09-AIDC-Cube 完整演示：把数据中心拆进家里，七步走完整个 Demo，以及我们做了什么

这一篇是整个系列的汇总：先讲项目是什么、Demo 怎么从头看到尾，再讲我们做了哪些东西、怎么校验的。只看这一篇就能走完完整演示；每一步想看细节，后面三篇是展开：设备与钠电见第 06 篇，算账见第 07 篇，芬兰的数据与同行见第 08 篇。

Demo：https://finland-aidc-demo.vercel.app

一、一句话：项目是什么

把集中式数据中心拆成放进家庭和社区的微型算能节点——AIDC-Cube。 一台 Cube 是一个机柜大小的单元：里面有 15 千瓦时钠离子电池包、双向逆变器、两张 NVIDIA L40S 显卡的服务器，以及液冷和热交换。算力产生的热去烧家里的热水，电池在芬兰的冷天里还能用，电价低时充电、高时放电，空闲算力卖给推理和批处理任务。

场景选在芬兰：夏天光伏过剩甚至出现负电价，冬天又冷又贵，而算力机柜既吃电又产热，两头正好对上。

二、Demo 完整演示：七步

右上角导航按用户接入的顺序排列：地球 → 芬兰 → 城市 → 街道 → 节点接入 → 算账 → 效益。分成两组：前四步讲电网协同，后三步讲算力变现。

第 1 步　地球

从全球视角进入，建立背景：集中式数据中心的并网和散热压力在全球都存在，我们选芬兰作为落点。

第 2 步　芬兰

放大到芬兰全国：赫尔辛基、坦佩雷、图尔库、奥卢、罗瓦涅米、库奥皮奥、于韦斯屈莱、拉赫蒂、瓦萨、约恩苏、拉彭兰塔、凯米，12 个城市是 12 个节点，从南海岸一直排到北极圈，气候差异很大。点任一节点，右侧面板显示该城市的气温、极寒期最低温和仿真结果。这一步让评委先建立"全国一张网"的印象，再往下钻。

第 3 步　城市

进入城市后，原有的六幕用子按钮按顺序切换，每一幕回答一个问题：

幕 1　芬兰全国。 12 个城市的总览，可以点任何城市看数据。

幕 2　极寒与电价（奥卢）。 展开"芬兰电价与运行背景"：2024 年 1 月 1 日到 9 日的现货电价和全国风电曲线叠在一起。要看的是两头的矛盾：2024 年全年有 725 个负电价小时，最高价到过 1,896 欧/兆瓦时，年均只有 45.6。结论：芬兰电价的波动是真实存在的，这就是节点可以套利、可以消纳的空间。

幕 3　AI 调度（赫尔辛基）。 按小时回放 2024 年 1 月寒潮窗口，三条曲线：不调度、手写规则、强化学习。同一个窗口里：基线净成本 4,206.51 欧，手写规则 4,072.36，强化学习 4,068.22，任务按时完成率都是 100%。结论：调度确实省钱；强化学习只比手写规则多省 4 欧左右，差距主要来自限时任务的接力和共享供热。

幕 4　打包交易（坦佩雷）。 把分散的算力任务打包成产品，在撮合市场里成交，页面累计显示当前成交笔数。看点是同一个调度策略，有撮合和没撮合，社会成本差多少：12 城平均降低 8.9%，最低的坦佩雷 7.5%，最高的凯米 10.4%。

幕 5　秒级与分钟级。 前面都是小时级，这一幕放大到秒，回答"设备能不能跟上电网的快速变化"。切换"削减 / 吸收"两个方向，曲线显示各设备在 300 秒内的响应：

设备	达到 90% 响应	功率容量	前 60 秒能量占理想值
钠电池逆变器放电	2 秒	50 kW	98.7%
AI 训练（功率上限）	6 秒	10.5 kW	94.9%
电锅炉（吸收）	7 秒	40 kW	92.5%
AI 训练（存档暂停）	23 秒	10.5 kW	64.9%
热泵压缩机（削减）	59 秒	16.8 kW	42.0%
热泵压缩机（已运行，吸收）	91 秒	11.2 kW	23.1%
热泵压缩机（停机中启动）	234 秒	28 kW	0%

结论：电池和 GPU 是秒级的，热泵是分钟级的。同样的负荷，一户里能被调度的 GPU 功率约 1.05 千瓦，而传统可调家电（冰箱压缩机、可延后的洗衣）只有约 0.3 千瓦、响应以分钟计。算力是比传统家电快得多的柔性负荷，这是 AI 算力能做电网阻尼器的原因。

幕 6　全国汇总。 12 城市 2024 年的汇总，四个数字：

指标	12 城平均	范围
居民采暖电费（相对没有算力的常规采暖）	−21.2%	−23.9%（图尔库）到 −19.2%（约恩苏）
年度运行成本差（AI 调度相对"到了就算"的基线）	约 2,454 欧	2,095（奥卢）到 2,755（坦佩雷）
打包交易的社会成本降幅	8.9%	7.5% 到 10.4%
48 小时断网基础负荷保障	39%（不调度 34%）	34% 到 42%

采暖电费下降是因为算力余热进入热水箱，替掉了一部分热泵用电。48 小时断网保障只有 39%，这是缺口，不是亮点，Demo 里原样保留。

第 4 步　街道

赫尔辛基 Puu-Käpylä 的真实街区（实景三维加木屋，街上每栋房子是一个节点）。默认播放一段一小时的钠电实验，每 10 秒记一次：第 300 秒 AI 任务突发，第 800 秒热泵启动加热，第 1300 秒光伏下降 80%，第 2100 秒按期限补任务，第 2150 秒余量恢复充电，第 3300 秒补任务截止。顶部的阶段横幅逐段解释当前发生了什么，每栋房子的标签里直接显示电量（SOC）。

可以切换五种工况，比较"无储能 / 钠电缓冲 / 协同调度"三种配置下的主进线峰值（千瓦）：

工况	无储能	钠电缓冲	协同调度
正常运行	130.0	87.7（−32.5%）	57.7
连续尖峰	140.9	125.8（−10.8%）	67.6
极寒降额	128.1	90.3	57.5
低电量	130.0	130.0	66.5
功率饱和	367.9	307.3	277.5

正常运行时，超过削峰目标的时间从 1,103 秒（无储能）降到 599 秒（钠电缓冲）、0 秒（协同调度）。这一步的结论有两层：钠电缓冲能把主进线峰值压低约三成；但电池不是万能的，低电量时完全没有作用，功率饱和时压不住，协同调度的价值是把任务错峰，而不只是放电。

第 5 步　节点接入

点街上的家庭 01，进入地下设备间，里面是 AIDC-Cube（0.60 × 0.65 × 1.15 米，1.5 千瓦规格，静音运行 35 分贝以下）。点它逐层拆开，一共 7 层：

整机 → 电池包 → 模块 → 电芯 → 钠电原理 → 能量闭环 → 经济效益

• 整机：电池包、双向逆变器、两张 NVIDIA L40S 的服务器、液冷与热交换，逐个部件展开。
• 电池包 / 模块 / 电芯：15 千瓦时钠离子电池包，由模块、电芯逐级拆开；电芯层有钠电对磷酸铁锂的对比卡。主要差别：−20°C 容量保持钠电 85%–90% 以上、磷酸铁锂 50%–60%；倍率钠电 3C–5C、磷酸铁锂 0.5C–1C；钠电可放电到 0 V 运输储存，磷酸铁锂过放会损坏；正负极都用铝箔，不用铜箔；代价是能量密度低（120–160 对 160–200 Wh/kg）、循环寿命短（3,000–6,000 对 6,000–12,000 次）。完整对比见第 06 篇。
• 钠电原理：钠离子在正负极之间往返的示意动画。
• 能量闭环：用流线显示电、热、算力怎么流动——电网或电池供电给服务器，服务器 90% 的电功率变成热，经液冷进入 300 升热水箱，热水箱再供家庭用水和采暖；电价低的时候电池充电，电价高的时候放电。

• 经济效益：用 216 小时（9 天）的寒潮窗口，逐小时模拟这台 Cube 的账。

这个逐小时模拟怎么算（电池 15 千瓦时，逆变器 3.6 千瓦，单向效率 0.95，电量窗口 10%–95%；热水箱 300 升，水温保持在 35–60°C）：

1. 每天按电价把 24 小时分档：最便宜的 30% 时段充电，最贵的 20% 时段放电；
2. 算力负载按业务排：白天 8 点到 23 点实时推理占 85%，夜间 35%；电价最低的时段再叠加 15% 批量任务；功率在待机 0.30 千瓦和满载 1.50 千瓦之间按负载线性变化；
3. 电池满足机柜用电并少量外送，充放电都扣 5% 损耗；
4. 机柜电功率的 90% 变成热，进入热水箱，替代采暖用电，热水箱满了就泄放。

结果：9 天净增 168.4 欧 = 算力收入 163.1 + 热水价值 33.7 − 电费 28.4。不装电池时电费是 55.5 欧，电池低买高卖省下约 27 欧，相当于电费的一半。页面上有累计盈亏曲线（每小时往上加）和每天的账（收入在上，电费在下）。

封面上的"AIDC-Cube 算力变现"按钮可以直接跳到这一步。

第 6 步　算账

一台 Cube 的完整账本，独立成页。页面从上到下是：配置器 → 四个关键数字 → 年度账本图和硬件成本卡 → 三笔收入与年度支出 → 三种接入方式 → 算力业务结构与 AWS 价格对比 → 买家的四个刚需。每一块背后的算法如下，评委看到页面上的数字可以直接对照。

① 硬件成本：22,400 欧，逐项按公开报价核（1 美元 ≈ 0.92 欧）：

部件	价格（欧）	依据
钠电池包 15 kWh	2,800	钠电电芯约 70–100 美元/kWh，含 BMS 和外壳整包约 200 美元/kWh
双向逆变器 3.6 kW	1,200	10 毫秒内切换的混合逆变器，欧洲零售 1,096–1,375 欧
两张 NVIDIA L40S	13,800	单张新卡约 7,500 美元（区间 6,000–8,500）
服务器主机	3,000	EPYC 16 核约 980、128 GB ECC 内存约 800、主板约 700、2 TB NVMe 约 300、电源约 250
液冷、热交换、热量表、网关与机柜	1,600	冷板、板式换热器、水泵、超声波热量表、路由与 5G、静音机柜

整机售价按成本加 20% 毛利，约 28,000 欧；商户订阅按售价同比例，约每月 430 欧。我们最初的估算是整机 5,900 欧、约 1.4 年回本，重新逐项核价后成本是原来的近四倍，回本变成 3.2 年。

② 收入侧：算力租赁怎么定价。三步，所有页面共用一个定价模型：

1. 三档价格：实时推理取 AWS 按需价（g6e.xlarge，1 张 L40S，斯德哥尔摩区约 1.97 美元，折合 1.82 欧/卡·小时）的一半，区间 0.82–1.00 欧；批量异步 0.58–0.72；兜底任务 0.38–0.48；
2. 业务组合：三档占计费小时的 30% / 40% / 30%，混合价 = 0.3 × 0.91 + 0.4 × 0.65 + 0.3 × 0.43 ≈ 0.66 欧；
3. 扣平台分成 20%：净价 = 0.66 × 0.8 ≈ 0.53 欧/卡·小时。

页面上"算力业务结构与收益"表列出三档业务各自的任务类型、买家和价格，并用一根价格条画出每档在 AWS 按需价（1.82 欧）和竞价（1.09 欧）旁边的位置：

业务	任务	主要买家	价格（欧/卡·小时）	占 AWS 按需价
实时推理（占 30%）	70B / 8x7B 量化推理、海外 API 响应	智谱国际版、MiniMax（Talkie）、DeepSeek 欧洲节点	0.82–1.00	45%–55%
批量异步（占 40%）	视频生成分段渲染、AI 动漫生成、数据清洗与微调	AI 视频与图像创业公司、游戏工作室、动画渲染平台	0.58–0.72	32%–40%
兜底任务（占 30%）	开源分布式算力网络任务、开源模型验证	Akash Network、io.net、Render Network	0.38–0.48	21%–26%

③ 年度账本：7,100 欧/年（标准方案，两张 L40S）：

• 算力租赁 = 2 卡 × 8,000 小时 × 75% 负载 × 0.53 = 6,360；
• 热能替代 = 整机功率 1.5 千瓦 × 8,000 小时 = 12,000 千瓦时，其中 90% 变成生活热水和采暖热，按 0.15 欧/千瓦时 = 1,620；
• 电网套利 = 15 千瓦时钠电参与削峰填谷 = 320；
• 电费 = 12,000 千瓦时 × 0.09 欧 = −1,080（用 Nord Pool 动态电价，吸纳低价和负电价电力）；
• 维护 = 借用家庭光纤，平台预留备件和折旧 = −120；
• 合计 6,360 + 1,620 + 320 − 1,200 = 7,100 欧/年；回本 = 22,400 ÷ 7,100 ≈ 3.2 年。

整机功率随配置缩放：功率 = 1.5 × (0.35 + 0.65 × 显卡总功耗 ÷ 700)，两张 L40S（700 瓦）是 1.5 千瓦的基准。年度账本图是从零线出发的正负柱：收入向上，支出向下，最右一根是全年净赚。

④ 选配方案：显卡型号（L40S 350 瓦 / L4 72 瓦）、每台张数、采购数量（1 / 10 / 100 / 1,000 台，对应硬件折扣 0 / 5% / 12% / 20%）三个旋钮，页面实时重算：

方案	硬件成本	年创造	回本	整机售价
入门 · 2 张 L4	15,224	4,542	3.4 年	19,000
单卡 · 1 张 L40S	15,500	3,745	4.1 年	19,400
标准 · 2 张 L40S	22,400	7,100	3.2 年	28,000
高产 · 4 张 L4	21,848	8,693	2.5 年	27,300
标准 · 100 台批量	19,712	7,100	2.8 年	24,600
高产 · 100 台批量	19,226	8,693	2.2 年	24,000

L4 单张新卡约 3,600 美元，租价按 L40S 的 65% 估算。单卡反而更慢回本，因为电池、逆变器、主机和液冷机柜是固定成本，卡少了摊不薄。

⑤ 三种接入方式：

方式	对象	价格	账
零元入户（算力托管）	家庭与社区	0 元	用户出 0.4 平方米闲置角落，接水管和网线；设备归运营商；用户得到全天免费热水和基础地暖，每月 25–35 欧场地分红；运营商出 22,400 欧，年净 5,120 欧，回本约 4.4 年
硬件订阅	沿街商户	约 430 欧/月	设备当"储能省电宝"吃峰谷价差，废热解决厨房和洗手间热水，多余算力与平台四六分成
整机购买	别墅业主与极客	约 28,000 欧	全额享受热水价值、自留电网套利、拿走 80% 算力收益、平台收 20% 调度服务费；回本约 3.9 年

⑥ 哪些假设最敏感（标准方案，基线 3.2 年）：混合净价 ±20% 对应回本 3.8 / 2.7 年；负载率 60% / 90% 对应 3.8 / 2.7 年；平台分成 30% 时 3.6 年；只有兜底任务时 4.6 年；余热只用掉一半时 3.6 年；硬件成本 +20% 时 3.8 年；显卡价格 −20% 时 2.8 年。算力租赁的净价和负载率最敏感，硬件价格其次。

⑦ 买家为什么愿意买：页面最后用四张卡讲买家的刚需：出海业务就近推理，延迟从 150–250 毫秒降到 15–30 毫秒；欧盟 AI Act 与 GDPR 要求数据在境内处理和留存，芬兰节点天然合规；散热电费逆向变成家庭供暖，综合度电成本比大机房低 30%–40%；RLHF / DPO 采样、向量化嵌入、合成数据、代码批量验证这类非即时任务可以放到夜间电价低谷执行。

算法和每个数的来源见第 07 篇。

第 7 步　效益

一台 Cube 进入社区，家庭、社区、商业空间和电网各拿一份；页面标题是"利他先利己，边际成本为零，收益看得见"。顶部是 Cube 的三个构成（耐寒本质安全的钠电内胆、2 张 L40S、液冷热交换），向下分出四张卡：

• 家庭——安全进阳台、免费得热水、算力冲抵电费：0 V 安全入户；免费洗浴热水；算力分成抵电费；72 小时应急备电，遇到暴风雪或停电是家庭的应急电源；
• 社区——微网自愈中枢，零审批的离网安全感：零消防审批，利用闲置地库、车位、换热站摆放，无需新建机房变电站；社区离网防灾；屋顶光伏大发时节点瞬间拉升 AI 训练、吸纳剩余光伏；社区数字私域，人脸门禁、独居老人看护和社区资产大模型的数据不出社区；
• 商业——可移动的套利利器与本地算力底座：白天消纳峰值电力、夜间转移到物流园或充电站利用低谷电价；商圈 AI 私域云；动态移动调度；无需向电网申请昂贵扩容，即插即用作为充电桩缓冲；
• 电网——不用新建变电站的分布式虚拟电厂：绕过高压并网，工作在 0.4 kV 低压配电网侧，以分布式柔性负荷存在；毫秒级防倒送；帮助电网平抑台区变压器重载；辅助服务补贴。

最后是三元协同（电、热、算力）三张卡：对家庭与商超，是"即插即用的数字暖炉"，AI 推理的废热注入储水罐，换全天免费热水，极端寒潮停电时无缝切换成家庭保电 UPS；对当地电网，是"柔性阻尼器"，不用几年去申请高压专线，负电价时吞下过剩光伏，尖峰时降频甚至放电；对出海工程，是"离散分布、全球互联"，避开集中式数据中心并网审查，做成分布式算能网络。详见第 06 篇。

几个会用到的细节

• 专业词（如"主进线""SOC""PCS"）有虚线下划线，鼠标放上去显示解释；
• 右下角的 Cube Agent 可以问家里的热水、电力、算力，也能看调度策略的一次"自进化"，演示用，没有接大模型；

三、我们做了什么

做的东西	内容
仿真沙盒	基于开源 CityLearn 3.0.2 扩展：算热耦合、电池动态（含低温冻结）、真实输入数据、算力任务队列、多目标；三种策略对比
物理校验	能量守恒、独立重算、步长收敛、69 份数据 7,346,207 个数值全量扫描
全国与街区	芬兰 12 个城市、108 组全国场景；赫尔辛基真实街区的一小时钠电实验
AIDC-Cube 模型	用 Blender 建模，七层逐级拆解，含钠电原理与能量闭环
算账与效益	22,400 欧成本逐项核价、AWS 一半定价、选配与批量方案、敏感性分析
数据与制度研究	芬兰电力数据、同行案例、制度红利逐项查证（第 08 篇）
产品化	双语、术语悬浮解释、Cube Agent 演示、浏览器自动化回归测试

四、仿真怎么搭、怎么校验

场景和沙盒

场景参考美国得州的零碳社区 Whisper Valley（屋顶光伏加储能加集中地热井网）。我们做了两点升维：把部分热泵采暖换成算力液冷的废热，把低弹性的家电负荷换成可以灵活调度的 AI 算力。

仿真用开源的 CityLearn 3.0.2 做底，扩展了几处：

• 算热耦合：算力产生的热进入热水箱，总热量 = 热泵产热 + 算力功率 × 热回收效率 × 时间；热泵的能效按 COP = 0.42 × (水箱温度 + 273.15) / max(水箱温度 + 5 − 室外温度, 10) 计算，并限制在 1.3 到 5.0 之间。
• 电池动态：SOC(t+1) = SOC(t) + (充电效率 × 充电功率 − 放电功率 ÷ 放电效率) × 时间 ÷ 容量，单向效率取 0.95；低温下有冻结容量，冻结电量被加进不可放电的下限，升温后解冻。
• 输入是真实数据：Nord Pool 电价、气象、光伏出力，再加一条会到期的算力任务队列，任务按"最早截止优先（EDF）"排队。
• 多目标：购电成本、算力收益、居民舒适度（室温偏高、偏低都算）。
• 三种策略：不调度的基线、手写规则（带预测的优化调度）、强化学习（PPO）。强化学习不是从零学，而是在规则之上加一层最多 25% 的修正；训练只用 2023 年的四个周、共 120,288 步、固定随机种子 42，2024 年完全不参与训练，留作考试。

物理校验

• 能量守恒：电、热、电池逐项守恒；一小时实验的能量平衡误差约 1e-14。
• 独立重算：用独立程序重算了 1,152 个小时步的潮流，功率误差最大 0.0000037 千瓦，节点小时金额误差最大 0.0000017 欧。
• 步长收敛：秒级积分器步长 0.1 秒，半步长重算的功率误差为 0.0 千瓦。
• 全量扫描：69 份数据文件、7,346,207 个数值逐个检查；108 组全国场景和 6 组街区轨迹复核通过。
• 公平对比：三种策略拿到相同的任务、相同的初始状态、相同的外部事件，逐任务检查释放时间、截止时间和执行量。
• 不放水的规则：低价充电要扣双程效率、损耗和光伏外售的机会成本，避免凭空对冲充放电；热泵、柔性任务和电池联合检查真实上游容量；线路损耗计入主进线。

结果

① 全国和街区的小时级仿真（2024 年寒潮 216 小时，净成本）

策略	净成本（欧）	任务按时完成
基线（不调度）	4,206.51	100%
手写规则	4,072.36	100%
强化学习	4,068.22	100%

调度确实比不调度好。强化学习对规则只多省 4 欧左右，夏天也只差几欧，而且在不同的仿真里一正一负。真正拉开差距的是"限时任务的接力"和"共享供热"，不是强化学习本身。

② 街区的一小时钠电实验（仿真，每 10 秒记一次，360 条记录）

事件序列：第 300 秒 AI 任务突发，第 800 秒热泵启动加热，第 1300 秒光伏下降 80%，第 2100 秒按期限补任务，第 2150 秒余量恢复充电，第 3300 秒补任务截止。主进线峰值（千瓦）：

工况	无储能	钠电缓冲	协同调度
正常运行	130.0	87.7（−32.5%）	57.7
连续尖峰	140.9	125.8（−10.8%）	67.6
极寒降额	128.1	90.3	57.5
低电量	130.0	130.0	66.5
功率饱和	367.9	307.3	277.5

正常运行时，超过削峰目标的时间：无储能 1,103 秒、钠电缓冲 599 秒、协同调度 0 秒。电池不是万能的：低电量时钠电缓冲完全没有作用，功率饱和时压不住；协同调度的价值是把任务错峰，而不只是放电。

③ 48 小时停电：寒冬时基础负荷保障率只有约 10%–35%。移动集装箱 19 小时后开始出现基础负荷缺供，社区能源站是 3.6 小时。这是缺口，不是亮点，我们把它保留在了 Demo 里。

五、四大战略共识

一、架构革新：AIDC 储能从集中重资产走向分布式自平衡（破局并网死穴） 核心主张：化整为零，将争夺高压负荷逆转为低压"自平衡阻尼"。北美与欧洲大型 AIDC 的死穴是找电难和长达 5 到 7 年的高压并网排队。我们把工业级、高倍率储能标准封装进微型社区 Pod，不与大网争夺高压指标，而是利用成千上万个 0.4 kV 低压配网节点就地消化。让边缘算力变成电网欢迎的柔性负荷，为全球 AIDC 算能部署开辟中心化垄断之外的第三条路。 在 Demo 里的体现：街道页的一小时钠电实验，主进线峰值从 130.0 千瓦降到 57.7 千瓦，就是低压节点就地消化的演示。

二、材料护城河：为什么非钠电不可？本质安全与 0 V 全球流通（物理本征不可替代） 核心主张：人居近身场景加 0 V 自由物流的绝对刚需。传统锂电是第九类危险品，国际海空运受限，室内热失控爆燃风险无法被住宅消防容忍；而硬碳钠电支持 0 V 完全放电运输，移动算能节点可以像普通家用电器一样全球流转、入户安装。加上硬碳赋予的优异低温倍率，在北欧或三北严寒里不用保温辅热就能大倍率充放，钠电就是移动算力唯一的"天命底座"。 在 Demo 里的体现：节点接入的电芯层，钠电对磷酸铁锂对比卡；技术细节见第 06 篇。

三、价值原点：自下而上的社区共建与科技平权（DePIN，利他先利己） 核心主张：开源共建协议，让算能红利真正反哺日常生活。真正的技术不该高高在上，锁在科技巨头的玻璃机房里。我们把算能网络做成一次自下而上的社区共建运动：采用开源的能量与算力匹配协议（基于 CityLearn 框架开源），让每个拥有屋顶的家庭、每个有闲置车位的便利店都能像搭积木一样贡献节点。普通家庭不再是科技电费的被动承受者，而是绿色算力基础设施的微股东与受惠者。 在 Demo 里的体现：效益页的四方参与，以及算账页的"零元入户"托管方案。

四、全球化解法：以中国工程学红利消解地缘政治壁垒（长期主义出海） 核心主张：硬件离散化部署，Token 跨国界无损流动。面对海外地缘政治与芯片认证壁垒，物理硬件集中出海受阻，但算法与 Token 的价值流动无法被阻断。依托中国极致的钣金、精密热管理与钠电电芯制造能力，我们将标准硬件离散部署于电网宽松、中立友好的分布式社区中。利用中国工程学红利快速迭代，用分布式架构消解集中式地缘政治风险。 在 Demo 里的体现：整个系列以芬兰为首个落地国；硬件为标准化设计，显卡可更换。

战略底座：以硬核材料突破物理边界，以分布式架构重构全球算力与能源网络。

六、核心团队：AI For Science 储能科研与全球商业落地的复合力量

Alex Lin · 首席科学家（AI For Science），新加坡南洋理工大学（NTU）博士后研究员，所在方向为自动化化学与自驱动实验室（SDL）。

• 学术背景与科研深耕：专注自动化化学、AI 智能体与自驱动实验室（Self-Driving Lab, SDL）研发；
• 电化学底盘：曾深度从事先进电池材料与电化学储能前沿机理研究，致力于 AI 驱动的科学发现（AI for Science）；
• 项目角色：负责电池特性与热平衡方程、调度策略设计，并与 Lee 共同完成 Demo 实现。

Lee · 首席产品架构师，资深 AI 产品总监，Base 上海，国际科技物流 AI 产品总监，BAT 技术出身。

• 从 0 到 1 的产业经验：两段垂直行业 AI 主导破局经验。上一段主导传统纺织业"AI 虚拟织布机"出海北美及发达国家市场；现任国际物流 AI 产品总监，以 AI 推动全球物流降本增效；
• 跨界融合与工程能力：早年 BAT 技术 Coding 背景，擅长把新行业的复杂业务知识结构化为专有算法与小模型，深度融合大模型与 Agent；
• 软硬件兼修与荣誉：多次斩获英伟达、Google、微软、字节等黑客松奖项，近期荣获小红书黑客松巅峰赛软件赛道一等奖。

团队基因：南洋理工电化学科研底色，加上大厂与全球商业化从 0 到 1 的落地能力。分工上，Alex Lin 负责电池特性、热平衡方程和调度策略，Lee 负责产品架构，两人共同完成 Demo 实现。