2019年，加州野火季。

Lia Reich和她的团队被部署到受灾地区，150架无人机飞遍了数千英里的输电线路，采集到了海量的基础设施巡检数据。

然而当她随后走进PG&E（太平洋煤气电力公司）的应急指挥中心时，眼前的景象让她愣住了：整个指挥中心的工人正在手动翻看视频录像，而全队里只有寥寥几名资深工程师知道自己在找什么——哪个螺栓有问题，哪个支撑出现了微裂纹，哪处绝缘子需要在下次暴风雨之前更换。

“我们突然意识到，这不可能是正确的方式，” Reich后来回忆说，”如果我们知道专家在找什么，为什么不能直接把那份专业知识克隆出来？”

这个”灵光一现”的瞬间，在7年后催生了一家融到460万美元种子轮的AI公司——Cloneable。

一个被主流AI叙事忽视的危机

过去两年，AI对劳动力市场的冲击几乎全部集中在白领工作：程序员、分析师、撰稿人、律师、金融顾问。每一篇关于”AI取代人类工作”的文章，描述的都是坐在办公室里、用电脑完成知识类任务的人群。

但还有另一种危机正在同步发生，只是几乎没有人在谈论它。

在能源、公用事业、石油天然气、农业等重工业领域，一场不依赖AI推动、纯粹由人口结构决定的知识消失正在加速。

数字是残酷的：每当一名年轻工人进入能源行业，有2.4名经验丰富的工人正在走向退休。

这个2.4:1的比例，来自Cloneable CEO Lia Reich在公司官方声明中的引用，并得到了美国能源信息署（EIA）数据的支撑——根据EIA 2025年能源展望报告，美国至2050年能源需求预计增长近一倍，而现有劳动力储备无法支撑这一增长所需的维护和建设规模。

这不是”AI会不会替代人”的问题。这是”当那些不可替代的人都走了，怎么办”的问题。

知识危机的本质：无法被文档化的专业判断

为什么这种危机特别难以应对？因为重工业的核心专业知识，往往无法被标准化文档所捕获。

以电力输电线路的结构设计为例：一位资深工程师面对”需要更换25根电线杆”的工程方案时，能够在数小时内完成结构计算，考虑到杆件间距、地形载荷、风压系数、老化程度、改造成本最优化等数十个变量，并给出一份既符合安全标准又具备成本效益的设计。这套判断逻辑，是他们在15至20年的田野工作中形成的经验模式，是用真实事故和真实修复积累的肌肉记忆。

它无法被写进手册，因为手册只记录规则，不记录例外的处理方式。 它无法被传递给下一代，因为传承需要时间，而时间正在耗尽。 它也无法被通用AI模型复现，因为通用AI不了解这座核电站的特定地质条件，不了解这条输电线在强风季节的特殊振动模式。

当然，一些研究者质疑：AI真的能捕获专家判断中最核心的部分吗？尤其是那些”说不清但感觉有问题”的直觉——资深工程师在检查一根电线杆时，可能凭借几十年积累的感知察觉到某个细节。对此，Cloneable给出的回答是：他们的目标不是复制所有直觉，而是覆盖那些有明确模式可循的高频工作流；对于真正需要专家直觉的边缘案例，人类工程师依然是不可替代的。系统的设计逻辑，是让有限的人类专业知识发挥最大的杠杆效应，而不是完全消除人类角色。

“影子学习”：Cloneable的技术路径

Cloneable的解决方案，本质上是一套专业知识捕获与代理执行系统，公司称之为”专家影子学习”（expert shadowing）。

具体来说，系统会：

  1. 实时监测专家执行某项复杂工作流的全过程——不是事后录制，而是同步观察
  2. 捕获音频和文档，提取专家在执行过程中的语言解释、决策注释和判断依据
  3. 构建上下文AI Agent，将这些情境化的专业判断转化为可重复执行的智能体

与通用AI模型最大的区别在于：Cloneable的Agent并不依赖训练集里的通用知识，而是直接从具体工程师的具体工作流程中学习。它学的不是”电力工程是什么”，而是”美国西南部干旱地区、输电线路老化超过20年的条件下，这位工程师会怎么做决策”。

效率数字令人震惊：一项结构计算任务，资深工程师需要8小时，Cloneable的Agent可以在2分钟内完成——这是240倍的时间压缩。

在产能层面的对比更加极端：一名工程师全年最多能处理4500到5500根电线杆的设计计算，而Cloneable的Agent可以在同等时间内处理200万到300万根——这是人类速度的600倍以上。这意味着对于一家拥有5到10名工程师、一半时间用于此类工作的中等规模工程公司，每年可节省11.5万到31.2万美元的人力成本。

CEO Reich算了一笔更宏观的账：”这可能是整个小镇在未来12个月内是否能接入光纤网络的关键因素。”

真实客户：不是演示，是美国电网的现实工作

Cloneable不是一家做出漂亮PPT的AI创业公司。在完成本轮460万美元种子轮融资之前，它已经拥有了一批实打实的企业客户。

这份客户名单包括：American Electric Power（全美最大电力公司之一，运营约40,000英里输电线路）、Southern California Edison（为南加州约1500万人提供电力服务）、Burns & McDonnell（大型工程建设公司）、TRC Companies（能源与基础设施工程公司）等。

此外，公司还将”专家克隆”模型延伸到了农业食品供应链，与Perdue（美国大型禽肉公司）合作，探索在畜牧和食品生产领域的知识传承应用。这些客户名字，都是真实运营美国关键基础设施的机构——这不是一家在跑概念验证项目的公司，它已经在用AI守护着美国的电网和能源供应链。

公司还披露了一个关键的商业增长指标：从2025年2月产品发布到2025年底，年经常性收入（ARR）增长了100倍。对于一家2023年成立、刚完成第一次种子轮的公司，这个增速印证了真实的市场需求和产品匹配度。

值得注意的是，这100倍的增速恰恰发生在AI编码工具（GitHub Copilot、Cursor、Claude Code）最受关注的同一时间段——但Cloneable的用户群体，是永远不会出现在硅谷科技媒体封面上的电力公司工程师和公用事业维护团队。这种”隐形增长”本身，也是蓝领AI市场的一个结构性特征。

地理与起源：为什么是北卡罗来纳，而不是硅谷

Cloneable的总部在北卡罗来纳州罗利市——而不是旧金山、纽约或西雅图。

这个选择本身就是一种声明。

CEO Reich在接受采访时说：”这些都是长期被点解决方案严重服务不足的市场。没有人在这个规模上将现场数据采集与智能自动化结合起来。”能源和公用事业公司大多集中在美国中部和南部的工业城市，而不是科技中枢。当Cloneable需要建立深入的行业伙伴关系、需要工程师和现场专家的信任时，地理上的接近本身就是一种竞争优势。

本轮融资由Congruent Ventures领投，这家VC专注于”气候技术和可持续发展”领域的早期投资，其投资逻辑与Cloneable的定位高度一致——能源基础设施的知识传承，本质上也是一个气候韧性问题：面对极端气候事件，能否迅速恢复电网和基础设施，依赖于有多少有经验的工程师在场或可被调用。Cloneable正在数字化这种韧性。

三层洞察：这件事比看起来更重要

第一层（大多数人看到的）：一家AI创业公司用机器学习帮助能源公司自动化工程计算，节省人力成本。

第二层（稍微深一点看）：这不只是效率工具，而是在应对一场人口结构危机。2.4:1的比例意味着，即使每一家公司都用尽一切传统方法培养年轻工程师，依然无法填补这个缺口。AI在这里不是”好东西”，而是”必须有的东西”。

第三层（大多数人还没看到的）：Cloneable代表了一种全新的AI应用逻辑——AI不是用来取代人的，而是用来把人类专业知识从时间和身体的局限中解放出来，让它在人不在场的时候继续运作。

这与”用LLM写代码”或”用AI写报告”有根本的哲学差异。写代码和写报告，核心价值是让已有的任务变快。Cloneable做的是：当那个会处理这个工程问题的人已经退休了，他的判断能力依然能够被部署，以200-300万次/年的规模，继续守护他曾经工作的那条输电线。

这种”知识遗产化”（knowledge legacyization）的逻辑，将在老龄化加速、能源需求翻倍、气候变化带来基础设施压力的未来，变得越来越重要。

更广泛的蓝海：重工业AI的结构性机会

当然，这条路并不平坦。在能源基础设施领域，一个错误的判断可能导致输电线路倒塌甚至生命损失——这要求AI系统的可靠性门槛远高于消费类应用。Cloneable的应对策略是，将Agent首先部署在低风险、高频的重复性任务上，所有重大决策仍然需要人类工程师审核和签字。从”人操作”到”AI建议+人审核”的模式，让经验有限的年轻工程师能借助AI输出进行更有效的质量把关——这本身也是一种人才培养的加速路径。

Cloneable目前的核心市场是能源和公用事业，但已宣布将扩展到植被管理、建筑施工、铁路基础设施、采矿业、农业和制造业。这些行业的共同特征是：操作复杂、依赖经验判断、文档化程度低、工人老龄化严重，且普遍被通用AI工具和标准化软件解决方案所忽视。

与消费AI或白领AI相比，重工业AI的市场进入壁垒更高——需要深入的行业理解和现场信任关系。但一旦建立，也更难被复制和替代。因为它的核心护城河，不是算法本身，而是那些被克隆进Agent的、正在消逝的人类专业知识。

在某种意义上，Cloneable在做的事情，是在人类的知识完全消失之前，把它保存下来。

这是一场与时间的赛跑。2.4:1的比例意味着每天都有更多的知识在消失。AI，正在成为这场争夺中人类能用到的最快的工具。

参考资料

  1. Crunchbase News, “Exclusive: Cloneable Raises $4.6M To ‘Clone’ Expert Worker Knowledge With Agentic AI For Utilities And Infrastructure”, April 23, 2026. https://news.crunchbase.com/venture/cloneable-cloning-expert-worker-knowledge-ai-infrastructure/
  2. U.S. Bureau of Labor Statistics, “Occupational Outlook: Electrical and Electronics Engineers”, 2025. https://www.bls.gov/ooh/architecture-and-engineering/electrical-and-electronics-engineers.htm
  3. U.S. Energy Information Administration (EIA), “Annual Energy Outlook 2025: Long-Term Projections”, February 2025. https://www.eia.gov/outlooks/aeo/
  4. TechCrunch, “Humane’s AI Pin is dead as HP buys startup’s assets for $116M”, February 18, 2025. https://techcrunch.com/2025/02/18/humanes-ai-pin-is-dead-as-hp-buys-startups-assets-for-116m/
  5. Congruent Ventures, Portfolio Overview, 2026. https://congruentvc.com/portfolio/