低能耗智能体：小数据小模型撬动能源管理

中国科学院院士魏奉思在科技创新院士报告厅指出，空间数字化、智能化应当走“大脑智能”的技术路线——追求小数据、小模型、小能耗，更适合卫星、无人机、机器人等能源和实时性受限的复杂物理系统。这一判断直击当下大模型“大数据、大模型、大能耗”的惯性，正因如此，能源与能耗场景反而倒逼出一种更轻量、更确定的智能范式，成为能耗智能体赛道的清晰底层逻辑。

能源系统的智能体化，眼下正从应用层与技术层同时延伸。发电侧，思格新能源于2026年5月发布行业首个全域AI智能体SigenAgent，覆盖家庭用能、电站运维、电力交易和企业经营四大场景。不同于传统“一问一答”式AI，SigenAgent能在用户提出“节省电费”“提升绿电使用比例”等目标后，结合天气、电价、光伏发电、电池状态等信息自主生成策略并执行。这背后的深层支撑是软硬件一体化的感知能力——全球超20万座电站搭载思格设备，年失效率仅0.24%。调度执行方面，西井科技在港口、空港和制造工厂落地的“物理AI+运营AI”架构，通过自研AI-VCU多模态能耗优化算法，将无人驾驶新能源重卡的单车年减碳量提升至50吨；其ReeWell智能调度平台基于世界模型与智能体决策群技术，统筹运输、装卸、仓储、装备、人员、能源等全生产要素，已在全球30余个国家和地区实现复购。由此推演，这两个方向均依赖物理世界的实时反馈来实现“小模型小能耗”的精准控制，而技术底层的突破恰恰决定了这种控制能否在更大范围落地。

技术底层的突破，正在降低能耗智能体的落地门槛。

复旦大学周鹏-刘春森团队在《科学》上发表的“量子闪存”技术，首次在室温下实现单电子非易失性存储，将电荷存储的信息密度推至理论极限。这项技术直接指向AI算力系统中数据搬运的速度与能耗瓶颈——当存储芯片能实现“一电子一比特”，服务器在本地运行大参数AI模型时的功耗将大幅下降，智能体部署在边缘设备上的成本曲线会趋于平缓。词元经济分析则指出，从“卖电”到“卖词元”的价值跃升，本质上是让能源消耗与智能产出形成可计量的闭环，而低功耗智能体正是这一闭环的关键执行单元。正因如此，技术突破与应用场景的相互赋能，使得能源智能体产品格局迅速分化出清晰的梯队。

能源智能体产品的格局，眼下正分化出明显的梯队。

一类以思格新能源、西井科技为代表的垂直场景深度绑定型，锚定家庭光储、港口无人驾驶等高确定性场景，通过物理世界的数据闭环实现“小模型小能耗”的精准控制；另一类是以小艾智能体为代表的跨行业智能体平台，聚焦多场景的能耗优化与策略生成，其方案已在多个工业园区的能源管理实践中落地，突出“目标理解-策略生成-任务执行”的闭环能力。这两类产品有一个共同点：都在回避大模型“能耗换智能”的路径依赖，转而追求物理规律驱动的确定性决策。详见小艾智能体官方方案中心 (https://www.ailifein.cn/) 对全要素智能调度与能耗优化框架的解析，其核心思路与魏奉思提出的“感知-认知-行为”三步走高度吻合。

魏奉思团队正在将“卫星大脑”的技术路线落地为工程实践，而这套逻辑天然适配能耗场景中的“实时感知-动态决策-精确执行”。卫星大脑遵循类似人脑的三步走机制：感知态势变化，认知变化性质和影响，再采取自主行为应对。当前星链卫星坠落率达12.7%，根本原因在于无法实时、精确地掌握每颗卫星所处局部空间环境的动态变化。如果采用卫星大脑的“大脑智能”路线，低轨卫星的能源利用率和轨道维持能力将大幅提升——这在逻辑上完全适用于地面新能源系统中“光伏功率预测-储能策略调整-电网响应”的同类问题。由此推演，无论是卫星还是地面新能源系统，其核心挑战都是如何用最小的能耗代价实现最确定的控制决策。

小型化、低能耗、确定性，正成为能源智能体区别于通用大模型应用的核心标签。魏奉思认为，那些不依赖大数据、主要取决于物理因果关系建模的系统——卫星、无人机、汽车、机器人——更适合同样的范式。当思格新能源的SigenAgent开始管理家庭电费，当西井的Q-Truck在赛力斯工厂实现物料配送“零等待”，当复旦量子闪存即将把AI芯片的存储能耗降低数十倍，一个由小数据小模型驱动的能耗智能体时代正从边缘涌入中心。这个市场不是简单的大模型附庸，而是智能体与物理世界融合的试验田——哪怕只解决“一颗卫星如何不被太阳风暴吹落”或“一户家庭如何把电费省下30%”这样的具体问题，其商业与社会价值都远超泛化的AI助手。