算电协同：中国AI竞赛的能源新底牌
随着全球人工智能竞争的焦点从算法创新转向计算能力规模，一个更为深层的制约因素开始显现——电力。无论是训练千亿参数的大模型，还是支撑海量用户的实时推理，算力基础设施的运行都离不开稳定、廉价且清洁的能源供应。
5月8日，国家发展改革委、国家能源局、工业和信息化部、国家数据局四部门联合发布《关于促进人工智能与能源双向赋能的行动方案》。这不仅仅是一份产业协同文件，更标志着中国将电力系统的产业优势系统性转化为数字经济的竞争优势，在顶层设计上锁定了“算电协同”这一国家战略方向。
该文件的核心逻辑，不再局限于讨论如何为数据中心供电，而是致力于构建一个“能源赋能AI、AI反哺能源”的闭环生态系统。过去常说的“算力的尽头是电力”，如今被赋予了双向互动的新内涵：一方面，西部富集的绿电通过灵活调度支撑东部智算需求；另一方面，人工智能技术反过来优化电力系统的预测、调度与安全控制。两者的深度融合，将从根本上重塑中国在全球AI产业链中的成本结构与技术话语权。
从政策演进路径来看，算电协同经历了三个清晰的阶段。2021至2023年为初期探索期，“东数西算”工程确立了八大国家算力枢纽节点，在空间上搭建了东西部算力与能源协同的框架。2024至2025年进入量化约束期，政策明确要求2025年底国家枢纽节点新建数据中心绿电占比超过80%，首次在国家层面提出算力与电力协同。2026年起，算电协同正式上升为国家顶层战略——当年《政府工作报告》首次明确提及实施超大规模智算集群、算电协同等新基建工程，而此次四部门《行动方案》则给出了具体的时间表和路线图。
根据规划，到2027年我国将初步建成安全、绿色、经济的能源保障体系，重点提升清洁能源与算力设施的双向互动能力；到2030年，人工智能算力设施的清洁能源供给保障能力、能源领域AI专用技术研发和应用水平将达到世界领先，形成双向赋能的显著成效。这一基调意味着，算电协同不再是两个行业的简单叠加，而是一场关乎中国AI全球竞争力的基础设施革命。
那么，为何必须推动算电协同？其紧迫性源于三组深层矛盾的集中爆发。第一是空间错配：东部算力需求旺盛但土地与绿电资源稀缺，西部风、光资源丰富但本地用电需求不足，电力需要远距离输送，导致成本与损耗双高。第二是时间错配：风光发电具有间歇性和波动性，而数据中心需要7×24小时不间断运行，对供电稳定性要求极高。第三是消纳矛盾：截至2025年底，全国风电、光伏总装机分别达到640GW和1200GW，合计占总装机比重47.3%，但发电量占比仅为22%，弃风弃光率有所抬头，亟需稳定且可灵活调节的大规模负荷来就地消纳。
数据中心恰好是最理想的“可调节负荷”。一座超大型数据中心年运行时长可超过8000小时，属于稳定基荷；同时，通过算力任务的时空迁移，它又能根据电网指令柔性调整功率，成为电力系统的“虚拟电厂”。因此，《行动方案》明确提出统筹大型新能源基地与国家算力枢纽规划布局，推动算力设施在新能源富集地区有序汇集，促进新能源就近就地消纳。原本可能被弃掉的风电、光伏电，通过数字电网调度转化为算力，再输出为AI服务——这相当于把一度电的工业附加值提升了一个数量级。
更值得关注的是结构性成本优势。中国工业电价平均在0.6至0.7元/千瓦时，而内蒙古、贵州等西部绿电富集区域可低至0.3至0.4元/千瓦时。相比之下，美国北弗吉尼亚、硅谷等数据中心聚集区电价约0.07至0.12美元/千瓦时（约0.5至0.8元人民币），德国、爱尔兰则在0.15至0.25欧元/千瓦时（约1.2至2.0元人民币）。若以生成100万Token耗电0.1至0.3千瓦时测算，中国西部算力的电力成本仅为0.03至0.12元，较欧美低30%至50%。这将直接转化为大模型训练与推理服务的定价优势，成为中国AI企业参与全球竞争的护城河。
在顶层战略指引下，各地已经开始落地“绿电直连”等创新模式。所谓绿电直连，是指风电、光伏等清洁能源不经公共电网中转，直接输送到数据中心，实现算力与电力的精准匹配。今年3月，腾讯云与远景集团在内蒙古赤峰落地了全球首个100%绿电直供的数据中心，综合能源成本降低超过40%，每年可减少碳排放约18万吨。2025年5月，国家能源局组织的新型电力系统建设第一批试点中，北京、安徽两地的算电协同项目入选，在算力负荷与新能源功率联合预测、柔性控制、智能化调度等方面开展探索。今年5月，新疆维吾尔自治区也专门召开新能源就近消纳座谈会，明确绿电直连的首要目标是“绿”而非单纯降电价，具体成本取决于线路建设、储能配置及运营方式。
绿电直连模式的规模化推广，正在重塑储能产业的角色定位。过去储能主要作为大电网的辅助设施，经济性一度存疑；而在算电协同场景下，数据中心需要24小时不间断供电，而光伏只能在白天发电、风电则时有时无，因此储能系统成为标配——白天将多余绿电储存起来，夜间或低风时段释放，确保算力设施稳定运行。这意味着，未来储能不再仅仅是电网的“备用电池”，而是专门为AI算力中心这类高价值用户配套的核心设备。可以预见，随着东数西算进一步深化，储能市场将迎来爆发式增长，并带动电池管理系统、能量调度算法等相关技术迭代。
除了硬件层面的协同，《行动方案》还特别强调要开放能源领域的人工智能高价值应用场景。换言之，用实际需求倒逼AI技术进步，AI反过来再升级电力行业，形成相互成就的正循环。例如，利用AI预测新能源出力波动、优化电力现货市场交易策略、自动识别电网故障隐患、提升虚拟电厂响应速度等。目前国家电网、南方电网均已设立人工智能联合实验室，将大模型应用于负荷预测、设备巡检、智能客服等环节。随着《行动方案》落地，更多能源数据将合规开放，更多能源场景将成为AI算法比拼的赛道——这既为AI公司提供了海量真实数据和应用入口，也为电力行业降本增效打开了新空间。
资金支持方面，文件给出了明确的金融工具组合。一是鼓励算力设施申报基础设施领域不动产投资信托基金，通过REITs盘活存量数据中心资产，吸引社会资本参与新项目建设。二是对符合《绿色金融支持项目目录（2025年版）》要求的算力基础设施项目，金融机构应提供绿色信贷、绿色债券等低成本资金支持。三是支持符合条件的企业发行绿色债券，用于绿电直连、储能配套、能效提升等方向。这意味着，算电协同项目可同时获得政策性引导、市场化融资和资本市场退出通道的多重加持，有望在“十四五”后期形成数千亿元级别的有效投资。
总结来看，从“东数西算”到“算电协同”，中国正在走出一条独特的AI基础设施之路。它不盲目追求绝对低电价，也不简单复制国外数据中心建设模式，而是利用自身全球最大的新能源装机规模、最完整的特高压输电网络、最丰富的负荷侧调节潜力，构建一个绿电生产、就地消纳、算力输出、AI反哺的闭环系统。到2030年，当欧美仍受困于电网老化、绿电并网难、数据中心电价高企等问题时，中国有望在西部建成若干个千万千瓦级的新能源—智算基地，每度电的算力产出达到世界领先水平。这不仅是能源转型的成功，更是数字经济时代国家竞争力的坚实底座。算电协同，正在将中国的能源劣势转变成不可复制的战略优势。