进入2026年以来，科技圈的焦虑正从模型、代码与芯片，持续向ai产业链更底层延伸。整个行业开始聚焦一个更为根本的问题：如此庞大的ai算力需求，是否有足够且可靠的电力来支撑？
在6月1日落幕的英伟达GTC台北大会上，黄仁勋正式发布NVIDIA DSX平台、第三代MGX机柜架构及800VDC供电系统，将计算、网络、存储、电力、散热与控制系统整合为统一设计单元，旨在重构AI工厂内部的“电力系统工程”。
英伟达所追求的，并非单纯提升单点性能，而是通过系统级协同优化——让算力、网络、供电与散热彼此适配，从而最大化每瓦电力所能产出的Token数量。
与此同时，AI工厂外部的电力供给环节，也正加速演变为新的关键瓶颈：数据中心该建在何处？当地电网是否尚有可接入容量？项目能否快速完成并网？建成之后又能否依据电网实时负荷动态调节用电强度？
在此背景下，“AI原生能源公司”应运而生，悄然崛起。
值得注意的是，这些企业虽冠以“能源”之名，却并不投资电厂、不铺设输电线路，仅依靠软件算法，尝试重新定义电力的流向、定价机制与调度节奏。
资本市场的认知也在同步刷新。
2026年5月，曾早期押注英伟达的硅谷风投Sutter Hill Ventures，联合知名投资人John Doerr，共同主导了名为“GridCARE”的6400万美元A轮融资。
GridCARE将AI能力嵌入电力接入与能源调度流程，协助AI工厂高效识别可用电力资源、制定接入路径，并深度参与后续负荷响应与柔性调控。
过去，能源科技企业的价值想象多集中于新能源发电、储能技术、电池材料及智能电网硬件；但在AI算力井喷式增长之下，“谁能更快帮数据中心找到电、接上电、用好电”，已成为衡量其在AI基础设施生态中战略地位的核心标尺。
类似GridCARE的初创力量，正陆续在美国硅谷等创新高地浮现。
总部位于华盛顿州的Emerald AI，在16个月内累计融资约6800万美元，背后股东包括英伟达NVentures、Energy Impact Partners，以及伊顿（Eaton）、西门子（Siemens）、通用电气能源（GE Vernova）等全球电力巨头；谷歌前首席科学家Jeff Dean与斯坦福AI实验室创始人李飞飞亦以个人身份参与投资。
2026年5月，由量化交易背景创业者Amann Shariff创立的Shatterdome Energy，亦完成350万美元Pre-Seed轮融资。
这些公司的共同目标，直指当前AI基础设施中最受制约的环节：在复杂电网中精准“找电”——识别哪些区域尚存冗余容量、哪些节点可实现快速并网，以大幅压缩排队等待周期；在电网承压时段主动调整算力任务、实施错峰运行；并面向新能源电站、储能设施及大型工业用户，构建AI驱动的实时电力交易与协同调度体系。
它们的出现，对整个产业具有显著的启示意义。
AI时代的能源博弈，已不再局限于新建电厂或扩建输电网络，更在于如何以智能化方式，将新能源、储能系统、电网基础设施与AI算力负荷高效组织起来。未来，谁能在最短时间内完成“找电—接电—调电”闭环，谁就更有可能在AI基础设施竞争中占据先机。
在芯片与算力之外，电力正日益成为AI系统的全新性能天花板。而电力行业自身，也正被AI深度重塑。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
图片由AI生成
01 AI时代的电力焦虑：缺的不是电，而是“可用的电”
AI时代的电力困局，表象是“缺电”，实质却是“缺可用的电”。大量电力资源客观存在，却因识别滞后、调度低效、接入迟缓，长期处于沉睡状态。
硅谷风投Bessemer Venture Partners于2026年5月发布的《路线图：AI数据中心堆栈》报告披露一组关键数据：截至2026年初，全球已官宣的超大规模数据中心项目总规模达190吉瓦，但实际投入运营的仅12吉瓦，21吉瓦处于建设中，其余148吉瓦仍停留在图纸阶段。其中，原定2025年上线的项目中，超四分之一受阻于电力审批与并网许可流程。
斯坦福大学2025年12月研究报告进一步指出：美国电网多数时段的实际利用率不足三分之一。而电网智能调度企业GridCARE提供的细化数据显示——即便在负荷高峰区域，电网平均利用率亦未突破32%。问题不在“没电”，而在“送不出、接不上、用不好”。
GridCARE联合创始人兼CEO阿米特·纳拉扬（Amit Narayan）将这一现象命名为“通电时间危机（Time-to-Energize Crisis）”，意指从电力需求产生到真正通电之间，横亘着长达数年的制度性与技术性延迟。大量既有的电网冗余容量，受限于传统调度逻辑与僵化并网机制，迟迟无法释放。
他对此有过一句犀利点评：“当下AI狂热已近乎失控——人们觉得把芯片送上火星，可能都比在地球上找到稳定供电来得更快。”
这一瓶颈背后，蕴藏着巨大商业潜力。据GridCARE测算，每推动1吉瓦电力提前并网，即可激活约250亿美元的潜在经济价值。
领投方Sutter Hill Ventures，作为英伟达早期重要投资者，全程见证了“计算时代”的爆发。其董事总经理维克·米勒（Vic Miller）公开表示：“一年前，几乎没人谈论电力是AI发展的卡点；而今天，它已成为全行业必须直面的核心命题。”
跟投方约翰·杜尔（John Doerr），曾成功押注亚马逊与谷歌。他在解释本轮投资逻辑时简洁有力：“GridCARE所做的，是唤醒我们早已建成却闲置的电网资产，从而提供可负担、可持续的清洁能源。”
GridCARE推出的“电力加速”软件平台，核心技术在于利用AI对电网数十亿种运行工况进行实时建模与推演——涵盖线路拥塞、故障风险、气象扰动、负荷波动等变量，进而精准定位被低估或未激活的电力资源，并实现跨区域定向输送。
目前，该模式已在首个落地项目中验证可行。GridCARE正与波特兰通用电气（PGE）合作，在俄勒冈州希尔斯伯勒地区释放逾400兆瓦电网容量，足以支撑六个数据中心接入。其中首批80兆瓦容量预计将于2026年内启用。
02 从找电到调电：让AI工厂学会“错峰用电”
GridCARE聚焦电网侧，致力于从既有输配电网络中挖掘更多可接入空间。
另一批能源科技公司则选择不同路径——同样深耕软件层，但重心转向“负荷侧”的智能响应。
总部位于美国的Emerald AI，正推动AI数据中心转型为可灵活调度的电网资产，使其能依据电网实时状态动态调节用电节奏。例如：当电网承压时，部分模型训练任务可暂行暂停、批量推理任务可迁移至其他低负荷区域；待电网压力缓解后，再恢复高负载运行。
其底层逻辑在于：AI工厂并非必须时刻满载运转。训练任务具备断点续训能力，推理任务具备地理弹性，只要数据中心能依电网指令自主降功耗，便能显著缓解局部压力，避免为短期峰值额外投资输变电设施。
Emerald AI打造的“Conductor”平台，正是为数据中心赋予“弹性响应”能力的中枢系统。
它如同部署于电网与数据中心之间的智能调节阀。一旦接收到电网调控信号，平台即刻启动功耗动态优化，在保障英伟达GPU核心AI任务连续性的前提下，精准降低整体设施能耗。
在COMPUTEX台北展期间，Emerald AI联合英伟达与硅谷本地电力公司，正式启动首个商业化多兆瓦级试点项目。
该项目依托硅谷电力公司发起的“灵活负荷互连计划”，核心目标正是破解数据中心并网周期过长的顽疾。
西瓦拉姆评价道：“‘灵活负荷互连计划’已从监管层面验证可行性；而英伟达DSX OS与DSX Flex平台，叠加我们的Conductor系统，则真正实现了该方案在规模化商业场景下的落地。”
03 从单点调度到平台化：AI升级版的“虚拟电厂”
相较GridCARE与Emerald AI，AI能源新锐Grid AI展现出更宏大的系统构想。
Grid AI试图构建一个统一AI调度平台，将分散的各类电力资源——小至家庭空调、大至AI数据中心备用电源——全部纳入智能管理网络。
其落地路径分为三层：
第一层面向居民与小微商户，AI后台自动协调空调、电动汽车、户用储能等设备，在电价低位时段多用电、高位或电网紧张时段少用电；
第二层面向商业体与公用事业机构，整合分布式储能、电动车队、微电网等资源，参与电力市场竞价与辅助服务；
第三层面向AI数据中心与大型工业园区，统筹本地发电、储能配置与负荷特性，实现电力供应更稳、成本更低、响应更快。
某种意义上，Grid AI正在打造“AI原生虚拟电厂”。传统虚拟电厂重在聚合分布式电源与可控负荷，以缓解主网压力；Grid AI则将其边界拓展至AI算力集群与重载工业场景，构建覆盖家庭、商业、公用事业及超大规模用电终端的全链路AI能源操作系统。
除电网优化外，AI亦加速渗透电力交易核心环节。
美国AI能源交易服务商Shatterdome Energy自诩为“能源世界的金融基础设施层”。
一块屋顶光伏板、一台小型风机、一组储能电池——过去只是孤立的发电单元；而在Shatterdome Energy系统中，它们可被封装为标准化、可交易的能源数字资产。平台基于电价走势、天气预测、出力模型与市场需求，智能决策售电时机、储电策略与金融对冲方案。
Shatterdome Energy的AI引擎，专精捕捉人工难以实时捕捉的微观信号：某条输电线路突发拥堵、某区域发电出力骤降、某节点电价即将异常跳涨……算法可在变化初现端倪时即完成研判，并快于人类交易员执行操作。
随着风光等波动性电源占比提升，电力市场不确定性陡增：天气扰动影响新能源出力，AI集群突发加载拉升负荷，局部电网阻塞导致区域电价剧烈分化。对电力运营商而言，预测偏差或响应滞后，直接转化为罚款与交易亏损。
AI介入后，能源交易正演化为一场毫秒级的智能博弈——不仅帮助企业“省电费”，更需助力电力公司提升供需预测精度、加快价格响应速度、降低误判带来的经济损失。
技术服务机构Digiqt于2025年9月发布的调研显示：AI交易员已在能源市场加速渗透，并带来切实效益。一家中型电力公司此前每月因预测不准产生的不平衡结算罚款达5万至15万欧元；引入AI系统后，该项损失下降15%–30%。
04 “灵活负荷”：AI工厂接电难题的新解法
创业公司描绘蓝图，真实成效究竟几何？AI数据中心是否真能“听懂电网指令”？
2026年3月，一项联合试验给出了明确答案。
英国国家电网公司、英伟达、Emerald AI与电力研究院（EPRI）共同开展实测：当电网发出调控指令后，伦敦站点数据中心在一分钟内即完成用电负荷下调三分之一；尤为关键的是，运行于英伟达GPU上的AI任务全程未中断。
另一次持续十小时的长周期测试中，数据中心将功率稳定维持在约10%水平，核心业务负载依然保持零感知影响。
这两组结果证实：AI数据中心并非只能“硬吃电”的刚性负荷，而是具备高度弹性的可调节资源——在电网承压时，它有能力主动让渡部分用电空间。
若运营方可持续证明其柔性响应能力，电网规划者便无需按理论峰值容量进行扩容。由此，既可缓解电网基建压力，亦有望大幅缩短数据中心并网等待周期。
伦敦试验的价值正在于此：尽管尚属初步验证，但它确凿表明——在AI数据中心侧，“灵活响应”已是一项可量化、可复现、可商用的关键能力。
05 结语：软件，正在重新定义电力层
无论是GridCARE在密布线路中“见缝插针”式调度，还是Emerald AI赋予数据中心“错峰呼吸”能力，抑或Shatterdome Energy以算法驱动电力交易决策——所有路径最终汇聚于同一趋势：AI时代，电力不仅要“够用”，更要“善用”、“智用”、“准用”。
这些AI原生能源公司并未兴建一座电厂，也未架设一根高压线。但它们所构建的软件层，正逐步成为现代电网不可或缺的神经中枢。
这也呼应了黄仁勋提出的“AI五层蛋糕”理论：能源居于最底层基石，之上依次为芯片、基础设施、模型与应用。缺乏持续、稳定、可调度的电力供给，再先进的芯片与模型，终将沦为无法运转的空转引擎。
这或许正是AI时代最具深远意义的一场变革：诞生于工业时代的庞大电网系统，正被一行行代码悄然重构。
最终，掌握更先进算法的组织，将真正握有驱动AI文明前行的密钥。
本文来自“腾讯科技”，作者：李海伦，编辑：徐青阳，36氪经授权发布。
