用更低的电价，喂出更划算的Token。
2025年底，两股浪潮正在同时翻涌。一端是算力，随着ChatGPT引爆的军备竞赛进入第三年，全球数据中心用电量已超过整个意大利，且仍在陡峭攀升。另一端是绿电，在中国西部，大量光伏和风电在午间时段因消纳困难被迫弃掉，电价时有归零甚至转负。
算力在喊渴，绿电被闲置。中间缺的，是一根让二者精准匹配的管道。
2026年4月，国家四部门发布《关于促进人工智能与能源双向赋能的行动方案》（简称：《行动方案》），“算电协同”被写入国家战略文件。业界意识到，这不再只是先行者的试探。而对合肥一家公司来说，这份文件更像一次迟到的追认，早在2022年，当主流AI创业仍在比拼模型参数时，他们已经把方向锁定在算力与电力的交叉地带。
这家公司就是合肥申威睿思信息科技有限公司（简称：申威睿思），笔者注意到，CTO周民身上有一种典型的技术人气质，对话中他反复回到一个核心逻辑：垂类模型会越来越多地渗入日常生产场景，但驱动它扩张的不是参数竞赛，是算账，即企业愿不愿意买单，取决于它能不能真的降本增效。
这个判断几乎决定了公司的全部技术路线。
市场上在做通用大模型的公司，竞争焦点是谁参数更多、响应更快。周民觉得这笔账在垂直领域算不拢：投入亿级成本把响应从一秒压到零点八秒，用户可能不会因此切换平台。但在电力安全生产场景中，零点二秒的延迟差异，对应的是受伤与不受伤的边界，客户会为这种确定性付费。“两条路各有各的苦和难，我们只是选了一条更适合团队基因的。”
申威睿思发布4款新品，周民正在做解读
2026年5月28日，申威睿思在上海发布了四款核心产品：一个算电协同智能调度平台——万象灵和，充当“顶层大脑”，让算力任务跟随绿电曲线和电价信号跨时空调度；一个算力堡垒液冷基础设施，为分布式边缘智算中心，采用冷板式液冷集装箱，实现高密度、低PUE的算力快速部署；以及两款边端硬件——边端AI算力底座和新一代镭视一体机，将AI能力直接压进作业现场。
据周民介绍，平台负责把每个Token的用电成本降下来，算力堡垒解决算力就近部署与能效问题，边端设备让AI在垂直场景里真正可用。四者之间并非简单的拼盘，而是一条从调度、算力供给到现场落地的完整链路。
但整场对话中最让笔者印象深刻的，不是产品架构，是周民及其团队对市场拐点的判断。
政策做了定调，客户主动问询，但他们的表述是“刚看见坡，还没开始爬”。说不准是今年下半年爆发还是明年，语气中没有一些企业创始人常有的那种对“即将起飞”的确信，更像一群算过账的工程师，方向是对的，但坡有多长，不做预测。
谈到护城河时，周民给出三个要素：数据沉淀，只能靠时间，砸钱砸不出捷径；客户信任，来自经年累月的交付，不是品牌声量能在短期内置换的；第三，身段足够轻，客户提一个需求，对他们是头等大事，对巨头可能只是排期表上一个并不靠前的任务。
这份表述不性感，但诚实。
对申威睿思而言，四部门的文件不是发令枪，更像裁判吹了一声哨，比赛其实已经踢了好一阵。现在的问题是，当越来越多的玩家涌入同一个赛场，这家提前上场的公司，能不能在被追上之前，先把坡爬完。近日，申威睿思CTO周民在上海与笔者聊了聊算电协同的一些事，以下是对话精编：
提供低成本、高性价比的Token
笔者：这次发布的产品矩阵里，既有智能布控球AI辅助装置、近电管控装置、算力堡垒这样的现场硬件，也有算电协同智能调度平台。能不能先用一句话讲清楚这四者的关系，它们是各自解决各自的问题，还是一套组合拳？如果是一个整体逻辑，那条主线是什么？
周民：这是一套组合拳，主线是提供从顶层算力到现场落地的完整解决方案。
算电协同智能调度平台是顶层大脑，负责让算力任务“跟着绿电跑、跟着低电价跑”，实现跨时间、跨空间、跨物理的最优调度；算力堡垒是分布式边缘智算中心，以液冷集装箱形式提供高密度、低成本的本地化算力；智能布控球AI辅助装置和近电作业智能管控装置是边端执行设备，负责把AI能力下沉到作业现场，解决实际场景中的安全问题。
顶层提供低成本、高性价比的Token（算力单位），底层通过边端设备让AI在垂直领域能落地、好用、适用。合在一起，就是我们想交付给客户的完整能力。
算电协同是申威睿思一直深耕的赛道
笔者：算电协同智能调度平台——万象灵和是这次发布里最“重”的一个产品。如果向一个非电力行业的人解释，这个平台到底在“协同”什么、“调度”什么？能不能用一个真实场景告诉我们，它介入前和介入后，具体会发生怎样的变化？
周民：万象灵和协同的，就是“算”和“电”两边。它一边盯着算力调度平台，知道哪些AI训练任务是可以等的、哪些是能挪到别处跑的；另一边盯着电力管理平台，知道什么时候哪儿光伏、风电量大，哪儿电价更便宜。然后我们的AI就在中间做“撮合”和决策。
在真实场景中，以前没平台的时候，西部中午光伏用不完可能被弃掉，东部那边电价再贵任务也照跑不误。现在平台能提前预测，比如明天中午西部绿电便宜，它就把东部能等的训练任务自动挪过去跑，顺带把不急的活儿推到半夜电费低的时候再干。就这么一下，绿电用上了，电费降了，碳排放也减少了。
笔者：这次发布恰好赶上国家四部门发布《关于促进人工智能与能源双向赋能的行动方案》，“算电协同”被提到了国家战略高度。是你们发布踩准了政策节点，还是政策反过来验证了你们2022年就选定的方向？
周民：是相互验证。我们几年前就关注到绿电弃电的问题——光伏、风电大发的时候消纳不掉，电价经常归零甚至变负。我们当时就判断，用算力调度来消纳绿电，会比建储能电站更轻、更快。这次政策把“算电协同”提到国家层面，证明这不只是我们的一家判断，整个产业都要往这个方向走。
笔者：这次《行动方案》点了两个方向：一是让算力直接消纳绿电，二是让算力中心像发电厂一样参与电力市场交易。这两个方向，哪一条路你们已经跑通了？
周民：我们跑通的是绿电消纳这一条路。通过智慧园区、零碳园区的管理系统，管理什么时候充电、什么时候放电、怎么预估绿电曲线，这是我们的技术发力点。
笔者：边端AI算力底座能磁吸在存量布控球上，给旧设备“换脑”，是很典型的To B降本思维。从“直接换新”到“给旧球装新脑”，这个思路切换在当时内部有阻力吗？最核心的顾虑是什么？
周民：说实话，我们内部的讨论不在“要不要做”上，而是在“到底能不能做出来”上。
客户的痛点很明确，存量布控球数量庞大，全部换新的成本很高；从我们的技术路线看，要把大模型能力下沉到边缘端，也是必须走的一步。真正的挑战是工程层面的：在这么小一个外挂装置里，要把20多T算力的模型跑起来，还得保证时延低于1秒、精度足够，同时扛住户外恶劣环境。当时团队确实觉得难度很大，但我们判断这是正确的方向，就硬啃下来了。
软硬件结合才是利润的关键点
笔者：你们这次发布的硬件和算电协同智能调度平台，是独立产品各自卖，还是有内在的技术耦合？如果一个客户只买了硬件没买平台，会错过什么？反过来，没有硬件，平台能落地吗？
周民：可以分开销售，也可以组合销售。
单买硬件，客户可以做二次开发，但基础的模型适配和算法支持仍需要我们提供。纯买硬件、不需要任何软件支撑的客户，目前还没有遇到。
单买平台也可以落地，平台本身就能实现跨集群的算电协同调度。但如果客户同时在边端部署了我们的硬件，平台可以把更多推理任务下沉到边缘，进一步降低时延和成本。
至于只买硬件会错过什么，主要是平台层的三项能力：任务级碳足迹追踪、绿电消纳凭证、跨时空最优调度。这些单靠硬件无法实现。
笔者：从早期的电力场景AI项目，到这次发布的算电协同智能调度平台，中间有一个关键转折——从“给客户做项目”到“把核心能力抽出来做成一个平台产品”。这个转折是怎么发生的？是创业第一天就想清楚了，还是在交付项目中“长”出来的？
周民：是“长”出来的，不是第一天就想清楚的。
我们在交付一个个电力项目的过程中发现：A客户的需求，B客户也能复用一部分；到C客户时，之前积累的功能已经覆盖了七八成。这时候我们才意识到，这些通用能力可以抽离出来做成平台，而不是每个项目都从零开始。
至于有没有一个具体的触发项目，我觉得很难说有某个断崖式的节点。我对平台的定义是“可复制、可演进”。如果从1.0到3.0每次迭代成本巨大，那就不叫平台。我们是在项目积累中，逐步让1.0变成了3.0，回头再看才发现，这已经是一个平台了。
新一代镭视一体机适配电力现场安全作业管控场景
笔者：有一种观点认为：在电力行业，硬件装置是“敲门砖”，真正值钱的是后面的平台和数据。这次发布的硬件产品，在你们的商业版图里是什么定位？是引流品，还是本身就是利润中心？
周民：我们以为，软硬件结合才是利润的关键点。
硬件不是单纯的“引流品”，它本身就是价值的一部分。尤其是在边端场景，硬件资源有限，模型和硬件不做深度定制就跑不起来。能做纯硬件的人很多，能做纯软件的人也很多，但能在特定硬件上把软件跑好的人就不多了，这就是我们的利润空间。
笔者：技术路线上，你们坚持“不做更大的模型，而是让模型可下沉、可调度、可复制”。但市场上做大模型的公司估值更高、声量更大。最终为什么选了一条“更苦”的路？
周民：我们不认为这是“更苦的路”，这是不同的商业选择。
通用大模型的逻辑，是靠海量用户摊薄成本，竞争焦点是谁参数更多、响应更快。比如你投入很多把响应从1秒压到0.8秒，用户会因为这个换平台吗？几乎不会。垂类模型则不一样。我们服务的电力安全生产场景，0.2秒的延迟差异，可能就是受伤和不受伤的区别。客户愿意为这个买单，因为一次安全事故的代价远高于设备成本。
两条路各有各的难处，我们只是选了一条更适合团队基因的路。
驱动客户决策的首要因素是成本
笔者：申威睿思提出“从项目公司走向平台公司”，这个转身到什么阶段了？如果用比例衡量，现在“项目收入”和“平台收入”大概怎么分布？
周民：目前还没有完全转过来，这是一个渐进的过程，不是断崖式的切换。在业务比例上，项目和平台目前大约五五开。
笔者：“绿电优先”这个调度策略，是你们认为客户应该选，还是客户真的在主动选？有没有一个客户让你们觉得“他真的在乎碳排放，不是嘴上说说”？
周民：驱动客户决策的首要因素仍是成本。在某些特定场景下，绿电边际成本很低，客户自然会优先消纳，这更多是市场规律作用的结果。
若问客户是否真的在乎碳排放，答案是肯定的。碳排放配额、碳交易与绿电凭证等机制，已将减碳意愿转化为可量化的经济回报。当客户算清这笔综合账，便会主动选择绿电。这种由政策设计引导的经济选择，恰恰是推动碳中和目标实现的有效路径。
能源AI智能体应用实验室成立
笔者：在产品打磨和早期试点阶段，有没有客户提过什么需求，是你听到的第一反应是“开玩笑吧，这怎么可能”，但最后还是做出来了？你们内部是怎么判断它值得咬咬牙去啃的？
周民：有客户曾提过一个需求：在不接触的前提下，准确判断多路设施中哪一路处于某种看不见的危险状态，人眼完全无法分辨。当时第一反应是“这怎么可能”。
后来我们尝试融合多种非接触式感知手段，捕捉极其细微的物理特征差异，最终做出了可行方案。需求很难，但客户非常坚定，因为一旦判断出错，后果无法承受。客户算的是安全账：能用合理投入消除重大隐患，这笔钱就值得花。
内部判断这类需求值不值得咬咬牙去啃，主要看三点：第一，技术路径上存在可解的线索，哪怕只有一线可能；第二，客户有真实且强烈的痛点，并表现出明确的付费意愿；第三，这项能力一旦突破，能够沉淀为我们独有的、他人难以快速逾越的壁垒。
工业场景我们看得相对清楚，民用场景还在等
笔者：《行动方案》让“算电协同”从冷门变热门，更多资本和企业也会涌进来。对你们来说，这是好消息还是坏消息？
周民：这是好消息。我们去跟客户谈的时候，不用再花时间解释“什么是算电协同”了。市场教育成本降低，客户自然会把算力和绿电结合起来考虑。剩下的就是看谁做得好、谁性价比高。
笔者：今年电力市场还有一个大变化，一些省市取消了固定分时电价，峰谷价差不再是政府定的，而是市场说了算。这对你们的“算电协同”商业逻辑有什么影响？是让套利空间更大了，还是更不确定了？
周民：更考验预测能力了。电价波动变大，你能提前一天、提前一小时预测准，就能拿到更低价的电。算力调度可以跟着电价走——电便宜了就把任务拉起来跑，电贵了就往后推。
这恰恰是我们的机会，因为我们对自己的技术实力有信心。
联合实验室签约
笔者：国家数据局最近明确把“边缘算力建设”列为算力基建的四大方向之一。你们的智能布控球AI辅助装置、近电管控装置本质上就是在做电力行业的“边缘AI”——把智能下沉到最前线。行业里也在讨论，未来推理需求会超过训练需求，边缘部署会越来越重要。你们怎么判断这个趋势的节奏？
周民：我们完全认同这个判断。实际上，推理需求早已超过训练需求，而且是显著超出——豆包、元宝这类应用，背后全是推理算力在支撑。
关于节奏方面，工业场景我们看得相对清楚，因为衡量指标很直接，降成本、降时延、保安全，突破几个关键性能指标，应用就起来了。民用场景我们也不敢说已经看清，可能还需要等一个像抖音拉动4G流量那样的杀手级应用出现。
笔者：你们从2022年就开始布局“算电协同”这条赛道，当时很多人看不清。如果要您把从那时到现在画一条“市场拐点线”——现在是刚过拐点、正在爬坡，还是拐点还没到？判断依据是什么？
周民：拐点已经到了。国家四部门发文，等于从政策层面正式定了调。但市场的量还没真正起来，我们现在是刚看见坡，但还没开始爬。
至于爬坡速度会不会加快，说实话看不准。今年下半年还是明年能突然爆发，关键看有没有一个能大量消耗Token的杀手级应用跑出来。之前有个应用要是热度一直保持到现在，拐点可能早就被拉过去了。现在的问题是，一个普通人一天掏一两百块钱用在AI上，到底换回了什么？这个价值感知还没建立起来，企业端的需求也就没有真正爆发。
判断依据总结下来就一条：工业场景我们看得相对清楚，民用场景还在等。
笔者：大模型推理成本快速下降，对算力需求形态会有什么根本性改变？“算电协同”在万物推理时代，是更紧迫了，还是不那么紧迫了？
周民：推理成本下降的核心驱动力是芯片能力提升，而非模型规模的缩减。事实上，模型参数反而越来越大，几百B、上千B的模型已是常态。
我们的判断是，算力需求会逐步向边缘端迁移，而不是继续向云端集中。以机器人为例，它的每一次决策不可能都绕道云端再返回，必须在本地完成判断。因此，“算电协同”在万物推理时代只会更紧迫，边缘侧跑推理的设备越多，就越需要将绿电供给与算力任务精准匹配，从而把每个Token的用电成本降下来。
笔者：如果有一天，传统巨头反应过来、也开始做你们做的事了，你觉得你手上有什么东西是他们即便砸钱也砸不出来的？
周民：第一，数据沉淀。电力管理和算力调度的强化学习高度依赖历史数据进行预测，这类积累只能靠时间，砸钱也砸不出捷径。
第二，客户信任的积累。在垂直行业深耕多年，我们与客户之间建立的不是一次性的买卖关系，而是长期服务中积累下来的专业信任。客户知道我们懂他们的业务痛点，也相信我们能把事情做成——这种深度互信，不是靠品牌声量和资本规模在短期内能置换的。
第三，身段足够轻。客户提一个需求，对我们来说是头等大事，必定全力去满足；对巨头而言，可能只是排期表上一个并不靠前的任务。
如果非要用一句话把护城河讲清楚，那就是，垂直行业的数据厚度、长期积累的客户信任，再加一个小公司才有的灵活身段。
A5创业网 版权所有