“AI的尽头是算力，算力的尽头是电力。”这句话在2026年已经不是比喻。
美国弗吉尼亚州劳登县聚集了超600个数据中心，全球过半互联网流量在此交汇，巨量电力需求导致当地批发电价五年飙升267%，新建数据中心的电网接入排队时间甚至长达七年以上。
而在地球另一端的中国西北，另一种等待正在同时发生。风电场和光伏电站等着的，是一个愿意就地消纳它们的负荷——否则就是弃电。据全国新能源消纳监测预警中心数据，2025年，全国风电、光伏利用率分别降至94.3%、94.8%；蒙西、新疆、青海的光伏利用率只有90.5%、86.3%、83.4%。
一边是AI数据中心排队等电，一边是绿电消纳不充分、被弃在戈壁上。这大概是全球AI基建热潮中最刺眼的一幕错配。
而这道错配，恰恰解释了中国为什么要把算力搬到西部去。“东数西算”的底层逻辑，就是让算力追着绿电走。新疆等西部地区缺的从来不是电，是把绿电变成算力、再把算力变成Token的能力。
中国有绿电优势，但优势不会自动转化为胜势。当“国家枢纽节点新建数据中心绿电占比超80%”从引导目标变成硬约束，当绿电直连比例从0升向30%甚至更高，数据中心用的电不再是稳定可控的大电网，而是“看天吃饭”的风和光——AI数据中心功率可达百万千瓦量级、约为传统数据中心的十倍，训练时功率峰谷瞬时切换，对电压、频率波动极其敏感。
电，由此从一个可以默认恒定的背景值，变成了必须逐度去算的变量。于是问题变了：不是“有没有电”，而是“谁在什么时候、用什么价格、用掉了哪一度电”——算力要跟着绿电走，绿电也需要算力来消纳它的波动。
这正是中科类脑故事开始的地方。过去九年，这家合肥起家的公司同时跑着两条线——2018年做异构算力调度，2019年做电力智能化，2024年两条线开始交汇，不断追寻“一度电如何产生更多Token”的更优解。
从人脑到Token的映射：用最小能耗产生最大智能
中科类脑董事长、创始人刘海峰常举一个例子：人脑进化的第一性原理，是用最小的能耗产生最大的智能。人脑功耗约25瓦，却支撑着860亿个神经元和约一千万亿个突触连接。换算成算力，人脑系统效能约344 TOPS/W；而英伟达H20只有0.74 TOPS/W，大约是人脑的1/500到1/1000。
把这套逻辑映射到AI时代，中科类脑率先提出“度电智能”概念：一度电能产生多少有效Token。这不是又一个参数指标，而是一种全局视角。衡量一家AI基础设施公司，不能只看它有多少卡、多少P算力，更要看电如何经过算力调度、模型推理，最终变成可交付的Token。
这里藏着对“投入与产出”关系的一次重新校准。1987年，经济学家罗伯特·索洛留下过一句被反复引用的观察：计算机无处不在，唯独在生产率统计中看不到显著提升。这句话后来被称为“索洛悖论”。
今天它正以相似的方式在AI时代重演：模型能力在以月为单位复利增长，可宏观生产率数据里，那笔账却迟迟算不清。索洛悖论的启示很简单——技术能力就绪，不等于经济价值落地；对AI基建而言，真正的瓶颈往往不在“更多的算力”，而是“算力变成Token、Token变成价值”的链路。而“度电智能”，正是把“投入”翻译成“产出”的那把尺子。
顺着这把尺子，中科类脑重新定义了自己所在的赛道：不是只做一套“算电协同”的解决方案，而是打造“Token工厂的操作系统”——一套管理能源、计算、模型、调度的全栈OS，把电力供给、异构算力调度、大模型Token产出放在同一个系统里协同管控。
刘海峰喜欢用一个比喻来解释这套系统：一座Token工厂，就像一台大电脑。电力子系统是里面的能源管理模块，算力子系统对应CPU、存储与网络这些芯片，Token子系统负责模型的优化与加速；而中科类脑做的，是跑在这之上的那套“操作系统”——这套系统，就是Token工厂的Windows；而它要联动的整个AI芯片体系（超节点、GPU、国产芯片），就像当年Wintel（Windows+Intel）的联动。
在这套系统里，电不是主角：Token环节的加速收益远大于省电收益，所以更准确的定位是“以算为主、以电为辅”的算电一体化Token工厂。2026年7月，在WAIC世界人工智能大会上，这家公司发布了全球首款面向AI基础设施的算电一体化平台；在近期结束的世界制造业大会上，在此基础上升级推出算电词元一体化平台，更加强调资产一体化运营的重要性。
这也是为什么他更愿意把公司定义为“AI基础设施的运营商”，而不是某一家具体纯算力厂商、纯能源厂商。
刘海峰把这种角色说得很直白：中科类脑不只是“卖铲子”，把操作系统卖给其他Token工厂；也自己“淘金”，依托自研的BitaHub平台直接运营Token工厂，对外提供算力及Token服务。
一笔很实在的账是：一度绿电在基础设施层约对应一元级价值，到算力服务层放大约20倍，到模型服务层（Token服务）可放大130倍以上。需要指出的是，130倍是模型服务层相对基础设施层的分层倍数，不是利润率；但它足以说明——未来的竞争，不只是算力规模的竞争，更是价值创造能力的竞争。
算力窄门下的抉择：单点突破还是全栈突围？
把视野拉到中美两条赛道，差异立刻显现。美国电网相对脆弱，缺电已经成为AI基建的瓶颈；而中国拥有坚强电网与绿电优势，国家层面必须让算与电紧密协同。
一场大变革前夜的“生产关系重构”正在发生：公网统一供电占比从百分之百逐步降至七成甚至三成，绿电直供比例上升，不稳定电源的责任认定变得模糊。供给优先级、实时调度、算力任务的时空迁移，从“可有可无”变成“不得不解”的痛点。算电协同由此从“松耦合分层”变成刚性需求。
刘海峰对公司的定位很诚实：算力和电力原本是两条平行线，做着做着觉得“它们之间得有点互动”。2026年算电协同写进了政府工作报告，“不是我们预判了风口，是我们一直在做这件事，风口恰好来了。”。
风口之下，行业里的打法大致分四类：纯调度平台型、开放平台型、工厂建设运营型、硬件超节点型。而中科类脑是为数不多把“电-算-Token”三层打通、且以软件操作系统形态存在的全栈玩家。因为它很早就看明白：单点再强，也看不见单点之外的优化空间。
把视野放到全球产业链，这条全栈路的底层逻辑其实很清楚。刘海峰常引用黄仁勋的“五层蛋糕”——能源、芯片、AI Infra、模型、应用。在他看来，中国AI想走出来，路径一定是先发挥能源优势，再把能源优势沉淀为基础设施能力。
刘海峰把这叫做“从输出绿电到输出Token”：特高压拉电线，不如拉网线——新疆到安徽的特高压投资以百亿计，而网络传输的成本几乎可以忽略。芯片的短板，用电力与调度补足：“调度能让我们一变成二，但变不成一百”——所以国产芯片要尽快被用起来，中国AI产业比拼的从来不是单点，而是全局。
但他也反复澄清：在Token工厂里，电并不是主要矛盾，真正的加速倍数更多发生在“算”这一侧。中科类脑是“以算为主、以电为辅”——做全栈，是为了获得别人没有的全局视野，而不是把电本身说成最大决定因素。
支撑这种定位的，是一组刺眼的反差。全国日均Token调用量今年3月已突破140万亿，但是，公开数据显示，全国只有7个省份的智算中心上架率超过75%。
“建算力”的人多，“用好算力”的人少。这几乎就是索洛悖论在供给侧的微观形态：设施建成了，却没被用起来，所以生产率统计里看不见。
如何解决这一矛盾？第一步，是先把算力从“资产”变成“运营对象”。这正是中科类脑做异构算力调度领域做了八年的事。
2018年，它切进异构算力调度，成为国内最早的一批算力调度运营服务商，承载这一能力的，是其算力调度与运营平台BitaHub——以类脑云OS为底座，它把分散异构的算力资源与开发环境、数据、训练、推理及运营管理连成一条完整链路，让用户最终拿到的不是一张孤立的GPU卡，而是一套从任务出发、普惠好用的AI算力基础设施。
平台链接：https://www.bitahub.com/
2019年，它扎进电力智能化，从变电站智能巡检做起，一路做到类脑能源多模态大模型，在行业大模型技术比拼中连续5年位居国内前三。
到2024年，刘海峰判断：“做了多年异构算力调度，我们知道算力侧的瓶颈在利用率；深耕电力智能化，我们知道电力侧的瓶颈在负荷弹性。这两件事本质上是同一件事——算力需要更便宜更绿的电，电力需要更高价值的可调负荷。”
一条线让它听得懂算力的语言，另一条线让它看得懂电力的曲线。当这两条线终于接上，中科类脑做的已经不是把两块业务拼在一起，而是让“电、算、Token”在同一个决策系统里互相配合。这既是它与绝大多数同行的分野，也是它从“卖铲子”走向“操作系统”的分水岭。
跨域协同的“知易行难”：从概念到工程化的四重门槛
Token经济、算电协同成了热词，但赛道上的玩家，真正同时握有全栈能力的屈指可数。原因很简单——它难在三个层面。其一，电力与算力两个行业话语体系根本不通，既懂电又懂算的复合人才市场上极为稀缺；其二，协同不是物理上“接上”这么简单，而是电侧数据、算侧数据与模型能力在同一调度系统内的实时共舞，而这些分属不同软件栈；其三，行业没有统一度量衡，各说各话，陷入“指标迷雾”。
这三层难点，顺势化作四道门槛，逐一拉开护城河。
第一道，电源门槛。行业普遍把电当成本项——“买电”就好。中科类脑却把电从成本项变成了能力项：知道电从哪儿来、什么时候便宜、怎么参与市场。这是绝大多数算力公司不具备的。
第二道，时间门槛。2018年切算力、2019年切电力、2024年双轨并行，无法用钱加速。行业复合型人才在市场上几乎招不到，中科类脑为人才培养配了两个条件：其一是足够大的事——新疆建设、芜湖集群试点、省级平台，构成真实的练兵场；其二是不设限的路径——研发转业务、技术转管理，组织不预先定义人的边界。
第三道，物理资产与国家级验证门槛。行业里不缺方案书，缺的是“跑通过”和“敢让客户用”。这里先有一组比概念更真实的周期错配：算力中心从动工到投产平均只要18个月，配套电源建设普遍要两倍以上时间，输变电工程更是动辄两三年——算力等电，一等就是几年。
国家正在拆墙：2026年，“算电协同”写入政府工作报告并纳入“十五五”规划纲要；四部门联合印发《关于促进人工智能与能源双向赋能的行动方案》，部署算电协同等十方面任务；中国信通院发布算电协同项目库，首批纳入54个行业实践样本；乌兰察布的绿电直连源网荷储一体化项目、中国联通三江源绿电智算示范园等相继落地——行业正从概念走向实践。
而中科类脑用了几件事来证明自己走得比概念更远：新疆自建算力投运即满载；落地国家能源局首批算电协同示范项目与国家数据局算电协同任务；发布全国首个跨三地算电协同智能调度测试成果。该成果意味着，算力第一次被验证可以像电力负荷一样柔性调节。这不是实验室仿真，而是基于真实需求响应邀约、在虚拟电厂运营模式下、跨不同经营主体完成的。
第四道，标准与定义权的门槛。2024年，中科类脑成为《智算中心算电协同技术导则》国家标准的牵头制定单位之一，也是唯一入选的民营企业。2026年，中科类脑参与《类脑计算参考架构》国家标准核心编制工作，从系统架构维度填补了国内空白，确立了类脑计算系统的顶层设计。
四道门槛，其实是同一全栈能力的四个切面。当推理优化、算子加速、异构调度都在被快速开源和产品化——真正的差别在于：电、算、Token三层能否在同一决策系统里实时协同，系统才看得见单点玩家看不见的优化空间。
中国算力大变局：规模仍是基础，分水岭正在转移
把镜头拉远，中科类脑踩中的，是2026年中国算力的一次结构性变化。类似电力行业的结构调整：资产与运营主体仅有类似国家电网、南方电网等少数巨头，但产业链上依然存在数百家上市公司。
中科类脑的打法是“两条腿”走路。
往下走，是降成本。客户不关心你怎么生产，只关心质量与价格。全栈能力把Token成本做到更低，算一笔账：十万卡集群，按年均PUE 1.3、基准电价0.5元/度，年电力成本约5.44亿元；改用新能源直供（0.15～0.25元/度），可降至1.63～2.72亿元/年，Token边际成本下降20%～28%。这就是“一度电省出来的钱”。
往上走，是提毛利。Token的毛利在全球是分化的。美国头部厂商的Token毛利可达80%以上，中国的毛利之所以偏低，不是Token生意本身不行，而是定价与场景决定的。To C的Token类型由模型决定、价格由智能密度决定，切换起来相当无情；做B端场景的高效Token供应商，通过场景化智能体提升Token单价与毛利，仍是蓝海。
这正是公司“双轮驱动”业务模式的由来：Token和算力服务+电资产运营。
更重要的是，智能生产率开始被定价。一个前置变化是Token先成了统一记账单位：2026年国家数据局为Token定名“词元”、首创跨芯片计量口径；最近有多家银行推出了“Token贷”——Token第一次被像水电一样计量、确权、融资。而计量单位统一的下一步，必然是比智能转化效率。
这意味着“一度电产出多少有效Token”不再只是一家公司的内部指标，而正在变成整个产业的定价语言。
而中科类脑全栈能力跑通之后，也能解释产业资本为何下注：在B+轮战略融资中，以中车资本为代表的投资方本身握有绿电与储能，资方最关心的，恰恰是如何把绿电消纳成“价值最高的Token”。
再看索洛悖论。索洛1987年发出未见生产率提升的感叹，但美国要到1995～2005年计算机落地20年后才迎来全要素生产率年均增速超2.5%的爆发，是此前20年约1%的两倍。经济学家保罗·大卫把这中间的必经之路称为“黑暗隧道”：新能力要重新搭建，旧体系要推倒重来，两笔成本挤在同一段时间里，账面数字自然先难看一阵。
AI的“黑暗隧道”会用多久？没有人知道。但缩短它的办法是明确的：让基础设施尽早连成体系，真正变成生产力——绿电、算力与真实的需求，要放进同一套调度与定价体系里，而不是继续各建各的。宏观层面先拧成一股绳，微观层面的生产率，才有望更早从隧道的另一头走出来。
而这段滞后期，对社会和企业，意义完全不同。
对社会，今天砸下去的算力与电力投资，是给未来播种——收获，往往出现在账面变好看之后。这意味着评价AI基础设施的成败，不能只看当下报表，而要看它是否为“组织重构”铺好了路。
对企业，滞后期恰是分水岭。当别人还在等系统自然重构，中科类脑已经用“度电智能”让投资开始稳定产出Token，并建立深厚的时间壁垒、系统壁垒、验证壁垒。
中科类脑的积累，正是它穿越这个收敛期的船票。刘海峰对“上牌桌”有一种近乎执拗的信念。他在读博时，就是最早一批进入人工智能领域的研究者，亲历中美博弈后更认定：技术差别最终会放大成人才、资本、产业乃至国家之间的较量。“我们必须上牌桌，在世界级的舞台上掰手腕。”
真正留在牌桌上的，不会是那些只把电变成算力、却没把算力变成生产率的人；一定是那些让每一度电更高效地产出Token的人。
这些判断并非纸上推演。依托对口援疆机制，中科类脑牵头打造皖疆人工智能科技产业园：乌鲁木齐绿色融合算力中心已建成投运算力1021P，是乌鲁木齐首个突破1000P的融合算力中心，也是首个采用国产化算力的算力中心；算力调度与运营平台接入算力超5000P、使用率90%以上，客户结构中长三角地区约占70%、疆内约20%。西部的电，正在变成东部用得上的Token。公司还牵头组建国内首个“一带一路”Token出海战略联盟，探索“绿色电力—算力服务—Token产品”跨境价值链。
把上面这条链路连起来看，中科类脑已经在做的事情其实很朴素：只是把西部的能源优势，转化为可持续的智能供给。
未来算力产业的竞争，不再仅仅是规模，分水岭或将是AI生产系统里，谁能把这条链路的网织得通、焊得深，谁的场景价值就能越快兑现。
终局判断：Token经济的账，谁来算？
回到开头那个问题：AI竞赛到底卡在哪？
卡在芯片？卡在模型？都不是。
它卡在智能产出的账上——谁能在什么时候、用什么价格、用掉哪一度电，并且把每一度电变成尽可能多、尽可能便宜的有效Token。算力竞赛的上半场，比的是谁的卡多；下半场，比的是AI生产率。
对中国而言，算电协同写入政府工作报告、54个行业实践样本落地、Token计价体系建立，都在把“AI的基础设施大投入”推向“生产率的可见增长”。中国能源研究会白皮书预测，2026年我国算电协同市场规模将达1800亿元，2030年突破万亿元。
对企业而言，AI的“黑暗隧道”期不是收获期，而是布局期——阳光或许还未看到，但这恰恰是组织重构、能力积累、标准制定的关键期；对社会而言，谁在隧道里把“智能产出”做成可计量的生意，谁就率先把AI从“谈资”变成“生产力”。
对中科类脑来说，“度电智能”目前还是一家公司的标尺；它能否成为整个行业的标尺，取决于Token工厂模式能否被规模化复制，取决于客户、资本和开发者是否持续留在牌桌上。路还长。
但有一点正在变得清晰：AI基础设施领域的主桌——已经不再是芯片公司和云厂商的专属。中科类脑，正在用自己的方式，把度电智能的账，算成整个行业的事。
