“最近，投资人都研究怎么‘卖电’”

电，才是AI的终局

如果你去了今年的WAIC，你就会发现，新一代的隐藏大佬出现了。

芯片、大模型、机器人依旧是绝对主角，但展馆里，悄悄多了一批做光伏和储能起家的老面孔... ...

一场聊模型聊算法的大会，为什么突然对卖电池的企业感兴趣了？答案藏在这两年WAIC议题重心的变化里，当AI从展示技术转向比拼基础设施效率和调用成本，供电和储能，正在从后台保障走到台前。

算力遇到电网墙

今年上海的WAIC，问题的口径变了。

往年被反复追问的是模型参数有多大、芯片架构够不够先进，今年变成了你们接入现货市场了吗，负荷侧调频响应能压到多少毫秒，TPW能做到什么水平。一位连续参加了五届WAIC的产业基金合伙人私下感慨，前几年大家都在找算力，今年所有人都在找电力，看算电协同。这句感慨背后，是一批投资人几乎在同一时间点上完成的方向切换，也是整场展会气氛里最明显的变化。

这种转向不只是一句口号，背后是一个被喧嚣掩盖的产业现实，AI行业依靠算力堆叠、模型扩容的粗放式增长，已经走到了尽头。过去三年，行业的核心叙事一直是规模法则，参数越大越好，算力越多越好，谁的集群规模大，谁就能拿到更多关注和更高估值。进入2026年，这套简单直接的逻辑开始遭遇两重挑战。

第一重挑战来自成本端。大模型的训练成本正在以指数级速度攀升，据行业测算，一个万卡集群的单次训练成本已经飙升至千万美元级别，其中电费是持续性最大支出。随着智算集群规模化落地，硬件设备折旧逐步摊销完毕，电费正在取代设备折旧和人力支出，成为AIDC第一大运营成本。券商产业测算显示，高密度AI智算集群的电力成本占整体运营成本比重已达55%到70%，这个比例放在三年前，几乎是不可想象的，也让不少企业第一次意识到，电费才是真正的隐形大头。

第二重挑战来自供给端。GW级超大规模智算中心的密集上马，让用电这件事从企业级问题变成了城市级甚至省级问题。一座GW级数据中心的年耗电量高达8到9亿度，堪比一座中型地级市全年的居民用电量。据统计，2025年全国数据中心用电量已达约1700亿千瓦时，占全社会用电量的1.6%，预计到2030年这一比例将逼近6%。当越来越多的智算中心以GW为单位规划产能，地方电网调度部门要考虑的问题，早已超出了接不接得住某一家企业的范畴，变成了整个区域的供电结构要不要为此重新设计的问题。

当算力的胃口越来越大，电网的承载力却不会同步放大，一个绕不开的命题浮出水面，谁能把每一度电的价值用到极致，谁就能在AI下半场留在牌桌上。这也是为什么，今年的WAIC现场，能源和算电协同能取代模型参数，成为投资人最爱聊的话题，也是他们最愿意花时间蹲展台、约专家聊上半小时的方向。

电，也要算账

算力和电力这两件事，过去很长一段时间是分开算账的，一套是数据中心的能耗指标，一套是电网的运行逻辑，中间没有太多交集。行业衡量数据中心好不好，长期依赖的是PUE，也就是电源使用效率，聚焦的是机房暖通、供配电这些基础设施的节能水平，管的是硬件能耗损耗，解决的是电力浪费问题，这套指标体系用了很多年，几乎成了行业默认的通用语言。

但大模型规模化落地之后，PUE这把尺子开始不够用了。很多PUE达标的智算中心，依然存在算力空转、感知不到电价信号、电力资源错配的问题，最终陷入节能不增效、省电不赚钱的处境。行业需要一把新的尺子，TPW，也就是单位电力的Token产出，顺势诞生。它与PUE形成互补关系，共同构建起基础节能加高效产出的双维评价体系，一个管住能耗底线，一个衡量产出效率，两者叠加才算把账算完整。

算力的本质是比特，成本的核心是瓦特。瓦特跳动创始人程路在WAIC现场谈到，TPW推动行业从PUE的节流省钱逻辑，升级为度电增效赚钱逻辑，核心是最大化每一度电的AI生产力价值。相比只盯硬件能耗的PUE，TPW覆盖的维度更全，硬件端要考核GPU单瓦算力的转化效率，杜绝硬件空转，算法端依托量化推理、稀疏化训练来削减无效算力损耗，电力交易端则是提升TPW的关键，靠AI电力交易能力实时捕捉现货电价和绿电潮汐等市场信号，动态匹配算力负载与电力资源。以瓦特跳动的AI能源大脑产品为例，通过精准电价预测与量化交易策略，能实现算力任务错峰调度、低电价高效算力生产，从市场化用能的维度放大单位电力的Token产出，这也是这套体系里最难做、也最值钱的一环。

但电力交易端这套动态匹配，靠人工经验根本调不过来。过去数据中心的能源管理主要依赖人工经验和静态规则，运维团队照着历史数据定用电计划，出了突发情况再手动调整，这种模式在小型数据中心还能凑合，到了超大规模智算中心就彻底跑不通了，GPU功耗是毫秒级波动，液冷系统的热力学耦合、新能源出力的随机性、电力现货市场的分时电价，这些变量互相牵制，人脑跟不上这个节奏。

程路提出，传统的语言大模型靠数据概率预测，放在虚拟世界没问题，但电网调度、算力负荷调节这类场景要求零容错，就需要引入物理AI，从电流电压、热力学、电力平衡这些物理系统的既有机理出发去搭底层逻辑，而不是单靠数据拟合。他把这套体系比作能源领域的自动驾驶系统，机器自主感知环境、做出决策、执行操作，并在运行中不断自我优化，感知层实时采集GPU负载、电价、电网频率等数百维数据，决策层融合分析预测算力需求与电价走势，执行层自动编排算力任务、储能充放与暖通策略，反馈层把执行结果回传迭代，驱动模型持续进化。

这个新逻辑，也在改写一级市场的判断标准。国鼎资本合伙人周建在WAIC现场受访时谈到，一级市场投算电协同项目，核心看的是闭环能力，传统能源团队不懂算力训推逻辑，纯AI团队不懂电力物理约束，市面上还有不少拿通用大模型改一改就说自己是能源大模型的团队，这类项目基本不在考虑范围内。他认为，唯有兼具产业实操经验与原生AI能力的团队，才能真正搭建起落地可用的能源操作系统，这也是他判断一个团队值不值得投的第一道筛选标准，比商业计划书上的数字更重要。

AI的尽头是能源

算电协同真正让人兴奋的地方，还不只是评价体系的升级，更是这件事的商业逻辑正在被彻底改写。过去两年，行业对算电协同的理解大多停留在东数西算，把算力中心建到西部能源富集区，就近消纳绿电，靠的是静态的空间布局。瓦特跳动创始人程路对此分析道，东数西算的空间布局是基础，但电力市场化加速之后，行业拼的是动态调节能力，绿电天生具有间歇性和潮汐性，算力任务又分刚性推理和柔性训练，把两者精准匹配起来，才是释放能源价值的关键。

一套成熟的多维协同机制已经在行业里跑通，通过微电网架构让新能源场站与智算中心直接供电，减少传输损耗，把实时对话这类高优先级推理任务匹配给稳定市电，把离线训练、数据清洗这类可中断任务平移到风电光伏大发的时段，消纳掉原本可能被弃掉的新能源。这套机制的经济价值已经有了实打实的数字，2026年7月上海的全方式算电协同演练中，16家算力园区两小时内实现了9.78万千瓦的柔性负荷压降，长期持续推行柔性错峰调度的算力基地，单位Token的用电成本能下降约31%。

算力中心的角色也在同步变化，过去它是电网的终端用户，只有花钱买电的义务，现在开始具备双向互动的能力，电价高的时候少用电，电价低的时候多用电，靠负荷动态调节参与电网调峰调频，赚取辅助服务收益。2026年5月，广东三个大型数据中心集群首次以可调节负荷的身份参与电力现货市场交易并完成结算，一座GW级智算中心，不再只靠卖算力赚钱，也开始靠卖灵活性给电网增收，这是过去这个行业里从未出现过的收入结构。

落地路径也在同步成熟。过去能源AI项目受制于现场调试周期长、实景试错成本高、复杂工况样本不足，一个算法从实验室走到真实的智算中心上线，往往要经历漫长的现场调优。物理仿真加合成数据的范式，正在成为算电协同从试点走向规模化的核心突破口，先在高精度仿真环境里复刻算力波动、新能源出力、储能充放电等全域工况，跑完大部分试错迭代，再上线到真实场景，能大幅降低实地改造的安全风险和运维成本。行业也在从单打独斗走向能源巨头和物理AI团队深度绑定的产业共生模式，一方有场景、数据和电网运维经验，一方有垂直模型迭代和产品化能力，两者绑定正在成为规模化落地的主流形态。

叠加十五五规划带来的政策红利，算电协同正处在爆发的早期，是当下硬科技领域确定性最强的增量赛道之一。国鼎资本合伙人周建在采访最后总结道，AI的尽头是能源，这是行业不可逆的终局，未来三到五年，算电协同会成为所有超大规模智算中心和新能源储能场站的标配基础设施，行业浅层的机房节能和简单PUE优化已经趋于饱和，市场真正稀缺的，是兼具能源产业实操经验和物理AI核心技术的闭环落地团队。评价体系从PUE升级为TPW双轮驱动，运维模式从人工调度走向物理AI自治，商业模式从省电进化为赚钱，谁能把瓦特高效转化为比特，谁就掌握了AI时代的定价权。