AI节能减碳服务
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
FUNNL-E 是一家英国能源与可持续发展服务商，主张通过 AI Energy Management 和半小时能源数据分析，帮助复杂及多站点企业识别、量化并减少“可避免能源浪费”。其服务覆盖能源和碳减排、碳报告、能源经纪、Solar PV、电池储能BESS、EV充电、Voltage Optimisation、供暖效率等方向。
从抓取内容看，FUNNL-E的核心不是通用型SaaS，而是围绕企业能耗数据的诊断、试点和持续优化。它会分析过去12个月的半小时电力数据及燃气数据，结合站点列表、位置、营业时间和季节性运营信息，建立能源基线，识别夜间、非营业时段、设备控制不当、过电压等导致的异常消耗，并以kWh、金额和CO₂呈现节省空间。其重点场景包括零售、酒店、养老院、制造、学校、大学、酒吧和餐饮等多站点或高能耗组织。
网站披露了较清晰的商业流程：先提供免费的 Avoidable Energy Waste Analysis，展示潜在节省规模；之后进入3个月付费Pilot，使用 live system 验证快速ROI；再签订灵活的持续合同。页面未披露具体价格、套餐、计费口径或付款方式。其价值主张是典型可节省8%–15%能源成本，ROI通常约3–4个月。
在SaaS维度上，信息披露相对不足。页面没有说明第三方集成、API、开发者支持、用户权限、团队协作、审计日志、数据驻留或安全认证。部署方面仅提到初始分析无需现场硬件，复杂环境除外，并提到付费试点使用 live system，但未明确是云服务还是自托管。数据合规方面仅有Cookie说明，无法判断其能源数据处理和企业级安全能力。
优点是切入点明确，直接围绕可衡量的能源浪费和碳减排，免费初始分析降低采购风险；对多站点企业尤其有吸引力。缺点是平台化能力、标准化价格和安全合规披露不足，更适合把它视作能源管理咨询加数据分析服务，而非成熟透明的纯SaaS产品。
中国访问情况未知，支付方式也未披露。考虑其定位和英国市场语境，中国企业若需本地化交付、发票、数据合规或对接国内电表/楼宇系统，应优先评估国内能耗监测、双碳管理平台，或对比 Schneider Electric EcoStruxure、Siemens Building X、EnergyCAP 等方案。
本测评基于公开资料整理,不构成购买建议,请以 funnl.co.uk 官网实际信息为准。
服务多站点企业，覆盖碳报告、能源经纪、光伏和EV充电。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。