等中国光伏降成白菜价？硅片一周涨40%，硅谷的AI电费算盘打错了

2026年8月下旬，一张硅片报价单打乱了海外买家的采购计划。

硅业分会数据显示，国内N型G10L单晶硅片成交均价单周上涨40%。

过去一年，不少海外企业一直在等。他们判断中国光伏产能充足，价格还会继续下探。

与其现在买，不如再等等，等中国厂商把价格压得更低，再采购组件给AI数据中心供电。

结果，低价没有等来，先等来了一轮抢购和涨价。

几乎在同一时间，国内企业已经开始推进光伏、储能与AI算力中心直连。光伏板铺在算力中心附近，白天发电，储能系统接住波动，再把电送进服务器。

海外买家还在研究什么时候买最便宜，中国企业已经把光伏从一种发电设备，变成了AI算力的配套设施。

那张上涨40%的报价单背后，其实藏着一个更大的变化：下一轮AI竞争，电力可能比芯片更难买。

一、GPU六个月换一代，电网扩容却要等十年

训练大模型，表面上是在跑代码，机房里发生的却是一场高强度用电。

训练一次GPT-4级别的大语言模型，耗电量可达50吉瓦时，相当于约4000个普通家庭一年的用电量。英伟达NVL72服务器机架的功率密度达到120千瓦，是十年前普通数据中心机架的24倍。

过去，一排机柜接入普通数据中心配电系统就能工作。如今，一个高密度机架的用电量已经接近一栋小型办公楼。

麻烦在于，欧美电网的建设速度跟不上服务器。

美国弗吉尼亚州北部聚集了大量数据中心，电力需求已经超过5吉瓦。新增变电站和高压线路的接入申请，部分排到了2030年以后。在美国和英国，新建一条高压输电线路，仅环境评估和行政审批就可能花掉5到10年。

AI公司半年更新一代芯片，电网公司还在准备下一轮听证材料，双方完全不在同一个时间表上。

微软选择了一条看起来很有冲击力的路线：投入160亿美元，与Constellation签署20年协议，推动重启三里岛核电站,而谷歌和Meta则把目光投向小型模块化核反应堆。

可核电站不是电脑，按下开机键不能立即运行。老电站重启要做安全检查、设备更新和审批，至少需要3到5年，小型核反应堆同样要经历建设和验证。

但是数据中心等不起。服务器到货后每停一天，土地、设备和融资成本都在继续计算。

芯片买得越多，没电时闲置的资产反而越贵。

二、重启旧核电还是光储直连，两张电费单差得太远

欧美企业解决AI用电，主要依赖三条路。

第一条是继续向公共电网申请扩容。这种方式最熟悉，却要承担输配电费、尖峰附加费，还要在并网队伍里慢慢排号。

第二条是寻找核电等稳定电源。供电可靠，但建设和重启周期长，项目还没送出第一度电，下一代GPU可能已经上市。

第三条是把发电设备直接搬到算力中心旁边。

中国企业正在推进的光储算直连，省掉了不少中间环节。传统模式下，光伏发出的直流电要先经过逆变器变成交流电，送入电网。数据中心拿到交流电后，还要经过整流设备，再变回直流电供服务器使用。

电流来回变换一次，8%到12%的能量会变成热量，还要额外消耗制冷能力。

直流微电网直接把光伏、储能与服务器直流母线连起来，传输效率可以提高到95%以上。简单说，太阳能板发出的电少绕了一大圈，也少交了一层输配电费用。

白天多出来的电，由600Ah以上的大容量储能电芯接住。液冷系统把电芯温差控制在2摄氏度以内，夜间再由储能系统继续给机房供电。

路线变化也对光伏组件提出了更高要求。

传统P型PERC电池在高温环境下衰减更明显。N型TOPCon量产效率达到25.5%至26.2%，弱光响应和双面发电能力更好；N型HJT的温度系数更低，在高温地区，发电量优势可以超过8%。

对于每天24小时不停机的算力中心，多发出来的每一度电都能直接写进收入和成本表。

三、从靠补贴卖组件，到用电费争夺算力订单

中国光伏走到今天，并不是一路顺风。

2000年至2012年，中国光伏产业的原料、设备和市场大量依赖海外。欧洲补贴政策稍有变化，国内企业的订单和利润便跟着大幅波动。

2018年，光伏补贴退坡，行业进入价格和效率竞争。大量成本高、技术慢的产能被淘汰，硅片、组件和设备企业只能继续降本。

几年下来，光伏组件成本下降约90%，中国也逐渐掌握了从硅料到组件的大规模生产能力。

2022年以后，大模型迅速扩张，光伏产业突然了一个体量巨大的新客户：算力中心。

过去，电力大约占数据中心运营成本的30%。高密度AI服务器普及后，这一比例可能升到60%至70%。算法团队每多训练一次模型，财务部门就要多付一笔可观的电费。

这时，光伏厂商销售的已经不只是组件。

阳光电源等企业可以同时提供储能、逆变设备和能源管理方案。项目方不用分别寻找多家供应商，再花时间调试彼此的接口。

光伏发多少电、储能什么时候充放、服务器需要多少功率，都可以放进同一套系统里协调——这就叫算电一体化。

AI公司不再先建机房，再去电网申请用电，而是在选址阶段就把日照、储能容量和服务器负荷一起计算。算力中心建在哪里，越来越取决于哪里能稳定提供便宜电。

那张上涨40%的硅片报价单，也就不难理解了。海外企业抢购的不只是光伏材料，而是在争夺未来几年的低成本算力能源。

四、一次模型训练省4000万元，光伏正在改写AI账本

两种供电模式的差距，最后都会落在电费上。

欧美数据中心从传统电网购电，综合成本大约为每度0.12至0.20美元，折合人民币约0.8至1.4元。光储算直连模式把光伏和储能折旧计入后，综合成本可以降到每度0.04至0.05美元，约合人民币0.3至0.4元。

假设训练一个大模型需要5000万度电。

按照每度0.15美元计算，电费约为750万美元，折合人民币约5400万元。采用光储直连，按照每度0.04美元计算，成本约为200万美元，折合人民币约1440万元。

是的，数字是如此直接，一次训练，电费相差接近4000万元。

对大模型公司来说，这笔钱可以再买一批服务器，也可以多训练几个版本。模型研发本来就需要不断试错，电价越低，能承受的试错次数就越多。

这套模式也有一道绕不过去的门槛。光伏会受天气和昼夜影响，项目必须配置足够的储能，还要提前投入大笔建设资金。数据中心负荷越高，储能系统就越庞大，电池寿命和液冷维护也会直接影响成本。

可相比等待5到10年的电网扩容，光储直连至少把供电进度掌握在企业自己手里。

过去，光伏企业靠卖组件赚钱；现在，它们开始靠降低AI电费争夺订单。硅片、储能电芯和直流母线，也从新能源设备变成了算力基础设施。

硅谷原本想等中国光伏继续降价，结果等来了一张上涨40%的报价单。