在人工智能技术加速渗透生产生活的当下，如何平衡算力需求与能源成本成为行业焦点。中科类脑董事长刘海峰近日在安徽举办的AI及量子科技沙龙上提出"度电智能"概念，主张通过能源、计算、模型与调度的协同优化，构建新一代AI基础设施范式。
据摩根大通预测，2025至2030年中国AI模型训练所需的Token消耗量将以年均330%的速度增长，2026年3月国内日均Token调用量已突破140万亿次。这种指数级增长背后，算力基础设施的供需矛盾日益突出：头部企业算力集群利用率超80%，而地方中小型智算中心闲置率普遍高于40%，且存在芯片架构异构化导致的协同难题。
"当前每度电产生的有效智能价值缺乏量化标准。"刘海峰指出，电力成本已占AI运算总成本的60%以上，成为制约行业发展的关键因素。中科类脑提出的"度电智能"体系，通过建立能源-算力-模型-价值的转化链路，将智能产出效率拆解为四大维度：能源转化效率、计算密度、模型效能比和调度优化率。
该体系的核心在于突破传统算力调度模式。中科类脑研发的异构算力管理平台，可实现跨厂商芯片的统一调度，使闲置算力利用率提升至75%以上。在电力协同方面，通过动态调节算法将算力负载与电网负荷曲线匹配，使单位算力能耗降低30%。配合自主研发的类脑推理芯片，模型推理效率较传统GPU提升5-8倍。
技术突破已转化为实际成果。在能源领域，中科类脑为某省级电网部署的智能运维系统，通过分析海量设备数据，将故障预测准确率提升至92%，每年减少停电损失超2亿元。在科研领域，其构建的跨模态大模型已服务30余所高校，支持材料科学、气象预测等领域的智能研究。
作为国家级专精特新企业，中科类脑自2017年成立以来已形成完整技术栈：拥有自主知识产权的类脑计算框架、覆盖能源全场景的AI解决方案库，以及支持异构芯片的算力调度中间件。目前其技术方案已在电力、制造、教育等领域落地超千个项目，形成从底层芯片到行业应用的完整生态。
面对智能体时代对基础设施的挑战，刘海峰强调："真正的AI革命不在于模型参数规模，而在于如何用最少的能源产生最大的智能价值。"这种效能优先的理念，正推动行业从算力竞赛转向智能效率的深度优化。
