中科类脑在世界制造大会上发布算电词元一体化平台，以“1+3”架构调度异构芯片、模型、任务与电力，声称跨上海、芜湖、乌鲁木齐三地调度测试中控制响应在200秒内、跨域迁移成功率100%、能耗预测精度98%。
AI解读：中科类脑把卖算力这件事往前推了一步，开始按“产出的Token”来做生意。它发布的算电词元一体化平台延续“1+3”架构：一个决策大脑统筹算力、Token、电力三个子系统，试图让同一批芯片、同一度电生成更多满足质量与稳定性要求的Token。
这套逻辑瞄准的是大模型推理规模化后的现实问题。芯片通电只是生产开始，计算、存储、网络、模型部署和任务调度任一环节卡住，昂贵算力就可能空转。中科类脑称其能力落在BitaHub彼塔云平台，统一纳管英伟达、昇腾等不同架构算力，并把企业私有算力池与公共资源池连接起来。
对企业用户来说，最直接的变化是算力采购可以更弹性。中科类脑举的例子是：一家企业日均需要约30张芯片、峰值100张，可以按日常负载自建，高峰缺口由平台补齐70张。这种模式是否真能降低成本，取决于平台调度是否稳定、跨域迁移是否影响任务时延，目前公开的是测试指标而非长期运营数据。
更具想象力的部分是电力协同。系统把电价、绿电出力和任务需求一起预测，对首Token时延敏感的实时任务留在原地，可排队、可断续的批处理任务转移到电价低谷时段异地运行。这类调度能省多少电费、适用于哪些负载，报道没有给出公开的规模化运营数字。
中科类脑成立9年，算力调度从2019年BitaHub上线开始，电力智能化则深耕七年多，两条线在2024年汇入算电协同。资本方面，中移基金2025年独家投资B轮，中车资本2026年领投数亿元B+轮。这些信息说明方向有人押注，但报道也指出仍需规模化收入和长期运营验证。
对普通读者来说，不需要立即行动。真正相关的是需要大规模推理、又对成本或电力价格敏感的企业：如果平台能把异构芯片、长上下文KV缓存迁移和电力调度统一管好，他们多了一个按Token付费、弹性补齐峰值的选项；如果跨域调度在实际业务中不稳定，这套模式仍要回到单点机房的效率和SLA上接受检验。
中科类脑正式推出算电词元一体化平台，面向AI基础设施（Token工厂）提供操作系统。该平台延续“1+3”核心架构，以博弈智能决策大脑为中枢，打通算力、Token、电力三大子系统，构建“电-算-Token”全链路闭环。
发布场合为刚刚结束的世界制造大会。中科类脑合伙人、副总经理常峰将其目标概括为：让同样的芯片、同样的电，产出更多、成本更低、质量更稳定的Token。
平台对外能力落在BitaHub彼塔云平台。据中科类脑介绍，截至目前平台已接入逾3000个算力节点，总规模超过5000P，累计服务超8万企业及科研用户。
“Token工厂”把交付对象从算力换成Token
中科类脑将自身体系称为“算电协同型Token工厂”，把异构芯片、模型、用户任务和电力放进同一套系统调度。公司称，传统IDC交付机柜、电力、网络和空间，云厂商提供算力实例与模型接口，中科类脑再向上走一层，即Token生产运营层，试图对Token的生产效率、成本和任务结果负责。
常峰用一笔价值账解释这套逻辑：一度工业用电采购价通常只有几毛钱，转化成算力后价值可能达到几十元，进一步形成Token后，部分模型每百万Token价格可以超过百元。报道强调，这里的关键并非简单涨价，而是算力作为生产设备、电力作为原料、用户提示词和任务进入Token生产线的转化过程。
在需求端，BitaHub以平均30张、峰值100张芯片为例：企业按日常负载自建，高峰缺口由平台补齐70张芯片，相当于获得一条可弹性扩缩的Token生产线。
中科类脑称，效能和场景化是两件核心的事。效能决定每颗芯片、每度电能生产多少Token；场景化决定这些Token能产生多大价值。公司称目前在AI4S及能源领域已形成可规模化的商业闭环。
“1+3”架构：先让异构算力协同，再叠加电力信号
中科类脑最核心的技术落在AI系统软件层，将算力资源、芯片、模型、电价和任务纳入同一套决策系统，基于电力条件对算力、模型和任务进行柔性调度。这套系统被概括为“1+3”架构：一个决策大脑连接算力、Token和电力三个子系统，先匹配算力、模型与任务，再把电力信号加入全局优化。
中科类脑CTO、研究院院长丁海松将系统工作节奏拆成三步：监控，实时监测Token需求、集群负载、新能源发电功率、电价以及每份算力的Token产出效率；预测，判断未来15分钟、1小时甚至更长时间内绿电出力、电价和任务需求的变化；决策，调整三个子系统的运行方式。所有决策以用户体验、结果质量和系统稳定性为边界。
调度的核心是从算力任务中找出“柔性负荷”。对首Token时延敏感的实时任务留在原地；可排队、可断续的批处理任务，可以转移到电价低谷时段异地运行。
异构芯片调度方面，常峰将其比作管理一群说着不同语言的员工。中科类脑为每种芯片配置了一个“包工头”式插件，调度层只负责分发任务，插件负责指挥同类芯片，并给每张芯片建立能力画像，记录它擅长什么任务、和谁组合效率更高。
推理流水线进一步拆解Prefill和Decode两个阶段，并通过KV Cache迁移连接。Prefill计算密集，交给计算能力更强的芯片；Decode更依赖显存和带宽，交给大显存、高吞吐芯片。报道称，这样高端芯片不必包办整条推理链，新旧芯片、国产芯片和海外芯片可以在同一座Token工厂中各司其职。
训练作业跨集群调度还要同步检查点、优化器状态和数据进度，并控制任务中断时间。
跨三地调度测试：控制响应200秒内，迁移成功率100%
中科类脑披露了一次跨上海、芜湖和乌鲁木齐的调度测试数据：整个跨三地调度的控制响应保持在200秒以内，跨域迁移成功率达到100%，能耗预测精度达到98%。
报道称，这次测试把异构适配、跨域迁移、长上下文KV跨节点协同、绿电预测和SLA约束放进同一条生产链联动，电力信号让任务按电网压力和绿电供给调整运行地点。中科类脑称这是全国首个跨三地算电协同智能调度测试，测试还额外带来了电力成本的下降。
常态化运营的实体载体也已落地。9月17日，皖疆人工智能科技产业园在乌鲁木齐正式开园，园区按“三中心一平台”布局规划建设，首个突破千P的融合算力中心已经建成投运。
壁垒之争：算侧和电侧能力可以追赶，系统级叠加才难复制
丁海松称，算力、电力单看，中科类脑可能都在第一梯队，但真正的壁垒不是单项能力，而是叠加之后的系统级能力。他表示，异构调度和推理优化等算侧能力可以追赶，绿电出力预测等电侧能力竞争对手可以补上；真正困难的部分，是把两套技术语言、两批工程经验和两类运行数据装进同一个系统，并让它在真实业务中长期稳定运行。
在Token价格持续下降的背景下，中科类脑以“度电智能（有效Token/kWh）”作为统一优化目标，解法分三层：算力与Token优化，通过异构调度与推理加速提升每度电产出的有效Token数量；算电协同增益，在此基础上叠加电力协同压低单位Token成本；把通用Token组织成场景结果，按价值计价。
报道援引国家数据局数据：我国日均Token调用量从2024年初的1000亿增至2026年3月的140万亿，两年增长超过千倍；部分主流模型API累计降价超过90%。
公司积累方面，算力调度始于2019年BitaHub上线，持续做异构算力纳管与调度；公司成立9年，在电力智能化领域深耕七年多，变电站智能巡检覆盖十余省市、上百座站点，沉淀出新能源预测、储能和微网控制能力。2024年，两条技术线汇入算电协同。
场景价值端，常峰判断Token会因模型能力和任务价值不同拉开价格差距。科研场景中，科研智能体可以串起读论文、实验设计、验证和论文生成；能源场景中，公司深耕多年的央国企市场存在业务门槛，行业数据和业务理解本身就把大部分竞争者挡在门外。
资本方面，中移基金2025年独家投资B轮，中车资本2026年领投数亿元B+轮，银杏谷、水木、启迪等跟投。报道指出，这些信号仍需规模化收入和长期运营验证。