算法决策的不可追溯：收益下降，是市场的问题还是算法的问题

储光者说

“策略是算法优化的”——这句话，意味着收益波动的解释权，在算法背后。

算法改了参数、调整了权重、更新了逻辑。收益下降了。业主问：为什么降？服务商回答：算法根据市场变化自动调整。业主再问：调整了什么？服务商回答：这是算法模型的技术细节。

收益的决定权交给了算法，但算法的工作内容不透明。合同里管得住策略参数，管不住算法内部。算法的黑箱，是合同的新盲区。

问题所在

储能充放电策略正在从固定规则走向算法驱动。早期的策略是确定的：谷段充电，峰段放电，阈值是固定的电价数字。出了问题，可以追溯到某一条规则。但算法驱动的策略是动态的：算法根据电价预测、负荷预测、天气数据、电池状态，自动调整充放电计划。算法的输出是策略，算法的内部是权重、参数、模型版本。

当收益下降时，一个根本性的问题出现了：怎么判断是市场环境变差了，还是算法策略变差了？如果是市场原因，收益下降是外部风险。如果是算法原因，说明策略优化出了问题。但算法的决策过程不可追溯——你无法还原算法在某个时刻为什么做了某个决定。算法的输入是什么，权重是多少，模型版本是什么，这些在合同里没有记录义务。

业主拿到的只是月度报表上的收益数字。数字降了，服务商的解释可能是”市场波动”，也可能是”电池衰减”，也可能是”策略调整”。业主没有能力穿透到算法层面去验证。算法的不可追溯，让收益波动的归因变成了一个黑箱。合同可以约定策略参数的基准和偏离通知，但算法内部的调整，不在”策略参数”的范畴内。管住了参数，管不住算法。

一个具体场景

某项目的充放电策略从第三年起由算法驱动。第四年收益比预期低12%。服务商解释：电力市场电价波动加大，算法在适应当中。业主要求提供策略变化的记录。服务商提供了部分参数调整记录，但算法模型内部的权重变化和版本更新，没有提供。业主无法判断：收益下降是市场真的变差了，还是算法优化失当。业主请第三方分析，但第三方也没有算法模型的源码和数据，无法追溯算法的决策过程。12%的收益缺口，归因悬在算法黑箱里。

如果合同约定了”算法驱动的充放电策略，服务商应保留完整的算法版本记录、参数更新记录和决策日志。算法版本更新前，应提前7日通知业主。业主有权要求第三方审计机构对算法决策进行追溯分析。算法决策记录保存至合同期满后两年”，算法的黑箱就有了可追溯的出口。

两种条款

常见写法：

“服务商负责储能系统的充放电策略优化。”

替代方案：

“充放电策略由算法驱动的，服务商应保留完整的算法版本记录、参数更新记录和决策日志。算法版本更新前，应提前7日书面通知业主，说明版本变化的内容和预期影响。业主有权委托第三方审计机构对算法决策进行追溯分析，服务商应配合提供审计所需的记录和数据接口。算法决策记录保存至合同期满后两年。因服务商未保留记录或未提供审计配合，导致收益下降的原因无法追溯的，由服务商承担相应责任。”

差异核心：常见写法把算法决策完全交给服务商，算法内部的变化不可见。替代方案做了一件事——把算法版本的更新和决策日志纳入合同记录义务，版本更新需要通知，审计权赋予业主。核心逻辑是：算法替代了人工策略，但不能替代责任追溯。算法的决策过程必须留痕，版本更新必须可知，审计必须有接口。黑箱可以运行，但黑箱的盖子需要在审计时能够打开。

一句话总结

算法让策略更聪明，也让归因更困难。合同需要给算法的黑箱装一个可以打开的锁。

适用性判断

三问自检：

1. 合同里有没有算法版本记录和更新通知的约定？ → 没有的话，算法改了什么、什么时候改的，业主不知道。收益波动的归因，在算法黑箱里。

2. 业主有没有第三方审计的权利？ → 没有的话，收益下降时，业主只能接受服务商的解释。没有审计接口，黑箱的锁永远打不开。

3. 算法决策记录的保存期限够不够？ → 决策日志是收益归因的证据。合同期满后两年，是追溯的最低时限。

谈判参考话术

对方说”算法模型是我们的核心技术资产，不能对外审计”：

“我们不是要算法源码，是要审计接口。第三方审计看的是版本记录和决策日志，不触及模型的核心知识产权。审计的范围，是验证决策过程的完整性——版本什么时候更新过，参数什么时候调整过，这些记录有没有保存。收益下降时，双方都需要知道是市场的问题还是算法的问题。没有审计接口，这个问题永远说不清。审计不碰核心算法，只验证决策有痕。技术秘密保住了，归因问题也有了出口。”

如果对方继续说：“算法每天自动调整，记录每条调整不现实，太多了。”

“所以需要约定记录的颗粒度。不需要每一条微调都记录，但版本更新、参数大调、模型重训这些关键节点，必须留痕。按周或按月的记录粒度，既能追溯，又不会数据爆炸。关键是关键节点有记录，版本更新有通知。算法是天天动的，但合同管的是动的大方向。大方向有记录，小调整在日志里存着，审计时有迹可循。这个要求，技术上完全可行，工作量也可控。”

关联合同条款

• No.180：渐进式策略偏离——算法驱动的策略偏移
• No.178：数据颗粒度的不对称——算法决策的数据基础
• No.195：远程控制的权力真空——算法更新的执行通道
• No.197：软件授权的持续成本——算法模型的授权与运行
• No.196：数字孪生的归属悖论——算法模型与数字资产的关系
• No.088：远程OTA升级的规则——算法更新的技术路径
• No.161：算法迭代对收益的影响——同一主题的第四章版本
• No.085：运营数据的审计机制——算法决策记录与审计
• No.199：网络安全的结构性脆弱——算法系统与安全
• No.200：资产的数字定价权——算法驱动的定价能力
• No.182：考核基线的锚定效应——算法调整与收益基准的偏差