算力無價，電力有局：誰能拿走AIDC入場券？

【摘要】大模型越卷越快，AI產業表面上拼的是模型、芯片和應用，背后真正被重新推到臺前的，卻是電力。

隨著AIDC進入爆發期，數據中心在用電規模、負荷波動、供電穩定性和綠電約束上，全面逼近新型工業基礎設施的門檻。

國際能源署預計，到2030年全球數據中心用電量將增至約945太瓦時，較當前翻倍，AI是其中最關鍵的驅動力之一。

當AI產業從算力競賽走向“算力底座競賽”，誰能提供穩定、綠色、低成本、可快速交付的電力系統，誰就更可能參與定義下一代AI基礎設施。

以下為正文：

今天再談AI，大家的情緒已經不只是興奮，還有一種越來越明顯的緊迫感。

過去兩年，行業在比模型能力、比芯片數量、比推理成本，但到了2026年，越來越多從業者開始意識到，真正決定AI擴張上限的，還有一個更底層的變量：電力。

國際能源署在2025年發布的《能源與人工智能》預測，到2030年全球數據中心用電量將增至約945太瓦時，較當前水平實現翻倍增長，AI正是其中最重要的驅動因素之一。

如果想更細致地刻畫這個過程，應該是，AI產業正在從“算力競賽”進入“算力底座競賽”。有沒有足夠穩定、足夠便宜、足夠綠色、還能快速交付的電力系統，成了下一個階段需要考慮的問題。

說到底，AI當然是算法、軟件和應用的產業，但真正支撐它持續運轉、擴張、商業化的，仍然是背后這個極其現實的物理世界。芯片運行要電，集群擴容要電，推理調用要電，冷卻系統也要電。AI的確是一場數字革命，但也是一場能源重構。

01

電力，正在成為AI產業的約束

AIDC真正值得關注的，不只是名字里的“AI”，還在于它把數據中心這個原本已經很重的基礎設施，又往更高功率密度、更高穩定性要求和更高綠電約束的方向推了一大步。

傳統IDC時代，行業討論更多的是機柜數量、帶寬和服務器利用率。但到了AIDC時代，能不能穩定算下去成了個更負責的問題。根據麥肯錫2025年的估算，全球AI數據中心相關需求達6.7萬億美元，美國將主導其中過半市場。2025年新增8GW容量，占全美電力增幅近一半，到2030年能耗預計達470太瓦時（TWh），相當于加州全年用電量的兩倍。

這也意味著，電力就不再是一個運營成本項，還會成為項目能否落地的前置條件。

問題在于，AI項目的建設節奏和電力基礎設施的建設節奏，天然不在同一個時鐘上。大模型公司、云廠商和智算中心都希望用更短的周期完成部署，因為技術迭代太快，窗口期太短，誰慢一步，可能就會失去業務機會；但電網接入、輸配電擴容、變壓器和配套系統建設，卻是典型的慢變量。

這也是為什么，今天越來越多AI基礎設施項目開始轉向“先看電、再談算力”的邏輯。在很多地區，電力可得性本身就決定了項目命運。有電但電價過高，項目的全生命周期回報會被侵蝕；有電但綠電比例不夠，項目又很難滿足政策和客戶的雙重要求。

中國的政策導向也在強化這一趨勢。2026年中國發展高層論壇消息，國家數據局已于2024年10月會同相關部門在京津冀、長三角、內蒙古等樞紐節點及青海、新疆等清潔能源富集地區開展“算電協同”先行先試，下一步目標是確保樞紐節點新建算力設施綠電應用占比達到80%以上，構建綠色低碳的算力體系。

電力本身，正在成為一種生產資料。

所以，如果今天還把AI產業理解為純粹的軟件業、互聯網業，視角其實已經落后了一步。真正的大規模AI競爭，是一場硬件、能源、網絡和調度系統共同參與的復合型競爭。AIDC熱潮的表層是算力投資，深層卻是基礎設施的重構。

02

AIDC真正難的，是“電越來越難用”

如果說有沒有電是AIDC的第一層門檻，那么第二層、更難跨過去的門檻則是“這類電該怎么用”。

AI數據中心和傳統數據中心最大的區別，是對電力系統提出了完全不同的要求。GPU集群、高速互聯、先進制冷、密集型電子設備疊加在一起，使AIDC負載呈現出更快的波動速度、更高的瞬時沖擊和更復雜的電能質量問題。

這類變化之所以危險，在于它對電網穩定性的沖擊往往會在關鍵時刻突然放大。哈佛大學貝爾弗中心在今年關于電力與AI基礎設施的分析中，援引了北弗吉尼亞電壓波動導致多座數據中心同時脫網的案例，說明在高密度數據中心集聚區域，單次電壓事件可能引發大規模負荷同時退出，形成數百兆瓦乃至更高量級的擾動。

對于金融交易、云服務、模型訓練、實時推理等高度依賴連續性的業務來說，這種風險會導致營收中斷、客戶損失與信譽受損。

青海近期披露的數據也顯示，截至2025年底，當地算力規模達到2.2萬PFLOPS，同比增長161%，并已建成省級清潔能源和綠色算力調度中心，說明綠色算電協同已不再停留在概念層面，而是在加速形成區域性樣板。

這也是為什么，行業這兩年越來越頻繁地提到源網荷儲一體化、構網型儲能、綠電直供和實時調度。因為單靠傳統方案和設備，已經很難應對AI負荷的高頻、動態、連續的波動特征。

因此，AI產業今天真正需要的，不只是更多數據中心，而是更懂電力系統的新一代數據中心。誰能夠率先弄懂這個用電邏輯，誰才有資格說自己真正理解了AIDC。

03

AI的電力底座建好了嗎？

正因為 AIDC 的電力問題是一個復雜的系統工程，而非單一設備或環節的修補，行業開始涌現出一批具備全鏈路能源能力的企業。它們跳出傳統IDC服務商的單一視角，從源網荷儲一體化的底層邏輯出發，為AIDC打造定制化的電力底座。

在這一賽道上，不少深耕新能源與能源數字化的企業已經率先布局并落地了標桿項目，遠景就是其中的典型代表。

當前，AIDC選一個電力供應商需要考慮其能力是否覆蓋當下最缺的幾個環節：綠電供給、儲能調節、系統調度和園區級一體化交付。在這樣的框架下，誰能拿出一套不是拼裝式、而是系統式的解決方案，誰就更有可能在AIDC時代獲得電力體系話語權。

遠景近兩年的公開動作，恰好踩中了這個方向。

首先，它將AI技術深度融入能源全鏈條，推出“天機”氣象大模型和“天樞”能源大模型，把新能源出力預測、儲能智能調度、電網精準控制和園區一體化運營整合到同一套 AI電力系統中，實現了能源流與信息流的深度融合。

其次，這些技術能力已經在多個真實場景中得到驗證。據新華社、科技日報和人民日報能源版等公開報道，其AI電力系統已落地零碳產業園、大規模儲能、綠電直連等多個場景，其中全離網的赤峰零碳氫氨項目已實現100%綠電穩定供給。

遠景發布AIDC多場景能源解決方案

雖然這并非標準AIDC項目，但它們和AIDC一樣，指向的是高負荷、高波動、高綠電占比的復雜場景。再高比例可再生能源接入下，遠景通過儲能與智能調度實現電力系統的連續、穩定、經濟運行。這恰恰是AIDC最迫切需要解決的難題。

更進一步看，這類企業的核心優勢，在于跳出了“單一供電方”的傳統定位，而是從項目規劃之初就將整個供電鏈路作為一個整體來設計，打造適配AI時代的新型電力底座。

遠景AIDC能源解決方案具備四大核心能力：

一是全場景全鏈路布局，一站式覆蓋電網側（風光配儲、綠電直連）、場站側（構網型儲能）和負荷側（高壓側直流儲能系統替代UPS），解決從并網到算力穩定的電力痛點；

二是模塊化集成設計，支持百兆瓦級大型集群的快速擴展與EPC交付；

三是全棧自研軟硬件深度集成，提升供電效率，顯著降低全生命周期用電和運維成本；

四是極速交付，核心系統部署周期縮短70%，快速響應AI模型迭代需求。

公開報道顯示，遠景已與騰訊在內蒙古赤峰落地了全球首個100%綠電直供的數據中心，綜合能源成本降低超40%，年減少碳排放可達18萬噸。

對于當下的AI產業來說，這一點非常關鍵。因為AI資本開支雖然還在暴漲，但整個行業也越來越在意投入產出比，越來越在意項目的確定性。能夠把電力問題從不確定成本，變成確定能力，本身就是一種稀缺價值。

遠景攜手騰訊在內蒙古赤峰落地了全球首個100%綠電直供的數據中心

這類系統級解決方案為行業提供了一種全新的可能性：AIDC項目可以從規劃階段就圍繞源網荷儲協同進行頂層設計，通過AI智能調度優化能源配置，依托綠電直供和儲能系統重構項目的成本結構與可靠性體系。

對于一個越來越需要確定性的大規模AI產業來說，這類能力是決定項目能否真正跑起來、跑得穩、跑得久的底層條件。也正是在這個意義上，能源科技企業不再只是AIDC賽道里的一個供應商，而是參與定義“AI電力底座”應該長什么樣。

04

尾聲

時至今日，AIDC最有意思的地方，在于它打通了兩個原本被分開討論的世界。一邊是AI世界，另一邊是過去相對幕后的能源世界。科技創新大背景下的能源行業并不只是背景板，AI行業越火，這件事就越明顯。

因為AI真正的擴張，不會只靠更聰明的算法實現，也要靠更強的物理基礎設施去托底。

所以，AI的商業化焦慮正在迅速演變成電力焦慮。誰能解決這種焦慮，誰就更可能參與定義下一階段的AI基礎設施。

沿著這個邏輯去看，AIDC與能源產業的深度融合，為行業破解電力焦慮提供了新的解題思路，也踩中了AI時代最核心的真問題：當算力競賽走向深水區，誰能真正打造出穩定、綠色、低成本、可快速擴展的AI電力底座？