電，才是AI的終局
如果你去了今年的WAIC，你就會發現，新一代的隱藏大佬出現了。
晶片、大模型、機器人依舊是絕對主角，但展館裡，悄悄多了一批做太陽能和儲能起家的老面孔... ...
一場聊模型聊演算法的大會，為什麼突然對賣電池的企業感興趣了？答案藏在這兩年WAIC議題重心的變化裡，當AI從展示技術轉向比拚基礎設施效率和呼叫成本，供電和儲能，正在從後台保障走到台前。
算力遇到電網牆
今年上海的WAIC，問題的口徑變了。
往年被反覆追問的是模型參數有多大、晶片架構夠不夠先進，今年變成了你們接入現貨市場了嗎，負荷側調頻響應能壓到多少毫秒，TPW能做到什麼水平。一位連續參加了五屆WAIC的產業基金合夥人私下感慨，前幾年大家都在找算力，今年所有人都在找電力，看算電協同。這句感慨背後，是一批投資人幾乎在同一時間點上完成的方向切換，也是整場展會氣氛裡最明顯的變化。
這種轉向不只是一句口號，背後是一個被喧囂掩蓋的產業現實，AI行業依靠算力堆疊、模型擴容的粗放式增長，已經走到了盡頭。過去三年，行業的核心敘事一直是規模法則，參數越大越好，算力越多越好，誰的叢集規模大，誰就能拿到更多關注和更高估值。進入2026年，這套簡單直接的邏輯開始遭遇兩重挑戰。
第一重挑戰來自成本端。大模型的訓練成本正在以指數級速度攀升，據行業測算，一個萬卡叢集的單次訓練成本已經飆升至千萬美元等級，其中電費是持續性最大支出。隨著智算叢集規模化落地，硬體裝置折舊逐步攤銷完畢，電費正在取代裝置折舊和人力支出，成為AIDC第一大營運成本。券商產業測算顯示，高密度AI智算叢集的電力成本佔整體營運成本比重已達55%到70%，這個比例放在三年前，幾乎是不可想像的，也讓不少企業第一次意識到，電費才是真正的隱形大頭。
第二重挑戰來自供給端。GW級超大規模智算中心的密集上馬，讓用電這件事從企業級問題變成了城市級甚至省級問題。一座GW級資料中心的年耗電量高達8到9億度，堪比一座中型地級市全年的居民用電量。據統計，2025年全國資料中心用電量已達約1700億千瓦時，佔全社會用電量的1.6%，預計到2030年這一比例將逼近6%。當越來越多的智算中心以GW為單位規劃產能，地方電網調度部門要考慮的問題，早已超出了接不接得住某一家企業的範疇，變成了整個區域的供電結構要不要為此重新設計的問題。
當算力的胃口越來越大，電網的承載力卻不會同步放大，一個繞不開的命題浮出水面，誰能把每一度電的價值用到極致，誰就能在AI下半場留在牌桌上。這也是為什麼，今年的WAIC現場，能源和算電協同能取代模型參數，成為投資人最愛聊的話題，也是他們最願意花時間蹲展台、約專家聊上半小時的方向。
電，也要算帳
算力和電力這兩件事，過去很長一段時間是分開算帳的，一套是資料中心的能耗指標，一套是電網的運行邏輯，中間沒有太多交集。行業衡量資料中心好不好，長期依賴的是PUE，也就是電源使用效率，聚焦的是機房暖通、供配電這些基礎設施的節能水平，管的是硬體能耗損耗，解決的是電力浪費問題，這套指標體系用了很多年，幾乎成了行業默認的通用語言。
但大模型規模化落地之後，PUE這把尺子開始不夠用了。很多PUE達標的智算中心，依然存在算力空轉、感知不到電價訊號、電力資源錯配的問題，最終陷入節能不增效、省電不賺錢的處境。行業需要一把新的尺子，TPW，也就是單位電力的Token產出，順勢誕生。它與PUE形成互補關係，共同建構起基礎節能加高效產出的雙維評價體系，一個管住能耗底線，一個衡量產出效率，兩者疊加才算把帳算完整。
算力的本質是位元，成本的核心是瓦特。瓦特跳動創始人程路在WAIC現場談到，TPW推動行業從PUE的節流省錢邏輯，升級為度電增效賺錢邏輯，核心是最大化每一度電的AI生產力價值。相比只盯硬體能耗的PUE，TPW覆蓋的維度更全，硬體端要考核GPU單瓦算力的轉化效率，杜絕硬體空轉，演算法端依託量化推理、稀疏化訓練來削減無效算力損耗，電力交易端則是提升TPW的關鍵，靠AI電力交易能力即時捕捉現貨電價和綠電潮汐等市場訊號，動態匹配算力負載與電力資源。以瓦特跳動的AI能源大腦產品為例，通過精準電價預測與量化交易策略，能實現算力任務錯峰調度、低電價高效算力生產，從市場化用能的維度放大單位電力的Token產出，這也是這套體系裡最難做、也最值錢的一環。
但電力交易端這套動態匹配，靠人工經驗根本調不過來。過去資料中心的能源管理主要依賴人工經驗和靜態規則，維運團隊照著歷史資料定用電計畫，出了突發情況再手動調整，這種模式在小型資料中心還能湊合，到了超大規模智算中心就徹底跑不通了，GPU功耗是毫秒級波動，液冷系統的熱力學耦合、新能源出力的隨機性、電力現貨市場的分時電價，這些變數互相牽制，人腦跟不上這個節奏。
程路提出，傳統的語言大模型靠資料機率預測，放在虛擬世界沒問題，但電網調度、算力負荷調節這類場景要求零容錯，就需要引入物理AI，從電流電壓、熱力學、電力平衡這些物理系統的既有機理出發去搭底層邏輯，而不是單靠資料擬合。他把這套體系比作能源領域的自動駕駛系統，機器自主感知環境、做出決策、執行操作，並在運行中不斷自我最佳化，感知層即時採集GPU負載、電價、電網頻率等數百維資料，決策層融合分析預測算力需求與電價走勢，執行層自動編排算力任務、儲能充放與暖通策略，反饋層把執行結果回傳迭代，驅動模型持續進化。
這個新邏輯，也在改寫一級市場的判斷標準。國鼎資本合夥人周建在WAIC現場受訪時談到，一級市場投算電協同項目，核心看的是閉環能力，傳統能源團隊不懂算力訓推邏輯，純AI團隊不懂電力物理約束，市面上還有不少拿通用大模型改一改就說自己是能源大模型的團隊，這類項目基本不在考慮範圍內。他認為，唯有兼具產業實操經驗與原生AI能力的團隊，才能真正搭建起落地可用的能源作業系統，這也是他判斷一個團隊值不值得投的第一道篩選標準，比商業計畫書上的數字更重要。
AI的盡頭是能源
算電協同真正讓人興奮的地方，還不只是評價體系的升級，更是這件事的商業邏輯正在被徹底改寫。過去兩年，行業對算電協同的理解大多停留在東數西算，把算力中心建到西部能源富集區，就近消納綠電，靠的是靜態的空間佈局。瓦特跳動創始人程路對此分析道，東數西算的空間佈局是基礎，但電力市場化加速之後，行業拼的是動態調節能力，綠電天生具有間歇性和潮汐性，算力任務又分剛性推理和柔性訓練，把兩者精準匹配起來，才是釋放能源價值的關鍵。
一套成熟的多維協同機制已經在行業裡跑通，通過微電網架構讓新能源場站與智算中心直接供電，減少傳輸損耗，把即時對話這類高優先順序推理任務匹配給穩定市電，把離線訓練、資料清洗這類可中斷任務平移到風電太陽能大發的時段，消納掉原本可能被棄掉的新能源。這套機制的經濟價值已經有了實打實的數字，2026年7月上海的全方式算電協同演練中，16家算力園區兩小時內實現了9.78萬千瓦的柔性負荷壓降，長期持續推行柔性錯峰調度的算力基地，單位Token的用電成本能下降約31%。
算力中心的角色也在同步變化，過去它是電網的終端使用者，只有花錢買電的義務，現在開始具備雙向互動的能力，電價高的時候少用電，電價低的時候多用電，靠負荷動態調節參與電網調峰調頻，賺取輔助服務收益。2026年5月，廣東三個大型資料中心叢集首次以可調節負荷的身份參與電力現貨市場交易並完成結算，一座GW級智算中心，不再只靠賣算力賺錢，也開始靠賣靈活性給電網增收，這是過去這個行業裡從未出現過的收入結構。
落地路徑也在同步成熟。過去能源AI項目受制於現場偵錯周期長、實景試錯成本高、複雜工況樣本不足，一個演算法從實驗室走到真實的智算中心上線，往往要經歷漫長的現場調優。物理模擬加合成資料的範式，正在成為算電協同從試點走向規模化的核心突破口，先在高精度模擬環境裡復刻算力波動、新能源出力、儲能充放電等全域工況，跑完大部分試錯迭代，再上線到真實場景，能大幅降低實地改造的安全風險和維運成本。行業也在從單打獨鬥走向能源巨頭和物理AI團隊深度繫結的產業共生模式，一方有場景、資料和電網維運經驗，一方有垂直模型迭代和產品化能力，兩者繫結正在成為規模化落地的主流形態。
疊加十五五規劃帶來的政策紅利，算電協同正處在爆發的早期，是當下硬科技領域確定性最強的增量賽道之一。國鼎資本合夥人周建在採訪最後總結道，AI的盡頭是能源，這是行業不可逆的終局，未來三到五年，算電協同會成為所有超大規模智算中心和新能源儲能場站的標配基礎設施，行業淺層的機房節能和簡單PUE最佳化已經趨於飽和，市場真正稀缺的，是兼具能源產業實操經驗和物理AI核心技術的閉環落地團隊。評價體系從PUE升級為TPW雙輪驅動，維運模式從人工調度走向物理AI自治，商業模式從省電進化為賺錢，誰能把瓦特高效轉化為位元，誰就掌握了AI時代的定價權。 (融中財經)