在美國，電力資產(chǎn)是AI 浪潮中最早被點燃的牛股之一。算力擴張、用電激增，直接推高了發(fā)電、輸配電與儲能的資產(chǎn)價值。

但在電力相對充沛、價格長期被壓低的中國，AI 與電力的結(jié)合，并沒有簡單復(fù)制這條路徑，而是走向了另一種形態(tài)。

進入AI 時代，新型電力系統(tǒng)同時發(fā)生兩件事：一邊是新能源占比提升，風(fēng)光出力帶來更強的供給不確定性；另一邊是 AI 數(shù)據(jù)中心負載特征改變，用電需求變得更波動、更突發(fā)。

而發(fā)電與用電必須實時平衡的硬約束并未改變，這迫使電力定價體系加速市場化。到2026 年，電價開始在現(xiàn)貨市場中以 15 分鐘為周期不斷刷新。

問題隨之浮現(xiàn)：在高度波動的電價環(huán)境下，企業(yè)該如何找到一個長期穩(wěn)定、可復(fù)制的最優(yōu)經(jīng)濟解？這一挑戰(zhàn)，對年用電量動輒上億度的AI數(shù)據(jù)中心尤為尖銳。

這也讓數(shù)據(jù)中心成為AI 落地最現(xiàn)實的場景之一。國內(nèi)一家切入這一問題的公司是達卯科技。

達卯科技最早獲得了商湯、寒武紀、寧德時代的戰(zhàn)略投資，其起點源于一個判斷：大模型時代，算力將長期運行在高負載、高波動狀態(tài)。

隨著電力市場化推進，團隊意識到，如果將對算力波動的理解，與電力系統(tǒng)調(diào)度能力結(jié)合，算力與電力之間可能形成新的協(xié)同關(guān)系。

目前，達卯科技全棧自研了一套可適配多種能源場景的能源大模型，并基于此打造了算電協(xié)同、虛擬電廠等創(chuàng)新平臺，用AI去實時生成最優(yōu)的充放電策略、電力交易報價與電網(wǎng)響應(yīng)方案，把原本被動承受波動的用電負荷，轉(zhuǎn)化為可調(diào)度、可計算的資源。

在實際運行中，這套系統(tǒng)已經(jīng)開始體現(xiàn)價值：

在亞洲最大的單體智算中心，上海臨港智算力中心，僅通過調(diào)度優(yōu)化，年度電力成本便降低了6.5%，直接每年節(jié)約1000萬元人民幣。

不久前，我們專訪了達卯科技CEO簡煜忞，從他的視角拆解高波動電價下的能源最優(yōu)解。

尋找高波動電價下的能源最優(yōu)解

理解達卯科技的業(yè)務(wù)，需要先理解國內(nèi)電力體系正在經(jīng)歷的結(jié)構(gòu)性變化。

過去幾年里，國家花了很大力氣在建設(shè)新型電力系統(tǒng)，核心是用大體量新能源替代傳統(tǒng)火電。但這也帶來了一個衍生的問題，新能源天然具有波動性和間歇性，供給端的不確定性上升。

更重要的是，這種不確定性開始在需求側(cè)同樣出現(xiàn)。

在傳統(tǒng)互聯(lián)網(wǎng)時代，數(shù)據(jù)中心的電力需求變化很少。無論是搜索、社交、云計算還是企業(yè)IT，核心特征都是7×24小時運行、負載相對平穩(wěn)。服務(wù)器的利用率有高低，但變化節(jié)奏通常以天、周、月為單位。

但到了AI時代，一切都變了。一個最直觀的變化，是用電波動顯著放大。

原因很簡單，AI訓(xùn)練并不是持續(xù)勻速的過程。一個大模型訓(xùn)練任務(wù)啟動時，數(shù)百張GPU同步拉滿，任務(wù)結(jié)束時，負載又迅速回落。

隨著推理算力需求的增長，也加劇了這種波動。一個客戶的決策、一個提示詞的流行，都可能在幾分鐘內(nèi)推高算力調(diào)用，進而帶來電力側(cè)的突刺式增長。

GPU本身又是典型的“階躍型”耗能設(shè)備，從空閑到滿載往往不是線性爬升，而是直接拉滿功耗上限，使得用電曲線呈現(xiàn)出更強的抖動性。

于是，新型電力系統(tǒng)里出現(xiàn)了“雙側(cè)不確定性”：供給端由風(fēng)光的波動決定，需求端由算力任務(wù)決定。但對電力系統(tǒng)來說，它要做的事情仍然不變，就是保持發(fā)電與用電實時平衡。

為了更好地維持這種平衡，電力定價體系也開始改革。

過去，平衡成本大多被行政統(tǒng)籌電價吸收：政府用分時電價、峰谷價差去引導(dǎo)用戶把負荷往更合適的時間挪，幫助系統(tǒng)平衡。

但當(dāng)波動變強、頻率變高，行政定價開始跟不上系統(tǒng)變化，市場化改革把“平衡成本的定價權(quán)”交還給市場，這就是電力市場化改革。

在2026年的現(xiàn)貨市場，電價將不再按小時甚至按天制定，而是每15分鐘重新形成一次價格。

價格完全由發(fā)用電兩側(cè)的實時平衡狀況決定，高頻波動、強不確定性，幾乎沒有可循的固定規(guī)律。用戶最終的電費結(jié)算，也直接來自這些15分鐘級別的成交結(jié)果。

在這種機制下，企業(yè)面臨的不是“電價更貴”這么簡單，而是“電價更難預(yù)測”。

這意味著，傳統(tǒng)經(jīng)驗型的節(jié)能和投資測算開始失效，你無法只靠“晚上充、白天放”的簡單策略穩(wěn)定賺錢。

原因很簡單，一年8760小時，每小時4個15分鐘，一年約3.5萬個決策點。每個點不僅要看電價，還要看風(fēng)光預(yù)測、算力任務(wù)負載、芯片功耗、散熱狀態(tài)。

人類無法在這個多層復(fù)雜維度上做穩(wěn)健決策，這就是AI應(yīng)用的機會窗口。而達卯要做的事情，就是把原本不可預(yù)測的隨機負荷，轉(zhuǎn)化為可計算、可調(diào)度的可控負荷。

具體做法上，達卯從需求側(cè)入手，把數(shù)據(jù)中心內(nèi)部一切具備“儲能屬性”的資源統(tǒng)一納入一個能源模型之中。

這里的“儲能”，不只指電池，還包括UPS、電池系統(tǒng)、蓄冷系統(tǒng)，以及所有能夠在時間維度上“搬移能耗”的設(shè)施。

當(dāng)這些儲能資源的功率覆蓋到數(shù)據(jù)中心正常負荷的100%以上時，負荷曲線就“百分之百可以調(diào)節(jié)。

系統(tǒng)可以在電價較高、電網(wǎng)緊張的時段，更多依賴內(nèi)部儲能與冷量釋放，降低對外部電力的瞬時需求；在電價較低、供給充裕的時段，再完成能量的回補。

從外部電力系統(tǒng)的視角看，一個原本呈現(xiàn)隨機波動的數(shù)據(jù)中心負載，被轉(zhuǎn)化為一個響應(yīng)價格信號、可預(yù)測、可調(diào)度的需求單元，從而找到了算力能源的最優(yōu)解。

在上海臨港智算中心，一年“挖”出了1000萬

為了把“可控負荷”做成可復(fù)制的能力，達卯構(gòu)建了一套“能源大模型”。

它的思路與大語言模型類似：語言模型用token把自然語言編碼成序列，讓模型理解結(jié)構(gòu)與潛在邏輯。而達卯設(shè)計了一個叫“能量塊”的基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)。

每一個能量塊，可以近似理解成是一臺服務(wù)器在15分鐘內(nèi)的用電負荷特性。但它不只是一個功率數(shù)，而是包含多層信息：

用戶任務(wù)屬性、資源池劃分、芯片狀態(tài)、配電與暖通系統(tǒng)、端口表，以及外部市場與氣象等變量。

當(dāng)這些能量塊被標準化、序列化之后，原本分散在不同系統(tǒng)里的空間關(guān)系、任務(wù)依賴、價值傳導(dǎo)、時序邏輯，就被壓縮進了模型可處理的數(shù)學(xué)結(jié)構(gòu)里。

這時候，就不需要人再去寫規(guī)則，模型自己就可以在足夠規(guī)模的數(shù)據(jù)里學(xué)習(xí)系統(tǒng)的平衡關(guān)系。

模型真正產(chǎn)生價值的地方，是“可調(diào)參數(shù)”。

在能量塊所描述的狀態(tài)里，有一部分變量可以被主動調(diào)節(jié)：儲能充放電、蓄冷充冷與釋冷、部分負載的調(diào)度窗口等。

模型要做的是在邊界約束下，自動尋找一組成本最低、穩(wěn)定性最優(yōu)的參數(shù)組合，并將其轉(zhuǎn)成機器可執(zhí)行的控制指令。

當(dāng)然，能源大模型也需要海量數(shù)據(jù)規(guī)模進行訓(xùn)練。

這個能源模型是用臨港智算中心的18個月數(shù)據(jù)訓(xùn)練基礎(chǔ)模型，平均每五分鐘就有近一億條數(shù)據(jù)。

基礎(chǔ)模型有了，在一個智算中心場景可用，但還無法直接遷移到其他數(shù)據(jù)中心。

原因是，每個客戶的需求、地理位置、電價結(jié)構(gòu)都不同。

達卯的做法是，以通用“能量塊”數(shù)據(jù)結(jié)構(gòu)構(gòu)建模型黑啟動能力，在基礎(chǔ)模型基礎(chǔ)上適配新客戶約3個月歷史數(shù)據(jù)做再訓(xùn)練，以較低的成本“校準”模型對新場景的理解。

達卯能源大模型在臨港智算中心上線后，這套系統(tǒng)開始接管充放電策略。即便只用到部分調(diào)度能力，智算中心一年電費成本就降低了6.5%，節(jié)省超過1000萬元。

當(dāng)然，能源模型的價值還不止這些。

除了電能量市場，電力體系中還存在容量市場與市場間套利機制。

所謂的電容量，指的是在某一個時刻，電力系統(tǒng)能夠穩(wěn)定、連續(xù)地向你提供的最大功率能力。

更直觀的類比，是寬帶的月租費——只要你接入了網(wǎng)絡(luò)，不管用不用，都要為你占用的帶寬能力付費。

對于算力中心來說，如果負荷峰值波動很大，就必須申報更高的變壓器容量，承擔(dān)更高的基礎(chǔ)電費。

而一旦通過精細化調(diào)度，把峰值削下來、把曲線壓平，容量成本就可以被顯著降低。這部分收益，往往比單純的電能量套利高出一個數(shù)量級。

再進一步，還存在跨市場的套利空間：在某些情況下，容量成本的上升，可能會換來電能量市場中更高的收益；只要整體結(jié)果為正，就存在通過跨市場調(diào)度進行價值置換的可能性。這類決策，已經(jīng)遠遠超出了人工可計算的范疇。

歸結(jié)到一句話，新的電力市場環(huán)境下，套利的復(fù)雜度顯著提高，但可釋放的價值空間也同步放大。這些都是達卯科技深入布局的。

把生意當(dāng)“基金”做，賺大頭的收益分成

在當(dāng)下的中國ToB市場里，賣軟件很難把價值賣出價格。與其他AI垂直應(yīng)用相比，達卯科技的這套AI系統(tǒng)最大的不同在于，可以把應(yīng)用場景的經(jīng)濟賬算清楚。

以達卯科技的標桿客戶之一的臨港智算中心為例，在目前僅完成約三分之一建設(shè)規(guī)模的情況下，在引入智能調(diào)度系統(tǒng)并配套儲能之后，每年可以直接節(jié)省優(yōu)化約1000萬元人民幣。

值得一提的是，這一規(guī)模在當(dāng)前數(shù)據(jù)中心行業(yè)并不算大，市場中5—6 倍體量的項目已較為常見。

在調(diào)度邏輯不變的前提下，節(jié)省效果會隨規(guī)模近似線性放大。按同一模型外推，一個吉瓦級算力中心，僅通過“算力—電力—儲能”的協(xié)同優(yōu)化，年化成本優(yōu)化空間理論上可達數(shù)億元。

達卯內(nèi)部做過測算，假設(shè)數(shù)據(jù)中心用電量在全社會中的占比達10%（行業(yè)預(yù)測到2030年智算中心用電量將占到全社會總用電量5%-10%），在現(xiàn)貨市場滲透率達到30%的情況下，僅“算力相關(guān)的平衡市場”，規(guī)模就已經(jīng)接近1200億元。

但這還只是下限。

原因在于，算力中心的電力結(jié)構(gòu)，與全社會平均水平并不一致。根據(jù)國家在“算電協(xié)同”和“東數(shù)西算”中的要求，樞紐節(jié)點算力中心的綠電使用比例需達到80%。

而新能源占比越高，電越不穩(wěn)定，價格形成機制就越依賴平衡市場。

在更貼近現(xiàn)實的假設(shè)下,將西部節(jié)點按80%、東部節(jié)點按65%進入平衡市場來測算，算力協(xié)同所對應(yīng)的市場規(guī)模，已經(jīng)超過2500億元，幾乎是前述簡單估算的兩倍。這一部分，構(gòu)成了“大模型可直接參與決策”的核心場景。

由于結(jié)果清晰可量化，所以達卯選擇把商業(yè)模式綁定到結(jié)果上：前端低收費，后端結(jié)果分成，鎖定長期運營。

具體來說，在前期，公司只收一個很低的部署費，幫客戶把模型跑起來，做咨詢和硬件對接。

與此同時，經(jīng)過精準的投資測算，達卯與客戶簽訂長達10-15年的運營合同。在這期間，系統(tǒng)幫客戶省下來的電費，或者通過市場交易賺來的錢，公司按比例分成。

這個邏輯很像私募或咨詢行業(yè)，前端收得少，讓客戶先上車，后端圍繞節(jié)省或增益分成，把長期現(xiàn)金流做出來。

這套模式能否規(guī)?；暮诵?，在于在交付成本是否能夠被持續(xù)壓低。

達卯目前的做法，是用AI把原本高度依賴人工的“重運營”，壓縮成“系統(tǒng)為主、人為兜底”的結(jié)構(gòu)：一套模型負責(zé)持續(xù)出策略，一個現(xiàn)場人員負責(zé)巡檢、異常處理與安全確認。

過去需要7×24小時盯盤、不斷人工調(diào)參的工作，被收斂成少量人工干預(yù)。結(jié)果是，隨著項目規(guī)模放大，邊際交付成本并不會線性上升，整體毛利率可以穩(wěn)定在60%以上。

真正的瓶頸，反而落在人才結(jié)構(gòu)上。

單一維度的算法工程師并不稀缺，真正稀缺的是能夠同時理解數(shù)據(jù)中心運行邏輯、電力系統(tǒng)約束，以及AI模型工作方式的復(fù)合型人才。

傳統(tǒng)能源公司習(xí)慣依賴機理模型，要求“先把原理講清楚”，對AI的“黑盒式方法”天然持保守態(tài)度，難以接受先落地再優(yōu)化的邏輯；而純AI團隊又容易低估工程與物理邊界，認為只要數(shù)據(jù)足夠就能解決一切。這兩種認知的斷層，正是很多技術(shù)在復(fù)雜系統(tǒng)中難以落地的核心原因。

達卯科技的獨特性，在于其成長路徑天然規(guī)避了這種斷層，從真實的數(shù)據(jù)中心場景中生長出來：

先通過實踐理解數(shù)據(jù)中心的運行邏輯、電力系統(tǒng)的剛性約束，再讓AI模型介入決策優(yōu)化。這種在實踐中完成的“數(shù)據(jù)中心運營+電力系統(tǒng)規(guī)則+AI模型邏輯”三重知識耦合，不僅讓技術(shù)最能有效實現(xiàn)落地，更形成了一道難被快速復(fù)制的護城河。

隨著電力市場化改革推進、AI 算力需求持續(xù)增長，“算電協(xié)同”正從可選優(yōu)化項，轉(zhuǎn)變?yōu)闆Q定成本競爭力的關(guān)鍵變量。達卯的實踐表明，AI 不僅可以提升效率，也可以通過精細化調(diào)度與交易機制，從能源波動中直接創(chuàng)造可量化的經(jīng)濟價值。

文/林白

PS：如果你對AI大模型領(lǐng)域有獨特的看法，歡迎掃碼加入我們的大模型交流群。