去年，国内数据中心申报项目过千，实际获批约 10%，绿电直连成为重要的加分项。一个变化已经越来越清晰：AIDC 的竞争正在从抢资源、拼建设，转向绿色化、精细化运营。项目建起来只是第一步，能不能把绿电用好，能不能把账算过来，才决定它能走多远。
AIDC 运营方应该从哪里下手？
接上绿电就万事大吉吗？未必。只有物理连接而缺少协同调度，绿电价格可能更高。配上储能就能省钱吗？也未必。在一些项目实际测算中，如果储能只用于发电侧调节，真正释放的经济价值可能不到 10%。
发电、负荷、电价和储能各自为战，正是粗放运营的症结。AIDC 下半场要解决的，不只是有没有电、有没有储能，而是能不能把这些资源放进同一套决策系统，在持续波动中寻找更优解。只有真正下好源网荷储这盘棋，AIDC 经济性才能得到保证。
本期，爱分析对话达卯智能 CEO 简煜忞，从 AIDC 项目落地、算电协同、储能价值和竞争格局等维度，讨论 AIDC 进入精细化运营阶段后，经济性究竟从哪里来。
能源是未来 AIDC 建设的核心卡点。
全球范围内大量 AIDC 项目申请被拒，主要原因之一是拿不到能源指标与并网审批。在中国新型电力系统建设及电力市场化改革的大潮下，AIDC 项目已与新能源深度绑定，甚至促使能源企业自建算力中心以打通 " 从电到算力 " 的全链路收益。
AIDC 正在从地产逻辑转向运营逻辑，算力消纳和绿电消纳能力是生死线。
只有真正具备稳定客户与预消纳合同的项目才能通过审批，单纯 " 先建再找客户 " 的模式已经被系统性抑制。
西部算力格局已经分化，内蒙乌兰察布成为标杆，新疆还有很大空间。
乌兰察布的成功来自三个原因：低时延网络、北京 2 小时生态圈、以及真实算力消纳。
电价预测的本质是市场博弈决策。
随着全电力市场化交易打开，电价不仅取决于气象等物理因素，更包含交易人员的情绪博弈。当前的技术路线之一是从追求相对较高的预测准确率，转向基于模型融合择优的量化交易策略与博弈算法。
储能不只是配套设施，也可以成为提升系统运行效率的调节资源。
据达卯科技对部分西部项目的测算，在符合当地电力市场规则和准入条件的前提下，将储能用于平滑新能源输出、电力交易优化和用户侧基本电费优化，项目整体 IRR 有望提升 1 至 1.5 个百分点。
AIDC 跑马圈地将于一年后结束，竞争将从圈地转向运营。
当前是能源方锁客户阶段，下一阶段将进入以调度能力、交易能力、数据能力与算法能力为核心的系统竞争。
以下为本次访谈实录，在不改变原意基础上略有修改。
01
AIDC 项目窗口指导难通过，核心卡点有 3 个
爱分析：近期，能源大厂纷纷布局 AIDC，未来 AIDC 产业链的核心壁垒会越来越趋向于能源吗？
简煜忞：未来在整个 AIDC 乃至人工智能产业链上，最大的卡点都在能源上。AIDC 建设甚至可能在拿不到新能源指标的情况下，得不到批复。
我们可以看一组数据，去年整个中国算力中心的申报通过率约 10%。在美国，今年也开始要求算力中心自配新能源。从全球范围来看，审批被拒的算力中心占到很大体量，最主要的原因就是在于能源供应问题难以解决。
能源企业布局算力中心，核心是看中了它长期、稳定的用电需求。随着电力市场化推进，能源企业不仅要把电发出来，也需要找到持续稳定的消纳场景，算力中心正是其中之一。
同时，绿电直连等模式正在让新能源供给与算力负荷结合得更紧。能源企业如果与算力中心形成长期合作，甚至布局算力服务，就有机会把发电、消纳和算力运营衔接起来，在合规前提下拓展全链条价值，而不再只依靠售电获得收入。
爱分析：除了能源之外，还有哪些核心卡点？
简煜忞：项目被卡掉的核心原因还有两个，一是申报方是否拥有真正的算力消纳能力，二是能否与国产化的策略达成一致。
目前，很多算力企业申报建设是因为看到了市场空间，想去提前盖房子。中国的算力中心在上一个阶段已经经历过一次这样的 " 房地产 " 浪潮了，导致的结果是算力中心建设后并不能产生一个非常好的盈利。
在这次窗口指导的审批过程中，国家一方面对运营主体的专业性提出了较高的要求，明确需要专业运营方作为牵头主体。另一方面在整个申报过程中就会要求一定要有对应的客户预消纳合同。比如，去年在西部某省申报了非常多的项目，但最后没有成功获批。最大的问题就在于终端的消纳用户。
第二个卡点是国产化适配。对于央国企参与建设的项目，国产化是重要要求。
爱分析：零售型算力中心是不是在申报上就更难了？
简煜忞：零售客户的申报确实会比较难，这主要取决于客户的预留情况。与此相反的是运营商，因为运营商本身具备整个国家算力发展承接任务，所以在做项目申报时，相对会比较容易，因为基本上他们都会有一些预留的客户可以去做承诺。一些为互联网巨头提供商业化服务的算力中心，在做项目申报时，基本上也都能够得到批准。
爱分析：西部算力节点为什么会出现明显分化？
简煜忞：西部节点能不能形成规模，核心要看网络、服务生态和本地算力消纳能力。在目前几个西部节点中，乌兰察布发展相对更快，主要有三个原因。
第一，网络基础较为成熟。乌兰察布在东数西算工程推进阶段较早完成网络节点建设，低时延网络让它更容易承接对时延敏感的算力业务。当地机柜投放后能较快获得客户使用，也说明西部节点要形成规模，网络条件与真实消纳需求必须同步到位。
第二个原因是两小时生态圈。用户对所有的算力中心都有一个基础要求：出现了事件之后，两个小时之内需要到场，四 ~ 八个小时之内需要去做到故障恢复。乌兰察布在北京的 2 小时生态圈范围内，在生态站位上不会有缺失。同时，因为有了最开始的生态覆盖，后续在这一片区建立起了完整的服务生态链。
第三，本地业务能够提供启动支撑。西部节点要形成规模，关键是先导入足够的算力需求。以甘肃为例，项目起步阶段由政府和运营商共同引入大客户，形成首批算力消纳，之后才逐步带动当地生态发展。
02
AIDC 增量利润藏在电里，钥匙是博弈算法和储能设施
爱分析：算电协同要做哪些预测？不同厂商之间能拉开多大差距？
简煜忞：不能笼统地谈预测，至少要拆成三类：发电预测、负荷预测和电价预测。
发电与负荷预测主要面对物理世界的不确定性，谁的数据更完整、数据结构更合理，谁就更有机会把准确率做高。以负荷预测为例，我们在 24 小时维度的准确率可以做到 92% 以上，超短期可以做到 98% 以上。不同项目受数据完整度和工况复杂度影响，结果会拉开差距。
随着推理任务复杂度上升和智能体任务增多，AIDC 负荷更难预测。复杂推理会把一个任务拆成时序不同的子任务，智能体又有更强的个性化特征，负荷随机性会继续上升。
电价预测的逻辑不同，它除了受供需和气象影响，还包含市场主体的交易行为，因此不能只用前两类预测的思路来判断。从难度上来看，电力交易的决策是最关键的，也是最难的。
爱分析：为什么电力交易决策是最难也最关键？
简煜忞：因为真正决定收益的，不只是预测，而是预测之后如何决策。电价不是单纯的自然变量，还会受到市场主体报价策略和交易行为影响，所以想把预测准确率做到 100% 并不现实。随着电力市场化程度加深，发电侧和用户侧的报价可能出现时空错位，电价波动也会更复杂。这其实就是市场内多方在博弈。所以，市场化程度越高，电价反而越难预测。
对算力中心运营方来说，重要的不是追求一个绝对准确的数字，而是基于不确定的预测结果，通过决策智能制定收益和风险更均衡的调度与交易策略。
爱分析：这个博弈，具体指什么？
简煜忞：这里的博弈主要是参与到电力交易市场的发、售、用多方主体之间的情绪博弈。在电价预测里面，即使是业内领先的团队与公司，预测精度也有较大的偏差，最低时段甚至可能是低到 40%。
原因是什么？电价的形成机制本身包含了整个电力市场交易人员的情绪。在全面市场化之前，电价的形成机制主要是由电网主导的计划轨机制，电价是相对比较好预测的。而进入到全市场化之后，你会看到整个电价的波动形式越来越奇怪，其实就是体现出了各种交易主体之间的博弈趋势。
未来市场化程度越高，意味着电价预测会越不准，所以我们走的技术路线是要兼顾预测与决策两重路线。
当前阶段，我们会基于多个不同的电价预测模型来进行融合。通过权重优化的形式，就能在不同的地域、时间窗口、气象环境下找到相对更为准确的加权值，用来应对当前过渡阶段。
接下来的阶段，当整个全量市场化都由人为因素来决定时，用户的交易情绪能体现出更多的价值。这一部分的博弈是在各个交易主体的交易价值分布里面去找出更优、更精准的一个交易趋势，也是我们要做的第二步优化，基于量化逻辑来考虑如何在市场空间里面去进行交易。
爱分析：在电价预测不准的背景下，达卯是像量化投资一样纯粹博胜率，还是博赔率？
简煜忞：中国电力市场目前是哪种博弈方式，尚未形成共识。海外倒是有个例子，有家企业叫章鱼能源，它是博赔率。具体而言，章鱼能源所博的是整个电价市场预测最不精准的时间段，然后在所有人都不准确的时候他去做反向的套利，这个情况下就能赚到相对来说更多钱。
其实中国有一个朴素的案例，一个老太太在股票大厅门口扫大街，当大家都去买的时候她就不进，然后当大家都不去的时候她就会进去买。就是这样的思路逻辑。
爱分析：在电价预测这一端，电网的子公司拥有更多的数据，他们是不是更容易建立竞争壁垒？
简煜忞：这个优势一定会存在，但我们可以通过模型融合的机制来融合他们的优势。如果未来电网的电价预测能力能得到一个提升，电网的数据本身也会作为我们融合模型的重点关注项。事实上目前所有不同省份的电网，都会有它自己的预测数据会公布在网上。
模型融合的价值，是用多模型融合降低单一模型的扰动。当前国内电力市场仍在持续完善，电网公开数据和不同的预测模型在不同地区、时段与气象条件下的表现都会有差距。系统会动态比较各模型，为更适配当下场景的模型提高权重，再与其他模型融合，得到更稳健的结果。
爱分析：在政策层面，这种电价交易策略会不会受到限制？比如防止过度投机和囤电的行为。
简煜忞：政策一定会有限制，比如对应于电力市场的买入跟卖出，国内是有上限抑制的。售电公司如果在做电能量交易本身，盈利如果超过一定的比例，不同省份不一样，比如内蒙是超过 10% 的利润就会有超额回收机制，会把它赚到的钱再返还给发电方，也是为了防止像美国那边出现囤电量影响市场实际供电的行为。
爱分析：目前电力市场是 15 分钟一个结算周期，未来这个颗粒度会继续往下降到 5 分钟吗？AI 能辅助吗，辅助之后的极限在哪里？
简煜忞：从个人认知上来讲，5 分钟是极限。15 分钟是国际的统一标准，因为能量块交易的概念是 1881 年在麻省理工奠定的基础理论，全球都是按照 15 分钟的维度来做。想要靠交易来做实时平衡，有可能会把颗粒度再往下降，比如在山西的结算里面已经出现了 5 分钟结算的趋势，但是会不会在全国范围内推广，我们认为不一定。
因为颗粒度越细，对交易的复杂度提升水平越高，单纯靠人力做到这个程度是不可能的，AI 可以发挥作用。但 AI 的辅助也有极限，受到数据采集、推理和执行的多重影响，当前阶段来看，5 分钟基本上就是底层结算和 AI 响应的极限了。
爱分析：发电和负荷的预测是基于客观事实和行业经验的。如果智能体技术全面进入预测端并自我进化，后发者是不是就能打破先发者的行业壁垒？
简煜忞：这取决于一个关键假设，到底有没有人会做算力协同把行业经验进行结构化，并用于训练通用大模型。智能体的自我进化能力其实是基于大语言模型本身的能力，比如现在我们用智能体去做测算模型可以比传统方案优秀很多，但是这个过程中的核心点在于大模型本身的建模能力，它需要具备数学、物理和能源的基础知识，这是我们现在做的能源全链模型的一个最基础的逻辑。
调优以后的能源大模型，在算电协同这个垂类场景上，比通用大模型在建模和计算能力上都要优秀得多。如果通用大模型要构筑这样的一个能力，尤其在算电协同这个领域，首先得在通用大模型上实现垂直模型相同的能力，并打造出它的盈利模式，我觉得是一个比较大的挑战。
另外一点就是，当智能体自我进化能力达到一定水平之后，成本是变相转嫁的，把我们的内生行业经验能力转化成外生的 token 实际消耗。这个情况下，基于通用大模型的智能体优化，到底是不是能够比垂类大模型更多地降低整体运营成本，是需要进行论证的。
爱分析：怎么看储能设施在算电协同里的价值？
简煜忞：储能设施是源网荷储、绿电直连里面最大的价值资产。在传统能源企业认知里，储能的作用单一，就是提高新能源消纳能力，比如延长风光发电的小时数，或者平滑输出曲线。但如果只做这一步，储能的利用率其实非常低。
我们在一些项目里测算过，如果按照标准配置，比如 4 小时、15% 负荷的储能系统，仅仅用来做发电侧调节，它真正发挥的经济价值可能不到 10%。也就是说，90% 的时间储能是闲置的。但问题在于储能本身是一个双向资产，它不是只能 " 充进去、放出来 "，它本质上是一个可以参与电力系统运行和调节的动态资源。
爱分析：也就是说，储能其实还有被忽略的使用方式？
简煜忞：很多人只看到了储能的发电侧价值，但忽略了它在电网侧和用户侧的价值。
如果把储能放在整个系统里看，它有三类价值。第一，平滑新能源输出；第二，通过峰谷价差和电力市场交易优化用能成本；第三，优化用户侧基本电费。
对执行两部制电价的算力中心来说，基本电费可按变压器容量或最大需量计收。通过储能削峰填谷、控制最大需量，可以在保障安全运行的前提下降低这部分成本。
我们在部分西部项目中测算，在特定配置和运行模拟下，盘活储能闲置能力后，项目整体 IRR 有望提升 1 至 1.5 个百分点。
爱分析：储能似乎已经不只是配套设施，而是一个可以参与调度、交易的核心变量。
简煜忞：储能不是独立存在的，它必须放在整个系统里去优化。
它的调度对象包括三个维度：一个是发电侧的不确定性，一个是市场电价的波动，还有一个是负荷侧的实时变化。只有把这三者放在一个框架内做全局优化，储能的价值才会真正释放出来。
爱分析：除了新建 AIDC 项目之外，算电协同能从旧算力中心的升级改造项目里分一杯羹吗？还是说存在硬性限制呢？
简煜忞：没有硬性限制，旧算力中心只要有办法投建一些调节性资源，同样可以参与到算电协同的市场里面来进行分润。已建成的算力中心只要配置了储能，让它具备调节能力，就可以参与进来。比如在临港的项目上面，它其实就是在一个已经建设完成的算力中心里面去配置了储能。
现在政策也在探索存量的大型负荷能否去跟一些新能源项目主体签订长协，或者说去退网重联，这都是有一定发展空间的。不过确实有一个问题，投建的能力和退网重联的问题，在东部寸土寸金的地域，由于场地限制，能源设施投建难度确实比较大，这是不争的事实。
爱分析：既然算电协同是一个跨越源网荷储多端的系统工程，是否意味着，它无法作为一个独立的项目去立项，而必须直接纳入到绿电或者源网荷储一体化的 EPC 总包项目中？
简煜忞：算电协同这个行业体量非常大，确实不是以算电协同的项目来立项的，因为我们项目的立项申报口径目前还是算力基础设施建设。它分成两种，一种是源网荷储一体化的项目立项，另外一种是把算力中心和能源建设分成两边来进行立项。
03
AIDC 跑马圈地即将结束，竞争焦点转向算电协同
爱分析：算电协同市场发展趋势如何？
简煜忞：我们预估，算电协同市场会在 2027 年下半年进入更加激烈的竞争阶段。当前，能源方跑马圈地，去锁定算力消纳客户，能源方的竞争重心不在算电协同，而是在于绿电消纳。到了明年下半年，当这些算力客户已经和能源方产生了绑定关系之后，剩下的竞争就会集中到像达卯这样的服务商身上。
在此期间，能源大厂也会持续积累运行数据，以提升他们算电协同的调度能力。这个数据积累是很重要的，因为能源企业要想把算电协同做好，还需要补齐算力中心的能耗数据、负荷特性和用户侧运营经验。过去发电侧企业主要面向电网售电，与最终用户之间还有一定距离，这类能力要靠真实项目和长期运行数据逐步积累。
算力中心熟悉业务负荷，能源企业熟悉发电侧，两边的数据和经验如果没有打通，预测和调度效果就很难快速提升。对专业服务商来说，真正的机会在于把源、网、荷、储的数据纳入到统一管理体系中，并把预测转化为持续的调度和运营能力。
当然，达卯科技今年也在加大研发力度，同时不断跟客户产生深度接。
爱分析：互联网大厂是主要的竞争对手吗？例如选择自研系统，不再需要第三方服务商？第三方服务商又该如何应对呢？
简煜忞：第三方服务商发展的核心点在于不断提升自身的专业度，大厂自研往往会面临过拟合或者业务专注度不匹配的问题。举个例子，所有的算力中心都会用一套系统——动力环境监控系统，技术门槛并不高，主要是 IoT 层的数据采集和故障报警。目前，动环监控市场已经形成了一批专业化程度较高的供应商。
大厂能做出很强的系统，但不一定能把它变成行业通用产品。某互联网大厂曾自研动环监控系统，系统穿透能力很强，也是我们在行业里见过的最优秀平台之一。
不过，这类系统通常围绕自身机房环境和管理规范打磨，换到其他场景后，适配和定制开发成本会明显上升。再加上云业务厂商之间存在竞争关系，其内部系统也很难直接向同行推广。因此，第三方服务商的价值，仍然在通用产品能力和跨场景经验上。
另外，大厂的核心业务不在算力中心的物理资产上，算力中心只是大厂的基础。比如某头部互联网企业现在对算力中心的态度虽然是自建，但是招标的对象反而是 IDC Colo 商。如果算力中心总包招标对象都已经是这么专业的级别，那么底层的运维系统就更不会去自研了，这不符合业务专注度的逻辑。
爱分析：除了互联网大厂和能源巨头，算电协同还会演化出哪些细分赛道？
简煜忞：算电协同的边界非常宽泛，它的核心目标其实就是一件事，如何降低 token 成本。从这一点上来推导整个产业链，已经细分出了非常多的赛道。在基础设施侧，比如绿电直连和直流微网场景里面直流侧设备已经成为了行业发展方向的一个重点，这就已经形成了一个新赛道。
再往上就是预制化的成套配套商赛道。算力中心的核心是为芯片来进行服务的，芯片有自己的生命周期。当每一代芯片研发下线后，越早能够投入算力中心中使用，芯片在它的生命周期里能发挥的价值就更多，所以预制化就会作为一种算力中心快速投建的方式，也产生出一条新的赛道。最近各家大厂都在做预制化自研，尤其出海算力中心，预制化自研比例会非常高。
除了预制化和芯片竞争之外，还包括像推理加速、算力调度这样的生态软件层竞争，再往上是整个 token 的优化利用，在智能体时代，把所有的功能全部交给大模型，token 的消耗量非常大。
所以现在不少 AI infra 企业，也在做 " 算力 - 任务 " 分配的探索优化，譬如复杂问题发生时，什么时候使用本地端小模型，什么时候把这些任务吞吐到大模型上面去做云端的 token 消耗。
爱分析：达卯智能在今年上半年发布了四个智能体，涵盖电价预测、负荷预测、调度调节和交易结算。这些智能体在实际落地时，跟过去有什么核心区别？
简煜忞：核心区别在于我们能真正做到让它在绿电直连场景上是省钱的，而不是花钱的。在传统的绿电直连或者源网荷储项目中，因为自发新能源与市电低价时间高度重合，生硬的物理连接反向会抬高用户最终的结算电价。
结合实际案例可以看到，如果简单采用直接互连，而不做深度调度控制，电价可能被反向推高到 1.3~1.5 倍，在西部省份结算电价甚至高于上海，这就是现在很多项目好看不好用的原因。
有了我们多个智能体来进行整体的能源调度和交易优化之后，通过算法在复杂的电价和负荷波动中寻找最优解，这才是我们智能体的核心价值。
在今年 7 月举办的世界人工智能大会上，我们还正式发布了算电协同 2.0 平台，就包括了能源大模型和智能体矩阵，可以实现多源时空、多市场数据预测和趋势感知，以及全局统筹、多目标最佳策略求解。
不同于 1.0 的单点能力验证，2.0 完成了从 " 预测 - 调度 - 交易 " 一体化闭环，向 AIDC 绿电直连全生命周期智慧运营的升级，把分散的智能体能力整合为一体化的操作系统。
我们近期也分享过绿电直连如何从 " 亏本 " 到 " 盈利 " 的行业理解，其本质就是缺乏算力负荷、新能源出力、现货电价的多维度协同优化能力。算电协同 2.0 通过多源预测融合与算电储碳联合优化，让绿电直连从合规性投入转变为经营性收益来源，这也代表行业正从 " 重硬件建设 " 向 " 重运营效益 " 深度转型。
注：点击左下角" 阅读原文 "，查看更多洞察内容。
