中科类脑完成数亿元B+轮融资：算电协同能否成为AI基建新突破口？

“度电智能”是一把新尺子，但尺子本身还没有刻度

据公司新闻稿，中科类脑在融资材料中提出“度电智能”概念，即单位能源成本能换回多少有效智能。公司声称，其算电一体化平台在同等硬件配置下可实现Token产能提升2至3倍，综合用电成本下降20%。上述数据来自公司口径，未经独立验证，目前没有独立第三方机构对其测算口径、测试环境和适用边界进行核验。

“度电智能”的提出，本质上是对行业评价体系的一次挑战。过去智算中心的竞争围绕规模展开——多少P算力、多少张卡、多少机架。这种规模尺子掩盖了一个事实：大量算力基础设施的利用率远低于名义产能。中科类脑试图把衡量标准从“建了多少”扭转到“用出了多少”。但“度电智能”目前仍是企业内部技术指标，从企业指标到行业公共标准之间，隔着海量跨场景实测数据的鸿沟。据公司新闻稿，公司计划通过牵头《智算中心算电协同技术导则》国家标准编制，将“度电智能”上升为行业参考。需要明确的是，这一计划尚未实现，属于公司战略，而非已经落地的行业标准。

以下为编辑分析，非公司或投资方观点。基于上述已披露事实，如果“度电智能”最终由中科类脑牵头定义，那么它在标准制定过程中能否保持中立性，将直接影响行业接受度。前提一，华为、运营商系云厂商和头部智算中心运营商各自都有算力利用率和能效数据；前提二，它们对“有效智能”的度量方式可能与中科类脑存在系统性差异；结论是，标准制定涉及数据口径、测试基准和商业利益的协调，中科类脑选择用国家标准编制作为中期抓手，意味着它必须在一个多方参与的规则场域中证明自己的技术话语权，而这个过程可能比技术研发本身更消耗时间和资源。该结论的边界是：公开材料未披露标准编制工作的参与方范围和利益协调机制。

两套调度逻辑的冲突，比技术本身更难解

算电协同听起来是一个工程问题，但据公司新闻稿，刘海峰点出的核心矛盾是体系性的：电力系统以稳定安全为第一优先级，调度周期以分钟甚至小时计；算力系统以任务效率和资源利用率为核心，调度节奏在秒级甚至毫秒级。要让两者协同，不是写一个接口对接就能解决的事。据公司新闻稿，刘海峰认为需要闯过三关：精准预测新能源出力和电价走势、算力任务的弹性编排与跨区域迁移、决策层在多重目标间实时求解最优策略。上述观点来自刘海峰在公开材料中的表述，属于公司口径，未经独立验证。

中科类脑的技术路线是与高校团队深度绑定。在能源侧，公司与中科大李厚强教授团队合作，利用强化学习根据电价、新能源供给和负荷变化动态调度算力任务；在Token优化侧，与中科大李诚教授团队合作，通过KVCache管理、PD分离调度优化等策略优化推理。这种“企业+高校实验室”的研发组织方式在AI基础设施领域并不罕见，但它的可持续性取决于一个关键问题：当技术从实验室进入真实电网环境，面对的是电力系统数十年沉淀下来的安全规程、调度习惯和利益格局。据公司新闻稿，其电力侧已为安徽、上海、江苏、江西等十余个省市的电力设施提供智能运维服务。这构成了它区别于纯算力公司的场景壁垒。但反过来看，电力侧的深度绑定也意味着扩张速度受制于电力行业的审批节奏和建设周期——这是一个慢变量，而AI基础设施的竞争窗口在加速收窄。

从产品演进看，中科类脑2024年推出算电协同一体化管理平台，2026年7月升级发布算电一体化平台。这个时间线显示，公司从“协同管理”到“一体化平台”的升级只用了不到两年。但产品名称的升级并不等同于底层能力的跃迁。以下为编辑分析，非公司或投资方观点。算电协同一体化管理平台可能更多解决的是“看见”问题——让算力和电力数据在同一界面呈现；而算电一体化平台要解决的是“决策”问题——在秒级时间尺度上自动完成跨系统调度。前提是，公司披露了两个平台的产品名称和发布时间，但未披露升级后的平台在真实电网环境中的运行数据；结论是，外界无法判断其“一体化”程度究竟达到了什么水平，这两者之间的技术鸿沟比产品版本号的变化要深得多。该结论的边界是：公开材料未提供平台功能对比或实测数据。

中车入局：绿电资产需要一个算力出口

据投资方声明，中车资本投资人表示：“本次战略投资旨在依托自身新能源产业优势，与中科类脑在算力优化方面的能力深度协同，共同破解绿电与算力匹配难题。”该引语来自投资方披露，未经独立验证。中国中车在风电装备、储能系统和新能源电站领域有资产布局，这些绿电资产需要找到高附加值的消纳场景。算力负载，尤其是推理负载，正在成为绿电消纳的重要方向。但绿电的波动性与算力任务的连续性之间存在天然矛盾，这正是中科类脑试图用“算电协同调度大脑”解决的问题。

以下为编辑分析，非公司或投资方观点。中车资本此次投资带有产业协同诉求，而非单纯的财务投资。前提一，中车资本在公开材料中明确表示要依托自身新能源产业优势与中科类脑深度协同；前提二，中国中车在风电装备、储能系统和新能源电站领域有资产布局。结论是，中车资本的核心诉求可能是为绿电资产找到高价值消纳场景，降低新能源弃电率。该结论的边界是：公开材料未披露双方已签署的具体合作协议、关联交易或联合开发项目，因此产业协同的实际落地程度尚无法判断。

从资本结构看，中科类脑的股东名单正在形成一种“算力侧+电力侧”的双央企格局。中国移动旗下基金在2025年独家投资，带来的是算力网络入口和运营商渠道资源；中车资本本轮领投，带来的是新能源产业场景和绿电资产协同。这种结构在AI基础设施赛道中并不常见。大多数智算中心创业公司要么绑定芯片厂商，要么绑定云厂商，中科类脑选择了一条更重的路——同时向电力和算力两侧扎根。据投资方声明，水木基金称中科类脑“在技术架构与产业模式上的创新精准切中行业刚需”；该表述来自投资方披露，未经独立验证。但投资方的背书不能替代一个基本事实：双央企股东结构能否转化为真正的商业协同，取决于中科类脑能否在两家巨头的战略优先级中找到持续的位置，而不是沦为某一方战略棋盘上的棋子。

以下为编辑分析，非公司或投资方观点。基于上述已披露事实，中国移动的核心诉求可能是把中科类脑的算电协同能力嵌入其算力网络体系，服务于运营商自身的智算中心布局；中车资本的核心诉求可能是为绿电资产找到高价值消纳场景，降低新能源弃电率。前提是，这两个诉求在方向上一致；结论是，它们在优先级上未必重合，当中科类脑需要在算力网络扩张和绿电消纳优化之间分配研发资源和交付能力时，它可能面临来自两侧股东的不同期待。该结论的边界是：公司未披露两家央企基金在董事会层面的具体安排，因此外界无法判断这种治理结构对中科类脑战略自主性的实际影响。

Token工厂的规模化命题：从项目制到标准范式

本轮融资的三大投向中，第三条是“加速生态体系与产业服务能力建设，完善从规划、建设到运营的项目落地机制，形成可复制、可推广的Token工厂标准范式”。这句话翻译过来是：中科类脑目前的业务形态仍然高度依赖项目制交付，而它需要把项目经验沉淀为可以复制的产品化能力。

这是所有从垂直场景切入基础设施赛道的公司都要面对的跃迁。据公司新闻稿，中科类脑在电力智能运维领域积累了200多类算法和十余个省市的落地案例。这些案例证明了它在特定场景中的工程能力。但Token工厂的规模化意味着，它需要把“电力场景+算力调度”的耦合能力抽象成一套可以被其他行业、其他区域复用的系统。问题在于，电力场景的特殊性——安全规程、调度逻辑、数据可得性——在多大程度上可以迁移到制造业、科研、金融等其他算力密集型行业？据公司新闻稿，其产品覆盖“发、输、变、配、用”全环节。但这些环节都属于电力系统内部。跨行业的Token工厂标准范式，目前在公司披露的信息中找不到对应的验证案例。

公司新闻稿中提到的“1＋3+N”整体产品解决方案，在公开材料中没有展开说明其具体构成。公开材料未披露“1＋3+N”的具体内涵和落地案例，因此无法判断“N”所代表的行业扩展能力是否已经具备实际验证。如果“N”所代表的行业扩展能力目前仍停留在规划层面，那么Token工厂标准范式的可复制性就仍然是一个待验证的命题。

以下为编辑分析，非公司或投资方观点。从项目制到标准范式的跃迁，还涉及一个更微妙的组织能力问题。项目制交付依赖的是对特定客户需求的深度理解和定制化响应，而标准范式要求的是对共性需求的抽象和产品化封装。这两种能力在同一个团队内部往往存在张力：擅长项目交付的人倾向于满足客户个性化需求，而擅长产品化的人倾向于拒绝过度定制。中科类脑在电力行业积累的200多类算法，如果不能在架构层面收敛为可配置的模块化体系，那么每进入一个新场景都可能重新回到项目制逻辑。公司未披露其在产品化架构方面的具体进展，这使得“可复制、可推广”的表述在现阶段更像是一个方向性承诺，而非已经验证的能力。该结论的边界是：公开材料未提供产品化架构或跨行业复用的具体案例。

竞争窗口在收窄，而中科类脑的护城河尚未成型

据公司新闻稿，刘海峰认为AI基础设施赛道的领先窗口越来越短，能力优势撑不过一年，底层引擎架构优势可能三个月就被追平，企业必须赶在窗口关闭前把技术领先换成数据、客户和供应链位置。这一判断来自刘海峰在公开材料中的表述，属于公司口径，未经独立验证。这段话罕见地坦率，它同时揭示了中科类脑的核心焦虑：技术领先的保质期太短，而它需要兑换的资产——数据、客户、供应链位置——恰恰是华为、运营商系云厂商和头部智算中心运营商拥有天然优势的领域。

华为在算力硬件、集群调度和能源管理上都有布局，运营商系云厂商掌握着网络入口和政企客户关系，头部智算中心运营商则在规模化和标准化运营上积累了先发优势。中科类脑的差异化在于“电力侧真实场景验证过的工程能力”——据公司新闻稿，刘海峰称公司“并非从算力或电力单侧切入，而是两边都积累了经过真实场景验证的工程能力”，该表述来自刘海峰在公开材料中的说法，属于公司口径，未经独立验证。这个定位在逻辑上成立，但在商业上需要回答一个更尖锐的问题：当华为或运营商决定把算电协同作为标配能力嵌入其现有产品体系时，中科类脑的独立价值还剩多少？公司自称是“类脑智能领域唯一的产业化单位”，这一表述来自公司口径，目前没有第三方机构对“类脑智能产业化单位”的界定范围和统计口径进行独立确认。

“类脑智能”这个标签本身也值得审视。中科类脑的公司名称和产品线都带有“类脑”前缀，但公开材料中对其类脑技术路线的具体描述非常有限。类脑计算在学术上通常指借鉴人脑神经元和突触结构设计的计算架构，与当前主流的深度学习加速器在技术路线上存在显著差异。中科类脑的核心产品——类脑异构计算系统——究竟是在传统异构算力调度上借用了“类脑”概念，还是真正引入了脉冲神经网络、存算一体等类脑计算技术，公司未在融资材料中做出明确区分。以下为编辑分析，非公司或投资方观点。基于上述已披露事实，公开材料未披露类脑技术路线的具体细节；结论是，在缺乏技术细节的情况下，外界无法判断中科类脑的“类脑”差异化究竟有多深。这不是对公司的质疑，而是指出一个信息缺口。

资金用途背后的技术路线选择：推理优化优先于训练

本轮融资的第一大投向是“Token工厂的核心推理优化技术”，明确面向英伟达、国产化芯片及超节点，优化推理场景的异构算力统一纳管与调度。这个选择本身就是一个战略判断：中科类脑押注的是推理负载而非训练负载的长期增长。从行业趋势看，随着大模型从训练密集期进入应用密集期，推理算力需求占比正在上升。但推理优化的技术门槛与训练优化不同——推理场景碎片化程度更高，对延迟、成本和并发的要求更苛刻，而训练场景的优化更容易形成标准化方案。中科类脑选择推理优化，意味着它必须面对更分散的客户需求和更复杂的工程挑战，但同时也避开了与头部云厂商在训练集群上的正面竞争。

第二大投向“博弈决策智能”是更具野心的布局。据公司新闻稿，其将围绕算电协同调度大脑，引入多智能体博弈、强化学习与实时优化算法，实现“多重条件下自主寻优”。从已披露的信息看，这项技术的核心应用场景是电力市场交易和算力调度之间的动态博弈——当电价波动、新能源出力变化、算力任务优先级调整同时发生时，系统需要在秒级做出最优决策。这是一个理论上成立但工程上极难验证的方向。多智能体博弈在真实电力市场中的表现，取决于市场规则的稳定性、数据回路的完整性和决策模型的可解释性。公司未披露这项技术目前在任何真实电力市场中的运行数据或验证结果。

以下为编辑分析，非公司或投资方观点。推理优化和博弈决策智能这两条技术路线之间存在内在关联。推理优化的目标是在给定算力资源下最大化Token产出，而博弈决策智能的目标是在电价和算力需求的动态变化中最小化单位Token的能源成本。两者合在一起，构成了“度电智能”的技术实现路径：前者解决“每一度电能产出多少Token”的效率问题，后者解决“在什么时间、什么地点用哪一度电”的调度问题。但这两条路线各自的技术成熟度可能不同。推理优化有相对清晰的工程路径和可量化的性能指标，而博弈决策智能在真实市场环境中的验证难度要高得多。公司把两者并列为本轮融资的前两大投向，意味着它需要在两个不同成熟度的技术方向上同时推进，这对研发资源的分配和优先级管理提出了更高要求。该结论的边界是：公开材料未披露两项技术各自的研发进度、测试数据或资源分配比例。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：算电协同的真正难点从来不是技术对接，而是两套体系在时间尺度、安全优先级和利益格局上的深层错位。中科类脑用“度电智能”这把新尺子挑战了行业惯用的规模叙事，但尺子本身还需要被行业认领。双央企股东的进入为它赢得了继续下注的筹码，也把验证期限推到了更紧迫的位置——当华为和运营商把算电协同变成标配时，一家创业公司的独立价值必须在此之前被证明，而不是被假设。