AIDC軍備競賽轉向：穩定、成本與綠電成為新勝負手

如果說過去兩年，AIDC的競爭核心是算力，那么從2026年開始，這場競爭的底層邏輯正在發生一次更深刻的轉移：決定AI上限的，不再是芯片，而是電力系統。

在模型能力不斷逼近、算力持續擴張的背景下，一個更現實的約束開始浮出水面：電力是否穩定、成本是否可控、能源是否可持續，正在成為AIDC能否落地的第一道門檻。

4月1日，遠景發布AIDC從“芯”到“網”多場景能源解決方案，覆蓋電網側、場站側、負荷側和控制側，高效破解AI算力時代數據中心的電力瓶頸。

遠景正式發布AIDC多場景能源解決方案

據悉，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。此外，遠景正攜手頭部AI公司在烏蘭察布打造全球最大零碳AIDC園區，項目預計今年交付。

遠景攜手騰訊在內蒙古赤峰落地全球首個100%綠電直供的數據中心

這一事件在全球AIDC“軍備競賽”的新形勢中尤為值得解讀—— 穩定 、 低成本 的 綠電 供給，已成為AIDC項目的剛性要求。

一

安全已現隱患

傳統互聯網數據中心（IDC）主要承擔數據存儲、網頁服務等任務，負載相對穩定可預測。而AIDC（人工智能數據中心，也稱智算中心 ） ，專為AI模型訓練和推理設計，具有以下幾個顯著特征：

· 高功率密度：單機柜功耗遠高于傳統數據中心，常常達到傳統機柜的 50-100 倍；

· 負載波動劇烈：AI訓練任務啟動時會產生巨大的瞬時電流沖擊；

· 7×24小時高負載運行：對供電可靠性要求極高，哪怕毫秒級的斷電，也可能導致價值數百萬美元的AI訓練成果付諸東流。

AIDC這一負荷特性已經對電網造成沖擊。 3月31日 ， TerraFlowEnergy 首席營銷官 AmandaSimonian 在知名行業媒體 utilitydive 撰文 揭露，美國的 AI DC 正遭遇一些沒人愿意公開談論的問題 —— 設備磨損速度超出預期，備用系統表現反復無常，運營商被迫排查計劃外故障 等等 。 行業內 許多人私下都在問同一個問題：為什么這些問題出現得如此之早，又如此頻繁？

沒人能回答這個問題。實際上 大多數 AIDC遇到的 問題 都被企業 悄悄 處理了 。他們只在工程評審和深夜電話會議中私下交 流這些 事情 ，絕不在公開場合討論。

沒人愿意讓自己的 AIDC 成為首個 被 公開 的負面 案例，也沒人愿意承認為傳統數據中心設計的電力系統在AI負載下已捉襟見肘。

但在運營、維護和研究這些系統的圈子里 ，AIDC的問題早已 傳開。 如果你 的AIDC出了 故障， 別擔心，你 并不孤單 。

在少數 可以公開看到的 案例中，公用事業公司已 開始 直接干預。

某個新 投運 的數據中心可能因 電力負荷波動太大，影響了 局部饋線穩定 ， 而被要求 暫時離網 。 別以為這只是理論上的可能，類似的情況比比皆是，只不過還沒擺到臺面上來。

核心問題很簡單：AI創造了一種新型 負荷 ，而 電力 行業試圖用傳統工具支撐它。 電網 出現壓力 也就 不足為奇。

Amanda Simonian 最后在文章里呼吁， 如果AI開發者想負責任地建設，如果公用事業公司想維持 電網 穩定，架構就必須改變。在數據中心與電網之間需要設置一個波動緩沖層。該緩沖層必須能夠深度循環、即時響應、持續運行，且不會退化或過熱。

儲能就是能滿足這些條件的技術路線 之一 。

但難點在于，儲能并非簡單“加一層電池”就能解決AIDC 的問題。在GWh級儲能電站中，單站往往包含百萬級電芯，系統安全與穩定已經從“設備問題”，演變為“數據與算法問題”。

在實際運營中，行業正在形成一個共識：只有通過AI對電芯狀態、系統運行與電網響應進行實時建模與協同控制，儲能系統才能真正承擔起“波動緩沖層”的角色，而不是新的風險源。

在具體實踐中，“構網型儲能”正成為應對這一挑戰的核心工具。以遠景的實踐為例，其邏輯是在場站側構建一個主動支撐體系：通過直接平抑算力負荷的瞬時波動，由儲能系統為電網提供虛擬慣性，從而在源頭上阻斷波動誘發的電網諧振。這種方式將風險控制在場站內部，避免了局部擾動演變為區域性的脫網事故。

二

成本將定未來？

Rystad Energy 的數據顯示， 2025年， 全球 數據中心資本支出達到7700億美元，超過了同年上游油氣活動的投資額。

太陽能光伏投資在過去10年中被廣泛認為是能源供應最重大的增長故事，但早在2024年，數據中心的投資額就已經超過了太陽能光伏。Rystad Energy預計 ，2026年 數據中心投資將與可再生能源發電行業以及整個油氣行業（包括上游、中游和 下游部門）的投資額持平。

然而，這一高成本模式后續可能出現巨大的變數。

ESSEC商學院數字顛覆講席教授執行主任Jeremy Beaufils 擁有超過 10年 的谷歌 人工智能與前沿科技 高管經驗，在他看來， 目前 美國 的AI服務價格并未覆蓋其實際運行成本。這種“低價”是由風險投資資本補貼維持的，旨在搶占市場份額。

據 Axios報道，OpenAI預計2026年將虧損140億美元，高于2025年的80億至90億美元。Anthropic的利潤率雖有所改善，但仍受到高于預期的推理成本壓力。

這背后的邏輯，是典型的“千禧一代生活方式補貼”——用戶支付的費用與運行這些模型的成本之間的差額，是由投資者的資金填補的， 而非可持續運營 。

然而，即便是補貼后的低價，美國的算力成本依然顯著高于中國。

《金融時報》3月26日的一篇文章披露，根據追蹤大型語言模型處理的文本、代碼或數據單元的平臺Open Router的數據顯示，自2月以來，DeepSeek和 MiniMax 等中國AI團隊推出的模型，在Token消耗量上已經超越了美國競爭對手。

這一轉變標志著AI競賽正在發生更深層次的變化。英偉達CEO黃仁勛本月表示，Token的生產和使用將驅動AI經濟。由 于開發者是按Token付費的，因此Token消耗量既是模型采用率的代理指標，也是AI公司之間價格戰的戰場。

隨著AI智能體消耗的Token數量遠超早期的聊天機器人，低成本生產Token的能力正在重塑全球競爭格局，并賦予中國新的優勢。

文章透露，中國AI團隊的成本優勢源于更廉價的能源和更高效的模型，這使得 MiniMax 和月之暗面（Moonshot）等公司每百萬輸出Token的收費僅為2至3美元。相比之下，Anthropic的Claude Sonnet4.5收費約為15美元——差距接近六倍。

中國AI的降本是全產業鏈意義上的。遠景提供的AIDC能源解決方案，正是這一理念的集中體現——在成本、交付、擴展性上形成了顯著的差異化優勢，完美適配AI產業高速發展的行業節奏：

一是全場景全鏈路方案布局，一站式破解AIDC從電網接入、場站運營到負荷側的全鏈條電力痛點 ——覆蓋電網側（風光配儲+綠電直連，加速并網、支撐100%綠電消納）、場站側（構網型儲能平滑負荷波動，提升跨節點供電穩定性）、負荷側（直流儲能替代UPS，平抑毫秒級功率波動，保障算力設備穩定運行）；

二是模塊化集成設計， 支持快速擴展與便捷升級，可滿足 百兆瓦級大型計算集群的EPC交付需求；

三是全棧自研的軟硬件深度集成 ，實現供電鏈路效率最大化，大幅降低AIDC全生命周期的用電、運維成本；

四是極速交付能力， 核心系統部署周期較行業傳統方案縮短70%，可快速響應AI算力項目落地需求，匹配AI模型快速迭代的行業特性。而這一能力已經在包括騰訊等頭部AI公司在內的多個項目里得到驗證。

中國企業對成本的這種極致追求很可能會對 企業級AI部署 產生深刻影響。

3月19日 ， EXL的執行副總裁兼首席數字與AI官Anand Logani 在《 福布斯 》雜志上撰文分析了這一趨勢： 與任何重大資本投資一樣， 企業 AI部署 也 需要一個清晰的損益框架和可衡量的投資回報率。CXO們發現，最棘手的問題 不 是大型語言模型的能力是否足夠 ， 真正的制約因素在于成本、延遲、可靠性、能源消耗，以及 如何 在現實需求下 可持續擴張 。 因為 模型準確性的每一點提升，往往伴隨著Token使用量、計算需求和能源消耗的不成比例 地 增加，而業務價值卻并未相應增長。

Jeremy Beaufils 對企業家的建議則更為直接：首先要拋棄現在的低成本規劃，要用 2到3倍的算力成本重新測算AI項目的單位經濟效益。這可能是未來三年的常態。

此外， 關注“效率”勝過“能力” 。 下一階段的競爭，贏 家可能不是參數最 好 的模型，而是那個能用最低、最穩定的成本，提供“夠用”性能的模型。

在即將到來的重新定價周期里，能效，才是活下去的王牌。 能源是底座，算力是工廠，token才是產品。單位電力的token產出效率，將成為AI時代的核心生產 力 。

三

電子VS分子

六年前，谷歌曾滿懷信心地表示，到2030年，它將完全使用風電和光伏來驅動所有運營，并實現自身產生的污染與消除的污染量相抵消。谷歌現在把這稱為“登月計劃”，以此來比喻達成這一目標的難度。

微軟則表示，它仍致力于在2030年前實現碳排放量低于其自身產生的碳排放量，但如今將這一努力描述為“一場馬拉松，而非短跑”。

“即使他們尚未正式修訂目標，也開始承認：‘是啊，我們可能沒按計劃進行。’” Wood Mackenzie 高級分析師 Patrick Huang 表示。

Huang 表示，如今，企業必須竭盡所能利用各種能源以保持競爭力——而其中越來越多地轉向天然氣—— 分子 。

美聯社的報道發現，根據各公司的可持續發展報告，在它們承諾應對氣候變化以來的頭五年里，總體排放量實際上有所 上升。谷歌的排放量飆升了近50%。亞馬遜的排放量增長了33%，微軟的排放量增長了23%以上，而Meta的排放量則增長了60%以上。

國際能源署表示，2024年，天然氣在美國數據中心供電中所占比例超過40%，而全球范圍內煤炭的占比則為30%。而且，這一趨勢似乎并未放緩。

各地公用事業公司正計劃新建天然氣發電廠，以助力數據中心的電力供應；同時，一些科技公司也計劃在數據中心內建設專用燃氣發電廠，專門為其供電。

據獨立研究機構羅迪姆集團的一項研究，人工智能部分導致了美國去年化石燃料排放量上升了2.4%。

從世界首例100%綠電零碳數據中心產業園，到中國最大的零碳AIDC園區 ，遠景的案例可以看出，中國的選擇是： 電子 。

在這場“分子”與“電子”的博弈中， AIDC的勝負手不僅在于算力規模，更在于能源架構的代際演進。

盡管天然氣發電在氣源充足的情況下比可再生能源更加穩定，但AIDC本身負荷波動對于電力系統的擾動依然存在。

當傳統電力體系在AI瞬時高負荷面前捉襟見肘時，以遠景為代表的中國企業基于“源網荷儲”深度協同的新型電力底座就凸顯出絕對的差異化優勢。

這種改變不僅是能源配比的調整，更是技術內核的徹底更替。 更進一步看，這種“能效競爭”并不僅發生在數據中心側，也發生在儲能系統本身。

在大規模儲能電站中，電池健康狀態與充放電策略高度耦合，直接關系到系統的安全底線。如果缺乏算法能力，電站要么為求安全而過度保守運行，要么為追求效率而增加安全風險。

通過AI對電池健康度進行實時監測、預測與協同控制，可以在保障零重大安全事故的前提下，實現穩定高效的充放電管理。這是儲能從“設備資產”走向“可靠基礎設施”的關鍵，也是支撐AIDC持續穩定運行的核心保障 。

從實踐來看，這種能力并非單點技術可以實現，而是依賴于貫穿設計、制造與運營的全鏈路數據閉環。遠景已經在全球范圍內積累了上億顆電芯的運行與制造數據，并在數十GWh級儲能電站中驗證AI運營能力，使電站在保持零重大安全事故的同時，實現效率提升與運維成本下降。

這恰恰回應了AIDC競爭的三大核心趨勢——穩定、低成本、綠電。遠景依托“天機”氣象與“天樞”能源大模型的智慧調度，使算力中心實現了100%綠電直供、全生命周期成本大幅下降以及毫秒級負載平滑，形成了一個“AI管理AI”的閉環： AI保障電力系統的穩定、經濟與綠色，而穩定、低成本、 綠電的電力底座又為AI的持續突破提供源源不斷的動力。

這證明了唯有實現從“芯”到“網”的全鏈路耦合，讓能源系統具備像算力一樣的柔性與智能，才能支撐AI產業在狂飆突進的同時，擁有一個更穩定、可持續的綠色心臟。

AIDC的能源競爭，本質上也正從“有沒有電”走向“如何用好每一度電”。

想參與閉門研討活動

和線上產業微信群

請注明公司、職位

添加微信：shizhicyy

視知產研院聚焦科技和新能源

微信公號已有100萬+高質量粉絲

添加微信：ishizh_business

加好友請注明合作品牌