大多数人并不会刻意思考电力究竟从何而来。人们打开开关、启动电脑、为手机充电而电网则在背后默默运行。但对于 Neel Somani 来说这套隐藏在日常生活背后的基础设施机制一直值得深入研究。Somani 是一位研究者、前量化研究员以及技术专家其专业背景横跨计算机科学中的形式化方法、机器学习以及能源市场经济学。在创立获得 6500 万美元融资的二层区块链平台 Eclipse并开展人工智能与可解释性研究之前他曾在 Citadel 长期从事电力市场相关的量化研究工作。这段经历使他深入理解了电价形成机制、为何某些地区电力成本会突然飙升以及这些变化对企业和政策制定者意味着什么。电网背后的市场逻辑要理解 Neel Somani 对能源问题的关注为何重要首先需要了解电价是如何形成的。消费者和企业支付的电价并不是所有发电成本的平均值。真正决定价格的是在某一时刻为了满足需求而“最后被启用”的那部分电力。“电价实际上由最后一个兆瓦时的发电成本决定”Somani 解释道。在现实运行中电网会优先调用成本最低的能源——通常是边际成本接近于零的可再生能源然后再逐步启用效率较低、成本更高的发电机组直到满足全部需求。而最后启动的那一部分电源决定了整体市场价格。这种机制会带来一些外界看来难以理解的现象。即使需求只是略微上升电价也可能快速飙升因为新增启用的边际发电机组成本远高于此前运行的机组。新英格兰案例区域电网的约束效应Somani 曾将美国新英格兰地区视为研究电网约束问题的典型案例。由于该地区位于天然气管道网络末端冬季天然气供应能力有限这种限制会逐渐传导至居民和企业最终承担的电费之中。问题首先来自供暖需求。冬季期间居民与商业供暖对天然气的需求大幅增加从而压缩了发电厂可获得的天然气供应。当天然气不足时电网运营方不得不启用燃油发电机组。而燃油发电是目前效率最低、成本最高的发电方式之一。由于电价由边际电源决定一旦燃油机组上线整体电价就会上升。但市场影响并不会止步于此。“如果你是一名天然气销售商会发生什么”Somani 曾这样解释供应商的逻辑。当天然气买家能够利用天然气发电并按燃油电价出售时他们实际上获得了天然气成本与高电价之间的价差。天然气供应商意识到这一点后也会相应提高天然气价格以分享这一利润空间。最终天然气价格也会上升直到天然气发电与燃油发电的经济收益趋于一致。对于企业管理者而言这种层层传导的市场行为并不仅仅是关于电费上涨的案例更反映了复杂系统在压力下如何联动以及基础设施中的单点限制如何扩散成更大的成本问题。加州案例傍晚电价为何更高在美国西海岸Somani 还研究了加州电力市场的另一类结构性问题而其核心与加州大量发展太阳能有关。加州电网会优先调用可再生能源因为其边际燃料成本几乎为零然后再使用天然气发电。表面上看大量太阳能似乎意味着更低的电价而白天的情况确实如此。“白天阳光充足因此系统拥有大量几乎零成本的太阳能电力”Somani 表示。中午时段太阳能供应过剩甚至可能将电价压低至零甚至出现负电价因为太阳能电站即便现货价格偏低仍会为了获得可再生能源补贴而持续发电。但问题出现在日落之后。当太阳能输出迅速下降时大量居民回家后的用电需求却快速上升。这形成了电力市场中著名的“鸭子曲线”白天净负荷下降而傍晚则急剧攀升。为了快速响应这一负荷变化电网通常会启用启动速度更快的简单循环燃气轮机但这类机组效率低于全天稳定运行的联合循环机组。由于其成本更高它们在晚高峰时成为边际电源从而推高整体电价。“最终加州晚间电价甚至可能比没有大规模可再生能源时更高这一点常常让很多人感到意外因为大家会直觉认为太阳能越多电价就越低。”这并不意味着可再生能源本身存在问题而是说明电网架构必须与能源结构同步演进。电池储能、需求响应机制以及其他辅助服务正是为了解决这一问题而出现。“电池系统会在白天低价时储存太阳能再在晚间释放电力并通过这一价差获得收益”Somani 解释道。“基础设施思维”正在成为一种领导力Somani 对能源市场的分析方式与他在技术和治理领域的研究其实有着共同的方法论追踪激励机制识别系统约束并思考当系统接近极限时会发生什么。这一思路对企业决策同样具有现实意义。如今部署大规模 AI 工作负载的组织实际上已经成为能源市场的重要参与者。无论是数据中心选址还是云服务商签署长期购电协议本质上都在参与 Somani 长期研究的区域电价机制。真正能够做出有效决策的领导者并不一定需要深入理解燃气轮机效率或电网拓扑结构而是需要理解系统背后的结构逻辑从而提前判断瓶颈会出现在哪里以及成本将如何传导。一条贯穿系统级思考的职业路径从量化金融到区块链基础设施再到机器学习研究Somani 的职业路径看似跨度极大但其核心逻辑始终一致。无论在哪个领域他都在持续追问几个问题这个系统到底如何运作价格由谁决定谁拥有什么激励系统会在什么地方失效这些问题应用于电力市场时可以解释为什么新英格兰冬季电价高昂、为什么加州晚间用电成本超出预期。而当这些问题被应用于 AI 系统时则推动着关于模型调试、行为验证与系统可靠性的研究。无论是电网还是大型语言模型本质上都属于基础设施系统。而基础设施真正的可靠性最终取决于人们对其运行机制理解得有多深。