算电一体，一柜成站：新巨能ETH破解分布式算力落地难题》
发布日期：2026/9/11
在全球集中式智算中心如火如荼建设之时，分布式算力正在快速崛起。
今年5月，英伟达宣布要在美国超千个社区落地分布式算力节点，计划2027年建成拥有8万个节点的分布式算力网络，整体功耗规模可达1GW。紧接着8月10 日，英伟达联合黑石、贝莱德、高盛等六家华尔街头部机构，计划筹集5000亿美元，大举投入AI基础设施建设。
英伟达重仓分布式算力，背后是AI算力需求结构正在发生明显分化：大模型训练越来越向超算中心聚拢，但海量的实时推理需求正在全面走向分散。多模态生成、智能交互这类场景，对低时延、就近部署的边缘算力依赖度越来越高。
与此同时，集中式算力基建已经撞上了看得见的刚性天花板。如今GPU芯片供给情况持续好转，但电力并网、土地审批、环评约束一道道关卡摆在面前，大型数据中心建设周期漫长，很难跟上爆发式增长的算力需求。
国内算力产业情况类似。东部城市土地紧张、能耗指标持续收紧，不少超大型集中式智算中心只能落地西部。可东部聚集着大量工商业主体与产业园区，催生出海量对低时延有要求的分散化AI实时推理需求，这部分需求，单靠西部算力枢纽根本无法解决。
面对行业现实痛点，顶层政策已经指明方向。工信部《信息通信行业发展“十五五”规划》明确提出，要加快全国一体化算力网建设，搭建“枢纽区域边缘”多层次算力设施体系，引导算力资源按需下沉，重点布局适配各类应用场景的边缘推理算力设施。
头部互联网企业也纷纷下场跟进。阿里云持续迭代升级ENS边缘异构算力能力，强化GPU边缘实例承载性能，把通义千问大模型推理任务大规模下沉至全国数千个边缘节点；腾讯云 2026年推出EdgeOne边缘AI推理平台，实现混元大模型就近分布式推理；字节跳动、百度智能云也已经完成端边云协同架构落地，将实时AI请求分流到全国各地边缘机房。 算力向分布式演进已是大势所趋。
不过，目前集中式算力的算电适配存在巨大缺口，分布式边缘算力节点的能源配套矛盾则更加凸显，节点布局高度分散，供电保障、储能备电、统一调度等一系列现实难题横亘在前。这一短板究竟该如何补齐？
填补分布式能源节点空白
一站式数智化储能运营商新巨能，交出了独树一帜的创新答案。
日前，新巨能正式发布ETH（Energy Token Hub）算电一体解决方案，把 AI推理服务器与储能系统深度集成，面向工业园区提供边缘算力服务。
ETH既不是普通储能柜的简单升级，也不是边缘服务器的改款变体。从设计之初，它就把算力、电力放在同等核心地位，是一个全新的产品品类——分布式算力能源节点。
“当全球最大算力公司英伟达，联合黑石、贝莱德、高盛等一众顶级资本集体押注同一赛道，分布式AI基础设施就不再只是一个技术选择，而是经济发展的必然。”新巨能表示，ETH要做的，就是在中国的工业园区，率先把这件事跑通。
ETH的立项研发，根植于清晰的政策指引，也顺应产业发展的内在逻辑。目前国内工厂、园区的 AI推理业务大多跑在云端，但这套模式和智能制造的真实需求，存在难以调和的矛盾。
第一重矛盾来自时延，直接拖累生产效率。工业AI质检、智能排产场景下，每秒要处理数十张高清生产图像，判定结果必须毫秒级传回产线。云端算力远距离传输带来的延迟，会直接拖慢产线节拍，抬升生产成本。
对工业生产来说，时延就是一笔看不见的隐性成本。 第二重矛盾关乎数据安全。制造业工艺参数、质检影像、设备运行日志，全都是企业核心资产，不少还涉及涉密信息。全部数据上传云端，就会埋下数据泄露、合规违规的隐患，满足不了工业数据本地闭环的安全要求。
这也就意味着，云端算力并不是智能制造的最优解。算力就近部署、数据本地闭环，才是工业AI落地绕不开的刚性需求。这正是ETH的底层逻辑：直接在园区内部搭建标准化、可自持、可调度的小型算力站，让算力深度贴合生产场景。
尽管政策不断推动算电协同、鼓励边缘算力建设，但产业落地层面一直存在明显断层。过去行业大多停留在软件调度层面，依靠平台把分散的储能、算力资源聚合起来，在云端完成协同优化，始终没有做到硬件物理层面的深度融合。市场长期缺少一款将算力承载与储能供电一体化集成的标准化硬件产品，这也成为制约分布式算力大规模普及的关键堵点。
ETH的问世，恰好补上了这块行业空白。
一台ETH设备，就是一套完整的工业级边缘算力能源节点，等于在工厂里放下了一个自带储能备电、工业级加固、平均无故障时间超过十万小时的算力节点。它把算力从“需要集成的IT设备”变成“可以直接采购的能源设备”，让算力从机房走进了配电房。
颠覆性开创价值
这构成了ETH分布式算电一体的三层开创意义。
一是品类开创，跳出储能柜、边缘服务器两大传统品类，打造算力+电力双核心的全新基础设施品类；
二是方案开创，把繁琐的多设备集成流程做简化，实现单柜一体化交付，园区算力部署周期从数月压缩到数天，大幅降低落地门槛和改造成本；
三是生态开创，单台设备同时拥有算力服务、储能调峰、VPP电网调度三重属性，重构分布式新基建价值公式，实现一份资产多重收益。
更关键的是，ETH不只是一台硬件，更是一套完整的工业算电商业闭环。传统储能大多只靠峰谷套利实现收益，盈利模式相对单一。ETH以储能作为电力底座，核心目标是重构工业AI推理的算力成本结构，实实在在压低企业常态化算力用电开支。
依托自身多年沉淀的售电、电力交易核心能力，新巨能将售电、储能、算力三大业务深度整合。这不是简单的功能堆砌，而是依靠一体化硬件与底层算法，把电力成本优势转化成算力定价优势，为工业园区带来更低成本、更高安全、调度更稳定的本地化算力服务。
从ETH工业落地优先级来看，市场需求梯队十分清晰。
第一梯队是重工、化工、冶金这类高耗能制造园区。这类园区对用电成本高度敏感，用能优化空间大，同时有严苛的数据安全合规诉求，是算电协同落地的核心场景；
第二梯队是零碳、绿色示范园区。受益政策红利，叠加已有微电网建设基础，催生出大量边缘算力配套、算电协同改造需求，高度契合绿色算力、新型电力系统建设方向；
第三梯队是各类制造型园区，覆盖研发、采购、生产、质检、售后全链路AI应用，算力需求旺盛，场景丰富多元，为分布式算力打开广阔规模化空间。 ETH通过补齐分布式算力的能源配套短板，形成一套可落地、可复制、可规模化的算电协同新范式，推动国内分布式算力从过去的“软件调度试点”迈向“实体基建普及”的全新阶段。
单机or集群皆安全可靠
算力与储能一体化集成，是大势，也是行业难题。长久以来，行业对“算力+储能”同柜部署最大的担忧，集中在安全风险。
按照传统工程规范，备电储能系统和算力设备之间，必须留出35米安全隔离距离，用来规避锂电池热失控、高压电气电弧、冷热风道互相干扰等隐患。这也让算电融合长期陷入两难：放在一起集成，安全没有保障；分开部署，效率又上不去。
和行业常见的“事后补救、被动防护”思路不一样，ETH从底层架构就坚持前置风控、物理隔离、全域兜底的安全设计，使系统在极端工况下仍有更高安全裕量。分区隔离与防火墙设计，确保储能舱与算力舱之间的任何单点故障不会扩散到另一舱，彻底打消用户的核心顾虑。
针对园区多机集群大规模部署，ETH还配备完整系统级安全方案，为集群安全兜底。
一方面，设备之间预留标准维护通道，铺设绝缘地垫，消除跨柜电弧隐患；集群联动消防体系，单柜独立灭火装置搭配全域智能监控，一台设备异常即可自动断电隔离，周边设备同步进入警戒防护；整机独立配电，通信光电隔离，规避集群地环路干扰；统一规划集群风道，避免热岛效应，高温环境支持自动降载保护。
另一方面，7×24小时云端监控平台，能够实时掌握每一颗电芯、每一台算力设备运行状态；搭配合规C级防雷、标准化等电位接地，完全符合国家防雷规范，保障集群长期稳定可控。
灵活选配适应全域场景
把安全做到位的前提下，ETH依靠模块化架构、全场景适配、规格可定制的能力，破解传统算力设备落地僵化、改造成本高、适配能力弱的行业痛点。
它将储能和算力拆成两套独立模块，支持自由选配，后期扩容也十分方便。储能以 125kW/265kWh为基础配置，可以按需叠加扩容；算力端兼容4卡、8卡、16卡不同规格GPU，企业不管是轻量还是重载的AI推理任务，都能找到合适的配置。
设备出厂就预装好了全套AI工具，既能自定义模型，也支持LoRA微调，就连柜体尺寸，也可以按照园区现场条件量身定做，真正做到结合实地情况按需部署。
更关键的是，ETH跳出了传统算力必须依赖专用恒温机房的限制，支持直接户外露天部署，无需新建机房，也不用对厂区电力做大规模改造。依靠市电与储能毫秒级自动切换的双路供电，再搭配宽温散热、抗震防尘的工业硬件设计，即便面对工厂、园区复杂多变的现场工况也能稳定运行，直接降低了分布式算力的落地门槛。
反观传统室内算力方案，上马就要配套机房、精密空调与电力改造，部署周期动辄数月。后续算力扩容还得同步升级基建，改造成本和能耗一直居高不下。ETH 则做到场地到位即可投用，依托工业被动散热减少能耗，算力不足时直接堆叠机柜就能完成扩容，部署轻量化、迭代灵活，整体落地成本优势十分明显。
说到底，ETH并不是把传统室内算力柜简单改一改搬到户外，而是面向工业就近推理、算电协同需求原生打造的新一代基础设施。
它依靠全域安全体系消解行业顾虑，用模块化定制适配多元场景，以轻量化部署压缩落地成本，为工业园区分布式算力规模化普及打下坚实产品根基。
来源：高工储能
