天序智能获厚雪资本数千万Pre-A+轮融资：气象大模型与凝空星座如何重构能源气象基础设施

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-10-13

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

📊 核心实体与商业数据

💡 业务落地拆解

技术路线：从“算天气”到“算能源系统演化”

天序智能的核心技术资产是自研的气象大模型，参数规模控制在10B以内，并非通用大语言模型，而是针对能源气象场景深度改造的垂类模型。公司从第一行代码开始自研，以Transformer为底层框架，创新性提出“洛伦兹框架”，针对能源预报中的上下游空间关联和时间飘移现象改造了传统注意力机制。

“我们的目标从一开始就聚焦在风速和辐照度的预报上，这一点区别于一般的气象大模型。”——刘栗

2025年10月，天序智能与中国气象局公共气象服务中心联合发布国内首个能源气象大模型CMA-WSP-AI。区别于传统气象大模型仅输出温度、湿度、降水等结果，天序的垂类世界模型可进一步推演气象变化如何传导至新能源出力波动、全网负荷及现货电价涨跌，实现从“算天气”到“算能源系统演化”的跨越。

模型效果方面，1km高精度风速预测在RMSE、相关系数等指标上优于EC-HRES和AIFS；在极端天气AI竞赛（冰雹、雷暴大风、雷暴、短时强降水四项）中排名第一，TS评分较传统基线方法提升39.6%至351%。

商业模式：三层架构与数据飞轮

天序智能已跑通“数据—平台—能力建设”三层商业模式：

• 底层数据售卖：客户包括头部发电集团、气象部门及电力交易主体
• 中层SaaS平台：电力交易辅助决策平台和功率预测平台，按账号订阅，贡献持续性收入
• 顶层能力建设：将数据、模型、平台整体部署到客户内网，满足能源数据安全和私有化部署需求

“传统模式是发电侧把数据传到第三方，第三方加工成产品再传回去。但随着能源安全的要求提高，这种模式走不通了，数据不能出内网。我们把模型和平台搭建在客户内网里，让数据和模型在内网闭环运行。”——刘栗

三层业务层层递进：数据是入口，平台带来复购，私有化部署锁定头部客户；接入的场站和场景越多，模型越准，形成正向的数据飞轮。当前客户已覆盖发电侧、用电侧和电网侧，国家电网和南方电网均为其客户。

卫星星座：从算法优势到数据壁垒

天序智能启动凝空星座计划，2026年7月24日气象大模型已搭载卫星入轨并完成每日验证，是国内较早让气象大模型“上天”的创业公司之一。星座远期规划18颗卫星，建成全球1km/1h风、光、温压湿观测网络，走出“AI大模型+自有卫星+星上计算”的稀缺路线。

“算法优势终会被追平，数据源头才是长期壁垒。”——刘栗

整体分三步走：2026年7月大模型已搭载卫星上天在轨验证；2027年计划发射两颗先导试验星，验证星间传输和星上计算能力，补齐“沙戈荒”地区风光观测数据短板；远期部署18颗卫星，实现全球范围1小时重访、1公里分辨率探测。

🚀 对企业 AI 化的启示

1. 垂类大模型的商业价值在于“行业闭环”

天序智能的气象大模型并非通用模型，而是从能源气象场景出发，将气象预测与电力交易、功率预测、电网风险预演深度耦合。对企业AI化的启示是：垂类模型的价值不在于参数规模，而在于能否嵌入行业决策链条，形成“数据—模型—决策”的闭环。

2. 数据源头控制是长期壁垒

天序智能通过凝空星座布局自主卫星观测网络，从“数据消费者”转向“数据生产者”。在AI时代，算法优势可能被追平，但稀缺的源头数据资产具有不可替代性。企业应评估自身业务中是否存在可控制的独特数据源，并将其作为AI战略的锚点。

3. 私有化部署是头部客户的关键交付方式

天序智能的第三层商业模式——将模型和平台部署到客户内网——精准回应了能源行业对数据安全和自主可控的核心诉求。对于面向大型企业或敏感行业的AI公司，私有化部署能力往往是打开头部客户大门的钥匙。

4. 天气经济的定价权想象空间

国民经济中约80%的行业与气象相关。天序智能从能源气象出发，向低空气象（10米级分辨率无人机配送气象服务）和金融气象（天气衍生品、保险定价）延伸。海外的天气衍生品和预测市场已证明天气可以被定价、被交易，国内这一市场尚处起步阶段。厚雪资本表示，能源气象已从辅助性工具升级为关乎能源安全与全球绿色转型的关键数字新型基础设施。

“国民经济中约80%的行业与气象相关，新零售、金融、农业、航运等行业都能借助气象实现精细化运营和风险管理。海外的天气衍生品和预测市场已经证明，天气可以被定价、被交易；国内这个市场才刚刚起步。”——刘栗

【官方原文链接】点击访问首发地址