芯片企業還在卷制程，能源企業已經開始定義AI的未來

5月26日，全國“人工智能+”能源現場推進會在深圳召開，共有國家電網、中國石油、國家能源集團、遠景科技集團、阿里云、騰訊六家企業參會發言。

陣容構成極具深意：前三家是能源供給側的國家隊代表，后兩家代表AI 算力需求側的互聯網巨頭，而遠景是唯一一家擁有“能源+AI”雙重基因的代表。

此次會議標志著 "人工智能 + 能源" 的融合發展進入了全新階段。它早已超越了能源行業簡單的數字化改造，也不再局限于互聯網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、負荷與 AI 調度系統深度協同的系統性討論。

遠景科技集團董事長張雷在現場提出一個關鍵判斷：能源不只是AI的底座，應當是AI的肌體和血脈。電力系統正成為人工智能的主體工程，而智力生產全鏈路上的一系列能量管理問題，是人工智能系統發展的關鍵瓶頸。

張雷透露，遠景正打造的AI電力系統，就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。

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

未來 AI 競爭的核心，將從模型和芯片轉向單位電力的有效算力產出。AI 產業進入重資產時代，如何構建一個安全、高效、低碳的 AI 電力系統，將成為全球智能時代發展的核心底層問題。

01

電力“上桌”

AI的瓶頸正從芯片轉向電力。

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

“當芯片和模型發展的‘摩爾定律’，遇上緩慢發展的電力系統，AI時代能源管理和能量轉化的矛盾正日益凸顯。”張雷表示，解決AI生產全鏈路能量管理問題，才能夠破解AI發展的關鍵瓶頸。讓電力系統也實現摩爾定律，這正是其開創AI電力系統的初衷。

美國已經先一步遇到這個問題。美國能源信息署（Energy Information Administration，簡稱EIA）數據顯示，美國電力消費在經歷約15年近乎停滯后，過去五年重新增長，數據中心服務器用電成為重要推動因素。問題在于，美國許多電網規劃、接入流程和輸電建設節奏長期適應的是低增長環境。AI數據中心突然涌入之后，北弗吉尼亞、德州/ERCOT、PJM等區域很快出現接入排隊、容量緊張、電價上行和社區反彈。為了搶交付，數據中心運營商和科技公司開始轉向表后電源、燃氣機組、微電網、核電PPA，甚至小型模塊化反應堆等方案。

美國AI產業越強，越暴露出一個尷尬的現實：數字產業最后要落在物理電網上。

中國的問題形態不同，但本質相近。國家能源局數據顯示，截至2025年底，中國可再生能源總裝機達到23.4億千瓦，風電、光伏合計裝機達到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模最大、鏈條最完整的新能源供給體系。

與此同時，內蒙古、甘肅、寧夏、新疆等西北地區集中了大量風光資源和“沙戈荒”新能源基地，東部和一線城市則集中了更密集的數字經濟、互聯網和AI算力需求。國家推進“東數西算”，本來就是要把東部算力需求有序引導到西部，把西部綠電資源轉化為算力供給。但真正難的地方也在這里：資源和需求并不天然重合，中間隔著電網調度、跨區傳輸、負荷匹配、綠電消納和商業模式。

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

過去的數據中心可以更多依賴公共電網和間接綠電交易，但AIDC對電力的要求更苛刻。GPU集群不是普通服務器，功率密度高、負荷波動快、連續運行要求強，對供配電、儲能、UPS、冷卻和電能質量都提出了更高要求。

所以算電協同會更加重要。AI公司和數據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基礎設施重新配置資源。美國的路徑更偏向云巨頭、自建電源、燃氣和核電補位，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產業承壓，但電力裝備和新能源系統恰恰是中國優勢較大的地方。

而彭博新能源財經（BloombergNEF，簡稱BNEF）最新報告也表明：在全球部分市場，光伏加儲能已經可以用低于燃氣輪機的成本，為數據中心提供相當比例的電力，這一趨勢還在持續加速。

產業對“速度”的要求也在急劇上升。芯片迭代已縮短至一年一代，而傳統數據中心的規劃、土建、交付周期仍需18至24個月——這意味著剛建成的數據中心可能無法匹配最新算力需求。誰能把核心電力系統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，頭部企業同時把目光投向AIDC，說明這個市場已經不只是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，寧德時代關聯資本方擬以約64億元收購世紀互聯最多38.1%股份，交易完成后將成為其第一大股東。

儲能企業過去主要面對電動車、發電側和電網側。AIDC出現后，儲能第一次遇到一個高增長、高用電、高可靠性要求、且愿意為穩定性付費的負荷場景。對寧德時代來說，進入電力電子和IDC資產才可能靠近AI基礎設施的長期資源池。

華為的打法更偏設備。其5月發布的GW級AIDC方案，重構供電、冷卻、儲能和運維四個核心環節，并提出從電網到芯片的全鏈路供電，又提出Grid-Interactive AIDC戰略，核心是讓數據中心從單純耗電負荷，變成能與電網互動的節點。未來AIDC規模越大，對電網的沖擊越明顯，如果能儲能、調節、響應，甚至參與局部能源優化，它的并網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走，寧德是從電池和儲能向算力資產走，那么遠景則是從系統視角，為AIDC場景定制了一座能源基礎設施，其核心在于：不是單點設備，而是一套覆蓋“源網荷儲”全鏈路的AI能源系統。

這也是遠景出現在全國“人工智能+”能源現場推進會的含義。

國家電網、中國石油、國家能源集團更多代表能源基礎設施和傳統能源體系，阿里、騰訊代表算力需求和數字產業生態；遠景站在中間，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、電力電子和算力負荷接成一個系統。

遠景AI電力系統，這個系統不僅負責輸送電力、生產算力，還要具備感知、預測、決策、控制和優化能力。

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，如何產生更多智能；同樣的運營成本，如何創造更高價值。

圍繞這套AI電力系統，遠景給出了三個能力抓手：

一是基于EnOS智能物聯操作系統，連接源、網、儲、荷和算力設施；二是“天機”氣象大模型和“天樞”能源大模型，一個理解天氣和風光變化，一個理解能源系統并實時優化；三是下一代電力基礎設施，包括風光儲一體化電源、高壓直流、固態變壓器、構網型儲能和末端智能機柜。

作為一家深耕綠色能源領域的科技企業，遠景原本在風機、儲能、電力系統控制、綠氫氨和零碳產業園里積累的能力，天然構成了AIDC能源底座所需要的全部模塊。而當這些模塊被同一個“AI大腦”調度時，效果不是相加，而是乘數。

無論打法如何，背后的產業判斷在于，AI基礎設施正在能源化。

這和全國“人工智能+”能源現場推進會釋放出的方向是一致的：能源行業開放高價值場景，AI企業和互聯網企業參與場景共建，最終目標不是做幾個單點應用，而是讓能源、算力、場景、數據和模型形成協同。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向電力，而解決“兆瓦級”瓶頸的關鍵，不在于單一技術，而在于系統控制能力。

前面提到的BNEF報告也印證了這一趨勢：在部分市場，光儲系統已能以低于燃氣輪機的成本提供約70%的基荷電力。但報告也明確指出，越接近全天候穩定供電，系統成本、土地占用和棄電率越會快速上升。也就是說，風光儲的成本優勢并不會自動變成AIDC優勢，需要系統控制能力。

遠景開創的AI電力系統已有落地。在赤峰零碳產業園，該公司打造了“算電協同”國家戰略的全球首個系統級樣本：基于2GW 100%可再生能源電力系統，依托EnOS與能源大模型，實現風、光、儲、算、氫的實時協同，與騰訊合作優化算力調度。

與此同時，赤峰零碳產業園也是遠景能源大模型的訓練基地，成為了100%綠色電力、綠色算力和綠色氫能相結合的綠色資產組合。在AI的作用下，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。

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

綠色氫氨本身就是典型的高耗能、強波動消納場景：風光出力天然不穩定，電解槽、空氣分離和合成氨環節又有不同的負荷響應特性，系統必須在安全邊界內把不穩定的綠電轉化為可連續生產的工業能源。

這類項目考驗的是系統控制能力。遠景披露的信息顯示，赤峰項目采用集成AI的離網可再生能源系統，配置具備電網構建能力的電池儲能，并通過預測性氣象模型、源荷協同調度和負荷靈活性管理，動態平衡風光輸入與電解槽、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成穩定工業供給的能力。

綠氫氨吸收的是波動綠電，AIDC消耗的是高價值電力。前者把穩定性轉化為綠色燃料的規模化生產，后者則可能把穩定性轉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、荷、儲之間的實時協同。

據BNEF報告，光儲滿足基荷需求的難點在土地、超配、棄電和穩定性。赤峰樣本給出的答案是——用風光儲組合拉低度電成本，用構網型儲能提升系統穩定性，用AI調度實現協同最優，然后用柔性負荷和數據中心負荷形成更好的消納結構。

BNEF指出，光儲系統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+”能源現場推進會上的發言，把這個邏輯進一步抽象成“瓦特到比特”（Watt-to-Bit）的轉換效率。未來AI集群競爭，也是供電效率、動態響應速度和系統能效的競爭。每一瓦電力進入園區后，有多少變成了可用算力，有多少損耗在轉換、冷卻、波動和冗余里，會直接決定AIDC的長期成本。

遠景這套AIDC解決方案，其實是在打通墻外和墻內兩套系統。墻外決定電從哪里來、怎么穩、怎么便宜，墻內決定電如何進入服務器、如何保證電能質量、如何減少轉換損耗、如何應對GPU負荷波動。控制能力則決定兩邊能不能高效協同。

缺少任何一環，綠色算力都不夠完美。

如果上述目標持續運轉，AIDC就能夠成為一種優質的新型工業。它對電力的要求更精密，創造的價值更高，把這種負荷放在新能源富集區，并通過系統控制能力與風光儲深度耦合，可能會成為中國綠色算力的一條關鍵路徑。

04

尾聲

AI產業的有趣之處在于：越往應用層看越輕，越往基礎設施層看越重。

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

全國 “人工智能 +” 能源現場推進會，正式宣告二者關系邁入全新階段：早已從能源單向支撐 AI，升級為能源與 AI 雙向重構、深度共生。能源系統為算力提供穩定、低碳、高性價比電力，AI 則反哺能源體系，全面提升預測、調度、管控效率。

在芯片仍受外部約束的情況下，中國AI產業的破局優勢，在于新能源、儲能、電力工程與智能調度的完整產業鏈。這正是遠景AI電力系統的產業價值，開創性打破能源、算力、AI的產業割裂，實現源、網、荷、儲、算力、大模型全鏈路一體化融合。

未來AI基礎設施的競爭，早已跳出芯片的單一維度，轉向新能源、儲能、電網與算力園區的系統級對決。作為全球AI電力系統的開創者與實踐者，遠景重新定義了AI時代的能源底層規則，為全球AI產業突破能量瓶頸提供中國方案，為下一代人工智能基礎設施確立了全新行業規則。