每经记者：张梓桐 每经编辑：杜宇
AI Agent（人工智能智能体）浪潮呼啸而至，推理需求持续快速抬升。
“复杂Agent任务下，Token（词元）消耗量较传统对话场景陡增5倍~30倍，Token成本的核心瓶颈在于能源。”10月26日，达卯科技CEO（首席执行官）简煜忞在2026国际算电协同产业链展览会（以下简称CPE 2026）上接受《每日经济新闻》记者（以下简称每经记者）采访时表示。
达卯科技成立于2021年，是国内首家将能源大模型规模化落地算电协同、虚拟电厂与泛能源场景的AI企业，股东阵容汇集宁德时代、商汤科技、寒武纪等产业龙头；公司在今年9月完成约2亿元新一轮融资。在本次CPE 2026展会上，达卯科技完整展出包含AI能源大模型在内的全栈算电协同技术产品体系。
大批智算集群加速落地建设，算力扩张却撞上电网容量的硬天花板。算力投资方、售电企业、发电主体多方博弈持续拉扯。简煜忞向每经记者坦言：“有时候双方的分歧只有2分钱，项目就签不下来。”
一方面，市场空间不断打开，算电协同的产业价值日益凸显。与此同时，阿里云、华为、快手等企业扎堆布局西部智算项目，一个行业争议随之浮现：算力巨头手握充足资金与机房资源，算电协同赛道会不会最终被大厂通吃？达卯科技这类第三方服务商，又该如何找准自身市场位置？
图片来源：每经媒资库
“算力的尽头是能源”：疯狂扩算遭遇容量硬约束
“算力的尽头是能源，算力扩张的矛盾，早已不是简单的缺电量，而是局部电网容量不足。”简煜忞向每经记者直言。
过去建设智算中心的通行逻辑十分直接：先建好机房、部署GPU（图形处理器），再对接电网购电。如今这套建设思路正在逐渐失灵。
Agent式AI浪潮爆发，推高单次任务能耗。简煜忞将Token成本拆解为三大部分：算力硬件成本、基建成本、能源成本。据其介绍，能源成本占到智算中心整体运营成本的60%~70%。想要压低Token价格，电价与电网容量约束是绕不开的现实门槛。
简煜忞举例，东部某区域，新建智算项目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。
即便是风光资源富集的西部，发展算力也并非坦途。他介绍，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用，剩余部分承载存量算力；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，等同于近乎重建本地电网。
“现在部分地区政府已经无法支持全电量模式数据中心并网。”简煜忞告诉每经记者。
这倒逼行业转型：智算中心需要从算力驱动的AIDC（人工智能算力中心），转向能源驱动模式，但理想方案与实际落地之间横亘着不小鸿沟。
“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、政策三者的三重耦合。行业痛点已经从“电量够不够”转向“电网容量扛不扛得住”。
按照简煜忞的判断，国内能源驱动型智算中心，预计未来2年~3年有望进入规模化落地阶段。但现阶段，认知鸿沟处处可见。
不少数据中心投资方看到储能价值，愿意投入资金采购锂电池设备。月电费500万元的项目并不鲜见，GW级规模智算中心月电费可达数千万元。但多数投资方把目光聚焦在硬件采购，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，对应就是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：项目没有外接外部新能源，依托储能、蓄冷罐，叠加AI调度策略，实现综合度电成本下降9.73%；模型日前负荷预测准确率95%，日内预测准确率98%。项目参与上海迎峰度夏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99.3%。
可即便是这样的改造，也绕不开现实难题。存量机房变压器上限锁死，想扩容算力，不一定有新增电力配额。边缘算力节点更为窘迫，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，做“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 第三方服务商空间还有多大？
在行业供需矛盾日益尖锐的情况下，乌兰察布等地区因AI算力被反复提起。外界普遍容易将其成功简单归结为电价便宜。
在简煜忞看来，低电价仅仅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，才造就西部算力高地。单纯依靠低价电，并不足以撑起智算产业。
如今，阿里云、华为、快手等企业扎堆布局西部智算集群。市场随之抛出疑问：算力大厂手握充足资金与机房资源，算电协同赛道会不会最终被大厂通吃？
“不存在直接竞争。”简煜忞向每经记者表示，大厂的核心主战场在算力、应用服务层面，能源对其而言只是生产要素。但现实中的利益博弈并不会就此消失。
产业中长期横亘一道现实裂痕：算力使用方与能源投资方，常常卡在几分钱的价差上难以达成共识。
“有时候双方的分歧只有几分钱，项目就签不下来。”简煜忞介绍，依托能源大模型做多市场耦合套利、仿真测算，能够挖掘额外价值空间，既填平双方的价差分歧，也留出服务商合理的服务收益。
但这套破局逻辑，在传统链式电力交易体系面前处处受限。
传统链条很简单：新能源发电企业把电卖给售电公司，售电公司赚取价差，再转手卖给算力客户。可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，交易风险大幅抬升。于是形成一个三角困局：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，容易忽略售电公司的风险。”简煜忞强调，售电环节如果无法协调，整个项目闭环就跑不通。
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运行，又要吃透新能源出力特性，还要熟悉电力市场交易规则。
行业随之产生另一重争议：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，价值不完全来自信息差。即便把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。
这也引出行业路线之争：做算电协同，究竟该走纯软件路线，还是软硬一体？
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。
不过目标能否兑现，受制于多重外部变量：电力市场化改革推进节奏、各地项目落地进度、市场各参与主体的接受程度，都会左右行业发展走向。
采访尾声，简煜忞打了一个通俗比方：“AI产业要烙一张大饼，饼的尺寸已经超过烤炉。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。”
但烤炉运行规则、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，不只取决于GPU硬件迭代速度，也要看算力与电网之间的矛盾如何找到平衡。