用更低的電價，喂出更劃算的Token。
2025年底，兩股浪潮正在同時翻涌。一端是算力，隨著ChatGPT引爆的軍備競賽進入第三年，全球數據中心用電量已超過整個意大利，且仍在陡峭攀升。另一端是綠電，在中國西部，大量光伏和風電在午間時段因消納困難被迫棄掉，電價時有歸零甚至轉負。
算力在喊渴，綠電被閑置。中間缺的，是一根讓二者精準匹配的管道。
2026年4月，國家四部門發布《關于促進人工智能與能源雙向賦能的行動方案》（簡稱：《行動方案》），“算電協同”被寫入國家戰略文件。業界意識到，這不再只是先行者的試探。而對合肥一家公司來說，這份文件更像一次遲到的追認，早在2022年，當主流AI創業仍在比拼模型參數時，他們已經把方向鎖定在算力與電力的交叉地帶。
這家公司就是合肥申威睿思信息科技有限公司（簡稱：申威睿思），筆者注意到，CTO周民身上有一種典型的技術人氣質，對話中他反復回到一個核心邏輯：垂類模型會越來越多地滲入日常生產場景，但驅動它擴張的不是參數競賽，是算賬，即企業愿不愿意買單，取決于它能不能真的降本增效。
這個判斷幾乎決定了公司的全部技術路線。
市場上在做通用大模型的公司，競爭焦點是誰參數更多、響應更快。周民覺得這筆賬在垂直領域算不攏：投入億級成本把響應從一秒壓到零點八秒，用戶可能不會因此切換平臺。但在電力安全生產場景中，零點二秒的延遲差異，對應的是受傷與不受傷的邊界，客戶會為這種確定性付費。“兩條路各有各的苦和難，我們只是選了一條更適合團隊基因的。”
申威睿思發布4款新品，周民正在做解讀
2026年5月28日，申威睿思在上海發布了四款核心產品：一個算電協同智能調度平臺——萬象靈和，充當“頂層大腦”，讓算力任務跟隨綠電曲線和電價信號跨時空調度；一個算力堡壘液冷基礎設施，為分布式邊緣智算中心，采用冷板式液冷集裝箱，實現高密度、低PUE的算力快速部署；以及兩款邊端硬件——邊端AI算力底座和新一代鐳視一體機，將AI能力直接壓進作業現場。
據周民介紹，平臺負責把每個Token的用電成本降下來，算力堡壘解決算力就近部署與能效問題，邊端設備讓AI在垂直場景里真正可用。四者之間并非簡單的拼盤，而是一條從調度、算力供給到現場落地的完整鏈路。
但整場對話中最讓筆者印象深刻的，不是產品架構，是周民及其團隊對市場拐點的判斷。
政策做了定調，客戶主動問詢，但他們的表述是“剛看見坡，還沒開始爬”。說不準是今年下半年爆發還是明年，語氣中沒有一些企業創始人常有的那種對“即將起飛”的確信，更像一群算過賬的工程師，方向是對的，但坡有多長，不做預測。
談到護城河時，周民給出三個要素：數據沉淀，只能靠時間，砸錢砸不出捷徑；客戶信任，來自經年累月的交付，不是品牌聲量能在短期內置換的；第三，身段足夠輕，客戶提一個需求，對他們是頭等大事，對巨頭可能只是排期表上一個并不靠前的任務。
這份表述不性感，但誠實。
對申威睿思而言，四部門的文件不是發令槍，更像裁判吹了一聲哨，比賽其實已經踢了好一陣。現在的問題是，當越來越多的玩家涌入同一個賽場，這家提前上場的公司，能不能在被追上之前，先把坡爬完。近日，申威睿思CTO周民在上海與筆者聊了聊算電協同的一些事，以下是對話精編：
提供低成本、高性價比的Token
筆者：這次發布的產品矩陣里，既有智能布控球AI輔助裝置、近電管控裝置、算力堡壘這樣的現場硬件，也有算電協同智能調度平臺。能不能先用一句話講清楚這四者的關系，它們是各自解決各自的問題，還是一套組合拳？如果是一個整體邏輯，那條主線是什么？
周民：這是一套組合拳，主線是提供從頂層算力到現場落地的完整解決方案。
算電協同智能調度平臺是頂層大腦，負責讓算力任務“跟著綠電跑、跟著低電價跑”，實現跨時間、跨空間、跨物理的最優調度；算力堡壘是分布式邊緣智算中心，以液冷集裝箱形式提供高密度、低成本的本地化算力；智能布控球AI輔助裝置和近電作業智能管控裝置是邊端執行設備，負責把AI能力下沉到作業現場，解決實際場景中的安全問題。
頂層提供低成本、高性價比的Token（算力單位），底層通過邊端設備讓AI在垂直領域能落地、好用、適用。合在一起，就是我們想交付給客戶的完整能力。
算電協同是申威睿思一直深耕的賽道
筆者：算電協同智能調度平臺——萬象靈和是這次發布里最“重”的一個產品。如果向一個非電力行業的人解釋，這個平臺到底在“協同”什么、“調度”什么？能不能用一個真實場景告訴我們，它介入前和介入后，具體會發生怎樣的變化？
周民：萬象靈和協同的，就是“算”和“電”兩邊。它一邊盯著算力調度平臺，知道哪些AI訓練任務是可以等的、哪些是能挪到別處跑的；另一邊盯著電力管理平臺，知道什么時候哪兒光伏、風電量大，哪兒電價更便宜。然后我們的AI就在中間做“撮合”和決策。
在真實場景中，以前沒平臺的時候，西部中午光伏用不完可能被棄掉，東部那邊電價再貴任務也照跑不誤。現在平臺能提前預測，比如明天中午西部綠電便宜，它就把東部能等的訓練任務自動挪過去跑，順帶把不急的活兒推到半夜電費低的時候再干。就這么一下，綠電用上了，電費降了，碳排放也減少了。
筆者：這次發布恰好趕上國家四部門發布《關于促進人工智能與能源雙向賦能的行動方案》，“算電協同”被提到了國家戰略高度。是你們發布踩準了政策節點，還是政策反過來驗證了你們2022年就選定的方向？
周民：是相互驗證。我們幾年前就關注到綠電棄電的問題——光伏、風電大發的時候消納不掉，電價經常歸零甚至變負。我們當時就判斷，用算力調度來消納綠電，會比建儲能電站更輕、更快。這次政策把“算電協同”提到國家層面，證明這不只是我們的一家判斷，整個產業都要往這個方向走。
筆者：這次《行動方案》點了兩個方向：一是讓算力直接消納綠電，二是讓算力中心像發電廠一樣參與電力市場交易。這兩個方向，哪一條路你們已經跑通了？
周民：我們跑通的是綠電消納這一條路。通過智慧園區、零碳園區的管理系統，管理什么時候充電、什么時候放電、怎么預估綠電曲線，這是我們的技術發力點。
筆者：邊端AI算力底座能磁吸在存量布控球上，給舊設備“換腦”，是很典型的To B降本思維。從“直接換新”到“給舊球裝新腦”，這個思路切換在當時內部有阻力嗎？最核心的顧慮是什么？
周民：說實話，我們內部的討論不在“要不要做”上，而是在“到底能不能做出來”上。
客戶的痛點很明確，存量布控球數量龐大，全部換新的成本很高；從我們的技術路線看，要把大模型能力下沉到邊緣端，也是必須走的一步。真正的挑戰是工程層面的：在這么小一個外掛裝置里，要把20多T算力的模型跑起來，還得保證時延低于1秒、精度足夠，同時扛住戶外惡劣環境。當時團隊確實覺得難度很大，但我們判斷這是正確的方向，就硬啃下來了。
軟硬件結合才是利潤的關鍵點
筆者：你們這次發布的硬件和算電協同智能調度平臺，是獨立產品各自賣，還是有內在的技術耦合？如果一個客戶只買了硬件沒買平臺，會錯過什么？反過來，沒有硬件，平臺能落地嗎？
周民：可以分開銷售，也可以組合銷售。
單買硬件，客戶可以做二次開發，但基礎的模型適配和算法支持仍需要我們提供。純買硬件、不需要任何軟件支撐的客戶，目前還沒有遇到。
單買平臺也可以落地，平臺本身就能實現跨集群的算電協同調度。但如果客戶同時在邊端部署了我們的硬件，平臺可以把更多推理任務下沉到邊緣，進一步降低時延和成本。
至于只買硬件會錯過什么，主要是平臺層的三項能力：任務級碳足跡追蹤、綠電消納憑證、跨時空最優調度。這些單靠硬件無法實現。
筆者：從早期的電力場景AI項目，到這次發布的算電協同智能調度平臺，中間有一個關鍵轉折——從“給客戶做項目”到“把核心能力抽出來做成一個平臺產品”。這個轉折是怎么發生的？是創業第一天就想清楚了，還是在交付項目中“長”出來的？
周民：是“長”出來的，不是第一天就想清楚的。
我們在交付一個個電力項目的過程中發現：A客戶的需求，B客戶也能復用一部分；到C客戶時，之前積累的功能已經覆蓋了七八成。這時候我們才意識到，這些通用能力可以抽離出來做成平臺，而不是每個項目都從零開始。
至于有沒有一個具體的觸發項目，我覺得很難說有某個斷崖式的節點。我對平臺的定義是“可復制、可演進”。如果從1.0到3.0每次迭代成本巨大，那就不叫平臺。我們是在項目積累中，逐步讓1.0變成了3.0，回頭再看才發現，這已經是一個平臺了。
新一代鐳視一體機適配電力現場安全作業管控場景
筆者：有一種觀點認為：在電力行業，硬件裝置是“敲門磚”，真正值錢的是后面的平臺和數據。這次發布的硬件產品，在你們的商業版圖里是什么定位？是引流品，還是本身就是利潤中心？
周民：我們以為，軟硬件結合才是利潤的關鍵點。
硬件不是單純的“引流品”，它本身就是價值的一部分。尤其是在邊端場景，硬件資源有限，模型和硬件不做深度定制就跑不起來。能做純硬件的人很多，能做純軟件的人也很多，但能在特定硬件上把軟件跑好的人就不多了，這就是我們的利潤空間。
筆者：技術路線上，你們堅持“不做更大的模型，而是讓模型可下沉、可調度、可復制”。但市場上做大模型的公司估值更高、聲量更大。最終為什么選了一條“更苦”的路？
周民：我們不認為這是“更苦的路”，這是不同的商業選擇。
通用大模型的邏輯，是靠海量用戶攤薄成本，競爭焦點是誰參數更多、響應更快。比如你投入很多把響應從1秒壓到0.8秒，用戶會因為這個換平臺嗎？幾乎不會。垂類模型則不一樣。我們服務的電力安全生產場景，0.2秒的延遲差異，可能就是受傷和不受傷的區別。客戶愿意為這個買單，因為一次安全事故的代價遠高于設備成本。
兩條路各有各的難處，我們只是選了一條更適合團隊基因的路。
驅動客戶決策的首要因素是成本
筆者：申威睿思提出“從項目公司走向平臺公司”，這個轉身到什么階段了？如果用比例衡量，現在“項目收入”和“平臺收入”大概怎么分布？
周民：目前還沒有完全轉過來，這是一個漸進的過程，不是斷崖式的切換。在業務比例上，項目和平臺目前大約五五開。
筆者：“綠電優先”這個調度策略，是你們認為客戶應該選，還是客戶真的在主動選？有沒有一個客戶讓你們覺得“他真的在乎碳排放，不是嘴上說說”？
周民：驅動客戶決策的首要因素仍是成本。在某些特定場景下，綠電邊際成本很低，客戶自然會優先消納，這更多是市場規律作用的結果。
若問客戶是否真的在乎碳排放，答案是肯定的。碳排放配額、碳交易與綠電憑證等機制，已將減碳意愿轉化為可量化的經濟回報。當客戶算清這筆綜合賬，便會主動選擇綠電。這種由政策設計引導的經濟選擇，恰恰是推動碳中和目標實現的有效路徑。
能源AI智能體應用實驗室成立
筆者：在產品打磨和早期試點階段，有沒有客戶提過什么需求，是你聽到的第一反應是“開玩笑吧，這怎么可能”，但最后還是做出來了？你們內部是怎么判斷它值得咬咬牙去啃的？
周民：有客戶曾提過一個需求：在不接觸的前提下，準確判斷多路設施中哪一路處于某種看不見的危險狀態，人眼完全無法分辨。當時第一反應是“這怎么可能”。
后來我們嘗試融合多種非接觸式感知手段，捕捉極其細微的物理特征差異，最終做出了可行方案。需求很難，但客戶非常堅定，因為一旦判斷出錯，后果無法承受。客戶算的是安全賬：能用合理投入消除重大隱患，這筆錢就值得花。
內部判斷這類需求值不值得咬咬牙去啃，主要看三點：第一，技術路徑上存在可解的線索，哪怕只有一線可能；第二，客戶有真實且強烈的痛點，并表現出明確的付費意愿；第三，這項能力一旦突破，能夠沉淀為我們獨有的、他人難以快速逾越的壁壘。
工業場景我們看得相對清楚，民用場景還在等
筆者：《行動方案》讓“算電協同”從冷門變熱門，更多資本和企業也會涌進來。對你們來說，這是好消息還是壞消息？
周民：這是好消息。我們去跟客戶談的時候，不用再花時間解釋“什么是算電協同”了。市場教育成本降低，客戶自然會把算力和綠電結合起來考慮。剩下的就是看誰做得好、誰性價比高。
筆者：今年電力市場還有一個大變化，一些省市取消了固定分時電價，峰谷價差不再是政府定的，而是市場說了算。這對你們的“算電協同”商業邏輯有什么影響？是讓套利空間更大了，還是更不確定了？
周民：更考驗預測能力了。電價波動變大，你能提前一天、提前一小時預測準，就能拿到更低價的電。算力調度可以跟著電價走——電便宜了就把任務拉起來跑，電貴了就往后推。
這恰恰是我們的機會，因為我們對自己的技術實力有信心。
聯合實驗室簽約
筆者：國家數據局最近明確把“邊緣算力建設”列為算力基建的四大方向之一。你們的智能布控球AI輔助裝置、近電管控裝置本質上就是在做電力行業的“邊緣AI”——把智能下沉到最前線。行業里也在討論，未來推理需求會超過訓練需求，邊緣部署會越來越重要。你們怎么判斷這個趨勢的節奏？
周民：我們完全認同這個判斷。實際上，推理需求早已超過訓練需求，而且是顯著超出——豆包、元寶這類應用，背后全是推理算力在支撐。
關于節奏方面，工業場景我們看得相對清楚，因為衡量指標很直接，降成本、降時延、保安全，突破幾個關鍵性能指標，應用就起來了。民用場景我們也不敢說已經看清，可能還需要等一個像抖音拉動4G流量那樣的殺手級應用出現。
筆者：你們從2022年就開始布局“算電協同”這條賽道，當時很多人看不清。如果要您把從那時到現在畫一條“市場拐點線”——現在是剛過拐點、正在爬坡，還是拐點還沒到？判斷依據是什么？
周民：拐點已經到了。國家四部門發文，等于從政策層面正式定了調。但市場的量還沒真正起來，我們現在是剛看見坡，但還沒開始爬。
至于爬坡速度會不會加快，說實話看不準。今年下半年還是明年能突然爆發，關鍵看有沒有一個能大量消耗Token的殺手級應用跑出來。之前有個應用要是熱度一直保持到現在，拐點可能早就被拉過去了。現在的問題是，一個普通人一天掏一兩百塊錢用在AI上，到底換回了什么？這個價值感知還沒建立起來，企業端的需求也就沒有真正爆發。
判斷依據總結下來就一條：工業場景我們看得相對清楚，民用場景還在等。
筆者：大模型推理成本快速下降，對算力需求形態會有什么根本性改變？“算電協同”在萬物推理時代，是更緊迫了，還是不那么緊迫了？
周民：推理成本下降的核心驅動力是芯片能力提升，而非模型規模的縮減。事實上，模型參數反而越來越大，幾百B、上千B的模型已是常態。
我們的判斷是，算力需求會逐步向邊緣端遷移，而不是繼續向云端集中。以機器人為例，它的每一次決策不可能都繞道云端再返回，必須在本地完成判斷。因此，“算電協同”在萬物推理時代只會更緊迫，邊緣側跑推理的設備越多，就越需要將綠電供給與算力任務精準匹配，從而把每個Token的用電成本降下來。
筆者：如果有一天，傳統巨頭反應過來、也開始做你們做的事了，你覺得你手上有什么東西是他們即便砸錢也砸不出來的？
周民：第一，數據沉淀。電力管理和算力調度的強化學習高度依賴歷史數據進行預測，這類積累只能靠時間，砸錢也砸不出捷徑。
第二，客戶信任的積累。在垂直行業深耕多年，我們與客戶之間建立的不是一次性的買賣關系，而是長期服務中積累下來的專業信任。客戶知道我們懂他們的業務痛點，也相信我們能把事情做成——這種深度互信，不是靠品牌聲量和資本規模在短期內能置換的。
第三，身段足夠輕。客戶提一個需求，對我們來說是頭等大事，必定全力去滿足；對巨頭而言，可能只是排期表上一個并不靠前的任務。
如果非要用一句話把護城河講清楚，那就是，垂直行業的數據厚度、長期積累的客戶信任，再加一個小公司才有的靈活身段。
轉自：中華網
【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。
延伸閱讀
科技賦能玫瑰產業升級 校企合作共筑鄉村振興新篇章
