环境参数、能源消耗及生产效能四大类数据。目前的数据汇聚  方式以企业自采为主，通过硬件层采集、协议层兼容、网络层传输、 平台层汇聚的四层架构 ，实现多源异构数据的全面汇聚。 自主研发蘑菇云盒（物联网数据采集网关）及嵌入式物联模组 ，作为数据采集的硬件基础。协议层支持20+类设备种类、300+个设备品牌、1500+种工业设备协议库，解决设备兼容性问题。网络层以无线传输为主， 辅以有线传输 ，确保数据稳定回传。最后通过公辅车间数智驱动节能管理平台，实现设备级－车间级－工厂级－集团级四层架构的能源管理与节能控制优化。

二是设备数据全生命周期管理，构建四层管理架构。针对公辅能源管理现状 ，通过人工智能、大数据、边缘计算等技术， 围绕数据采集、清洗、处理、控制的设备全生命周期管理 ，构建设备级-  车间级－工厂级－集团级的四层架构 ，实现安全供能、无人值守与节能降碳三大目标。

三是聚焦公辅能源场景应用突破，释放数据乘数效应。项目主要应用于工业公辅能源场景（如空压站、制冷站等） ，通过与设备运行数据、环境参数数据、能源消耗数据等多源异构数据融合 ，基于物联网、云计算、大数据处理、人工智能等技术支撑 ，经过数据采集、传输、处理、分析等过程，最终应用于设备监控、能源管理、故障预测、智能控制等具体环节。

图2全国能源管理展示图

四是重新定义基础设施管理价值，打造制造业绿色转型中国方 案。 目前已实施超2200家工业企业，节省用电超27亿度 ，累计二 氧化碳当量排放155.9万吨 ，节约电费16.2亿元。项目“设备－车 间－产业链”的多层次数据应用体系，使蘑菇物联在公辅设备数字化领域形成差异化竞争力 ，重新定义传统基础设施的管理价值 ，不仅实现工业节能的技术突破，更创造了经济、管理、生态的多维价值。随着“双碳”目标的深入推进，项目有望成为工业领域数据要素市场化的标杆案例， 为全球制造业的绿色转型提供中国方案。

（本项目获得2025 年“数据要素 ×”大赛全国总决赛绿色低碳赛道二等奖）