共计 1047 个字符，预计需要花费 3 分钟才能阅读完成。
一度电, 怎样跑出更多算力?
AI 数据中心的瓶颈, 正在从“有没有 GPU”转向“电能不能高效转化为算力”。 在大模型持续迭代、智算集群快速扩张的背景下, 稳定、低成本、可持续的电力系统, 正成为 AI 基础设施的新变量。
📌 电力成为 AI 基建的关键约束
海外市场已经出现明显信号。 谷歌相关高管曾提到 , 美国部分地区数据中心接入电力的等待周期可能长达多年, 输电系统成为项目推进的重要障碍。为绕开并网瓶颈, 部分企业开始研究将数据中心布局在电厂附近。
这说明,AI 基础设施并非只由芯片、服务器和机房构成。GPU 买得到、机柜建得起 , 并不代表算力可以稳定释放。电网接入、供电质量、冷却效率和任务调度, 正在共同决定 AI 产出的上限。
🔍 从“堆卡”到“每度电产出更多智能”
国内政策也在推动数据中心从建设规模转向运行效率。 此前相关部门提出 , 到 2025 年底, 全国数据中心整体上架率不低于 60%, 平均电能利用效率降至 1.5 以下, 可再生能源利用率保持增长。
- 同样功率下接入更多 GPU, 提高机房和供电系统承载能力;
- 同样电量下完成更多计算任务 , 提升算力利用率;
- 同样投资下降低长期用电成本 , 压低智算服务价格。
国际能源署也预测, 到 2030 年全球数据中心用电量或接近当前水平的两倍 。随着用电规模上升, 数据中心不再只是电网的负荷端, 也需要参与电力系统的协同管理。
💡 绿电直连与“以荷定源”改变建设逻辑
今年 5 月, 国家发改委、国家能源局发布文件 , 提出有序推动多用户绿电直连, 并优先支持算力设施等新兴产业开展绿电直连。文件强调“以荷定源”, 即根据负荷需求合理规划新能源装机。
这让算力设施的位置更靠前: 数据中心不只是等待电力输入, 而会反向影响风光装机、线路布局和园区负荷设计 。对于高密度 AIDC 而言, 电源、电网、储能、冷却和任务编排必须放在同一系统内设计。
📊 能源企业进入 AI Infra 核心环节
在“人工智能 + 能源”相关讨论中, 远景等新能源企业提出“AI 电力系统”和“AI 生产全链路能量管理”的思路 , 试图把风电、光伏、储能、氢氨负荷和算力设施统一调度。
以内蒙古赤峰零碳产业园为例, 公开信息显示 , 当地将绿色电力、绿色算力和绿色氢氨放在同一园区中运行。氢氨生产可作为可调工业负荷, 在风光出力变化时动态调整用电需求, 从而提高新能源消纳能力。
🚀 行业观察: 算电一体化会重塑 AI 成本结构
- 绿电直连与低碳供能能力;
- 储能、备用电源与电网调度能力;
- AI 任务在时间和区域上的弹性调度;
- 能源系统与 GPU 集群的统一运营能力。
