能源产业发展新方向？电力Token化出海：用中国的电，算美国的题

AI发展遇电力瓶颈，中国电力优势或成新赛道。

“美国超大规模AI训练当前已经遭遇电力供给瓶颈。”3月8日，百度集团执行副总裁沈抖在华北电力大学校友会的一场闭门交流中，抛出了一个比算力芯片更紧迫的现实问题。

这不是一次普通的校友叙旧。坐在台下的，是来自华能集团、冀北电科院、国家电投等近50位能源央企、电力民企代表。沈抖的另一个身份是华北电力大学97级校友，他直白地给出结论：中国充足的电力供给，正在催生一个叫“电力Token化出海”的新方向——把电能优势转化成计算能力，以软件字节形式出口，而非传统的特高压设备。

这个观点恰好被华泰证券一份研报印证：千万亿级全球日均Token用量，对中国电量的弹性可能达到10%级别。当AI巨头还在为英伟达H100的供货周期发愁时，真正的达摩克利斯之剑其实挂在电网上。马斯克在2025年就多次警告，AI发展的真正瓶颈不是芯片，而是电力供应。

场景的胜利，技术的退场

中恒博瑞在交流会上晒出的成绩单很务实：继电保护业务市场占有率依旧能打，无人机智能巡检系统在2024、2025年国网比武中跻身全国前三，电力交易辅助决策平台电价预测准确率超90%。这些数字背后没什么玄学——就是盯着具体的业务痛点打。

沈抖在现场给校友们做了进一步阐述。他说当前技术与产业边界更加模糊，结合的门槛正在降低，归根结底场景才是产业竞争的核心，技术本身只是工具。“只要突破‘技术高不可攀’的认知障碍，把AI当成身边听指挥的专家，能源行业的产业优势就能充分发挥。”

这话颇有远见，尤其放在电力行业语境里就更有分量了。国网冀北电科院已经成立人工智能场景创新中心，正在推动百度光明大模型落地电力场景，而且电力智能体安全评测已经立项为国家标准。他们没去搞什么颠覆式创新，就盯准安全评测这一个口子往下挖。

以苏高新能源为例，苏高新能源公司跟上海路明星光合作，用Transformer注意力机制做电力现货价格预测，准确率比常规模型提升7%到30%。这不靠什么通用大模型，就是用AI工具死磕供需关系、电网结构、市场力这些核心影响因素。

华能集团的代表在现场表示，当前AI算力短缺，主要靠租赁算力开展业务，同时AI应用场景挖掘不足，电厂运行、设备维护等多个领域仍有大量场景待开发。言下之意，别跟我扯大模型参数，告诉我怎么解决电厂的现实问题。

电价剪刀差里的算力账本

华泰证券的研报做了笔细账：顶配海外芯片场景下，电价在Token成本中占比只有6%到8%；但如果用自研推理级芯片，电价占比会拉升到20%至30%。这意味着芯片差距在缩小，能源成本的权重在快速上升。

中美电价自2025年底已经出现明显的剪刀差。美国部分州AI数据中心排队接网周期超4年，即便买到了GPU，也因电网接入容量不足只能闲置。摩根士丹利把2025到2028年美国数据中心累计电力缺口从44吉瓦上调到47吉瓦，相当于9个迈阿密的用电量。

这种供需错配给中国设备商打开了窗口。海关总署数据显示，2025年我国额定容量≥500kVA的电力变压器出口总值同比增长36%，均价提升至2.08万美元/台。广东、江苏的变压器厂商已经三班倒满产，订单排到2027年底。美国大型电力变压器交付周期从疫情前的26周拉长到127周，中国厂商的交付周期只有他们的1/4到1/5。

华为在MWC2026上发布的新一代绿色AI站点方案，已经在科威特把应急备电时长从3小时提到6小时，在南部非洲帮客户节省75%油耗。这些案例说明一个趋势：算力中心正在变成电力系统的刚性负载，不再是过去那种可以随时调峰的弹性负荷。

沈抖提到的“电力Token化出海”，本质上是在芯片之外开辟第二战场。中国拥有全球领先的电力电网体系，这个能源优势正在转化成智能产业的核心竞争力。不需要大额物理设备投资，也没有传统电力出海的主权问题，字节形态的电力出口确实是个新赛道。

生态圈的排他性游戏

华北电力大学校友会数字经济分会这场活动，选在百度总部办，本身就带着强烈的产业信号。分会理事长王继业的总结发言点破关键：AI发展需要开放共享的产业生态，“头部企业专注做原始技术创新，中小校友企业聚焦细分场景落地，形成共享共赢的格局”。

但开放共享的另一面是排他性锁定。中博数智展示的液冷算力工作站，单台可支持70B规模大模型本地部署，瞄准的是涉密场景私有算力集群需求。这种产品一旦在石油大模型、科学计算领域落地，后续的替换成本就极高。德塔精要推出的企业级智能体平台，专门解决AI落地的连接难、数据质量差、安全合规风险、大模型幻觉四大痛点，已经在国家电网、中海油的综合能源工程领域落地。这些案例都在做同一件事：用场景深度构筑竞争壁垒。

国家电投透露将在鄂尔多斯建设计算中心，同时计划打造海上风电AI故障诊断省部级科研示范项目。这种级别的项目一旦启动，合作方基本就是排他性的长期绑定。华能、冀北电科院、国网信产集团在现场释放的需求信号，本质上是在筛选能跟自己长期走下去的技术伙伴。

中国核电董事长卢铁忠在全国两会期间透露的信息也印证这个趋势：“华龙一号”2.0版本深度融合AI、数字核电技术，后续新建压水堆项目会更多以2.0版为主。中国核电已经在系统性布局机器人应用，担任组长初步考虑8个专项，人工作业风险高的领域逐步由机器人替代。这不是试点示范，而是成建制的系统性替代。

落地是唯一的标准

王继业在总结时说了句大实话：当前电力行业AI应用还处于试点示范阶段，距离全面普及还有较长的路走，整个信息化架构都面临调整，核心问题就是落地。

落地这两个字，在能源行业的语境里意味着一系列硬约束：不能影响现有系统安全稳定运行，不能增加一线运维人员的工作负担，必须有明确的投入产出比。苏州高新区的阿特斯阳光电力做了个AI智慧维修体系，故障诊断与处理方案准确率达到78.33%，累计沉淀5400余条维修核心知识，新基地知识迁移周期缩短60%以上。78%的准确率听起来不够炫，但在光伏制造这种重资产行业，已经能实实在在减少停机损失。

沈抖在活动尾声的表态很务实：百度将尽快安排专人跟进对接所有合作意向。没有宏大的战略签约，就是具体的人去对接具体的需求。

华电校友会数字经济分会秘书长胡鹤龄有个判断：“细分领域的小型AI工具往往拥有更大市场。”这话可能才是整场交流最核心的共识。在电力行业这种强监管、高风险的领域，大模型的通用能力远不如一个能解决具体问题的智能体工具包更有市场。

能源行业对AI的态度正在发生微妙变化。从早期的“看不懂”，到后来的“不敢用”，现在变成了“怎么用”。冀北电科院的电力智能体安全评测立项为国家标准，意味着监管层也在为规模应用铺路。

本文来自微信公众号“预见能源”，作者：赵嘉楠，36氪经授权发布。