①当前国内AI算力基建投入持续高增,海量智算中心、国产加速卡集中落地,算力供给总量大幅扩容。
②产业呈现明显的“有量无效”特征,多技术路线生态割裂、芯模适配难度大、算力闲置率偏高,硬件规模扩张难以转化为真实业务产能。
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。