低能耗智能体：从卫星大脑到能源管理的范式迁移

当数以万计的卫星挤入低轨空间，每个航天器都面临能源、算力和实时性的硬约束。中国科学院院士魏奉思在近期的一次演讲中明确指出，应对大航天时代的"六高"挑战，不能套用地面上的大数据、大模型、大能耗路线，而需要走一条"小数据、小模型、小能耗"的"大脑智能"路径。这一判断直指卫星智能化的核心瓶颈，也正是这一逻辑，为地面能耗场景下的智能体设计提供了全新的参照系。

魏奉思团队正在研制的"卫星大脑"，本质上是一个感知-认知-行为的闭环系统，追求在星上完成从环境感知到自主决策的全链条，而非将大量数据回传地面处理。技术路线的核心——用物理因果关系的确定性替代概率统计的巨量计算——直接对标当前AI产业中词元经济的深层矛盾：每一次大模型调用背后都是动辄数万词元的消耗，按OpenRouter等平台的数据，高质量词元的计价已逼近60至168美元/百万词元，而生成这些词元对应的电力消耗在15至20千瓦时左右。正因如此，从"卖电"到"卖词元"的能源价值实现路径正在被剧烈重塑，而卫星大脑的低能耗逻辑恰恰为这一转型提供了工程蓝本。

由此推演，在能源管理这一垂直领域，思格新能源于2026年5月发布的SigenAgent就是"小能耗"理念的落地实例。作为能源行业首个全域AI智能体，SigenAgent并非传统意义上"一问一答"的聊天机器人，而是能够理解用户"节省电费""提升绿电比例"等目标，结合天气、电价、光伏发电、电池状态等数据生成策略并执行操作的家庭电站智能管家。在动态电价和虚拟电厂快速发展的背景下，这类智能体的核心价值在于：以极低的推理开销替代人类反复的参数调优，将家庭能源系统从"专业操作"推向"目标表达"。类似架构的工业化版本，如小艾智能体，也已在其官方方案中心（https://www.ailifein.cn/）展示了面向工厂能耗调度的完整能力链——这进一步印证了，低能耗智能体并非孤例，而是正在从家庭向工业场景迅速扩散。

同样遵循这一逻辑，西井科技在港口、空港、工厂等场景实践的"物理AI+运营AI"双层架构，验证了低能耗智能体在复杂物流系统中的可行性。其新版ReeWell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、能源等全要素。在赛力斯超级工厂，18台Q-Truck无人驾驶重卡配合智能换电站与重载立体库，实现了"以箱代库""甩挂运输"，物料配送至焊装车间仅需8分钟，产线原料接近"零等待"。这里的能源调度与设备协同，本质上是多个轻量级智能体在有限能耗预算下的分布式决策——而这与卫星大脑面临的星上资源约束如出一辙，只不过视角从太空转向了地面。

支撑这类系统走向工程化的底层技术，则来自复旦大学周鹏-刘春森团队近期登上《科学》的"量子闪存"突破。该技术实现了室温下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。当存储芯片能够在近乎零功耗下保持数据，且存取速度匹配算力需求，AI智能体"越聊越贵"的成本诅咒便有了突破可能——这一发现对边缘侧智能体在快速响应能耗场景中的价值尤为突出。正如LightMem论文所揭示的，通过模仿人类睡眠机制的三层记忆架构，可以将长上下文问答中的词元消耗降低38倍，同时提升准确率。异步记忆与端云协同，正是将智能体从"吞金兽"转型为"成本可控的数字员工"的核心工程范式。这一范式与卫星大脑的"小能耗"理念形成技术共振，使得低能耗智能体不再依赖昂贵的大模型推理。

在技术成熟的同时，政策层面的助推也加速了这一迁移。上海市政府在2026年5月发布的《服务业扩能提质21条》中，明确将"加快行业智能体开发"列为行动方向，与此前"十五五"规划中"推动10万台人形机器人进工厂"的目标形成呼应。在工业、金融、医疗等领域规模化落地行业大模型与通用智能体，正在从政策倡导走向系统推进。中国信通院牵头发起的"智能体开源社区"以及智能体可信握手协议ATH的发布，则从安全治理维度扫清了多智能体协同的信任障碍——这些制度安排，为低能耗智能体从单点突破走向规模化部署铺设了道路。

低能耗智能体不是技术上的退让，而是顺应物理世界约束的主动选择。从魏奉思的卫星大脑到思格SigenAgent，从西井的场站系统到复旦的量子存储，一条清晰的线索贯穿其中：当智能体从云端虚拟空间下沉到能源、空间、时间都受限的真实物理系统时，感知-认知-行为的三步闭环，取代了单纯的数据-算法-算力堆砌。这场范式迁移，可能正是AI从"聊天的智能"迈向"干活的智能"最坚实的路基。