5月26日，全國“人工智能+”能源現(xiàn)場推進(jìn)會在深圳召開，共有國家電網(wǎng)、中國石油、國家能源集團、遠(yuǎn)景科技集團、阿里云、騰訊六家企業(yè)參會發(fā)言。

陣容構(gòu)成極具深意：前三家是能源供給側(cè)的國家隊代表，后兩家代表AI 算力需求側(cè)的互聯(lián)網(wǎng)巨頭，而遠(yuǎn)景是唯一一家擁有“能源+AI”雙重基因的代表。

此次會議標(biāo)志著 "人工智能 + 能源" 的融合發(fā)展進(jìn)入了全新階段。它早已超越了能源行業(yè)簡單的數(shù)字化改造，也不再局限于互聯(lián)網(wǎng)公司尋找綠色電力的單一訴求，而是上升到了算力、電力、儲能、電網(wǎng)、負(fù)荷與 AI 調(diào)度系統(tǒng)深度協(xié)同的系統(tǒng)性討論。

遠(yuǎn)景科技集團董事長張雷在現(xiàn)場提出一個關(guān)鍵判斷：能源不只是AI的底座，應(yīng)當(dāng)是AI的肌體和血脈。電力系統(tǒng)正成為人工智能的主體工程，而智力生產(chǎn)全鏈路上的一系列能量管理問題，是人工智能系統(tǒng)發(fā)展的關(guān)鍵瓶頸。

張雷透露，遠(yuǎn)景正打造的AI電力系統(tǒng)，就是能源系統(tǒng)與智能系統(tǒng)融合的人工智能基礎(chǔ)設(shè)施，讓電源、儲能、電網(wǎng)、電力電子、算力和大模型有機融合在一起。

這一定義或許代表了一個行業(yè)趨勢——算力中心缺的并不是電，而是一整套穩(wěn)定、綠色、高效的電力系統(tǒng)。

未來 AI 競爭的核心，將從模型和芯片轉(zhuǎn)向單位電力的有效算力產(chǎn)出。AI 產(chǎn)業(yè)進(jìn)入重資產(chǎn)時代，如何構(gòu)建一個安全、高效、低碳的 AI 電力系統(tǒng)，將成為全球智能時代發(fā)展的核心底層問題。

01

電力“上桌”

AI的瓶頸正從芯片轉(zhuǎn)向電力。

機柜功率正從過去的5kw，躍升至未來的200-300kw。人們已經(jīng)意識到，GPU再強大，如果無法獲得高功率密度電力輸入、實現(xiàn)高效散熱和動態(tài)調(diào)度，從電力到智力的轉(zhuǎn)換效率，將被能源系統(tǒng)所制約。

“當(dāng)芯片和模型發(fā)展的‘摩爾定律’，遇上緩慢發(fā)展的電力系統(tǒng)，AI時代能源管理和能量轉(zhuǎn)化的矛盾正日益凸顯。”張雷表示，解決AI生產(chǎn)全鏈路能量管理問題，才能夠破解AI發(fā)展的關(guān)鍵瓶頸。讓電力系統(tǒng)也實現(xiàn)摩爾定律，這正是其開創(chuàng)AI電力系統(tǒng)的初衷。

美國已經(jīng)先一步遇到這個問題。美國能源信息署（Energy Information Administration，簡稱EIA）數(shù)據(jù)顯示，美國電力消費在經(jīng)歷約15年近乎停滯后，過去五年重新增長，數(shù)據(jù)中心服務(wù)器用電成為重要推動因素。問題在于，美國許多電網(wǎng)規(guī)劃、接入流程和輸電建設(shè)節(jié)奏長期適應(yīng)的是低增長環(huán)境。AI數(shù)據(jù)中心突然涌入之后，北弗吉尼亞、德州/ERCOT、PJM等區(qū)域很快出現(xiàn)接入排隊、容量緊張、電價上行和社區(qū)反彈。為了搶交付，數(shù)據(jù)中心運營商和科技公司開始轉(zhuǎn)向表后電源、燃?xì)鈾C組、微電網(wǎng)、核電PPA，甚至小型模塊化反應(yīng)堆等方案。

美國AI產(chǎn)業(yè)越強，越暴露出一個尷尬的現(xiàn)實：數(shù)字產(chǎn)業(yè)最后要落在物理電網(wǎng)上。

中國的問題形態(tài)不同，但本質(zhì)相近。國家能源局?jǐn)?shù)據(jù)顯示，截至2025年底，中國可再生能源總裝機達(dá)到23.4億千瓦，風(fēng)電、光伏合計裝機達(dá)到18.4億千瓦，歷史性超過火電；新型儲能裝機也突破1億千瓦。換句話說，中國確實擁有全球規(guī)模最大、鏈條最完整的新能源供給體系。

與此同時，內(nèi)蒙古、甘肅、寧夏、新疆等西北地區(qū)集中了大量風(fēng)光資源和“沙戈荒”新能源基地，東部和一線城市則集中了更密集的數(shù)字經(jīng)濟、互聯(lián)網(wǎng)和AI算力需求。國家推進(jìn)“東數(shù)西算”，本來就是要把東部算力需求有序引導(dǎo)到西部，把西部綠電資源轉(zhuǎn)化為算力供給。但真正難的地方也在這里：資源和需求并不天然重合，中間隔著電網(wǎng)調(diào)度、跨區(qū)傳輸、負(fù)荷匹配、綠電消納和商業(yè)模式。

這也是全國“人工智能+”能源現(xiàn)場推進(jìn)會的現(xiàn)實背景。國家層面推進(jìn)“人工智能+能源”，并不只是要解決AI發(fā)展本身對能源系統(tǒng)提出的新問題，更是要促進(jìn)算力電力高效協(xié)同，推動形成人工智能和能源雙向賦能、融合發(fā)展新格局。

過去的數(shù)據(jù)中心可以更多依賴公共電網(wǎng)和間接綠電交易，但AIDC對電力的要求更苛刻。GPU集群不是普通服務(wù)器，功率密度高、負(fù)荷波動快、連續(xù)運行要求強，對供配電、儲能、UPS、冷卻和電能質(zhì)量都提出了更高要求。

所以算電協(xié)同會更加重要。AI公司和數(shù)據(jù)中心運營商每天都會算一筆賬：同樣一張卡，在不同電價、不同并網(wǎng)條件和不同綠電比例下，最終tokens成本差異會被放大多少。

這也解釋了為什么中美都在圍繞AI基礎(chǔ)設(shè)施重新配置資源。美國的路徑更偏向云巨頭、自建電源、燃?xì)夂秃穗娧a位，中國的機會則在于新能源、儲能和工程交付能力的組合。也許芯片受限會讓中國AI產(chǎn)業(yè)承壓，但電力裝備和新能源系統(tǒng)恰恰是中國優(yōu)勢較大的地方。

而彭博新能源財經(jīng)（BloombergNEF，簡稱BNEF）最新報告也表明：在全球部分市場，光伏加儲能已經(jīng)可以用低于燃?xì)廨啓C的成本，為數(shù)據(jù)中心提供相當(dāng)比例的電力，這一趨勢還在持續(xù)加速。

產(chǎn)業(yè)對“速度”的要求也在急劇上升。芯片迭代已縮短至一年一代，而傳統(tǒng)數(shù)據(jù)中心的規(guī)劃、土建、交付周期仍需18至24個月——這意味著剛建成的數(shù)據(jù)中心可能無法匹配最新算力需求。誰能把核心電力系統(tǒng)的部署周期從一年以上壓縮到幾個月，誰就能在算力軍備競賽中拿到先手。

02

玩家換位

市場方面看，頭部企業(yè)同時把目光投向AIDC，說明這個市場已經(jīng)不只是IDC運營商的生意。

寧德時代的動作相對直接。4月，寧德時代擬以約41億元認(rèn)購中恒電氣控股股東中恒科技投資新增注冊資本；5月，寧德時代關(guān)聯(lián)資本方擬以約64億元收購世紀(jì)互聯(lián)最多38.1%股份，交易完成后將成為其第一大股東。

儲能企業(yè)過去主要面對電動車、發(fā)電側(cè)和電網(wǎng)側(cè)。AIDC出現(xiàn)后，儲能第一次遇到一個高增長、高用電、高可靠性要求、且愿意為穩(wěn)定性付費的負(fù)荷場景。對寧德時代來說，進(jìn)入電力電子和IDC資產(chǎn)才可能靠近AI基礎(chǔ)設(shè)施的長期資源池。

華為的打法更偏設(shè)備。其5月發(fā)布的GW級AIDC方案，重構(gòu)供電、冷卻、儲能和運維四個核心環(huán)節(jié)，并提出從電網(wǎng)到芯片的全鏈路供電，又提出Grid-Interactive AIDC戰(zhàn)略，核心是讓數(shù)據(jù)中心從單純耗電負(fù)荷，變成能與電網(wǎng)互動的節(jié)點。未來AIDC規(guī)模越大，對電網(wǎng)的沖擊越明顯，如果能儲能、調(diào)節(jié)、響應(yīng)，甚至參與局部能源優(yōu)化，它的并網(wǎng)速度和長期成本都會不同。

如果說華為從ICT和電力電子向能源側(cè)走，寧德是從電池和儲能向算力資產(chǎn)走，那么遠(yuǎn)景則是從系統(tǒng)視角，為AIDC場景定制了一座能源基礎(chǔ)設(shè)施，其核心在于：不是單點設(shè)備，而是一套覆蓋“源網(wǎng)荷儲”全鏈路的AI能源系統(tǒng)。

這也是遠(yuǎn)景出現(xiàn)在全國“人工智能+”能源現(xiàn)場推進(jìn)會的含義。

國家電網(wǎng)、中國石油、國家能源集團更多代表能源基礎(chǔ)設(shè)施和傳統(tǒng)能源體系，阿里、騰訊代表算力需求和數(shù)字產(chǎn)業(yè)生態(tài)；遠(yuǎn)景站在中間，代表的是另一類角色：既理解能源屬性，又擁有AI能力，也試圖把AI、儲能、電力電子和算力負(fù)荷接成一個系統(tǒng)。

遠(yuǎn)景AI電力系統(tǒng)，這個系統(tǒng)不僅負(fù)責(zé)輸送電力、生產(chǎn)算力，還要具備感知、預(yù)測、決策、控制和優(yōu)化能力。

這句話其實是在回答AIDC最核心的問題：同樣的電力功率，如何配置更多算力；同樣一度電，如何產(chǎn)生更多智能；同樣的運營成本，如何創(chuàng)造更高價值。

圍繞這套AI電力系統(tǒng)，遠(yuǎn)景給出了三個能力抓手：

一是基于EnOS智能物聯(lián)操作系統(tǒng)，連接源、網(wǎng)、儲、荷和算力設(shè)施；二是“天機”氣象大模型和“天樞”能源大模型，一個理解天氣和風(fēng)光變化，一個理解能源系統(tǒng)并實時優(yōu)化；三是下一代電力基礎(chǔ)設(shè)施，包括風(fēng)光儲一體化電源、高壓直流、固態(tài)變壓器、構(gòu)網(wǎng)型儲能和末端智能機柜。

作為一家深耕綠色能源領(lǐng)域的科技企業(yè)，遠(yuǎn)景原本在風(fēng)機、儲能、電力系統(tǒng)控制、綠氫氨和零碳產(chǎn)業(yè)園里積累的能力，天然構(gòu)成了AIDC能源底座所需要的全部模塊。而當(dāng)這些模塊被同一個“AI大腦”調(diào)度時，效果不是相加，而是乘數(shù)。

無論打法如何，背后的產(chǎn)業(yè)判斷在于，AI基礎(chǔ)設(shè)施正在能源化。

這和全國“人工智能+”能源現(xiàn)場推進(jìn)會釋放出的方向是一致的：能源行業(yè)開放高價值場景，AI企業(yè)和互聯(lián)網(wǎng)企業(yè)參與場景共建，最終目標(biāo)不是做幾個單點應(yīng)用，而是讓能源、算力、場景、數(shù)據(jù)和模型形成協(xié)同。AIDC正是其中最典型、也最迫切的場景之一。

03

赤峰樣本

全球算力競爭正從芯片轉(zhuǎn)向電力，而解決“兆瓦級”瓶頸的關(guān)鍵，不在于單一技術(shù)，而在于系統(tǒng)控制能力。

前面提到的BNEF報告也印證了這一趨勢：在部分市場，光儲系統(tǒng)已能以低于燃?xì)廨啓C的成本提供約70%的基荷電力。但報告也明確指出，越接近全天候穩(wěn)定供電，系統(tǒng)成本、土地占用和棄電率越會快速上升。也就是說，風(fēng)光儲的成本優(yōu)勢并不會自動變成AIDC優(yōu)勢，需要系統(tǒng)控制能力。

遠(yuǎn)景開創(chuàng)的AI電力系統(tǒng)已有落地。在赤峰零碳產(chǎn)業(yè)園，該公司打造了“算電協(xié)同”國家戰(zhàn)略的全球首個系統(tǒng)級樣本：基于2GW 100%可再生能源電力系統(tǒng)，依托EnOS與能源大模型，實現(xiàn)風(fēng)、光、儲、算、氫的實時協(xié)同，與騰訊合作優(yōu)化算力調(diào)度。

與此同時，赤峰零碳產(chǎn)業(yè)園也是遠(yuǎn)景能源大模型的訓(xùn)練基地，成為了100%綠色電力、綠色算力和綠色氫能相結(jié)合的綠色資產(chǎn)組合。在AI的作用下，綠色資產(chǎn)系統(tǒng)收益都實現(xiàn)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。

公開資料顯示，該項目一期配套143萬千瓦風(fēng)電光伏和680兆瓦時儲能系統(tǒng)，年產(chǎn)綠色合成氨32萬噸。

綠色氫氨本身就是典型的高耗能、強波動消納場景：風(fēng)光出力天然不穩(wěn)定，電解槽、空氣分離和合成氨環(huán)節(jié)又有不同的負(fù)荷響應(yīng)特性，系統(tǒng)必須在安全邊界內(nèi)把不穩(wěn)定的綠電轉(zhuǎn)化為可連續(xù)生產(chǎn)的工業(yè)能源。

這類項目考驗的是系統(tǒng)控制能力。遠(yuǎn)景披露的信息顯示，赤峰項目采用集成AI的離網(wǎng)可再生能源系統(tǒng)，配置具備電網(wǎng)構(gòu)建能力的電池儲能，并通過預(yù)測性氣象模型、源荷協(xié)同調(diào)度和負(fù)荷靈活性管理，動態(tài)平衡風(fēng)光輸入與電解槽、氨合成工藝的能源需求。

換句話說，赤峰綠色氫氨項目驗證的是一套把波動新能源轉(zhuǎn)成穩(wěn)定工業(yè)供給的能力。

綠氫氨吸收的是波動綠電，AIDC消耗的是高價值電力。前者把穩(wěn)定性轉(zhuǎn)化為綠色燃料的規(guī)模化生產(chǎn)，后者則可能把穩(wěn)定性轉(zhuǎn)化為算力成本競爭力。一個是綠色燃料工廠，一個是綠色算力工廠，底層都離不開源、網(wǎng)、荷、儲之間的實時協(xié)同。

據(jù)BNEF報告，光儲滿足基荷需求的難點在土地、超配、棄電和穩(wěn)定性。赤峰樣本給出的答案是——用風(fēng)光儲組合拉低度電成本，用構(gòu)網(wǎng)型儲能提升系統(tǒng)穩(wěn)定性，用AI調(diào)度實現(xiàn)協(xié)同最優(yōu)，然后用柔性負(fù)荷和數(shù)據(jù)中心負(fù)荷形成更好的消納結(jié)構(gòu)。

BNEF指出，光儲系統(tǒng)為滿足更高比例基荷需求，棄電率會隨超配顯著上升

張雷在全國“人工智能+”能源現(xiàn)場推進(jìn)會上的發(fā)言，把這個邏輯進(jìn)一步抽象成“瓦特到比特”（Watt-to-Bit）的轉(zhuǎn)換效率。未來AI集群競爭，也是供電效率、動態(tài)響應(yīng)速度和系統(tǒng)能效的競爭。每一瓦電力進(jìn)入園區(qū)后，有多少變成了可用算力，有多少損耗在轉(zhuǎn)換、冷卻、波動和冗余里，會直接決定AIDC的長期成本。

遠(yuǎn)景這套AIDC解決方案，其實是在打通墻外和墻內(nèi)兩套系統(tǒng)。墻外決定電從哪里來、怎么穩(wěn)、怎么便宜，墻內(nèi)決定電如何進(jìn)入服務(wù)器、如何保證電能質(zhì)量、如何減少轉(zhuǎn)換損耗、如何應(yīng)對GPU負(fù)荷波動。控制能力則決定兩邊能不能高效協(xié)同。

缺少任何一環(huán)，綠色算力都不夠完美。

如果上述目標(biāo)持續(xù)運轉(zhuǎn)，AIDC就能夠成為一種優(yōu)質(zhì)的新型工業(yè)。它對電力的要求更精密，創(chuàng)造的價值更高，把這種負(fù)荷放在新能源富集區(qū)，并通過系統(tǒng)控制能力與風(fēng)光儲深度耦合，可能會成為中國綠色算力的一條關(guān)鍵路徑。

04

尾聲

AI產(chǎn)業(yè)的有趣之處在于：越往應(yīng)用層看越輕，越往基礎(chǔ)設(shè)施層看越重。

用戶看到的是一個對話框，算力廠商看到的是GPU集群，而真正決定產(chǎn)業(yè)上限的，是電網(wǎng)、儲能、電力配套與長期能源供給能力。

全國 “人工智能 +” 能源現(xiàn)場推進(jìn)會，正式宣告二者關(guān)系邁入全新階段：早已從能源單向支撐 AI，升級為能源與 AI 雙向重構(gòu)、深度共生。能源系統(tǒng)為算力提供穩(wěn)定、低碳、高性價比電力，AI 則反哺能源體系，全面提升預(yù)測、調(diào)度、管控效率。

在芯片仍受外部約束的情況下，中國AI產(chǎn)業(yè)的破局優(yōu)勢，在于新能源、儲能、電力工程與智能調(diào)度的完整產(chǎn)業(yè)鏈。這正是遠(yuǎn)景AI電力系統(tǒng)的產(chǎn)業(yè)價值，開創(chuàng)性打破能源、算力、AI的產(chǎn)業(yè)割裂，實現(xiàn)源、網(wǎng)、荷、儲、算力、大模型全鏈路一體化融合。

未來AI基礎(chǔ)設(shè)施的競爭，早已跳出芯片的單一維度，轉(zhuǎn)向新能源、儲能、電網(wǎng)與算力園區(qū)的系統(tǒng)級對決。作為全球AI電力系統(tǒng)的開創(chuàng)者與實踐者，遠(yuǎn)景重新定義了AI時代的能源底層規(guī)則，為全球AI產(chǎn)業(yè)突破能量瓶頸提供中國方案，為下一代人工智能基礎(chǔ)設(shè)施確立了全新行業(yè)規(guī)則。