每经记者：张梓桐 徽声在线编辑：杜宇

随着AI Agent（人工智能智能体）技术的迅猛发展，推理需求正以前所未有的速度攀升。

“在复杂Agent任务场景下，Token（词元）的消耗量相较于传统对话模式激增了5至30倍，而Token成本的核心制约因素在于能源供应。”10月26日，在2026国际算电协同产业链展览会（简称CPE 2026）上，达卯科技CEO简煜忞接受《每日经济新闻》记者采访时如此表示。

达卯科技，自2021年成立以来，便成为国内首家将能源大模型成功应用于算电协同、虚拟电厂及泛能源领域的AI企业。其股东阵容强大，包括宁德时代、商汤科技、寒武纪等行业领军企业。今年9月，公司更是完成了约2亿元的新一轮融资。在CPE 2026展会上，达卯科技全面展示了其包含AI能源大模型在内的全栈算电协同技术产品体系。

随着大量智算集群的加速落地，算力扩张却遭遇了电网容量的严峻挑战。算力投资方、售电企业、发电主体之间的多方博弈愈发激烈。简煜忞向记者坦言：“有时双方仅因2分钱的价差，就导致项目无法签约。”

一方面，算电协同的市场空间不断拓展，其产业价值日益凸显。然而，另一方面，阿里云、华为、快手等科技巨头纷纷布局西部智算项目，引发了一个行业热议的话题：在资金与机房资源充足的算力巨头面前，算电协同赛道是否会被大厂垄断？达卯科技等第三方服务商又该如何定位自身市场？

图片来源：每经媒资库

“算力的尽头是能源”：算力扩张遭遇电网容量瓶颈

“算力的终极限制在于能源，算力扩张的矛盾已不再是单纯的电量短缺，而是局部电网容量的不足。”简煜忞直言不讳。

过去，智算中心的建设逻辑相对简单：先建机房、部署GPU，再对接电网购电。然而，这一模式如今正逐渐失效。

随着Agent式AI的兴起，单次任务的能耗大幅上升。简煜忞将Token成本细分为算力硬件成本、基建成本和能源成本三大部分。据他介绍，能源成本在智算中心整体运营成本中占比高达60%至70%。因此，要降低Token价格，电价和电网容量约束成为绕不开的现实难题。

以东部某区域为例，新建智算项目的用电需求几乎触及当地电网供电上限，为承接算力落地，地方不得不投入巨额资金扩建电网节点。

即便是在风光资源丰富的西部地区，发展算力也并非一帆风顺。简煜忞介绍，西部某高耗能产业聚集城市，本地电网负荷大部分被传统高耗能产业占据，剩余部分承载存量算力；而当地还规划新增规模可观的算力集群。按照行业约200%的数据中心电网冗余设计要求，新增算力几乎需要配套建设同等规模的电网，这几乎等同于重建本地电网。

“现在部分地区政府已经无法支持全电量模式的数据中心并网。”简煜忞告诉记者。

这迫使行业进行转型：智算中心需要从算力驱动的AIDC（人工智能算力中心）模式转向能源驱动模式。然而，理想方案与实际落地之间仍存在不小的鸿沟。

“国家层面批复的智算中心绿电直连相关项目数以百计，但真正开工落地的只是少数。”在简煜忞看来，算电协同转型并非单一技术难题，而是技术、模式、政策三者的复杂耦合。行业痛点已经从“电量够不够”转变为“电网容量扛不扛得住”。

简煜忞预测，国内能源驱动型智算中心预计在未来2至3年内有望进入规模化落地阶段。然而，现阶段认知鸿沟依然普遍存在。

不少数据中心投资方看到了储能的价值，愿意投入资金采购锂电池设备。月电费500万元的项目并不少见，而GW级规模的智算中心月电费更是可达数千万元。然而，多数投资方过于关注硬件采购，却忽视了后续的调度运营能力。

“百兆瓦级的数据中心一年耗电数亿度。每度电省下1分钱，就对应着数千万到上亿元的成本空间。”简煜忞算了一笔账。

以上海临港一处存量智算项目为例：该项目没有外接外部新能源，而是依托储能、蓄冷罐以及AI调度策略，实现了综合度电成本下降9.73%；模型日前负荷预测准确率达到95%，日内预测准确率更是高达98%。该项目还参与了上海迎峰度夏4轮数据中心专项削峰填谷需求响应，调度响应能力最高超出可调节资源总额110%，单次模型准确率高达99.3%。

然而，即便是这样的改造也面临着现实难题。存量机房变压器上限锁死，想要扩容算力却不一定有新增电力配额。边缘算力节点更是窘迫，很多园区机房连部署大型储能的物理空间都没有，只能依靠虚拟电厂统筹园区全部负荷进行“虚拟容量扩容”。

“2026国际算电协同产业链展览会”现场 （图片来源：企业供图）

算电协同三方博弈：第三方服务商的生存空间几何？

在行业供需矛盾日益尖锐的背景下，乌兰察布等地区因AI算力而备受瞩目。外界往往将其成功简单归结为电价便宜。

然而，在简煜忞看来，低电价只是其中一项有利条件。乌兰察布背靠北京两小时产业供应链圈，同时建成直达北京的专线，能够满足智算生产业务8毫秒以内的时延要求。多重条件叠加才造就了这一西部算力高地。单纯依靠低价电并不足以支撑智算产业的发展。

如今，阿里云、华为、快手等企业纷纷布局西部智算集群。市场随之抛出疑问：在资金与机房资源充足的算力大厂面前，算电协同赛道是否会被大厂通吃？

“不存在直接竞争。”简煜忞向记者表示，大厂的核心主战场在算力、应用服务层面，能源对他们而言只是生产要素。然而，现实中的利益博弈并不会因此消失。

产业中长期存在一道现实裂痕：算力使用方与能源投资方常常因几分钱的价差而难以达成共识。

“有时双方的分歧只有几分钱，项目就签不下来。”简煜忞介绍，依托能源大模型进行多市场耦合套利、仿真测算，能够挖掘出额外的价值空间，既填平双方的价差分歧，也留出服务商合理的服务收益。

然而，这套破局逻辑在传统链式电力交易体系面前却处处受限。

传统链条很简单：新能源发电企业将电卖给售电公司，售电公司赚取价差后再转手卖给算力客户。然而，绿电直连模式会打乱这套秩序。风光发电高峰恰好就是绿电直连的用电高峰，售电公司拿到畸变的用电曲线后交易风险大幅抬升。于是形成了一个三角困局：算力方、发电方、售电公司三方互相牵制。

“很多人只看到算力方和能源方，却容易忽略售电公司的风险。”简煜忞强调，如果售电环节无法协调好，整个项目闭环就无法实现。

这种复杂的多方博弈抬高了行业门槛。从业者既要懂算力中心的运行规律，又要吃透新能源的出力特性，还要熟悉电力市场的交易规则。

行业随之产生了另一重争议：未来市场各方认知全面普及、信息差消失之后，第三方服务商是否还拥有生存空间？

简煜忞认为，价值并不完全来自信息差。即便将调度模型工具交给数据中心，原有基础设施运维团队学习、落地这套系统的成本也很高。想要复制整套能力，等于重建一整套跨行业运营团队。

这也引发了行业路线之争：做算电协同究竟该走纯软件路线还是软硬一体路线？

简煜忞的回答偏向结果导向。“软件、运维服务、硬件都可以用到，但核心落脚点是全生命周期运营，最终要看能不能把成本、并网风险落到实处。”

赛道想象空间广阔，但现实阻碍同样清晰。简煜忞透露了企业的一组业务目标：该企业2025年聚合的可调节资源尚处于百千瓦级别，计划2027年一季度签约口径冲击GW（吉瓦）级，三年内聚合6GW以上可调节负荷资源。

然而，目标能否兑现受制于多重外部变量：电力市场化改革的推进节奏、各地项目的落地进度以及市场各参与主体的接受程度等都会左右行业的发展走向。

采访尾声，简煜忞打了一个通俗的比方：“AI产业要烙一张大饼，饼的尺寸已经超过了烤炉。算电协同就是烤炉的控制系统，目标是分段动态调度把饼烙熟。”

然而，烤炉的运行规则、多方利益分配机制至今仍处在磨合阶段。Token价格能否持续下行不仅取决于GPU硬件的迭代速度，更要看算力与电网之间的矛盾如何找到平衡点。