财联社
财经通讯社
打开APP
"算力的尽头是电力":政策密集出台后,AI+能源还差储能、数据
①当前AI与能源双向赋能政策密集出台,长时储能、构网型储能被明确列入算力配套,算电协同的制度框架初步搭好。
                ②AI在电力交易等场景的价值兑现受制于复合型人才稀缺和商业数据难以共享,规模化应用缺"人"少"数据"。

财联社11月20日讯(记者郭松峤)“算力的尽头是电力”,这已经不只是行业里的判断,也成了政策端亟待解答的问题。

此前,国家发展改革委、国家能源局等四部门印发《关于促进人工智能与能源双向赋能的行动方案》(以下简称《行动方案》),提出到2027年,支撑人工智能创新发展的安全、绿色、经济的能源保障体系初步构建,清洁能源与算力设施互动能力显著提升;到2030年,推动人工智能与能源双向赋能取得明显成效。

政策在加速,落地堵点在哪?在北京举行的第二届“AI+能源发展大会”上,施耐德电气与中国能源经济研究院联合发布《迈向智慧与绿色:能源科技发展白皮书2026》(以下简称“白皮书”)。

白皮书指出,挑战集中在供需两端:供给侧,高比例新能源并网带来消纳考验,系统灵活性、可靠性短板亟待补齐;需求侧,算力中心负荷持续高载、峰谷差偏小,对电网统筹调度提出新要求,工业、建筑等关键行业的能效也仍有提升空间。尤其是随着数据中心的发展,AI既是电力系统新增的刚性负荷,更是提升能源系统运行效率的重要工具,将为应对挑战提供数智利器。

会议期间,财联社记者采访了中国能源经济研究院常务副院长魏秋利,第十四届全国政协委员、中国科学院理化技术研究所研究员张振涛。两位专家均认为,随着数据中心的发展,AI既是电力系统新增的刚性负荷,更是提升能源系统运行效率的重要工具。

AI与能源相互支撑,亟需协同发展

AI时代,数据中心是关键的算力基础设施。《行动方案》已明确,要结合地区能源、水资源等承载力,探索百万千瓦级人工智能算力设施与配套能源系统协同建设,并鼓励算力设施配置构网型储能。

市场机制层面,政策正在拆墙。2025年5月,国家发改委、国家能源局印发《关于有序推动绿电直连发展有关事项的通知》,确立单用户绿电直连框架;今年5月,《有序推动多用户绿电直连发展有关事项的通知》印发,绿电直连从“一对一”扩展到“一对多”。国家能源局10月30日披露,截至今年9月底,全国已有24个省份发布绿电直连配套文件,已批复的算力设施绿电直连项目达12个,占比超过10%。绿电直连要求项目尽量就地消纳、自我平衡,新能源出力的波动仍要靠储能来平抑。

技术层面,需要各方逐层破解系统难题。在张振涛看来,算电协同要跑起来,储能是绕不开的一环。近日发布的《“十五五”新型储能实施方案》将算力列为明确应用场景,提出到2030年全国新型储能装机规模达3亿千瓦,鼓励数据中心合理配置新型储能。随着算力规模扩大,储能支撑的重要性将进一步提升:算力需要24小时稳定运行,而新能源出力有波动,发展绿色算力,需要长时储能托底。

储能系统所体现出的多系统协同需求,正是“AI+能源”时代的一个鲜明特征,AI与能源的融合,已经不是单项技术能解决的问题。针对转型挑战,白皮书强调,能源转型是一项长期性、系统性工程,在AI等前沿技术的推动下,能源体系正从单点突破走向系统性重构。白皮书详细阐述了数智技术与能源系统结合的技术路径:通过将AI与智能硬件、物联网、边缘计算、区块链、大数据等技术深度集成,并全面融入“源网荷储”各个环节的具体场景,推动能源系统由经验调度向数据驱动、智能自主转型。

与此同时,白皮书也指出,技术攻关不是最终目标,长期来看,创新技术必须与系统调控能力、产业竞争优势和制度治理能力相结合,才能形成长久的转型推进力。为此,白皮书全面梳理了能源转型的宏观政策要求和转型路径,涵盖传统能源绿色智能升级,新型电力系统建设,氢能、核能、长时储能等前沿领域,以及工业、数据中心、产业园区、交通枢纽等关键用能领域的数智化、绿色化转型实践,充分体现“AI+能源”的强大动能。

AI价值有望在电力交易领域兑现,瓶颈在人和数据

AI的发展需要能源支撑,反过来,AI技术也在推动能源转型。价值创造将最先体现在哪些领域?中国能源经济研究院常务副院长魏秋利给出的方向是电力交易。他表示,随着新能源占比提高,发电和电量的不确定性上升,预测准不准,直接影响交易定价和买卖决策。在白皮书编制过程中发现,电力系统中的AI模型和应用较多,普通大模型与时序大模型已开始结合使用,从气象气候预测贯穿到交易环节。

具体到储能领域,张振涛则表示,随着技术发展,AI对储能的支撑作用也日趋明显。对外,储能何时充电、何时放电,与电力线路如何配合,需要基于AI大模型预测;对内,压缩空气、压缩二氧化碳等长时储能技术,压缩机何时运转、系统状态如何优化,发电时机与电力交易如何安排,以及内部工质流动、微流场和反向惯量变化,都要靠算力支撑。

落实到产业层面,除了技术,人才也是紧缺资源。AI方面的人才多,能源领域的人才也多,但两者兼通的复合型人才供给仍待加强。尤其是能源领域的专业门槛较高,AI从业者如果对行业机制理解不深,模型的准确率、精确度和收敛效果都会打折扣。上述《行动方案》中也明确提出,要构建复合人才培养体系,加强人工智能与能源融合学科建设,培育复合型、创新型、实战型人才。

即便技术和人才都充裕,AI规模化应用仍要过数据这一关。对任何一家企业而言,数据未来都是核心资产。在魏秋利看来,企业的商业机密往往分散在整个生产制造流程中,如果把关键的制造参数导入到公开的AI大模型里,商业能力可能被较快复制,企业为避免这种情况,往往将数据和AI应用限制于自身内部。长此以往,大型企业凭数据和资源积累形成优势,强者恒强,中小企业参与空间有限,难以转型。

对此,魏秋利认为,未来国家可以建设公共平台或数据中心,在保护商业机密的同时满足大模型应用需求;处理好机制、交易和安全三个问题,才有希望看到规模化推广。其中,电力系统以其数据相对标准化的特点,有望成为搭建公共数据平台的领域之一。数据平台建设本质上是机制与治理问题,这也呼应了白皮书的判断:技术之外,制度治理能力同样决定转型能走多远。

算力
财联社声明:文章内容仅供参考,不构成投资建议。投资者据此操作,风险自担。
商务合作
热门解锁
相关阅读
评论
发送
复制
取消
垃圾广告
政治激进内容
色情低俗内容
取消