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。