产业之声 | 算电协同：全球AI基础设施竞争的“第二战场”

本文作者

阿里云科技研究中心：罗治兵、安筱鹏

阿里云采购部碳管理与能源采购团队：毛宏举、黄光舟

阿里云基础设施事业部：郑晨

全球AI大模型发展已进入算力竞速的关键阶段，随着大模型训练和推理所需的计算资源快速增长，传统的电力供应模式，已难以满足AI基础设施的能源等发展需求。在此背景下，算电协同作为支撑AI基础设施发展的关键“方案”，正成为全球AI基础设施竞争的“第二战场”。为此，建议进一步优化算电协同政策举措，充分发挥我国能源优势来弥补“算力能效短板”，促进我国AI技术产业的高质量发展。

一、能源已经成为全球AI竞争的关键要素

AI已经成为全球数字技术竞争的制高点。目前，全球计算范式正在发生新一轮重大变革，即从CPU主导的计算体系，向GPU主导的AI计算体系迁移，AI基础设施成为参与全球AI竞争、赢得AI战略主动的关键。从全球看，智算集群规模正从万卡走向10万、百万卡，这是因为超大规模集群是训练国际先进基础模型的必备设施。如果我国没有超大规模集群，参与全球AI竞赛就仿佛是“三轮车”和“汽车”在同一赛道竞争。

建设超大规模智算集群，是一个复杂的系统性工程，不是万卡设备的简单堆砌和连接，而是需要芯片、服务器、网络设备、调度软件、模型等的紧密配合，以及对存储、GPU、基础算子底层代码、网络通讯原语等进行系统性优化。直观上理解，智算中心不是建设“二层小楼”，而是建设迪拜哈利法塔这样的世界级“摩天大楼”。除了技术上的极高要求外，智算集群建设也面临物理条件的限制，其中最大的瓶颈就是能源。

从要素供给看：能源已经成为智算集群的核心“生产要素”。近日，OpenAI CEO萨姆·奥尔特曼（Sam Altman）认为“未来十年，谁掌握智能和能源，谁就赢”。OpenAI预测，到2030年美国将需要约50吉瓦（GW）的新增电力产能，以支持AI行业的迅猛发展。英伟达创始人黄仁勋表示，人工智能数据中心实际上是“AI工厂”，未来的数据中心不再是存储与计算中心，而是生产Token的工厂——输入能源、输出Token。随着越来越多的企业和个人采用AI解决方案，AI基础设施的电力需求将持续攀升。如果说上一轮互联网是“算力+连接”，这一次AI 靠的则是“算力+供电”。智算集群电力容量要求高，虽全年整体负荷较为稳定，但短时负荷往往波动较大。例如，在大模型训练阶段，智算集群在数天或数月时间内处于持续满负荷工作，这对电力供给的持续性、稳定性提出了更高要求。因此，如果没有国家级的能源供给保障，AI就难以持续进化突破。

从要素成本看：电力成本已是智算集群最大的运营成本。中国信通院数据显示,电力成本占数据中心运营总成本的60%-70%。随着通用计算加速转向AI计算，电力成本的占比也将进一步提升。GPU服务器的功率通常是CPU服务器的数倍，这意味着GPU服务器的高功率，将显著增加数据中心的散热系统能耗和总体能耗。以单体部署10万块英伟达H100 的GPU算力集群为例，其功耗超过130兆瓦（即13万千瓦），约等于10万个美国家庭的用电量。

二、能源优势是弥补我国“算力能效短板”的重要支撑

（一）美国AI芯片和模型均处于优势地位，但电力供应存在较大短板

AI芯片是大模型训练的算力基石。美国在AI算力方面的明显优势，是美国AI模型持续全球领先的重要基础。目前英伟达GPU占据了AI训练芯片约90%的市场份额，微软、亚马逊、谷歌、OpenAI等也在推进自研AI芯片量产。国产AI训练芯片尚处于起步阶段，与国际先进水平差距较大。除芯片计算性能差异外，国产AI芯片的能效(TFLOPS/W)差距也很大，这意味着国产芯片单位算力往往需要更多的能源消耗。当前，国产主流AI芯片的能效尚不足1，而英伟达B200和H100芯片，能效分别达2.25、1.4，其中B200能效是大多数国产AI芯片的2倍以上。此外，考虑集群组网技术等因素后，我国与国际一流智算集群之间仍存在明显的能效差距。

美国在AI芯片、模型等方面均处于优势地位，但在电力供应方面存在较大短板。美国电力基础设施较为陈旧，大面积停电情况时有发生，且输电能力增长缓慢。对美国而言，一方面是急剧增长的AI大模型用电需求，一方面是陈旧且脆弱的电力网络。美国AI产业界也对电力供应表达担忧。近日，谷歌前 CEO 埃里克·施密特（Eric Schmidt）表示“我们没法再训练下一个 AI，不是因为技术跟不上，而是我们国家的电不够用了。” 北美电力可靠性公司（NERC）的报告指出，数据中心等新兴负荷的快速增长已对电网的规划和稳定构成“前所未有的独特挑战”。美国战略与国际研究中心也指出，电力供应已成为限制美国AI计算能力扩展的最紧迫约束。

（二）我国能源优势显著，能够有力弥补“算力能效短板”

一是能源资源丰富、产业优势明显。我国煤炭、水力资源丰富、不仅是全球最大的煤炭生产和消费国，也是世界上最大的水电生产国之一。同时我国可再生能源快速发展，已经成为全球最大的风能和太阳能设备制造国，显示出强大的生产能力和发展潜力。截至2024年底，中国风电装机约5.1亿千瓦，年度新增装机全球占比在40%以上。此外，我国在能源产业方面还拥有后发优势和规模效应。在许多能源技术领域（如可再生能源、核能、超高压输电），我们利用后发优势，坚持技术创新和最新标准，叠加中国强大的制造业产能，在多个能源领域实现了技术、规模双重领先。例如，在光伏产业方面，中国已经掌握从多晶硅、硅片、电池片到组件的完整产业链，在全球市场上的份额分别达到了78%、97%、85%和75%，形成难以撼动的竞争优势。

二是能源体制机制具备独特优势。一方面，我国能够通过长期规划和强有力的政策支持来推动能源行业的发展。例如，“十三五”、“十四五”规划中均提出要构建现代能源体系，在大型清洁能源基地、沿海核电、电力外送通道、电力系统调节等方面均设立重大工程项目，具有明显顶层设计优势；另一方面，我国项目决策过程、工程建设速度具有显著优势。大型基础设施项目（如特高压输电线路、核电站）可以迅速推进和铺开。例如，目前在运营和建设中的核电机组数量已达102台，过去三年年均批准核电机组建设数量超过10台，建设周期在5-6年，而美国以2023年投运的沃格特尔核电站为例，从开工到运营耗时近20年。

三是电价长期看有望形成较大优势。短期看，美国在工业电价方面更具优势。但从长期看，我国电价仍具备形成优势的诸多良好条件。首先，发电成本持续降低。随着可再生能源如光伏组件、风机等技术的持续创新，成本的持续下降，加上中国制造业的规模效应，发电成本有望进一步降低。国际可再生能源署（IRENA）报告指出，过去10年，全球风电和光伏发电项目平均度电成本分别累计下降超过60%和80%，降幅明显；其次，电力市场体系日趋完善。目前全国绝大部分省份均建立了省级电力市场机制体制，国家还要求在2025年底前基本实现电力现货市场全覆盖，这有助于实现更高效的资源配置，稳定终端电价；最后，电价机制逐步完善。2025年初，国家发改委发布136号文，提出“机制电价”政策，完善机制保障市场主体收益，近期部分省份执行细则也陆续出台，可再生能源项目仍有12-20年的机制电价保障，为可再生能源发电项目长期稳中有降提供了政策保障。

三、算电协同是AI时代发挥我国能源优势的重要路径

从未来趋势看，算电协同拥有巨大的发展潜力，有助于充分发挥我国的能源优势，支撑我国AI技术产业创新发展。具体而言：

一是，算电协同有助于解决能源供给与算力需求之间的矛盾‌。随着AI技术的快速发展，算力需求急剧增加，据估算，到2030年GPU算力集群的用电量将占全国用电量2.7%，接近重点用能行业规模，年复合增长率接近50%；而与此同时，我国新能源装机容量持续维持高增长，2024年，光伏和风电装机容量分别同比增长45.2%和18%；高增长负荷需求和高增长发电装机形成天然的匹配关系，而且算力中心全年稳定的负荷特性能够支撑核电、水电、光伏、风电等多种能源供给的组合形态，是极其优质的可再生能源消纳主体。在这一背景下，国家层面政策也明确提出统筹推动算力与绿色电力融合，加强大型风光基地和算力枢纽节点的协同联动，确保新建数据中心绿电占比超80%‌。

二是，算电协同有助于优化资源配置、提升能源使用效率‌。通过算电协同发展，可以实现电力与算力的优化配置，提高能源使用效率，降低我国数据中心的整体运营成本。例如，通过构建“源-网-荷-储“一体的新型基础设施体系，打破能源与算力的单向供需关系，可以形成“电力支撑算力发展、算力优化电力效率、双向赋能产业升级”的动态闭环‌。目前仍有部分地区存在电网送出断面导致的弃风、弃光、弃水现象，算力中心在部分“东数西算”节点及其附近区域，与可再生能源富集区域和发电大基地高度重合，可通过绿电直连等方式，将算力中心的用电需求与绿电发电项目进行匹配，能够有效提升可再生能源的消纳比例。

三是，算电协同有助于促进AI技术创新和产业应用。通过算电协同，可以推动新型电力系统的发展，使其成为未来新型电力系统的重要调节能力来源。DeepSeek、Qwen等开源AI模型因其低成本、高性能优势，在能源行业得到加速部署，有力推动传统能源调度运营的智能化发展‌。国家电网有限公司发布的多模态行业大模型——光明电力大模型。该模型作为能源电力领域的人工智能“专家”，为电网安全稳定运行、促进新能源消纳、做好供电服务提供“超级大脑”。以往电网调度员处理新能源电源接入配电网，需要提前做电网运行分析、编制负荷转供方案，工作量很大。AI能够帮助调度员快速获取电网数据，并结合气象预报智能预测新能源发电功率和用电负荷波动，一键生成调度方案。

四、算电协同发展面临的主要问题与建议

（一）算电协同发展存在的问题

一是目前算力负荷与新能源资源布局仍存在差异。目前八大枢纽节点的新能源资源分布不均衡，大量算力需求来自新能源资源匮乏的东部地区，而由于枢纽节点间电力传输物理条件和电力市场政策条件的限制，算力中心高比例绿电应用仍存在一定困难。

二是绿电获取成本仍有改善空间。绿电直连已有国家顶层政策支持，但此模式下电价计算机制尚不明确、仍未有定论，当前亟需明确如何平衡用户就地消纳成本降低诉求、和电网建设成本回收诉求，形成贴合实际并符合各方诉求的最优解，促进算电协同帮助当地新能源项目提高消纳率和发电效率。

三是能耗抵扣和能耗指标等政策仍待完善。当前，绿电交易与碳排放的衔接机制尚不完备，实践中无法形成“购买绿电——抵扣能耗”的完整闭环。同时，部分地区智算中心能耗指标获取仍有困难，智算中心作为AI时代的基础设施底座，承担着大模型训练、推理等计算任务。然而，一些智算中心项目虽处于“东数西算”节点，但由于在起步区之外，存在能耗指标获取难问题，制约我国AI产业的发展。

（二）促进算电协同发展的建议

近期，国家层面密集出台政策，支持算电协同发展：2025年5月21日，国家发改委、国家能源局发布了《关于有序推动绿电直连发展有关事项的通知》，在明确物理直连、投资主体、余量上网交易、费用缴纳等方面，都有了明显的突破，为企业用好政策指明了方向；2025年5月23日，国家能源局发布了《关于组织开展新型电力系统建设第一批试点工作的通知》，将算力与电力协同作为第一批试点方向。当前，为进一步促进算电协同发展，建议如下：

一是优化算电协同的规划布局和建设节奏。在新能源资源丰富的国家算力枢纽节点，可考虑出台鼓励措施，优先布局算力中心集群。由于八大枢纽的新能源资源分布不均衡，对于枢纽节点内的GPU集群在优先消纳本地新能源后的不足部分，通过探索扩大跨区跨省绿电规模、放开绿电交易点对点政策限制等来满足集群绿电需求；此外，算力集群的用电特性受建设进度、业务节奏等多方面因素限制，普遍滞后于可再生能源基地建设，在建设节奏上，要将算力集群建设与可再生能源基地建设有机结合，以算力集群用电量上升节奏为基准，进而调整并网装机容量，形成效率成本最优的算电协同建设体系。

二是推动源网荷储、绿电直连等政策与算电协同的深度结合。从项目范围看，优先支持将GPU智算集群作为“源网荷储”、绿电直连等项目的负荷进行项目申报，优先安排开发指标，提升绿电长期稳定供给，同时将枢纽节点等重点区域的存量算力中心纳入申报范围；从项目消纳看，支持新能源项目配合算力中心负荷节奏，灵活调整项目并网周期及发电计划，放宽负荷上升过渡期的上网电量比例，打通算电协同项目落地的“最后一公里”；从项目调度看，充分考虑算力中心对供电稳定性的高需求，细化区分运行管理界面，分类分级开展项目观、测、调、控，有效平衡负荷侧的供电稳定性和电网调度需求，在确保新能源项目稳定运行的前提下满足调度机构的整体要求。

三是加快制定贴合实际的绿电直连电价机制。探索建立合理平衡的绿电直连电价机制，在可再生能源项目优先供给、余电上网，算力中心全量消纳、大网兜底的大框架下，放开发电侧发电量限制，鼓励提升发电效率，探索输电侧成本分摊机制，在输配电价、容量电价、系统运行费等类目中制定合理的计算原则，保障电网建设成本回收的同时有效降低终端电价。

四是加快完善算力中心的能耗指标政策。建议扩大“东数西算”起步区范围，增加覆盖面，提升能耗单列政策的实际效果。同时，建议细化数据中心分类，对于自用、有业务基础、产业带动效果好的算力中心集群，予以能耗指标倾斜支持。

版块介绍 —产业之声

紧跟产业发展脉搏，阿里研究院汇集行业领袖与企业的真实声音，在算力基础设施的规划与布局、能耗优化、大模型能力发展、大模型评测体系、产业应用案例深入研究、新技术与应用趋势前瞻探索等方面，剖析成功案例背后的逻辑与挑战，并提供基于产业深度洞察的策略建议。同时，阿里研究院依托于阿里巴巴集团在人工智能领域的全面布局，分享阿里的AI产业生态和应用的实践落地，探讨技术如何重塑产业格局并推动社会经济的转型升级。

Reading

1、

2、

3、

4、

5、

6、

7、

8、

9、

10、

11、

12、

13、

14、

15、

16、

17、

18、

19、

20、

21、

22、

23、

24、

25、

26、

27、

28、

29、

30、

31、

32、