Emerald AI 深度调研分析

当 AI 的瓶颈从芯片变成电力——软件定义的负荷灵活性，如何改写数据中心与电网的关系

2026 年 9 月

一、核心判断

先给结论，再给论证。

Emerald AI 不是一家"给数据中心做节能软件"的公司，它是第一家把"电网能否相信数据中心"这件事做成可交付产品的公司。它卖的不是省下的电费，是"提前拿到并网容量"的资格，以及"被公用事业写进调度计划"的席位。这两样东西在 2026 年的美国，比任何一度电都值钱。

这家公司 2024 年才成立，2026 年 8 月以 10.5 亿美元估值完成 1.5 亿美元 A 轮，累计融资超过 2.2 亿美元，12 家《财富》世界 500 强企业成为股东。它有一个漂亮的学术出身：2026 年登上《Nature Energy》的同行评议论文，用 256 卡 A100 的生产集群证明了"3 小时内降功率 25% 而不破 SLA"。它有一个更漂亮的监管窗口：加州圣克拉拉市属公用事业 Silicon Valley Power（SVP）为它开了全美第一个 Flexible Load Interconnection Program（灵活负荷并网计划），德克萨斯 ERCOT 为它这类资源批了一条 PCLR 快速通道。

但必须清醒地看到另一面：到今天为止，这家公司只有两份商业合同。一份在加州，一份在弗吉尼亚。所谓"释放 100 GW 电网容量"是公司引用的杜克大学研究推算，不是它的装机量，也不是它的收入。它的估值建立在"这个模式会被整个行业采用"的预期上，而不是已经兑现的现金流上。

一句话总结：Emerald AI 赌的是电力成为 AI 的硬约束这件事会持续十年，而它恰好站在"算力调度"和"电力调度"唯一的交叉点上。这是本轮 AI 基础设施投资中，结构位置最独特、也最容易被巨头内部化的一个标的。

对中国的读者而言，这份报告的用处不在于要不要投它——它轮不到我们投。真正的用处是：美国正在用"让负荷可中断"来换取"提前并网"，这套制度设计的底层逻辑，中国在 2026 年上半年已经通过四部委《关于促进人工智能与能源双向赋能的行动方案》开始复制。谁先看懂 Emerald AI 卖的到底是什么，谁就能在中国的算电协同里提前占位。

二、公司画像：两年、三轮、一个独角兽

2.1 基础事实清单

融资脉络（以公司官方公告为准，不同数据库存在口径差异）：

数据口径提示：部分数据库（如 Preqin）将 EIP 领投的一笔记录为"2,275 万美元种子轮（2026 年 2 月）"，与公司公告的"2,500 万美元战略扩张轮"存在约 225 万美元差异，很可能是分批交割（tranche）造成的登记时点不同。本报告以公司官方公告为准，交叉引用时予以标注。

2.2 第三次创业的老手：Varun Sivaram 是谁

理解这家公司，必须先看懂它的创始人。Sivaram 不是典型的硅谷创业者，他的履历横跨物理学、政策、外交和产业资本运作：

·学术背景：斯坦福大学工程物理与国际关系双学士，牛津大学凝聚态物理博士（罗德学者、杜鲁门学者），研究方向为下一代光伏技术。

·产业经历：曾任印度最大可再生能源企业 ReNew Power 首席技术官，后出任丹麦 Ørsted（全球最大海上风电开发商，《财富》世界 500 强）首席战略与创新官，领导约 180–200 人的组织，覆盖公司战略、资本配置、技术创新、数字化与并购，主导过数十亿美元级的清洁能源资产交易。

·政策经历：拜登政府前两年在白宫与国务院任职，担任清洁能源总经理兼气候特使 John Kerry 高级顾问，创建并领导 First Movers Coalition（拜登称为美国旗舰性气候公私合作倡议，促成超 100 家企业、逾 120 亿美元采购承诺）。

·现任兼职：美国外交关系协会（CFR）能源与气候高级研究员，大西洋理事会董事。

·著作：《Taming the Sun》《Energizing America》《Digital Decarbonization》三本，《金融时报》评选其为"十年来最佳书籍"之一。

这份履历对 Emerald AI 的意义是决定性的。一门生意要同时说服三群人——AI 云厂商、数据中心业主、受监管的公用事业公司——需要的不只是技术，而是对"监管如何形成"的第一手理解。CEO 曾亲手设计过美国联邦层面的气候公私合作机制，如今又去游说 ERCOT 和市政公用事业为"可控负荷"开制度通道，这是典型的 Founder-Market Fit。

同样值得注意的还有首席科学家 Ayse Coskun。她是波士顿大学电机与计算机工程系正教授，是"数据中心功耗按需响应电网"这一学术方向的开创者之一，曾任 IEEE TCAD 副主编。公司把一位在职正教授请来全职担任首席科学家，意味着技术可信度是被当作核心资产经营的，而不是靠公关稿堆出来的。

三、为什么是现在：三重约束在同一年收紧

Emerald AI 在 2024 年成立，不是一个巧合。2024—2026 年，美国电力系统出现了三个同时收紧的约束，任何一个单独出现都不足以催生这门生意，但三个叠在一起就形成了一个结构性缺口。

3.1 需求侧：AI 负荷的增长斜率，超过了电网的扩容能力

国际能源署（IEA）的预测被 Emerald AI 反复引用：到 2030 年，数据中心将贡献美国电力需求增长的近一半。另据公司引用 S&P Global 的口径，未来三年美国 AI 行业希望上线接近 50 GW 的数据中心，但只有大约一半能够被真正接入电网。

这两个数字的意思是：缺口不在"总电量"，而在"并网点"和"时间"。

美国新建输电通常需要 8—10 年完成许可与施工；德州一条新的输变电工程交付周期被 Emerald AI 明确表述为五到七年。而一座 AI 数据中心从决策到投产只需要 18—24 个月。这个时间差就是所有故事的起点。

3.2 供给侧：容量价格的价格信号已经非常明确

制度会说话，价格会先说话。以 PJM（美国最大电力市场，覆盖 13 个州约 6,700 万人口）为例：

这个价格信号才是全部商业模式的经济基础。当容量价格涨到每兆瓦年 40 万美元以上时，"让数据中心在最紧张的几十个小时里降载"这件事，就有了明确的、可被分割的经济价值。注意：这不是 Emerald AI 创造的价值，是 PJM 的稀缺性创造的，Emerald 只是拿到了分配钥匙的一种技术方案。

3.3 制度侧：一个被反复引用的数字

杜克大学的研究被 Emerald AI 和 DCVC 反复援引：如果公用事业公司不必为所有可设想的峰值需求建设全部容量，而是可以在极少时段削减 0.25%—1% 的负荷，美国电网就可以立即吸纳 76—126 GW 的新增大型灵活负荷。

公司由此推导出自己那句被所有媒体转述的主张：在美国的 AI 建设浪潮中应用这套技术，可以在现有电网上释放超过 100 GW 的闲置容量。

必须标注的口径： "100 GW"是 Emerald AI 引用的杜克大学研究推算上限（区间 76—126 GW 的中位数偏上），不是 Emerald AI 已签约或已交付的容量。把所有宣传口径里的"潜在释放容量"误读为"公司装机"，是阅读这类公司材料最常见的错误。

3.4 小结：三个约束的交汇点

这三个约束指向同一个解法：让一部分负荷"可被信任地中断"，用它换取提前并网的权利。Emerald AI 做的事，本质上就是把这句电力系统的话翻译成 GPU 调度器听得懂的语言。

四、技术内核拆解：三个控制旋钮和一条信任链

这一节是报告的核心，因为护城河在技术里，也在技术之外。

4.1 Nature Energy 论文：这门生意的科学基础

2026 年，Emerald AI 团队与合作方在《Nature Energy》（2026 年第 11 卷，254—261 页，DOI: 10.1038/s41560-025-01927-1）发表论文《AI data centres as grid-interactive assets》。这是该领域第一篇经过严格同行评议的实地实证。

实验设定：

·地点：美国亚利桑那州凤凰城 Oracle 云数据中心（超大规模商业设施）

·硬件：256 块 NVIDIA A100 Tensor Core GPU 组成的生产级集群

·合作方：Emerald AI、Oracle Cloud Infrastructure、NVIDIA、Salt River Project（SRP，当地公用事业）、EPRI（美国电力研究院）

·负载：Databricks MosaicML 编排，围绕 MPT、LLaMA 3.1、C4、Dolly、P3 等模型与数据集设计的真实机器学习任务组合（训练、推理、微调）

·两次真实事件：2025 年 5 月 1 日响应 Arizona Public Service 系统峰值；2025 年 5 月 3 日响应 Salt River Project 系统峰值

关键结果：

另有一次次级实验值得单独提：团队复现了 2020 年 8 月加州 ISO（CAISO）的一次紧急负荷削减事件——热浪叠加机组故障，系统先要求削减 15%，随后追加到 25%。集群实现了分阶段、平滑跟随。这证明该资源不只是"经济削峰"，也可以作为电力系统应急资源被调用。

4.2 三个控制旋钮：它到底怎么降功率

Emerald Conductor 不是一个单一算法，而是一个编排平台。论文明确列出了三类控制手段，公司材料提到了第四类：

论文还对比了两种调度策略：贪心策略（优先影响最柔性的任务，尽量减少受影响任务数量）与公平策略（把性能开销更均匀分布给多个任务）。这是一次典型的"多目标调度"工程：要同时满足电网削减量、任务 SLA、用户体验、集群利用率和平台收益。

4.3 Flex 0—3：把"能忍受多慢"翻译成调度语言

这是我认为整篇论文最有产品价值的设计。它建立了一套四级的"工作负载柔性分级"，把用户的容忍度变成了电力系统的边界条件：

这个分级的意义远超技术本身：它是商业合同的语言。数据中心业主和 AI 租户签租赁合同时，可以明确把"SLA 等级"写进去；公用事业公司在做并网审查时，可以把"该站点承诺 Flex 2 及以下资源不低于 X MW"写进协议。电网看到的不再是"一座 100 MW 的刚性负荷"，而是"一座承诺在紧急时刻可让出 25 MW、持续 3 小时、预测误差 5% 以内的可控资源"。

这是 Emerald AI 真正的创新点：它不是在节电，而是在创造一种可以被计量、被考核、被写进合同的"电力商品"。Flex 分级就是这个商品的规格书。

4.4 五个示范：技术可信度的阶梯式建立

到 2026 年 8 月，Emerald AI 已完成五次 live 示范，构成一个清晰的技术演进序列：

请注意这个序列的设计逻辑：从单一站点的功率封顶（时间柔性），到跨区域负载迁移（空间柔性），再到不同芯片代际（A100→Hopper→Blackwell→Grace Blackwell）和不同电网场景（紧急事件、热穹、冻雨、价格信号、常规的 CAISO 经济调度）。它不是重复做同一件事，而是在穷举"电网可能会怎么呼叫这座数据中心"的场景库。这正是公用事业公司做并网审查时最需要看到的东西。

五、从演示到标准化：NVIDIA DSX Flex 是加速器，也是天花板

这是整份报告中风险与机会最集中的一章。

5.1 集成到什么程度

2026 年台北 COMPUTEX 期间，NVIDIA 在 GTC Taipei 发布 DSX OS——一个面向 AI 工厂规模化的运营层。DSX OS 包含四个 API 层：

黄仁勋在 GTC 演讲中明确点名："AI 代理团队与 DSX 协同编排基础设施：负责冷却与电气的代理监控并向 Max-Q 发送信号以优化吞吐与能效，Emerald 代理解读实时电网需求与压力信号，并通过 DSX 动态调整电力。"换句话说，Emerald AI 已经不是一个独立挂在数据中心外面的第三方软件，而是被写进了 NVIDIA 官方 AI 工厂参考设计的一个功能模块。

这对 Emerald AI 是巨大利好：

1. 分发渠道：CoreWeave、Crusoe、IREN、Lambda 等云服务商已在部署 DSX 核心组件；Dell、HPE、联想、Supermicro、富士康、广达等正在开发 DSX 就绪系统。每一条这些渠道都可能顺带分发 Emerald 的能力。

2. 技术可信度背书：不再是"一家创业公司说自己的软件有用"，而是"NVIDIA 官方参考设计的组成部分"。

3. 标准化地位：英伟达把"每兆瓦 Token 数（tokens per megawatt）"确立为 AI 工厂的核心 KPI，而电力灵活性直接改善这一 KPI。

5.2 但同一枚硬币的另一面

请注意这三个事实同时成立：

·NVIDIA（通过 NVentures）是 Emerald AI 的股东；

·NVIDIA 是 Emerald AI 的技术集成伙伴与渠道；

·NVIDIA 通过 DSX Flex/OS正在把"电力灵活性"变成 AI 工厂操作系统的内置功能。

这构成一个典型的平台风险：一旦某项能力被平台方内置，独立供应商的定价权会被压到极薄。历史上这类故事反复上演——数据库厂商被云厂商的托管服务商品化，CDN 被云厂商的原生服务挤压。

目前有三个缓冲因素，必须客观列出：

1. Emerald AI 的价值不止于软件接口，还在于它与每一个具体公用事业的对接关系（SVP 的项目签的是 Emerald，不是 NVIDIA）、测量的合规底稿、以及跨系统的协调。这些是 NVIDIA 短期不会去做的脏活。

2. 公司未披露 DSX Flex 集成是否排他，也未披露对其他芯片平台的支持情况。如果它事实上被锁定在 NVIDIA 生态，议价能力会持续下降。

3. 交叉持股降低了被踢开的风险：12 家《财富》世界 500 强都是股东并坐在战略顾问委员会上，包括 GE Vernova、西门子、Eaton、三星 Ventures、Salesforce、RWE、Aramco Ventures、JERA 等。这是一张防御网。

判断：NVIDIA 是 Emerald AI 最大的资产，也是最大的结构性风险。未来的关键观察点是——Emerald AI 能否证明自己"独立于 NVIDIA 生态"也能卖出去（比如在公有云自用站点和非 NVIDIA 加速卡场景）。如果两三年后它的收入 100% 来自 NVIDIA 参考设计项目，那么 10.5 亿美元的估值将难以维持。

5.3 一个被低估的验证节点：Manassas 96 MW

如果只看一个項目来验证 Emerald AI，就看弗吉尼亚州马纳萨斯的 NVIDIA AI Factory Research Center（代号 Aurora，约 96 MW）。它的重要性在于：

·规模从"多兆瓦"跃升到"近 100 兆瓦"——这是商业规模的真正门槛；

·合作者包括Digital Realty（数据中心 REIT）、EPRI、PJM Interconnection——三方分别代表业主、研究机构、独立系统运营商；

·原定 2026 年上半年投运，目前公开信息已推迟至 2026 年下半年。

这个推迟是一个需要被记录的信号。在 256 卡集群上降 25% 和在 96 MW 整站规模上协调海量 GPU 集群、现场储能、UPS 与备用柴发，是完全不同量级的工程问题。推迟不一定是失败，但它是第一个"规模带来的摩擦"证据。

六、监管才是真正的护城河

技术可以被复制，参考设计可以被内置，但制度窗口是一家公司最难绕过、也最容易建立壁垒的东西。Emerald AI 正在把它的技术方案翻译成三条不同的监管通道。这是我们最应该向美国学习的部分。

6.1 加州：圣克拉拉 Flexible Load Interconnection Program（全美首个）

2026 年 4 月 21 日，Silicon Valley Power（SVP，圣克拉拉市属公用事业）与 Emerald AI 宣布试点；2026 年台北 COMPUTEX 期间进一步升级为首个商用多兆瓦级 DSX Flex 部署。

这个项目的结构与意义：

为什么 SVP 这样的市政公用事业能做成这件事，而大型投资者所有的公用事业（IOU）做不成？因为它垂直一体化，不受 ISO  dispatch规则的分割限制，可以直接签发调度指令给参与的负荷。这也是 Santa Clara 的结构性优势所在。

这一条对中国读者尤其重要：真正让这套机制运转的，不是软件，而是"公用事业有权用更大的并网容量，去交换负荷的可中断承诺"这一制度安排。软件只是把承诺变得可测量、可验证、可追究。

6.2 德州：ERCOT PCLR——把"临时灵活性"写进并网流程

如果说 SVP 是一个 20 平方英里的试点，那么 ERCOT 的 PCLR 机制就是把同一逻辑放大到全美负荷增长最快的电网。

制度脉络：

PCLR（Provisional Controllable Load Resource，临时可控负荷资源）的核心机制：

一个 PCLR 把大型负荷的用电拆成两部分：

·LPC（Low Power Consumption，低电力消费）：稳健部分，即在现有输电能力下可被可靠供应的最大负荷——相当于"硬限值的稳健服务"；

·灵活部分：申请峰值减去 LPC 的差额，作为可调度需求参与 ERCOT 的 SCED（安全约束经济调度），像任何其他可调度资源一样跟随基点指令。

关键约束（必须逐条注意）：

为什么这对 Emerald AI 很重要？因为德州为新建设施提供的镜像是：要么等五到七年拿到稳健容量的输变电，要么今天就按 PCLR 注册、用可中断的方式先用上这批电。 Emerald AI 明确表态支持该框架，并宣称准备好帮助数据中心和 AI 云伙伴在 ERCOT 下通过这个框架获取更快的电力接入。

对照数据：截至近期，ERCOT 已批准约 9 GW 投运，但月度的非同时峰值用电约 4 GW，2026 年 3 月同时峰值约 3.7 GW——说明队列里有大量成熟度不高、甚至是投机的项目，同时也说明实际负荷增長远滞后于批容量。这个 gap 正是 PCLR 要填补的空间。

6.3 联邦层面：NERC 把"算力负荷"正式纳入可靠性监管

一个容易被忽略但极其重要的动向：NERC（北美电力可靠性公司）正在正式扩大对大型负荷的监管，新提议的注册类别为 Computational Load Entity（CLE，算力负荷实体），适用条件为：

·聚合负荷≥ 20 MW；

·单点接入 BPS，电压等级 ≥ 60 kV；

·其中算力负荷≥ 1 MW。

同时 NERC 启动 Project 2026-02制定专门的可靠性标准，聚焦建模要求、运行协调、保护与控制系统，并将对算力负荷引入 Level 3 Essential Actions 级别的警报。此外 ERCOT 在讨论对大型算力负荷限制 5 秒窗口内功率变化不超过 10 MW（适用于存量负荷，不只是新接入）。

这条动向的含义是双重的：一方面它给 Emerald AI 这类"让算力负荷变得守规矩"的供应商创造了刚性合规需求；另一方面，它意味着不久的将来，"AI 负荷能多快地上下波动"会被写进强制标准——那些天生缺乏调节余地的平直负荷将成为负担，而具备可编程响应能力的 facilities 将获得额外的合规便利。

6.4 三条通道对比

七、钱从哪里来：商业模式与单站点经济性推演

7.1 公开披露口径存在冲突，必须并列摆放

关于 Emerald AI 怎么赚钱，目前只有两个来源，且口径不一致：

口径一（《纽约时报》/ Dealroom，2026 年 8 月）：

Emerald AI 有两条收入线——

1. 通过优化效率，帮助公用事业公司向数据中心供应更多电力，从额外售电收入中分成；

2. 帮助数据中心运营商与其客户（AI 实验室、超大规模云服务商）协调，确定哪些 AI 工作负载可以减少、哪里可以利用多余算力，从由此产生的额外收入中分成。

口径二（Preqin 数据库登记）：

收入主要来自面向数据中心运营商与公用事业的订阅制合作（B2B 软件平台订阅或服务费），具体价格方案为专有信息。

如何调和这两个口径？最合理的解释是：早期合同以"订阅 + 服务费"形式保底（因为是软件交付），但商业谈判的核心锚点是"价值分成"——即 Emerald AI 主张自己创造了可测量的增量价值（更多售电、更快并网、更多算力收入），并按比例抽取。公司未披露分成比例、客户合同期限、单个合同金额。这是当前最严重的信息缺口。

7.2 关键洞察：它卖的不是"省下的电费"

这是理解这家公司估值的最重要一环。如果 Emerald AI 只是做需求响应——像传统负荷聚合商那样，拿容量电费和能量市场收益分成——那么它的市场规模上限是被电力市场本身的规模锁死的，在美国也就是一个几亿美元 ARR 的生意，撑不起 10.5 亿美元估值。

它真正卖的东西有两样，都比电费大一个数量级：

第一，提前并网的时间价值。

一座 100 MW 的 AI 数据中心，晚投产一年意味着巨额的收入损失。如果 Emerald AI 能让一个项目提前 12—24 个月接通一半容量，它创造的价值是亿美元级的。从这里面抽 10%，就是千万美元级合同。这就是为什么只有 2 份合同也能撑起独角兽估值。

第二，同一兆瓦内多产出的 Token。

NVIDIA 已经把行业 KPI 从"有多少 GPU"改写为"每兆瓦产出多少 Token"。Emerald Conductor 集成的 DSX MaxLPS 技术，在 Lambda 的实测中：在相同功率预算下，把 16 个节点的满功率配置替换为 19 个节点受控运行，集群 Token 吞吐量从约 400 万/秒提升到 500 万/秒（+24%），每瓦性能提升23%。NVIDIA 声称 AI 工厂普遍过度预留高达 40% 的电力配置，MaxLPS 可在同等功率预算内部署更多 GPU，每年增加数十亿美元收入。

这两条逻辑的共同点是：Emerald AI 的收入锚定在 AI 算力收入上，而不是电费上。这是一个比电力市场大两个数量级的分母。

7.3 单站点经济性推演（分析师假设，非公司披露）

以下为笔者的保守测算，所有输入均为假设值，公司未做任何指引。目的是给出数量级判断。

测算对象：一座 100 MW 的 AI 数据中心，位于 PJM 或类 PJM 的紧张市场。

现金流 A：并网提速价值（一次性但数额巨大）

18 个月 × 60 MW × 100 万美元/MW·年 ÷ 12 = 9,000 万美元增量收入（按 30% 毛利润率折算约 2,700 万美元增量毛利）

分成基数存在两种口径，必须并列摆放：按增量毛利润分成，10% 对应 270 万美元；按增量收入分成，10% 对应 900 万美元。鉴于 Emerald AI 的收入至今没有被第三方独立证实，本报告一律取保守口径（270 万美元）。

现金流 B：容量与能量市场（年度经常性）

25 MW × 329 美元/MW·日 × 365 日 ≈ 300 万美元/年（纯容量部分）

叠加能量市场与辅助服务后，行业口径称 PJM 区域内综合激励可超过 40 万美元/MW·年；保守取 15 万美元/MW·年：25 MW ≈ 375 万美元/年

若 Emerald AI 按 15% 分成：单站点约 45—56 万美元/年（以 B2 保守口径 375 万美元为基数，取 15% 得 56.3 万美元）

单站点首年合计（保守口径）≈ 326 万美元 = 一次性分成 270 万 + 年度经常性 56.3 万。换算下来，支撑 10.5 亿美元估值需要管理数百个这样的站点——这是理解其估值逻辑的关键数量级。完整可调参数的测算见配套 Excel 模型。

现金流 C：算力增益分成（尚未被证实存在）

若按 +24% Token 吞吐量的一部分折算，理论上可达更高数额，但目前无证据表明 Emerald AI 从这条线收费，此处仅作为敏感性上行项列出。

7.4 估值反推：市场在为什么定价

用上面的推演做一个粗糙的远期情景表：

结论很清楚：这个估值只有在"基准情景"下才显得合理，而基准情景要求 Emerald AI 在两年内把管理容量从今天的多兆瓦提升到 12 GW——即增长超过三个数量级。这是一笔典型的"要么成为标准、要么归零"的头寸。它不是贵不贵的问题，是概率问题。

同时必须指出：截至 2026 年 8 月，公司只有 2 份商业合同。以任何当期 ARR 倍数衡量，这都是极高风险的定价。投资人买的不是现金流，是"这个模式会被写进制度"的期权。

八、竞争格局：四条技术路线的分野

"数据中心灵活性"这个赛道里挤着几类完全不同的玩家，混为一谈会导致误判。

8.1 GridCARE：最容易混淆、但其实是另一门生意

GridCARE 由 Sutter Hill Ventures（NVIDIA 的最早投资机构之一）与 John Doerr 共同领投 A 轮 6,400 万美元，累计 7,750 万美元，员工 31 人，总部位于加州红木城。

它做的事是：用物理信息与生成式 AI 建立电网数字孪生，在数百万个场景中扫描被低估、未被使用的电网容量，帮 AI 工厂选址、规划并网，把"从拿电到通电"的时间从数年压缩到数月。

已披露成果：在 Portland General Electric 服务区域内，帮助五个数据中心共 80 MW 获得新的并网协议；目前正处理跨十余个市场、超过 2 GW 的 AI 算力容量。

与 Emerald AI 的关系是"前一道工序"：GridCARE 决定你在哪里可以得到多少电，Emerald AI 决定你在拿到之后能让出多少。二者理论上可以叠加，但 GridCARE 的商业模式更偏咨询+软件SaaS，订阅确定性更强、单位经济性也更传统。

8.2 Voltus 与 BYOC：超大规模厂商的另一条路径

值得中国读者特别注意的是Bring Your Own Capacity（BYOC，自备容量）这种模式。2026 年 6 月，Google 与 Voltus 签署三年协议，在 PJM 区域内聚合高达 100 MW 的认证分布式容量供 Google 数据中心使用。这是超大规模厂商第一次采用 BYOC。此前 Google 通过自己的独立公用事业协议已在全美解锁约 1 GW的需求响应容量；Enel X 也早在 2024 年 9 月与 Google 签署过聚合 1 GW 数据中心柔性负载的协议。

这条路径对 Emerald AI 的威胁在于：超大规模厂商不一定需要通过"让自己的 GPU 降功率"来证明自己是好邻居，它们也可以通过"在围墙外买别人的灵活性"来达到同样目的。Google 显然两条路都在走——既签 Voltus 的 BYOC，也自己开发负荷灵活性能力。

Voltus 首席执行官 Dana Guernsey 有一句值得记住的话："负荷灵活性是部署速度最快的容量形式。"这句话既是整个赛道的核心信条，也是所有参与者的共同广告语。

8.3 真正的胜负手：谁能定义"可验证性"

把这四条路线放在一起看，会发现竞争的关键不在算法，而在谁能被公用事业和监管机构承认为"可信资源"。

Emerald AI 在这件事上做了三件别人没做的事：

1. 发 Nature Energy 论文——用同行评议确立科学可信度；

2. 做五场景库穷举——冻雨、热穹、三天连击、24 小时应急、真实市场价格信号，每一项都对应公用事业并网审查中的一个问题；

3. 把 SVP 拉进来签框架协议——让一个受监管的公用事业公司成为其方案的共同背书方。

这是我认为 Emerald AI 相对同赛道玩家最宽的护城河：它不是在卖软件，而是在为一套尚未成形的行业标准提供证据底稿。谁先成为"标准参照的基础"，谁就能在后续每一份并网协议里被默认引用。

九、中国映射：算电协同的政策窗口与三个致命差异

这一章是写给中国读者看的。核心问题不是"中国会不会出一个 Emerald AI"，而是"美国的制度创新里，哪一part 能被移植，哪一部分不能"。

9.1 先说结论：商业模式不能照搬，因为两边卖的东西不一样

Emerald AI 的收入逻辑建立在"提前并网的巨大时间价值"之上。这个前提在中国基本不成立。

中国的电力体制里，工业园区和数据中心的接入不是稀缺到要拿"可中断承诺"去换。中国电网的投资能力强、扩 container 容速度快，一个省级园区变电站从动议到投产通常在 2—3 年内完成。中国缺的不是并网权，中国缺的是便宜的电、稳定的绿电和可用的能耗指标。

因此，如果有人在中国照抄 Emerald AI 的商业模式，会立刻撞上这三堵墙：

9.2 一个必须记住的反直觉数据：中国算力负荷极其平

浙江的数据非常有说服力：2026 年一季度浙江算力中心用电量达 15.29 亿千瓦时，同比增长 26.43%；3 月最大负荷 111.06 万千瓦，平均负荷 100.83 万千瓦，日最小与最大负荷平均比值达 92.72%，节假日日均负荷率 98.06%。

这组数字说明什么？说明中国的智算中心负荷曲线高度平直。日最小/最大负荷比 92.72%，意味着一天之内负荷波动不足 8%；节假日负荷率仍有 98%，意味着它几乎没有周末效应。

这直接否定了一种常见的乐观判断——"数据中心天然有储能和柔性"。数据中心自发 ≠ 数据中心有柔性。中国的智算中心，其"自然"负荷形态恰恰是最不友好的一种：高负荷率、低波动、全天候。它的调节能力只能来自主动管理，不能指望自然波动。

这也解释了为什么中国算电协同的技术路线，从一开始就高度集中在"任务侧的时间平移"和"跨区域迁移"两条路上，而不是像美国那样强调"功率封顶百分比"。

9.3 中国的政策窗口已经打开

2026 年上半年，中国在这件事上密集出台了文件，形成了一个相对完整的政策三角：

第一层：四部委《关于促进人工智能与能源双向赋能的行动方案》（国家发改委、国家能源局、工业和信息化部、国家数据局联合印发）

关键条款：

·推动建立算力与电力互动机制，以电力市场价格信号引导算力设施优化能量管理和跨网跨区等多形式算力调度；

·鼓励算力设施作为负荷侧灵活可调节资源参与电网运行；

·支持算力设施以多种形式参与电能量、辅助服务、需求响应等市场交易；

·依据算力任务类型对算力设施实施分类管理，鼓励具备灵活调节能力的算力设施开展绿电直连；

·鼓励算力设施配置构网型储能，增强供电稳定性和对电力系统的主动支撑能力；

·到 2027 年，清洁能源与算力设施互动能力显著提升。

第二层：《新型能源体系建设"十五五"规划》

·到 2030 年，电力需求响应能力力争达到最大负荷的 5% 以上；

·虚拟电厂调节能力达到5,000 万千瓦以上；

·推动算力中心等新兴产业建设绿电直连项目。

第三层：2026 年政府工作报告提出"实施超大规模智算集群、算电协同等新基建工程"；"十五五"规划纲要提出"推动绿色电力与算力协同布局"。

这三份文件加起来的含义是：中国已经把"算力负荷作为一种可调节资源"写进了国家级政策文本，并且明确了"分类管理"这个与 Emerald AI 的 Flex 0—3 高度同构的方法论。差别在于，美国的 Flex 分级写在商业合同里，中国的"按任务类型分类管理"写在产业政策里——后者更慢，但覆盖面更大。

9.4 中国最接近的对标：中科类脑的"度电智能"

如果要在中国找一个最像 Emerald AI 的实践，不是某家做虚拟电厂的公司，而是中科类脑（及其创始人刘海峰提出的"度电智能"理念）。

已披露的验证成果（2026 年长三角枢纽芜湖集群算电协同技术研讨会）：

中科类脑 vs Emerald AI 对比：

一句话概括差别：中国这条路线的调度对象是"任务在哪里跑"，美国那套是"单任务用多少瓦跑"。两者的差别，本质上是两国电力系统的差别：美国缺容量，所以要马上降瓦；中国缺便宜电，所以要把任务搬到便宜电的地方去。

9.5 其他中国实践速览

9.6 对中国储能从业者的实际启示

写到这里，必须回答一个直击要害的问题：算电协同对储能是替代还是增量？

某些观点在讲"以算代储"——用算力柔性调度替代传统储能。这个说法在电网侧的部分应用场景（如纯粹的削峰需求）是有道理的，但在数据中心内部，结论恰恰相反：算电协同会显著增加储能的价值，只是会改变储能的形态。

理由有三：

第一，AI 负载的功率脉动需要物理缓冲。

AI 训练的功率不是平直的：所有 GPU 同步做 all-reduce 时会出现毫秒到秒级的功率尖峰。NERC 与 ERCOT 已经在讨论限制 5 秒窗口内功率变化不超过 10 MW——这条规则一旦确立，每一座大型算力设施都需要一个能吸收功率脉动的物理层，而电池是最快的那一个。这不是替代关系，是耦合关系。

第二，政策文本明确点名了"构网型储能"。

《关于促进人工智能与能源双向赋能的行动方案》原文写的是"鼓励算力设施配置构网型储能，增强供电稳定性和对电力系统的主动支撑能力"。请注意"构网型"三个字——它要求的不只是备电时长，而是电压/频率支撑、故障穿越、主动调节。这把数据中心的备电储能（UPS/柴发体系）直接推到了一个新的技术要求上：从"能撑 15 分钟"变成"能参与系统调节"。这是一个全新的、有明确政策指向的产品级机会。

第三，过度预留的电力配额，是储能与调度共同瓜分的蛋糕。

NVIDIA 明确指出当前 AI 工厂普遍过度预留高达 40% 的电力配置，而 MaxLPS 这类动态功率分配技术可在同等功率预算内部署更多 GPU（实测 16 节点 → 19 节点，Token 吞吐 +24%，每瓦性能 +23%）。在中国，这个红利对应的是一个更硬的约束：项目节能降碳审查。《行动方案》已明确把"电能利用效率、绿电消费比例、余热资源回收利用"作为项目节能审查的重要内容。

这意味着在中国，提高"每度电的有效 Token 产出"不只是经济问题，更是准入问题——在同等能耗额度下，谁能管好功率，谁就能多放 GPU。储能在这里的角色是双向的：向上吸收尖峰、抬升功率上限利用率；向下在低价时段充电、为高负载时段兜底。这是增量，不是替代。

9.7 如果要在国内做这件事，我的建议是三个动作

十、风险清单：五个"不要"

10.1 不要把"释放 100 GW"当成公司业绩

"100 GW"来自杜克大学研究的推算（0.25%—1% 的负荷削减对应 76—126 GW），被公司引用为潜在上限。它既不是 Emerald AI 已签约的容量，也不是它在管容量。公司目前只有 2 份商业合同。把潜在空间误读为在手业务，是阅读这类公司材料最常见的错误。

10.2 不要忽视 NVIDIA 的平台内部化风险

NVIDIA 同时是股东、技术伙伴、渠道与潜在竞争者。DSX OS 一旦把电力灵活性完全内置，Emerald AI 的定价权会被挤压。关键验证指标：未来两年内，Emerald AI 是否有来自 NVIDIA 参考设计之外、以及非 NVIDIA 加速卡生态的收入。如果没有，10.5 亿美元估值难以维持。

10.3 不要假设"25% 降功率"在所有业务结构下都成立

凤凰城实验用的是 256 卡集群上的训练、微调与批量推理混合负载。以实时推理为主的站点，可调空间要小得多。Emerald AI 自己也在 Flex 0—3 分级中承认了这一点。同理，NVIDIA 公布的"同一兆瓦最多增加 40% GPU 容量"来自特定平台、特定功率规划与特定部署环境，不能简单推广到任何数据中心。

10.4 不要低估 Manassas 96 MW 项目的验证意义——包括它已经推迟了一次

这是从"多兆瓦示范"跳到"近百兆瓦商业运行"的唯一公开节点。公开信息显示，投运时间已从 2026 年上半年推迟到 2026 年下半年。推迟不等于失败，但它是规模带来摩擦的第一个证据。在这个项目产出完整商业运行数据之前，任何关于"已实现规模化"的论断都缺乏依据。

10.5 不要直接把美国模式搬到中国

这是给中国读者的特别提醒。美国模式的经济基础是" PJM 容量价格涨到 329 美元/兆瓦·日 + 并网排队 8 年"，中国没有这两个前提。中国的前提是"峰谷价差 + 现货波动 + 能耗指标 + 需求响应考核"。同样的技术，在不同的价格信号下，会长出完全不同的商业模式。

10.6 补充：一个尚未被市场定价的风险

NERC 的 CLE 新注册类别与 Project 2026-02 标准，意味着算力负荷将被强制纳入可靠性监管（建模要求、保护与控制、Level 3 警报）。这对 Emerald AI 短期是利好（创造合规需求），但长期看，它意味着监管机构会定义什么是"合格的算力负荷响应"，而定义权一旦被标准组织拿走，技术供应商的差异化空间会被大幅压缩。Emerald AI 目前在五个示范、一篇 Nature 论文、一个 SVP 框架协议上的先发位置，某种程度上就是在抢这个定义的时间窗口。

十一、结论

第一，Emerald AI 是一家"位置比技术更值钱"的公司。

把 GPU 调度指令翻译成电网调度指令，这件事本身不难难到无法复制；难的是它同时在三个地方站住了位：学术（Nature Energy）、产业（NVIDIA DSX 集成 + 12 家世界 500 强股东）、制度（SVP 并网计划 + ERCOT PCLR）。这三者叠加，构成了一个短期内很难被复制的位置。它两年做到独角兽，靠的不是产品成熟度，而是位置稀缺性。

第二，它的估值是一场关于"制度能否成型"的押注，而不是关于现金流的定价。

今天 2 份合同、累计 2.2 亿美元融资、10.5 亿美元估值。只有在"到 2028 年管理容量达到 10 GW 以上"的基准情景下，估值才显得合理。这是一笔"要么成为标准、要么归零"的头寸。观察它是否走在正确轨道上，只需要看三个指标：管理 MW 数、非 NVIDIA 生态客户占比、单站点 ARR。

第三，它真正的产品不是软件，是"可验证承诺"这种新型电力商品的规格书。

Flex 0—3 分级、4.52% 预测误差、212 个任务的 SLA 达成率——这些数字的意义不在于技术炫技，而在于它们让公用事业公司第一次能够在并网审查表上填写"这座数据中心承诺可让出 X MW、持续 Y 小时、置信度 Z"。谁定义了这个商品的规格，谁就定义了未来十年数据中心与电网的交易方式。

给不同读者的行动建议

如果你是投资人：

不要按 SaaS 估值框架看它，也不要按需求响应公司看它。它是一个"制度期权"。真正该跟踪的不是它的 ARR 曲线，而是：ERCOT PCLR 首批 Form W Part B 的选择结果、SVP 分阶段投运规则是否正式修改、NERC CLE 标准的最终文本——这三件事决定它的期权是否行权。

如果你是数据中心业主或运营商：

现在就开始做一件事：给自己的负载做 Flex 分级。不管你用不用 Emerald AI，未来每一份并网协议、每一份售电合同，都会问你"哪些业务能让、能让多久、能保证什么"。今天答不上来，明天就会在并网审查和电价谈判里被动。

如果你是中国的储能或综合能源从业者：

不要模仿 Emerald AI 的商业模式，要理解它的技术内核。中国的机会不在"卖软件分成"，而在三处：

1. 构网型储能——政策已明文写入《行动方案》，这是数据中心备电储能的升级方向；

2. 功率脉动吸收——AI 负载的毫秒级尖峰正在变成监管指标（5 秒/10 MW 口径），这是储能相比柴发的天然优势区；

3. 单位能耗 Token 产出——在节能审查与能耗指标硬约束下，"用同样的电多产出多少 Token"会成为智算中心的选型语言。

最后一句：Emerald AI 教会我们的最重要一课，不是它的算法，而是它的顺序——先让学术研究证明"这事儿可行"，再让受监管的公用事业把它写进并网规则，最后才是卖软件。中国的算电协同目前停在第二步的门口。谁帮电网把这一步走完，谁就拿到了中国版的入场券。