专注于电网AI模拟的初创公司ThinkLabs AI今天宣布完成2800万美元A轮融资，由全球最大的能源转型投资公司之一Energy Impact Partners领投，英伟达风险投资部门NVentures和爱迪生国际参投。

为什么电网需要AI？

根据咨询公司ICF International的数据，美国电力需求预计到2030年将增长25%，主要由AI数据中心、交通电气化和建筑电气化推动。这个激增正在冲击一个几十年前为完全不同的需求设计的电网。

核心问题是计算能力。当电力公司需要了解在特定变电站连接大型数据中心会发生什么，或者在居民区部署一组电动汽车充电器会产生什么影响时，工程师必须运行潮流模拟——模拟电力通过网络流动的复杂计算。使用西门子、GE和施耐德电气等公司的传统软件工具，这些研究可能需要数周甚至数月。

ThinkLabs的方案是用物理感知的AI模型替代这个瓶颈。公司声称其平台可以将一个月的电网研究压缩到3分钟内完成，在10分钟内运行1000万个场景，同时在电网潮流计算上保持99.7%以上的准确率。

不是ChatGPT，是工程计算

ThinkLabs CEO Josh Wong强调了与生成式AI的本质区别：

“我们不是在产生幻觉。我们谈论的是工程计算。我会把这比作流体动力学计算、F1赛车、航空航天或气候模型。我们确实有来自现有物理工程模型的真实来源。”

ThinkLabs在可信的物理模拟器输出上训练AI，然后针对这些模拟器验证模型。结果是一个不仅快速而且完全可解释和可审计的AI系统——在一个错误计算可能导致停电或物理基础设施损坏的行业中，这是关键要求。

三相交流潮流分析

ThinkLabs执行的是完整的三相交流潮流分析——检查电网上的每个节点和母线，确定有功和无功功率水平、线路流量和电压。这是与电力工程师今天使用传统工具执行的相同类型的分析，但ThinkLabs可以以这些工具根本无法匹配的速度和规模交付。

这个区别很重要，因为电力公司基于这些研究做出价值数十亿美元的资本投资决策。如果潮流分析显示拟议的数据中心连接会使输电线路过载，电力公司可能需要花费巨资建设新基础设施。但如果分析也能建议替代方案——电池储能位置、负载灵活性调度或拓扑优化——电力公司可能避免或推迟这些资本支出。

战略合作伙伴关系

与英伟达：ThinkLabs广泛使用英伟达生态系统，利用CUDA进行GPU加速计算，并将英伟达的Earth-2气候模拟平台集成到概率预测和风险调整分析管道中。Wong表示，ThinkLabs是”一家电力公司提到的OT侧（运营技术侧）唯一的高强度GPU工作负载”。

与爱迪生国际：2026年1月，ThinkLabs公布了与南加州爱迪生公司（SCE）的合作成果：AI可以在每条电路上几分钟内训练，在3分钟内处理100多条电路的全年度小时潮流数据，并在90秒内生成带有桥接解决方案建议的工程报告——这些工作以前需要专门工程师平均30到35天。

与微软：SCE合作建立在微软Azure AI Foundry上，将ThinkLabs置于许多大型电力公司已使用的云基础设施中。

创始人背景

Wong的职业生涯仿佛是为这一刻做的准备：

  • 在多伦多水电公司工作了20多年
  • 2012年创办智能电网软件公司Opus One Solutions，发展到100多名员工，服务8个国家的客户
  • 2022年将公司出售给GE
  • 加入GE Vernova开发”未来电网”路线图
  • 2024年4月将ThinkLabs从GE Vernova孵化并分拆出来

“我得出的结论是我们需要更大的自主性。我们谈论很多自动驾驶汽车，但我会说自主电网是更紧迫的优先事项。”

商业进展

电力公司是世界上最保守的技术买家之一，采购周期可能长达数年。但Wong表示情况正在加速：

“我注意到销售周期真的在加速。仍然很长，取决于电力公司和交易规模，但我们亲眼见证了销售周期从传统的一到两年缩短到最短两到三个月。”

ThinkLabs目前与10多家电力公司合作进行AI原生电网模拟，仅在2026年第一季度就实现了客户账户翻倍。

99.7%准确率意味着什么？

对于电网这样的关键基础设施，AI错误可能造成严重后果。Wong解释，99.7%的准确率是在大规模规划研究中的平均值——具体是8760小时分析（全年每小时）投影到3到10年的多敏感性场景。对于规划目的，这个准确率不仅足够，实际上可能超过传统方法的实践水平。

对于更关键的实时应用，ThinkLabs部署”混合模型”，将AI计算与传统物理模拟融合。在最严格的使用案例中，AI处理约99%的计算工作负载，然后交给物理引擎进行最终验证。

即使数据中心热潮放缓也有价值

即使电力需求增长预测过于乐观，Wong认为公司的价值主张仍然成立。电力公司面临根本性的现代化挑战——他们使用的是1990年代和2000年代的工具和流程，而懂得如何操作这些工具的劳动力正在以惊人速度退休。

“劳动力更新是一个重要因素，”他说，”这些AI工具不仅现代化工具本身，还现代化文化和转型，成为下一代的主要留存点。”

电网的导航系统

Wong用了一个简单的比喻来解释ThinkLabs的愿景：几十年来，电力行业对电网限制的默认响应相当于修建更宽的高速公路——更多的电线、更多的铜、更多的钢铁。ThinkLabs想成为重新规划交通路线的导航系统。

“过去，我们开车总是走我们熟悉的路——只是大路。但有了AI，我们可以优化交通模式，走更有效的路线。在这种情况下，可能是电线、灵活性、电池和运营决策的组合。”

电网正在迎来它的副驾驶。问题不再是电力公司是否会信任AI来处理最关键的工程决策，而是他们能多快承受不起不这样做的代价。