问题：随着算力需求激增和电力成本上涨，数据中心的用电压力日益突出。业内人士表示，部分智算中心的电费已占运营成本的较大比重，电价波动直接影响项目盈利和持续投入能力。同时，训练和推理对供电稳定性要求更高，电力保障从单纯的“成本项”升级为“安全项”和“竞争项”。鉴于此，“算电协同”被纳入国家政策部署，表达出加快人工智能基础设施建设的明确信号。 原因： 1. 用电规模扩大导致成本敏感度提高。随着模型规模、训练轮次和推理调用增加，算力设施的单位时间耗电量显著上升，电力成本的影响被深入放大。 2. 资源分布与需求不匹配。算力需求集中长三角、京津冀、粤港澳大湾区等东部地区，而风电、光伏等新能源资源主要分布在西北地区，形成“算力在东、绿电在西”的结构性矛盾。受限于输电能力、消纳机制等因素，东部面临高电价压力，西部则存在新能源消纳不足的问题。 3. 新能源波动增加协同难度。风光发电具有间歇性和随机性，而智算中心需要大负荷连续运行。若缺乏储能、灵活调度和价格机制支持，将影响绿电稳定供应和算力业务连续性。 影响： 算电关系的重塑将对产业格局、区域布局和能源体系产生多重影响： - 对企业而言，电力保障能力成为智算中心选址、扩容和运营的核心考量，电价、绿电占比、供电可靠性和储能配套的重要性大幅提升。 - 对区域而言，新能源资源丰富、输电条件优越的地区将吸引更多智算项目落地，带动上下游投资和就业。 - 对能源系统而言，数据中心从“用电大户”向“可调负荷资源”转变，通过参与需求响应和负荷调节，有助于提升电网灵活性和新能源消纳能力，推动新型电力系统建设。 对策： 推进算电协同需从三上入手：基础设施协同、机制协同和技术协同。 1. 加强规划衔接。围绕国家算力枢纽节点建设，统筹电网接入能力、新能源布局和跨区输电，优化数据中心与风光储项目的空间匹配，降低结构性错配成本。 2. 完善绿电供给与交易机制。通过绿电交易和长期购电协议，提高智算中心获取稳定绿电的预期性，增强企业投资信心。同时，发挥绿证等机制作用，建立可核算的绿色用能体系。 3. 提升算力网络与电力调度协同能力。根据业务时延需求分层部署，“热业务”靠近负荷中心，“冷训练”向电力富余区域转移；在用电高峰时段，调度非实时任务至电力富余节点，缓解峰时压力。 4. 加快储能与能效技术应用。优化数据中心储能、制冷和供配电系统，提升PUE指标，降低单位算力能耗。探索液冷等技术，挖掘节能降碳潜力。 5. 建立多方利益协调机制。明确电价、并网消纳、灵活性补偿等规则，降低协同成本，避免资源错配和重复建设。 前景： 算电协同将成为智能化与能源转型深度融合的关键。随着超大规模智算集群建设推进，电力要素对算力产业的影响将进一步增强，行业竞争将不仅聚焦算法和应用，还包括能源获取、用能结构和调度能力。未来，绿色电力、储能、算力网络和智能调度领域的投资有望加速，涉及的标准、核算和交易体系也将逐步成熟。如何在保障业务可靠性的同时提高绿电比例，以及如何发挥数据中心的可调负荷潜力支持电网稳定，将成为政策和产业共同关注的重点。
这场算力与电力的深度协同，既是应对能源挑战的务实之举，也是重塑数字基础设施的前瞻布局；当西北的风机与数据中心的服务器实现高效联动，中国有望在全球率先探索出数字经济与低碳经济协同发展的新路径。正如能源专家埃里森所说：“21世纪的产业竞争，本质上是能源效率的竞争。”