AI 行業正在面臨一個從未遇到過的”對手“：電力。

GPU 可以無限堆疊，模型參數可以指數級增長，但當單個 AI 機架功率突破 250kW（相當于 300 戶普通家庭同時用電）時，發展瓶頸已悄然從算法和芯片，轉移到了支撐它的電力系統本身。

5 月 26 日，國家能源局在深圳召開全國 "人工智能 +" 能源現場推進會。這場會議的參會名單極具象征意義：國家電網、中國石油、國家能源集團三家能源央企，與遠景科技集團、阿里、騰訊三家科技民企同臺發言。

這標志著，AI 與能源兩個曾經涇渭分明的萬億級產業，正在歷史的十字路口深度融合。

遠景科技集團董事長張雷在現場提出了一個顛覆性論斷：“電力系統正成為人工智能的主體工程，而非配套。”當芯片與模型的摩爾定律，遇上傳統電力系統的緩慢演進，整個 AI 產業的瓶頸，開始從算法和芯片，轉向“智力生產全鏈路的能量管理”，破局的關鍵在于能源、芯片、算力中心的有機融合，而 AI 電力系統就是讓這三者的融合成為人工智能基礎設施的新底座。

AI 狂奔之后，傳統電網開始跟不上了

近年來，隨著 AI 技術的快速發展，其已發展成為市值達數萬億美元、風險投資規模巨大的產業。自 2022 年以來，標普 500 指數中 AI 相關公司的市值增長了約 12 萬億美元。

尤其是最近兩年，全球計算需求增長顯著。據中國國家能源局組織編制的《中國“人工智能+”能源發展報告 2026》分析，“AI+能源”已成為世界主要國家搶占未來發展主動權的重要戰略方向。

AI 的快速發展正在帶動全球算力設施用電需求持續增長。國際能源署（IEA）在《能源與人工智能的關鍵問題》（2026）報告中預測，2030 年后數據中心電力需求可能出現更高的增長。預計美國在該增長中所占份額最大，其次是中國。數據中心的電力消耗量將從 2025 年的 485 太瓦時（TWh）增長到 2030 年的 950TWh，這比日本目前的電力總消耗量還高。

影響算力需求的持續高升的核心因素，來自人工智能數據中心（AIDC）。作為承載 AI 海量數據存儲、運算與部署的核心基礎設施，生成式 AI 的爆發式增長，讓算力電力消耗急劇攀升，AIDC 的電力需求已遠超傳統數據中心。過去幾年，AIDC 爭奪的資源一直是 GPU 和高帶寬內存（HBM），但近年來，當 AI 成為“吃電狂魔”之后，領域的新瓶頸開始出現——傳統電力系統已經不夠用了。

巨頭們在買電，但沒有回答根本問題

正是意識到了這一點，全球科技巨頭們坐不住了。Meta 與超長時儲能公司合作，預留最高 100GWh 儲能容量部署；谷歌更是成為美國首家承諾從下一代小型模塊化反應堆（SMR）購買電力的公用事業公司；微軟則早在 2024 年就重啟了原美國三哩島核電站……

但這些方案解決的只是“有電可用”。一個更深層的問題被忽略了：AI 的負載形態，正在擊穿現有電力系統的設計邏輯。

電網容量是有限的，而可再生能源項目和大型電力用戶都在爭奪它。多國普遍面臨電網擁堵的問題，甚至排隊等待電網接入都有可能需要數年，而變壓器和電纜等關鍵電網組件的等待時間在過去三年中翻了一番。

另一方面，現階段，發電設備的需求量也很高，新建燃氣發電廠的渦輪機交付周期長達數年，這可能會導致其投產時間推遲到 2030 年以后。

實際上，電不夠用的問題，正是 AI 基礎設施的擴張，已經開始逼近部分地區電力系統物理極限的縮影。傳統數據中心的平均機架功率密度（即單個服務器機架內計算設備消耗的電力負荷）通常在 3 到 5 千瓦（kW）左右。

盡管這種計算負荷通常決定了整個數據中心機房的總電力容量在幾兆瓦級，但隨著 AIDC 的興起以及 GPU 和定制 AI 加速器的普及，機架級負荷已超過 100kW。一些實驗性設計達到每個機架 300kw，部分概念驗證系統甚至達到了接近 1MW。也就是說，單個機架的耗電量與數百戶家庭的用電量相當。

過去，盡管傳統數據中心的云計算也需要大量電力，但傳統電網模式是穩定負載、可預測負載。在當下的 AIDC 面臨的情況是：一方面，峰值負載高、GPU 調度實時波動、推理與訓練需求動態變化；另一方面，新能源情況不穩定，表現為風電波動、光伏波動、天氣驅動。

這就好像是，用一個高波動的能源系統，去服務另一個高波動的 AI 算力運行系統。如果將 AI 電力系統看作是一場考試，從未做過任何該類型“試卷”的傳統電力系統，顯然連及格都很難，更不用說取得高分了。

傳統電網邏輯面臨的挑戰愈發清晰。問題已經不是有沒有電，而是現有電力系統能否支撐 AI 所需的高功率密度。AIDC 對供電的需求不僅是足夠的量，高穩定運行、可持續、低成本和綠電，正成為解決 AIDC“燃眉之急”的關鍵。

有趣的是，AIDC 開始越來越像電廠，而電網則越來越像操作系統。更深層的問題，其實是 AI 領域正在面臨前所未有的能源管理挑戰。

這意味著，未來 AI 行業的競爭，可能不只是包括 GPU 和模型等硬件與技術的比拼，而是一種更綜合性的、AI 電力系統的重構，包括：電網、儲能、熱管理、電力電子、調度系統和氣象預測等。

當電力系統成為 AI 的“主體工程”

在這一背景下，已經有企業開始嘗試把能源系統、算力系統與 AI 調度系統融合，遠景就是典型代表。

遠景首創的“AI 電力系統”將電源、儲能、電網、電力電子、算力和大模型有機融合的人工智能基礎設施，聚焦解決三大核心問題：如何在有限的功率下部署更多的算力？如何讓相同的電量產生更多的智力？如何在相同的投資下，大幅降低電力成本？

OpenAI 的 CEO 山姆·奧特曼曾提到，“未來的人工智能需要能源方面的突破，因為人工智能消耗的能源將遠遠超過人們的預期。”而張雷明確指出，能源不只是 AI 的底座，更是肌體。電力系統正成為人工智能的主體工程，只有解決智能生產全鏈路能量管理的問題，才能為人工智能這一新的工業革命提供源源不斷的動力。

“正如當年的瓦特，人工智能時代，每一位能源人都有機會直接參與創造智能，成為其中的主力軍，再一次在這個歷史的關鍵時刻擔當重任。”

AI 圈與能源圈的界限，正在逐漸模糊。這場由電力危機引發的產業變革，才剛剛開始。

以下為張雷發言全文：

開創 AI 電力系統

大家好。今天我想探討一個觀點：在人工智能時代，能源人該有怎樣的使命和擔當？

歷史上每一次工業革命都伴隨著能源革命。當我們意識到人工智能又是一場新的工業革命時，能源人應該扮演什么樣角色？

在蒸汽機發明之前，沒有人會把煤炭和動力聯系在一起。后來人們意識到蒸汽機其實是一個能量轉換的裝置。瓦特的貢獻在于改良了蒸汽機的能量轉化效率。他做了一個關鍵變革，突破能量管理的主要矛盾——通過設計獨立的冷凝器解決了散熱問題、提升了能效。

同樣在 GPU 發明之前，大多數人都認為智力是人類獨特而又神奇的能力，沒有人會把電力和智力聯系起來。今天 GPU 就是新的蒸汽機。這臺新蒸汽機的功能一樣也是能量的轉化，把電力變成智力。我想說，智力生產的本質，其實是一個能量轉化的過程。

所以我的第一個觀點是：能源不只是 AI 的底座。如果僅僅視其為底座，其實是一種割裂。能源應當是 AI 的肌體和血脈。能源不是 AI 的盡頭，而是 AI 的過程。

如今大模型大約每 6 個月就有一次重大迭代；芯片幾乎是 12 個月一個版本。然而，通過模型和芯片實現能量轉換的電力系統在過去一百年間幾乎沒有發生大的變化。當芯片和模型的摩爾定律（指數級發展）遇上緩慢發展的電力系統，矛盾便凸顯了。

今天，我們要解決的是 AI 生產全鏈路能量管理問題。大家已經意識到，GPU 再強大，如果不能實現高功率密度的電流輸入和高效散熱，那么機柜功率就無法從過去的 5kW 躍升至未來的 200kW、300kW。在這樣的約束下，再強大的芯片也發揮不了作用。與此同時，如何做好機柜集群的動態功率管理，讓有限的供電功率下容納配置更多 GPU 也至關重要。在避免算力中心的波動對電網產生重大沖擊的同時，吉瓦級的可再生能源如何穩定實時地支撐算力中心？

因此，我想告訴大家，智力生產全鏈路上的一系列能量管理問題，正在成為人工智能系統發展的關鍵瓶頸。電力系統正在成為人工智能的主體工程，而非配套。我們在座各位，只有解決全鏈路能量管理的問題，就像當年瓦特革新蒸汽機和動力系統一樣，才能為人工智能這一新的工業革命，解決發展的瓶頸并提供源源不斷的動力。

既然模型和芯片可以實現高效迭代，我們也需要讓電力系統也實現摩爾定律，這正是遠景要開創 AI 電力系統的使命。

AI 電力系統，本質上是能源系統與智能系統融合的人工智能基礎設施，讓電源、儲能、電網、電力電子、算力和大模型有機融合在一起。如果把能源、芯片和算力中心各自獨立，必將形成機械的割裂。打造 AI 電力系統就是讓這三者的有機融合成為人工智能基礎設施的底座，也是我們能源人的責任擔當。

AI 電力系統想要解決三大問題：

第一，如何讓相同的功率帶寬接入更多的 GPU？在很多地方，電網能提供的功率帶寬已成為重要約束。如何在有限的功率下部署更多的算力？這是 AI 電力系統要解決的第一個問題。

第二，如何讓相同的電量產生更多的智力？這需要采用高壓直流路線和固態變壓器技術，提高功率密度，降低能耗、提升散熱技術。

第三，如何在相同的投資下，如何大幅降低電力成本？這需要用 AI 電力系統來提升風光儲綠色電力的更高比例。

作為 AI 電力系統的開創者和實踐者，遠景總結出三大關鍵支柱技術。

第一，智能中樞。遠景 EnOS 智能物聯操作系統已經能把數億的智能設備——從風電、光伏、儲能，變壓器、氫能電解槽等全面接入，并實現從源、網、儲、荷到算力設施的實時協同。EnOS 不只是數字底座，它更是 AI 電力系統的神經系統。

第二，物理人工智能。僅靠大語言模型無法真正管理一個電廠或算力中心，需要物理人工智能突破。對于能源系統而言，物理人工智能有兩個關鍵支撐：一是氣象大模型。要實現碳中和，100% 的電力將來自風、光、水等綠色能源，氣候系統本身成為了能源系統。我們必須具備對氣候系統的洞察力，通過物理人工智能形成更深層的認知，才能夠實現能源有效調度的起點。二是遠景的“天樞”能源大模型，它讓一個場站，從風到氫能的產生，再到算力調度，形成一個毫秒級的實時智能控制。

第三，下一代電力基礎設施。僅有操作系統和大模型是不夠的，我們還需要下一代電力基礎設施。具體來說，就是風光儲一體化控制器、高壓直流 (HVDC)、固態變壓器 (SST)、智能機柜，這樣一套端到端的新型電力基礎設施架構。

三者融合，才能打造出一體化的 AI 電力系統。在遠景赤峰零碳產業園，遠景打造了"算電協同"國家戰略的全球首個系統級實踐樣本——基于 2GW，100% 可再生能源電力系統，通過 EnOS 和能源大模型，實現風電、光伏、儲能、算力和氫能之間動態實時協同，并與騰訊合作通過 AI 電力系統優化算力任務的編排。赤峰零碳產業園也是我們能源大模型的訓練基地。更為關鍵的是，它打造了 100% 綠色電力、綠色算力和綠色氫能的三大綠色資產組合。在 AI 的管理下，綠色資產系統收益都實現了最大化，讓綠色氫能與綠色算力獲得了極致的成本競爭力。

遠景還在烏蘭察布，打造“遠景星河基地”——一個吉瓦級的能源系統與算力系統一體化的人工智能基礎設施，堪比美國的“星際之門”，為中國人工智能的騰飛鋪筑基石。

最后我想說，當人工智能時代撲面而來，能源不是 AI 的盡頭，而是 AI 的過程；能源不只是 AI 的底座，也是 AI 的血脈和肌體；電力系統不是人工智能的配套系統，而是人工智能的主體工程。我們每一位能源人不是時代的旁觀者，而是作為主力軍直接參與創造智能，在這個歷史的關鍵時刻擔當重任。

謝謝大家！

參考資料：

https://www.iea.org/reports/key-questions-on-energy-and-ai

https://www.iea.org/reports/energy-and-ai/executive-summary

https://finance.sina.com.cn/roll/2026-05-26/doc-inhzfshe2756133.shtml

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成