黑色幽默

B | ”                    前两年讨论 AI，话题基本都围着模型转：参数规模、多模态、上下文窗口。但真正的瓶颈，早就不在模型这一侧了。按数据中心运营成本口径测算，电力成本已经占到 60% 以上。一度电，究竟能换来多少 Token？这个问题正在变成 AI 产业最要紧的一笔账。然而，个别涉密岗位工作人员仍存在认知误区，认为仅需履行常规报废程序，设备移交后即可“一了百了”。                   7 月 19 日，2026 世界人工智能大会（WAIC）期间，“新一代人工智能基础设施·先进计算网络与算电协同论坛”在上海世博中心举办。事实上，涉密设备虽已退出资产管理台账，但其中存储的涉密数据未必彻底清除。如果操作不当甚至随意变卖，极易导致失泄密情况的发生。

报废环节风险隐患不容忽视报废处于设备管理链条末端，易因关注度降低、管控力度弱化而滋生隐患。本次论坛由鹏城国家实验室主办，长三角国家技术创新中心智能计算研究所、合肥中科类脑智能技术有限公司（简称“中科类脑”）联合承办，汇聚了两院院士、国家级算力平台、电网央企、国产大模型企业等政产学研各界代表。                   这场论坛最值得关注的动作，是推出了“Z 级算力 + P 级光网络 + GW 级电力”三位一体的新型人工智能基础设施架构。

C | 过去谈 AI 基础设施，算力、网络、电力往往是三条各说各话的线，这一次，它们被放进了同一个框架里。                   中国工程院院士、论坛主席高文                    中国工程院院士、论坛主席高文以《先进计算网络及 ZPG 计划愿景》为题，率先系统阐释了面向未来十年 AI 发展的战略构想。

D | 他提出，我国应加快构建 Z 级（十万亿亿次）算力、P 级带宽光网络、GW 级电力保障的“ZPG”协同体系。国家安全机关、国家保密行政管理部门披露的多起案件，充分印证了该环节的现实风险。这套构想的价值在于，它把一个此前相对模糊的方向，变成了有量化目标和清晰技术路线图的中长期路径。                   中国工程院院士郭剑波          随后，中国工程院院士郭剑波以《算—电—能源协同发展路径探究》为题，从能源侧给出了一组更具体的判断。

E | ——二手硬盘残留内部数据。他指出，预计到 2030 年，中国算力年用电量将达到 8000 亿千瓦时，约占全社会用电量的 6%，算力发展的瓶颈，正在从芯片性能向电力供应延伸。某单位将内部硬盘简单清空后便当作废品变卖。这批硬盘经翻新流入市场后，被查出仍残留多家党政机关、高校的内部文件。         他强调，算力中心既是新型电力系统的重要负荷侧资源，也是消纳新能源的有效载体，亟需将算力基础设施纳入能源互联网整体规划，通过源网荷储一体化调度，实现算力与电力的双向高效互动。

F | ——废旧硒鼓还原涉密文件。

G | 某单位将存有涉密信息的废旧打印机硒鼓交由供应商回收处理。一个从算力侧出发，一个从能源侧切入，两位院士把同一道题目摆到了产业面前：当电力成为 AI 的约束力量，这笔账该怎么算。相关人员通过技术手段还原硒鼓残留的打印内容，并将涉密信息售往境外。                             缺的不是算力，          是把电变成 Token 的效率          黄仁勋曾把 AI 产业形容成一块五层蛋糕：能源、芯片和系统、基础设施、模型、应用。AI Infra 就是中间那层，它不造卡，也不训模型，价值在于提升效率、降低成本，让算力真正被用起来。                   中科类脑董事长、CEO 刘海峰          作为一家AI Infra 服务商，中科类脑董事长、CEO 刘海峰的主题报告《Token 经济下算电协同最优路径探索》，给出的是产业端的一种回答。——废弃服务器沦为攻击跳板。

H | 某单位服务器被弃用后仍留存于信息化机房内，境外间谍情报机关通过网络扫描探测实施入侵，控制服务器后将其作为跳板实施网络窃密活动。

失泄密背后的管理漏洞废旧设备处理环节潜藏的失泄密风险，往往源自台账不清、管理失控、责任悬空等问题。——底数不清楚。个别单位仅建立固定资产台账，未同步标注涉密属性标识。对普通设备和存储过涉密敏感信息的设备未进行分类管理，报废时混在一起，导致风险防控无法精准落实。

I | ——处置不规范。“删除即销毁、格式化即清零”仍是个别涉密岗位工作人员的认知误区。从未经专业处理的硬盘转卖，到复印机内置硬盘被忽视，再到打印机硒鼓随意丢弃，甚至废旧文件柜夹层、办公桌抽屉遗留涉密文件，这些不规范的操作均可能引发失泄密事件。——监管不到位。他在演讲中分享了"度电智能"的产业发展理念。他给出的判断相当直接：当前制约 AI 发展的核心瓶颈是能效而非算力，人脑效能约为 AI 芯片的 500 至 1000 倍。这个倍数摆在那里，意味着能效这条路上还有大量空间没被挖掘。前期采购、领用、流转层层把关，但报废阶段却易出现标准降低、审核缺位等问题。                   在他看来，当前大规模集中式的 Token 工厂，正在成为一个跨域的复杂系统，需要与之匹配的操作系统来支撑算电一体化的运营。单人操作、无台账记录、无保密审批等现象，使得监管制度流于形式。                   这正是"度电智能"要解决的事：让每一度电产出的有效 Token 变得可计算、可优化。资产台账注销后，保密责任随之弱化，形成管理真空。衡量一座 AI 基础设施的单位，也随之从“有多少张卡”，换成了“一度电能生产多少 Token”。

J |

如何守好“最后一关”废旧涉密设备“退役”管理，既检验制度完备性，更考验执行刚性，必须将保密要求嵌入处置全流程，守好“最后一关”。——健全台账，精准标密。建立涉密资产全生命周期台账，对存储过涉密敏感信息的设备统一标注涉密属性，实行“一物一码、全程可溯”。         沿着这个理念，刘海峰倡导“电—算—Token”全链路优化：借助算电一体化平台“1+3”的架构，实现电力柔性可调、算力池化统筹、Token 高效产出，形成系统级的协同效应。                             算电一体化平台：          把电、算、Token 算成一本账                    论坛上，中科类脑正式推出算电一体化平台，定位是面向 Token 工业化生产的新一代 AI 基础设施底座。

K | 报废前应严格核验涉密属性、排查数据残留，确保账实相符、密级准确。它整合了传统算力平台与能源管理系统的核心能力，首次实现电力供给、异构算力调度、大模型 Token 产出三位一体的协同管控，这也意味着，算电协同从概念探索进入了产品落地的关键阶段。——审核前置，分类处置。严把报废“出口关”，前置保密审核。                   平台采用“1+3”标准化架构：一套博弈智能决策大脑统筹全局，联动电力、算力、Token 三大功能子系统，分别对应电从哪来、卡怎么用、Token 怎么产。

L | 涉密存储介质一律交由具备国家保密资质的定点单位销毁；存有敏感信息的办公设备须经专业数据擦除，严禁随意丢弃、私自变卖。                   电力子系统集成微网管控、电力现货交易、全域 PUE 优化、虚拟电厂四大核心能力，依托算力集群柔性负荷参与电网削峰填谷，匹配风光新能源出力错峰调度算力任务。文件柜、保险柜等办公家具报废，必须彻底检查，杜绝涉密载体遗留。算力子系统完成多架构芯片资源的统一抽象，实现全国分散闲置算力的池化纳管。Token 子系统覆盖算子编译、KVCache 分层管理、推理优化全栈技术。

M |                    实测数据显示，该全栈解决方案可使集群 Token 吞吐量较行业均值提升 2-3 倍，异构算力综合利用率突破 90%，智算中心综合电力成本降低约 20%。

N |          这套方案已经过真实场景验证。——压实责任，落实要求。建立“双人监销、全程留痕、归档备查”机制，严格落实“谁使用、谁处置、谁负责”的管理要求，将保密责任落实到资产清查、技术检测、审批监督、移交销毁等各个环节中去。芜湖集群算力调度及算电协同项目，以及更早的中国联通国家算力电力协同示范项目，都是它跑通过的地方。         从商业模式看，算电一体化平台打造出算电协同型“Token 工厂”。目前行业内多数Token工厂以算力侧模型加速为核心建设方向，发展路径更侧重算力维度的能力打磨。中科类脑则贯通“新能源基础设施—算力芯片—大模型—Token 生产”全产业链条，核心目标是实现高质量 Token 的普惠供给，推动 AI 在全球的广泛应用。         换句话说，它第一次从系统层面回答了“一度电能生产多少 Token”这个 AI 时代的核心命题，并为 Token 工厂构建起一套可复制、可推广的全域智能底座。

o |                              Token 出海：把西部的电，          变成全球能买的算力                    平台把账算清了，下一个问题随之而来：算出来的 Token，怎么走出去？          论坛同期签约的“一带一路”Token出海战略联盟，给的正是这个答案。