不建電廠、不拉電線，矽谷這批創業公司用程式碼「搶」AI的電

原文標題：《AI 原生能源公司，正在成為矽谷「新物種」》
原文作者：李海倫，騰訊科技

當能源成為 AI 時代的基石，能源行業也正在被 AI 重塑。本文為《能源奇點》系列第 10 期，聚焦 AI 算力爆發下，AI 原生能源公司如何佔領 AI 基礎設施的新入口。

進入 2026 年以來，科技圈的焦慮正在從模型、程式碼和晶片，繼續向 AI 產業鏈更底層蔓延。行業都開始探討一個更基礎的問題：這麼多 AI 算力，到底有沒有足夠的電來支撐。

在 6 月 1 日剛剛結束的英偉達 GTC Taipei 大會上，黃仁勳推出 NVIDIA DSX、第三代 MGX 機櫃架構和 800VDC 供電方案，將運算、網路、儲存、電力、散熱和控制系統作為一個整體重新設計，希望重新定義 AI 工廠內部的「電力系統工程」。

英偉達想做的，是優化 AI 工廠內部的系統效率，讓運算、網路、電力和散熱協同起來，提高每一瓦電的 Token 產出。

與此同時，AI 工廠外部的電力環節，也正在成為新的瓶頸：資料中心建在哪裡，哪裡還有可接入容量，專案能不能盡快並網，建成後又如何根據電網壓力調整負載。

在這樣的背景和需求下，逐步湧現出了一批「AI 原生能源公司」。

很有趣的一點是，雖然是能源公司，但這些公司不建電廠，也不拉電線，只靠程式碼和演算法，嘗試重新定義電力的流向、價格和節奏。

資本市場也開始給這類公司重新定價。

2026 年 5 月，早期投資英偉達的矽谷風險投資機構 Sutter Hill Ventures，與知名投資人 John Doerr 共同領投了一家名為「GridCARE」的 6400 萬美元 A 輪融資。

GridCARE 把 AI 用在電力接入和能源調度環節，幫助 AI 工廠更快識別可用電力資源、完成接入規劃，並參與後續的負載調度。

在過去，能源科技公司的想象空間更多來自新能源、儲能、電池和電網設備；但在 AI 算力需求爆發之後，誰能幫助資料中心更快找到電、接上電、用好電，誰就可能成為 AI 基礎設施鏈條裡的關鍵一環。

類似 GridCARE 這樣的公司，在美國矽谷等地區也開始陸續湧現。

一家總部位於美國華盛頓的 Emerald AI，16 個月內累計融資約 6800 萬美元，背後站著英偉達 NVentures、Energy Impact Partners，以及 Eaton、Siemens、GE Vernova 等電力巨頭，Jeff Dean 和李飛飛也以個人身份參投。

2026 年 5 月，還有一家量化交易背景創業者 Amann Shariff 創立的 Shatterdome Energy，也完成了 350 萬美元 Pre-Seed 輪融資。

這些公司瞄準的，大多是 AI 基礎設施目前最受約束的環節：在電網中「找電」，判斷哪裡還有可用容量、哪裡能更快接入，以縮短並網排隊周期；在電網緊張時調整算力任務、錯峰用電；以及面向新能源、儲能和大工業用戶，用 AI 做實時電力交易與調度。

這些公司的崛起，對於行業有重要的參考和借鑒意義。

AI 時代的能源競爭，不只是多建電廠、多鋪線路，也包括如何把新能源、儲能、電網和算力負載更高效地組織起來。未來，誰能更快找到電、接上電、調度電，誰就可能在 AI 基礎設施競爭中佔據更有利的位置。

在晶片和算力之外，電力正在成為 AI 系統新的速度上限。而電力行業本身，也正在被 AI 重新改寫。

01 AI 時代的電力焦慮：缺的不是電，而是「可用的電」

AI 時代的電力焦慮，表面上看是「缺電」，本質上卻是「缺可用的電」。很多電力資源並非不存在，而是沒有被充分識別、調度和送達。

矽谷風投機構 Bessemer Venture Partners 在 2026 年 5 月份發布的《路線圖：AI 數據中心堆棧》報告中拉出了一組數字：截至 2026 年初，全球公布了 190 吉瓦的超大規模數據中心項目，但真正投入運營的只有 12 吉瓦，21 吉瓦在建，剩下 148 吉瓦全躺在圖紙上。計劃在 2025 年上線的項目裡，超過四分之一卡在了電力和許可證環節。

斯坦福大學 2025 年 12 月份發布的研究報告也指出，美國電網的利用率大部分時間不到三分之一。電網智能運維企業 GridCARE 給出更為具體的數字：即使是在用電最緊張的地區，電網的實際利用率也不到 32%。電並不缺，缺的是把它送出去的能力。

GridCARE 聯合創始人兼首席執行官阿米特·納拉扬（Amit Narayan）給這種現象起了個名字，叫「通電時間危機（Time-to-Energize Crisis）」，指電力需求和實際供電之間，隔著好幾年的時間差。大量現有的電網容量，因為傳統調度和並網流程的限制，遲遲用不上。

他描述當前的局面時說過一句話：「目前的 AI 狂熱已經到了失控的地步，以至於人們認為將晶片送入太空可能比在地球上找到電更快。」

這個瓶頸背後藏著巨大的商業機會。按照 GridCARE 的測算，每幫助 1 吉瓦電力提前完成並網，就能釋放 250 億美元的價值。

領投的 Sutter Hill Ventures 是英偉達早期的投資機構之一，可以說全程參與了「計算時代」的崛起。這家機構的董事總經理維克·米勒（Vic Miller）公開表示：「一年前，很少有人談論電力是 AI 的瓶頸。而今天，它成了整個行業繞不過去的那道坎。」

跟投的約翰·杜爾（John Doerr），也曾是亞馬遜和谷歌的早期投資者。他解釋下注邏輯時只說了一句：「GridCARE 通過釋放我們已建成電網中的閒置電力，來提供負擔得起的、可持續的能源」。

GridCARE 推出了一款「電力加速」的軟體。其核心技術，是用 AI 實時模擬和分析電網的數十億種運行狀態，包括線路擁塞、停電風險、天氣變化、需求波動等，然後標出那些被閒置的電力，並將它們送往需要的地方。

目前，這套模式已經跑通了第一個案例。GridCARE 正與波特蘭通用電氣公司合作，在俄勒岡州希爾斯伯勒釋放超過 400 兆瓦的電網容量，足以支持六個數據中心接入。其中，首批 80 兆瓦預計在 2026 年就能投入使用。

02 從找電到調電：讓 AI 工廠學會「錯峰用電」

GridCARE 關注的是電網端，試圖從現有輸配電系統中挖出更多可接入容量。

還有能源初創公司同樣專注於軟體層，但切入點完全不同。

一家名為「Emerald AI」的公司，正在探索把 AI 資料中心變成可調度的電網資產，讓資料中心根據電網情況調整自己的用電節奏。比如電網壓力大的時候，部分 AI 任務可以暫時降速、延後，或者轉移到其他地區運行；電網壓力緩解之後，再恢復更高負載狀態。

這裡的底層邏輯是：AI 工廠並不需要每時每刻都滿負荷運轉。模型訓練任務可以暫停後再恢復，批量推理任務可以挪到別的區域去做。只要資料中心能根據電網的指令主動調低功率，電網的壓力就會小很多，也就沒必要為了那點峰值負荷砸錢修新線路。

Emerald AI 推出的產品叫「Conductor」平台，像是給資料中心裝了一個「靈活應變」的大腦。

它的作用類似一個裝在電網和資料中心之間的智能閥門。電網吃緊時，平台接到信號，實時調低設施的功耗，同時確保跑在英偉達 GPU 上的關鍵 AI 任務不受影響。

在 COMPUTEX Taipei 上，Emerald AI 與英偉達和硅谷電力公司宣布合作，在硅谷啟動了第一個商業化的多兆瓦級專案。

這個專案的起點，是硅谷電力公司推進的「靈活負載互連計劃」。這個計劃的核心，實際上就是解決資料中心接電排隊時間太長的問題。

西瓦拉姆對此評價稱：「硅谷電力公司的『靈活負載互連計劃』已經證明，監管層面這條路走得通。英偉達的 DSX OS、DSX Flex，加上我們的 Conductor 平台，則讓這套技術方案在商業規模上落了地」。

03 從單點調度到平台化：AI 升級版的「虛擬電廠」

與 GridCARE 和 Emerald AI 比起來，AI 能源公司 Grid AI 的胃口似乎更大。

Grid AI 想用一個統一的 AI 平台，把所有分散的電力資源串起來，小到一戶家庭的空調，大到一座 AI 資料中心的備用電源，統統納入調度。

他們將這個想法分成了三個層面來落地。

第一類是普通家庭和小企業，AI 在後台自動管理空調、電動車、電池等設備，幫用戶在電價低的時候多用電，在電價高或電網緊張時少用電；

第二類是商業和公用事業場景，把儲能、電動車隊、分布式電源等資產統一調度，參與電力市場交易；

第三類是 AI 數據中心和大型工業園區，通過統籌發電、儲能和負荷，讓這些高耗能設施用上更穩定、更便宜的電。

從某種程度來看，Grid AI 本質上像在做「AI 版的虛擬電廠」。傳統虛擬電廠像是把很多「小電源、小電池、小負荷」集合起來，幫電網分擔壓力；Grid AI 把虛擬電廠的邊界擴大到 AI 數據中心和大型工業園區，做一套覆蓋家庭、商業、公用事業和超大規模用電場景的 AI 能源調度平台。

除了優化電網和負載，AI 也開始進入電力市場的交易環節。

美國 AI 能源交易服務提供商 Shatterdome Energy 給自己的定位，是能源世界的「金融基礎設施層」。

一塊屋頂太陽能板、一台風機、一組儲能電池，過去只是零散的發電設備；但在 Shatterdome Energy 的系統裡，它們可以被打包成一個可交易的能源資產。平台會根據電價波動、天氣變化、發電預測和市場需求，決定什麼時候賣電、什麼時候儲電，什麼時候用交易工具對沖價格風險。

Shatterdome Energy 的 AI 工具，關注的是電力市場裡那些人工交易員很難及時發現的微信號。比如某條線路突然擁擠，某個區域的發電速度跟不上需求，或者某個節點的電價即將出現異常波動。算法可以在這些變化剛剛出現時就做出判斷，並比人工更快完成交易。

隨著新能源占比提高，電力市場變得越來越難預測：天氣會影響風力和光伏輸出，數據中心會突然拉高負荷，電網局部擁擠也會讓不同地區的電價快速分化。對電力公司來說，預測錯了、調度慢了，就可能直接變成罰款和交易損失。

AI 進入之後，能源交易開始變得更像一場高頻博弈，除了幫企業「省電費」，還需要幫助電力公司更準確地預測供需、更快響應價格變化，並減少因為判斷失誤帶來的損失。

技術服務公司 Digiqt 在 2025 年 9 月份的調查顯示：AI 交易員正在能源市場快速滲透。它們帶來了實實在在的改變：一家中型電力公司，過去光因預測偏差導致的不平衡罰款，每月就能損失 5 萬到 15 萬歐元。而接入 AI 之後，這部分損失降了 15% 到 30%。

04「靈活負載」：AI 工廠接電難題的新解法

創業公司講了很多故事，但真實的效果如何？AI 數據中心到底能不能「聽電網的話」？

2026 年 3 月，一場試驗給出了答案。

英國國家電力公司、英偉達、Emerald AI 和電力研究院（EPRI）聯合做了一次測試：電網發出信號後，大約一分鐘內，倫敦站點的數據中心就把用電量降了三分之一。更關鍵的是，跑在英偉達 GPU 上的 AI 任務沒有中斷。

另一次測試更長，持續了十個小時。數據中心把功率長期壓在約 10% 的水平，工作負載同樣沒有受到影響。

這兩個結果說明，AI 數據中心並不是只能一直滿負荷吃電的「鐵塊」，它也可以像一個可調節的負載一樣，在電網緊張時主動讓一步。

如果運營方能夠證明自己可以在電網緊張時主動降載，電網就不必完全按照理論最大值來擴容。這樣一來，電網的建設壓力可以降低，數據中心的並網等待時間也有機會縮短。

倫敦這場試驗的意義就在這裡：雖然是初步的實驗，但它證明了至少在 AI 數據中心這一端，「靈活響應」是可以被真實驗證的能力。

05 結語：軟體，正在重新定義電力層

不論是 GridCARE 在擁擠的電網中「見縫插針」調度，還是 Emerald AI 讓數據中心學會錯峰用電，或是 Shatterdome Energy 用算法參與電力交易，這些都指向了相同的趨勢：AI 時代，電不只是要更多，還要更會用、更會調。

這些 AI 原生能源公司沒有新建一座電站，也沒有架設一條高壓線。但它們創造出的軟體層，正在成為電網系統裡的重要一環。

這也呼應了黃仁勳此前提出的「AI 五層蛋糕」框架：能源位於最底層，其上才是晶片、基礎設施、模型和應用。沒有持續、穩定、可調度的電力，再強的晶片和模型，也無法真正跑起來。

這或許就是 AI 時代深刻的一場變革：電網這個誕生於工業時代的龐然大物，正在被一行行程式碼重新組裝。

最終，誰擁有更聰明的演算法，誰就掌握了驅動 AI 文明的鑰匙。

原文連結

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia