算力正在成为新的基础设施,但它并不是一个只由芯片、服务器和算法决定的产业。
当大模型调用量快速上升、数据中心用电持续增长,算力的边界开始越来越多地由电力决定。
过去,算力产业讨论的重点多在芯片性能、模型参数、数据中心规模和网络调度。
它不是简单地给数据中心接入更多电力,也不只是把数据中心搬到新能源丰富地区。
更核心的变化在于,算力负荷开始参与电力系统的调节,电力供给也反过来影响算力中心的选址、运行时段、任务调度和商业成本。
算电协同,指的是算力基础设施与电力系统之间的协同规划、协同建设和协同运行。
另一部分任务则可以延后执行,例如模型训练、批量数据处理、部分离线推理任务。
在空间上,算力可以向风光资源丰富的地区靠近,减少绿电外送和跨区输电压力。
在时间上,算力任务可以更多安排在光伏出力较高、电价较低或电网负荷较轻的时段。
从这个角度看,算电协同解决的并不是单一产业问题,而是两个系统之间的错配问题:
算电协同并不是一个单点技术,而是一组围绕算力、电力和调度系统展开的产业组合。
单芯片性能提升、单位算力能耗下降,是降低数据中心总电力压力的第一层基础。
绿色建筑、液冷技术、高效UPS、智能运维系统、余热利用,都是为了降低数据中心载体设施的能耗和碳排放。
它关注算力侧与能源侧的布局关系,包括算力中心是否靠近风电、光伏、水电等清洁能源基地,能否提高绿电使用比例,能否减少弃风弃光和远距离输电损耗。
如果算力供需匹配不充分,低优先级任务挤占高价值资源,或者大量算力闲置,都会造成能源和资本开支浪费。
算用协同强调通过调度平台、算力交易、任务编排等方式,让算力更精准地服务应用需求。
设备决定能效下限,数据中心决定运行效率,能源布局决定成本结构,调度系统决定协同能力。
2023年12月,《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》提出:
到2025年底,国家枢纽节点地区新增算力占全国新增算力60%以上,国家枢纽节点新建数据中心绿色电力占比超过80%。
到2025年底,算力电力双向协同机制初步形成,国家枢纽节点新建数据中心绿色电力占比超过80%。
同月,《加快构建新型电力系统行动方案(2024—2027年)》提出,实施一批算力与电力协同项目。
2026年政府工作报告提出,实施超大规模智算集群、算电协同等新基建工程,加强全国一体化算力监测调度,支持公共云发展。
北京在“东数西算”框架下,优化调整“算力券”政策,提出全省算力规模突破190EFLOPS。
算力需求增长已经足够确定,但电力供给的成本、稳定性和绿色属性,将越来越多地决定算力产业的竞争力。
上游主要是风电、光伏、水电等清洁能源基地,以及电网、储能、供配电设备、数据中心基础设施设备。
中游主要是算力园区、智算中心、数据中心、储能系统、算力调度平台和能源管理系统。
下游则是大模型厂商、云计算平台、智能体应用、工业互联网、金融、政务、科研、自动驾驶等算力应用场景。
它需要能源企业、运营商、云厂商、数据中心服务商、电力设备企业、储能企业、调度平台和地方政府共同参与。
根据第一财经微信公众号,2025年全国风电、光伏新增装机超过4.3亿千瓦,累计装机规模首次超过火电,突破18亿千瓦,较“十三五”末增长2.4倍。
新能源发电装机比重也从2020年底的25.7%,提高至2025年底的48.5%。
根据全国新能源消纳监测预警中心数据,2025年国内风电和光伏发电利用率整体仍保持在94%以上,但“十四五”期间首次跌破全年95%利用率。
储能可以平滑新能源出力波动,也可以在电价低谷或新能源富余时充电,在高峰时段释放。
它包括数据中心、智算中心、算力园区、储能系统、能源管理平台和算力调度平台。
延迟敏感型任务包括在线推理、实时交互、搜索推荐、智能客服、部分智能体服务。
延迟容忍型任务则包括大模型训练、批量推理、离线数据分析、部分企业后台任务。
例如,将更多训练任务或离线任务安排到宁夏、内蒙古、青海、贵州等新能源或清洁能源资源相对丰富的地区。
液冷、高效供配电、智能运维、余热利用等技术,正在成为智算中心竞争力的一部分。
如果说过去数据中心竞争的是机柜规模、网络质量和客户资源,那么未来智算中心还要竞争电力成本、绿电比例、PUE水平和调度灵活性。
IDC与浪潮信息《2025年中国人工智能计算力发展评估报告》指出,大模型和生成式人工智能推高算力需求,中国智能算力增速高于预期。
财联社数据显示,训练OpenAI的GPT-3模型耗电量约为1.287吉瓦时,相当于120个美国家庭一年的用电量。
国家数据局数据显示,中国日均Token调用量已从2024年初的1000亿,跃升至2026年3月的140万亿,两年增长超过千倍。
目前在火山引擎上累计Token使用量超过一万亿的企业,已从去年底的100家增长到140家。
智谱AI的MaaS平台API在2026年一季度涨价83%后,调用量仍增长400%,显示需求仍处在强扩张阶段。
根据财联社,ChatGPT每天需要消耗约50万千瓦时电力,用于响应超过2亿用户的应用需求。
它会直接影响大模型服务价格、API调用成本、云厂商毛利率,以及企业部署AI应用的经济性。
根据中国信息通信研究院数据,2025年我国算力中心用电量已达1960亿千瓦时,同比增长300亿千瓦时,增速为18.1%。
预计到2030年,我国数据中心用电量将超过7000亿千瓦时,占全社会用电量5%以上。
当数据中心用电占比持续上升,算力产业就不再只是数字经济问题,也会成为电力系统问题。
它们掌握电力资源、电网接入、调度体系和绿电交易能力,是算电协同的基础设施参与方。
中国移动、中国电信、中国联通,以及各类IDC和智算中心运营企业,是算力基础设施的重要建设者。
包括阿里云、腾讯云、华为云、火山引擎、百度智能云,以及智谱AI等大模型服务平台。
GPU、AI加速芯片、服务器、交换机、液冷设备和供配电设备厂商,都会参与到算电协同的效率提升中。
储能系统、EMS能源管理系统、虚拟电厂平台、负荷聚合商等,将在算力负荷参与电网调节中承担更多角色。
长期看,真正具备优势的企业,可能不是单纯拥有算力资源,或单纯拥有电力资源的一方。
而是能够把算力任务、电力价格、绿电消纳、储能调节和客户需求统一调度的企业。
大模型训练、推理和智能体应用持续增长,Token调用量快速上升,数据中心用电规模扩大。
风电、光伏装机快速提升,但新能源出力波动与负荷需求并不完全匹配,部分地区面临消纳压力。
电网稳定性、网络条件、运维能力、人才供给、客户需求和资本开支,都会影响项目成败。
只有当任务可以拆分、价格信号清晰、调度机制成熟,算力负荷才可能真正参与电力系统优化。
更大的问题在于,当AI应用进入高频调用阶段,算力服务的价格体系是否会越来越接近能源产业。
如果这个趋势成立,未来的算力竞争,可能首先是一场能源效率竞争。返回搜狐,查看更多