当能源成为 AI 时代的底座，能源行业也正在被 AI 重塑。本文为《能源奇点》系列第 10 期，聚焦 AI 算力爆发下，AI 原生能源公司如何抢占 AI 基础设施的新入口。
进入 2026 年以来，科技圈的焦虑正在从模型、代码和芯片，继续向 AI 产业链更底层蔓延。行业都开始探讨一个更基础的问题：这么多 AI 算力，到底有没有足够的电来支撑。
在 6 月 1 日刚刚结束的英伟达 GTC Taipei 大会上，黄仁勋推出 NVIDIA DSX、第三代 MGX 机柜架构和 800VDC 供电方案，把计算、网络、存储、电力、散热和控制系统作为一个整体重新设计，希望重新定义 AI 工厂内部的「电力系统工程」。
英伟达想做的，是优化 AI 工厂内部的系统效率，让计算、网络、电力和散热协同起来，提高每一瓦电的 Token 产出。
与此同时，AI 工厂外部的电力环节，也正在成为新的瓶颈：数据中心建在哪里，哪里还有可接入容量，项目能不能尽快并网，建成后又如何根据电网压力调整负荷。
在这样的背景和需求下，逐步涌现出了一批「AI 原生能源公司」。
很有意思的一点是，虽然是能源公司，但这些公司不建电厂，也不拉电线，只靠代码和算法，试图重新定义电力的流向、价格和节奏。
资本市场也开始给这类公司重新定价。
2026 年 5 月，早期投资英伟达的硅谷风投机构 Sutter Hill Ventures，与知名投资人 John Doerr 共同领投了一家名为「GridCARE」的 6400 万美元 A 轮融资。
GridCARE 把 AI 用在电力接入和能源调度环节，帮助 AI 工厂更快识别可用电力资源、完成接入规划，并参与后续的负荷调度。
在过去，能源科技公司的想象空间更多来自新能源、储能、电池和电网设备；但在 AI 算力需求爆发之后，谁能帮助数据中心更快找到电、接上电、用好电，谁就可能成为 AI 基础设施链条里的关键一环。
类似 GridCARE 这样的公司，在美国硅谷等地区也开始陆续涌现。
一家总部位于美国华盛顿的 Emerald AI，16 个月内累计融资约 6800 万美元，背后站着英伟达 NVentures、Energy Impact Partners，以及 Eaton、Siemens、GE Vernova 等电力巨头，Jeff Dean 和李飞飞也以个人身份参投。
2026 年 5 月，还有一家量化交易背景创业者 Amann Shariff 创立的 Shatterdome Energy，也完成了 350 万美元 Pre-Seed 轮融资。
这些公司瞄准的，大多是 AI 基础设施目前最受约束的环节：在电网中「找电」，判断哪里还有可用容量、哪里能更快接入，以缩短并网排队周期；在电网紧张时调整算力任务、错峰用电；以及面向新能源、储能和大工业用户，用 AI 做实时电力交易与调度。
这些公司的崛起，对于行业有重要的参考和借鉴意义。
AI 时代的能源竞争，不只是多建电厂、多铺线路，也包括如何把新能源、储能、电网和算力负荷更高效地组织起来。未来，谁能更快找到电、接上电、调度电，谁就可能在 AI 基础设施竞争中占据更有利的位置。
在芯片和算力之外，电力正在成为 AI 系统新的速度上限。而电力行业本身，也正在被 AI 重新改写。
01 AI 时代的电力焦虑：缺的不是电，而是「可用的电」
AI 时代的电力焦虑，表面上看是「缺电」，本质上却是「缺可用的电」。很多电力资源并非不存在，而是没有被充分识别、调度和送达。
硅谷风投机构 Bessemer Venture Partners 在 2026 年 5 月份发布的《路线图：AI 数据中心堆栈》报告中拉出了一组数字：截至 2026 年初，全球公布了 190 吉瓦的超大规模数据中心项目，但真正投入运营的只有 12 吉瓦，21 吉瓦在建，剩下 148 吉瓦全躺在图纸上。计划在 2025 年上线的项目里，超过四分之一卡在了电力和许可证环节。
斯坦福大学 2025 年 12 月份发布的研究报告也指出，美国电网的利用率大部分时间不到三分之一。电网智能运维企业 GridCARE 给出更为具体的数字：即使是在用电最紧张的地区，电网的实际利用率也不到 32%。电并不缺，缺的是把它送出去的能力。
GridCARE 联合创始人兼首席执行官阿米特·纳拉扬（Amit Narayan）给这种现象起了个名字，叫「通电时间危机（Time-to-Energize Crisis）」，指电力需求和实际供电之间，隔着好几年的时间差。大量现有的电网容量，因为传统调度和并网流程的限制，迟迟用不上。
他描述当前的局面时说过一句话：「目前的 AI 狂热已经到了失控的地步，以至于人们认为将芯片送入太空可能比在地球上找到电更快。」
这个瓶颈背后藏着巨大的商业机会。按照 GridCARE 的测算，每帮助 1 吉瓦电力提前完成并网，就能释放 250 亿美元的价值。
领投的 Sutter Hill Ventures 是英伟达早期的投资机构之一，可以说全程参与了「计算时代」的崛起。这家机构的董事总经理维克·米勒（Vic Miller）公开表示：「一年前，很少有人谈论电力是 AI 的瓶颈。而今天，它成了整个行业绕不过去的那道坎。」
跟投的约翰·杜尔（John Doerr），也曾是亚马逊和谷歌的早期投资者。他解释下注逻辑时只说了一句：「GridCARE 通过释放我们已建成电网中的闲置电力，来提供负担得起的、可持续的能源」。
GridCARE 推出了一款「电力加速」的软件。其核心技术，是用 AI 实时模拟和分析电网的数十亿种运行状态，包括线路拥塞、停电风险、天气变化、需求波动等，然后标出那些被闲置的电力，并将它们送往需要的地方。
目前，这套模式已经跑通了第一个案例。GridCARE 正与波特兰通用电气公司合作，在俄勒冈州希尔斯伯勒释放超过 400 兆瓦的电网容量，足以支持六个数据中心接入。其中，首批 80 兆瓦预计在 2026 年就能投入使用。
02 从找电到调电：让 AI 工厂学会「错峰用电」
GridCARE 盯住的是电网侧，试图从现有输配电系统中挖出更多可接入容量。
还有能源初创公司同样专注于软件层，但切入点完全不同。
一家名为「Emerald AI」的公司，正在探索把 AI 数据中心变成可调度的电网资产，让数据中心根据电网情况调整自己的用电节奏。比如电网压力大的时候，部分 AI 任务可以暂时降速、延后，或者转移到其他地区运行；电网压力缓解之后，再恢复更高负载状态。
这里的底层逻辑是：AI 工厂并不需要每时每刻都满负荷运转。模型训练任务可以暂停后再恢复，批量推理任务可以挪到别的区域去做。只要数据中心能根据电网的指令主动调低功率，电网的压力就会小很多，也就没必要为了那点峰值负荷砸钱修新线路。
Emerald AI 推出的产品叫「Conductor」平台，像是给数据中心装了一个「灵活应变」的大脑。
它的作用类似一个装在电网和数据中心之间的智能阀门。电网吃紧时，平台接到信号，实时调低设施的功耗，同时确保跑在英伟达 GPU 上的关键 AI 任务不受影响。
在 COMPUTEX Taipei 上，Emerald AI 与英伟达和硅谷电力公司宣布合作，在硅谷启动了第一个商业化的多兆瓦级项目。
这个项目的起点，是硅谷电力公司推进的「灵活负荷互连计划」。这个计划的核心，实际上就是解决数据中心接电排队时间太长的问题。
西瓦拉姆对此评价称：「硅谷电力公司的『灵活负荷互连计划』已经证明，监管层面这条路走得通。英伟达的 DSX OS、DSX Flex，加上我们的 Conductor 平台，则让这套技术方案在商业规模上落了地」。
03 从单点调度到平台化：AI 升级版的「虚拟电厂」
与 GridCARE 和 Emerald AI 比起来，AI 能源公司 Grid AI 的胃口似乎更大。
Grid AI 想用一个统一的 AI 平台，把所有分散的电力资源串起来，小到一户家庭的空调，大到一座 AI 数据中心的备用电源，统统纳入调度。
他们把这个想法分成了三个层面来落地。
第一类是普通家庭和小企业，AI 在后台自动管理空调、电动车、电池等设备，帮用户在电价低的时候多用电、在电价高或电网紧张时少用电；
第二类是商业和公用事业场景，把储能、电动车队、分布式电源等资产统一调度，参与电力市场交易；
第三类是 AI 数据中心和大型工业园区，通过统筹发电、储能和负荷，让这些高耗能设施用上更稳定、更便宜的电。
从某种程度来看，Grid AI 本质上像在做「AI 版的虚拟电厂」。传统虚拟电厂像是把很多「小电源、小电池、小负荷」集合起来，帮电网分担压力；Grid AI 把虚拟电厂的边界扩大到 AI 数据中心和大型工业园区，做一套覆盖家庭、商业、公用事业和超大规模用电场景的 AI 能源调度平台。
除了优化电网和负载，AI 也开始进入电力市场的交易环节。
美国 AI 能源交易服务提供商 Shatterdome Energy 给自己的定位，是能源世界的「金融基础设施层」。
一块屋顶太阳能板、一台风机、一组储能电池，过去只是零散的发电设备；但在 Shatterdome Energy 的系统里，它们可以被打包成一个可交易的能源资产。平台会根据电价波动、天气变化、发电预测和市场需求，决定什么时候卖电、什么时候储电，什么时候用交易工具对冲价格风险。
Shatterdome Energy 的 AI 工具，关注的是电力市场里那些人工交易员很难及时发现的细微信号。比如某条线路突然拥堵，某个区域的发电速度跟不上需求，或者某个节点的电价即将出现异常波动。算法可以在这些变化刚刚出现时就做出判断，并比人工更快完成交易。
随着新能源占比提高，电力市场变得越来越难预测：天气会影响风电和光伏出力，数据中心会突然拉高负荷，电网局部拥堵也会让不同地区的电价快速分化。对电力公司来说，预测错了、调度慢了，就可能直接变成罚款和交易损失。
AI 进入之后，能源交易开始变得更像一场高频博弈，除了帮企业「省电费」，还需要帮助电力公司更准确地预测供需、更快响应价格变化，并减少因为判断失误带来的损失。
技术服务公司 Digiqt 在 2025 年 9 月份的调查显示：AI 交易员正在能源市场快速渗透。它们带来了实实在在的改变：一家中型电力公司，过去光因预测偏差导致的不平衡罚款，每月就能损失 5 万到 15 万欧元。而接入 AI 之后，这部分损失降了 15% 到 30%。
04「灵活负荷」：AI 工厂接电难题的新解法
创业公司讲了很多故事，但真实的效果如何？AI 数据中心到底能不能「听电网的话」？
2026 年 3 月，一场试验给出了答案。
英国国家电力公司、英伟达、Emerald AI 和电力研究院（EPRI）联合做了一次测试：电网发出信号后，大约一分钟内，伦敦站点的数据中心就把用电量降了三分之一。更关键的是，跑在英伟达 GPU 上的 AI 任务没有中断。
另一次测试更长，持续了十个小时。数据中心把功率长期压在约 10% 的水平，工作负荷同样没有受到影响。
这两个结果说明，AI 数据中心并不是只能一直满负荷吃电的「铁疙瘩」，它也可以像一个可调节的负荷一样，在电网紧张时主动让一步。
如果运营方能够证明自己可以在电网紧张时主动降载，电网就不必完全按照理论最大值来扩容。这样一来，电网的建设压力可以降低，数据中心的并网等待时间也有机会缩短。
伦敦这场试验的意义就在这里：虽然是初步的实验，但它证明了至少在 AI 数据中心这一端，「灵活响应」是可以被真实验证的能力。
05 结语：软件，正在重新定义电力层
不论是 GridCARE 在拥挤的电网中「见缝插针」调度，还是 Emerald AI 让数据中心学会错峰用电，或是 Shatterdome Energy 用算法参与电力交易，这些都指向了相同的趋势：AI 时代，电不只是要更多，还要更会用、更会调。
这些 AI 原生能源公司没有新建一座电站，也没有架设一条高压线。但它们创造出的软件层，正在成为电网系统里的重要一环。
这也呼应了黄仁勋此前提出的「AI 五层蛋糕」框架：能源位于最底层，其上才是芯片、基础设施、模型和应用。没有持续、稳定、可调度的电力，再强的芯片和模型，也无法真正跑起来。
这或许就是 AI 时代深刻的一场变革：电网这个诞生于工业时代的庞然大物，正在被一行行代码重新组装。
最终，谁拥有更聪明的算法，谁就掌握了驱动 AI 文明的钥匙。
