AI算力瓶颈转向电力，能源企业站上AI Infra舞台中央
速览
随着AI算力需求指数级增长，电力供应成为制约数据中心发展的关键瓶颈，电网接入等待时间甚至长达十年。中国正通过绿电直连和全链路能量管理优化算力效率，如远景科技在赤峰的零碳产业园实践。能源企业从幕后走向台前，通过协同优化电力与算力调度，正在重塑AI基础设施的竞争格局。
AI 深度解读
背景
2026年，随着AI大模型的迭代加速，算力需求呈现指数级增长，能源与算力的关系正从辅助支撑转变为核心制约。在北美，输电系统的瓶颈已成为AI数据中心建设的主要障碍，部分地区的并网等待时间长达十年，迫使谷歌等巨头考虑将数据中心直接建在电厂旁。相比之下，中国作为“基建狂魔”，其算力网络与电力设施正在同步高速发展，国内数据中心面临的挑战已从“有无电力”进阶为“如何高效、安稳地利用每一度电”。
政策层面，中国国家发改委、工业和信息化部等四部门于2024年联合印发《数据中心绿色低碳发展专项行动计划》，明确提出到2025年底数据中心平均电能利用效率降至1.5以下，可再生能源利用率年均增长10%。这一系列变化标志着AI基建的主战场已从建设端转移至运行端，算力输出效率、能源利用效率以及可再生能源的使用，成为决定AI产业上限的关键变量。
核心内容
文章深入探讨了在AI时代，能源企业如何从幕后走向台前，通过“算电协同”解决算力生产效率问题。
1. 算力与电力的深度绑定 经济学家任泽平指出，未来电力决定了AI产出的上限。GPU如同昂贵矿山，只有将算力层与电力系统、冷却系统统一调度，才能高效产出Token。AI竞争已从模型、算力延伸至电力系统，低成本、稳定供电和快速电网调度成为中国AI产业的新基础优势。国际能源署预测，到2030年全球数据中心用电量将接近945TWh，年均增速约15%，远超其他部门。
2. “AI电力系统”的提出 在全国“人工智能+”能源现场推进会上，远景科技集团董事长张雷提出开创“AI电力系统”，核心命题是“AI生产全链路能量管理”。张雷将GPU比作“新的蒸汽机”，认为其功能是将电力转化为智力。面对模型每6个月迭代、芯片每12个月升级，而电力系统作为“慢变量”难以同步的现状，AI电力系统需解决三件事：相同功率带宽下接入更多GPU、相同电量下产生更多智力、相同投资下降低电力成本。
3. 赤峰零碳产业园的实践 远景在内蒙古赤峰建设的零碳产业园是这一理念的首个落地样本。该园区将绿色电力、绿色算力和绿色氢氨三类资产整合运行：
- 负荷调节机制：氢氨生产需要稳定电力，但风光发电具有波动性。远景通过系统让生产负荷跟随电力状态调整，风力增强时自动提高负荷，实现电力的高效消纳。
- 算电协同方案：远景与腾讯在赤峰落地全球首个100%绿电直供的人工智能数据中心（AIDC）。该方案通过“算电协同”逻辑，让算力主动适配电力的波动。
- 技术架构：利用EnOS智能物联操作系统接入各类能源及算力设备，结合“远景天机”气象大模型预测风光出力，再通过“远景天枢”能源大模型将预测结果转化为负荷指令，实现能源与算力的统一调度。
4. 行业趋势与未来展望 研究显示，通过“延后执行任务”和“跨区域转移任务”等运营优化，AI负荷弹性可降低3%—21%的电网投资和运行成本。国家层面正推动超大规模智算集群、算电协同和绿电直连，2025年中国已建成42个万卡级智算集群，全国算力中心总用电量达1700亿千瓦时。智算中心正取代传统高耗能产业，成为能源系统中的重要用户。
关键要点
- 瓶颈转移：AI基建的最大瓶颈正从GPU硬件转向电网接入能力和电力供给稳定性。
- 政策导向：中国政策明确要求数据中心提升能效（PUE<1.5）并提高可再生能源利用率，推动算力与能源的绿色协同发展。
- 角色转变：能源企业从单纯的电力供应商转变为AI Infra（基础设施）的核心参与者，掌握“AI生产全链路能量管理”能力成为关键竞争力。
- 技术路径：
- 算电协同：算力任务需理解并适配电力波动，而非被动等待。
- 多能互补：整合风电、光伏、储能、氢能电解槽和算力设施，通过大模型预测和调度实现最优配置。
- 绿电直连：优先支持算力设施开展绿电直连，按照“以荷定源”原则规划新能源装机。
- 经济效益：通过全链路能量管理优化，可显著降低综合能源成本（如赤峰项目降低超40%），并大幅减少碳排放。
- 未来定义：谁掌握了稳定、廉价且充沛的电力，并具备高效的能量管理能力，谁就掌握了通用人工智能时代的入场券。
意义与影响
1. 重塑AI产业链格局 AI产业的发展逻辑正在发生根本性变化，稀缺资源不再仅仅是模型参数和芯片数量，而是稳定、低成本、可持续的智能生产能力。能源企业凭借对电力系统的掌控和优化能力，正站在AI Infra舞台的中央，成为定义AI基础设施新规则的重要力量。
2. 推动能源系统智能化升级 AI数据中心的高能耗特性倒逼能源系统进行技术革新和调度优化。通过引入AI大模型进行气象预测和负荷调度，能源系统从传统的单向输送转变为双向互动、灵活响应的智能网络，提升了整个能源体系的效率和韧性。
3. 加速绿色算力与可持续发展 “算电协同”和绿电直连模式的推广，使得AI发展能够与碳中和目标相兼容。通过优化能源结构和管理逻辑，可以在不增加额外电网投资的前提下提升算力效率，实现经济效益与环境效益的双赢，为全球AI产业的可持续发展提供中国方案。
4. 确立“智力生产”的新范式 文章提出的“智力生产”概念，将AI算力视为一种能量转化过程。这一视角不仅解释了能源在AI中的核心地位，也为跨行业合作（能源、云计算、AI应用）提供了统一的理论框架，预示着未来AI竞争将是算力、电力、算法与调度能力的综合较量。