在为拥有多栋建筑的大型企业园区供电方面,现有的分配系统相当落后。与按实际用量付费的普通住户不同,企业园区需要购买标准的月度电力容量。基于常理,这个容量必须以最大用电需求为基准,即使企业只在繁忙季节等特定时期才达到如此高的用电量。
这种情况让COI Energy创始人兼首席执行官SaLisa Berrien深感困扰。在获得机械工程学位(后来又获得MBA学位)后,她在PECO、Con Edison和Exelon等主要公用事业公司以及一些清洁能源初创公司担任能源工程师长达25年。
Berrien选择这个领域是因为童年时期,她的父母有时无法支付电费账单。"我们经常处在黑暗中。作为一个孩子,我的自尊心很低,"她告诉TechCrunch。其他知道她家情况的孩子会嘲笑她。
因此,当她获得学位并在电力公司工作时,"我所有的朋友都说,'你疯了。那是一个停滞不前的领域。那是一个以白人、男性、年长男性为主导的领域。你为什么要这样做?'对我来说,这是个人原因,因为我知道作为一个孩子的感受,"她说。Berrien希望让电力更高效、更实惠、更容易获得,这样就不会有孩子缺电。
她致力于客户运营、智能电网、清洁能源项目。
"作为一名工程师,我会进入企业并就如何改善建筑物的能源性能、如何消除生产线瓶颈提出建议,"Berrien说。
她学会了如何使用大数据来优化能源效率。但没有人解决根本问题:企业预留和支付的能源远超其实际使用量。
商业客户不断询问她为什么被多收费。"我同意,"她说。"为什么你不能按需为你使用的电力付费?"
Berrien的解决方案获得了三项专利(还在增加中),并基于这项技术创立了COI Energy,组建了一个包括建筑管理、能源工程师和前能源高管的团队。她雇用了从监管到定价等各个领域的专业人才。
COI的解决方案是一个市场平台,同一公用事业公司内的企业可以在COI的数据预测他们不需要时出售部分能源配额。COI是Startup Battlefield前20强决赛选手,将在本周在旧金山举行的TechCrunch Disrupt 2025上展示其技术。
COI在每个客户站点安装专利能源网关来测量能源使用情况。它连接到建筑系统和SCADA系统。Berrien说,它与硬件无关,意味着它可以与任何现有的公用事业或建筑能源系统配合使用。在收集一段时间的数据后,该平台可以预测企业真正需要多少电力。"我们可以预测90天,"她说。
然后企业可以决定要释放多少未使用的能源。COI向企业支付该容量的费用,市场上的买家向COI付费获得它。"如果客户给我们100千瓦,我们会为那100千瓦付费,然后买家会从我们这里购买。"
COI仍处于种子前阶段,已从前Talen Energy高管Paul Farr、摩根士丹利包容性和可持续发展投资、Kachuwa影响基金、Chloe Capital等投资者那里筹集了350万美元,并在Republic平台进行了一些众筹。
然而,这家初创公司已经通过五个试点客户产生收入,所有客户都至少拥有50栋建筑。它在加利福尼亚、佛罗里达、马萨诸塞和纽约运营,并有等待名单。此外,Berrien说,COI正在洽谈成为瑞士的解决方案提供商,因为瑞士将从2026年开始实施国家能源政策,允许企业和家庭共享容量。
此外,回忆起她小时候的困境,Berrien的初创公司将企业在平台上获得的节省资金的1%专门捐赠给帮助弱势群体满足能源需求的非营利组织。这些组织帮助支付账单、提供防风化服务并提供太阳能等能源项目。
"我们通过所谓的'千瓦行善'来回馈社会,"Berrien说。
她的目标是提供帮助目前不堪重负的能源系统的技术。"与其浪费容量,不如共享它。所以我们让地球变得更好。我们让我们的底线变得更好。同时,我们也在帮助和提升我们的社区,"她说。
Q&A
Q1:COI Energy是什么?它解决了什么问题?
A:COI Energy是一家能源技术初创公司,创立了一个企业间电力交易市场平台。它解决了大型企业园区按最大容量预购电力但实际使用量远低于预购量的问题,让企业能够出售闲置的电力容量获得收益。
Q2:COI Energy的技术是如何工作的?
A:COI在每个客户站点安装专利能源网关来测量能源使用情况,收集数据后能预测90天内的真实电力需求。企业可以决定释放多少未使用的能源,COI向企业支付该容量费用,市场买家再从COI购买这些电力。
Q3:哪些企业可以使用COI Energy的服务?
A:目前COI Energy主要服务拥有至少50栋建筑的大型企业园区。公司在加利福尼亚、佛罗里达、马萨诸塞和纽约运营,已有五个试点客户并有等待名单,还在与瑞士政府洽谈合作。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。