上观时评 | 算电协同，何以构建AI国际竞争中的底层优势？

首次被写入政府工作报告后两个月，我国“算电协同”又迎实质性推进。

5月初，全国首个大规模算电协同绿电直供项目——中国大唐中卫云基地50万千瓦光伏电站在宁夏中卫投运。月中，四部门联合印发《关于促进人工智能与能源双向赋能的行动方案》，明确加速算电协同建设，探索核电、氢能等能源以直连方式为算力设施供能；同时开放能源领域人工智能高价值应用场景，强化能源领域人工智能模型创新。

算电协同为何重要？

今天的人工智能竞争，约等于算力和算法的竞争，而算力的尽头是电力。机构预测，到2030年，全球数据中心的能耗可能达到1100–1400太瓦时，约占全球预测电力总需求的3%-4%。

为什么硅谷巨头们都在建设自己的能源基础设施？因为他们不信任老旧、脆弱的美国电网。于是，马斯克从海外买下一座电厂，打包运回美国；OpenAI与甲骨文在德州合作建设2.3吉瓦直供燃气电站；谷歌去年与能源公司达成协议，拟重启一座位于爱荷华州的核电站……

相较之下，中国的电力系统更可靠。但指数级增长的算力引发的电力需求，正带来不容忽视的新挑战。而算电协同能解决电力和算力的错配问题，保障电力供给、缓解电网压力的同时，也让我国低成本、大规模的绿电能有更多用武之地。

行业已经形成共识：最底层的AI竞争，正是电力之争。换言之，能否迅速构建一个更大规模、更稳定、更绿色的稳定电力系统，相当程度上将决定一个国家能否在AI国际竞争中占据优势领先地位。

而算电协同，或许是其中关键。

眼下，中美毋庸置疑同处人工智能发展与竞争的第一梯队。在AI的不同领域，两国或许各有领先，但在最基础的电力供应能力上，中国的优势尤其突出。

规模上看，中国的发电装机容量和发电量，都大幅领先美国。根据国家统计局公布数据，2025年末全国发电装机容量389134万千瓦，全年发电量约10.58万亿千瓦时——分别是美国的3.04倍和2.22倍。摩根士丹利预计，2025-2028年美国数据中心累计电力缺口将达47吉瓦，相当于9个迈阿密或15个费城的总用电量。

可靠性上看，中国的UHV（特高压）输电网络能够实现“西电东送”“北电南送”，技术水平全球最先进；京津冀、长三角、珠三角主要城市年户均停电时间低于1小时，部分城市核心区域进入分钟级，优于纽约、洛杉矶，与东京、新加坡等先进城市水平相当。而美国电网核心骨干设备多建于上世纪50-70年代，老化严重；电网由多个区域电网组成，应急互济能力弱；新建输电线路速度远低于需求。高盛去年底至今年初连发多篇报告警示：到2030年，美国几乎所有区域电网的备用容量都将低于15%的安全临界值。

绿电储备上看，中国风电、太阳能发电装机容量于去年历史性地超过火电，占全国发电装机容量的47.3％。而美国的这一数据大致在23％上下。不过，美国新增装机呈现高度绿色化的趋势，预计未来十年约80%的新增电力装机容量将来自可再生能源。

多项因素的共同影响，让中国电价也变得更便宜。有媒体测算，中国西部算力电力成本约为0.03—0.12元/千瓦时，较欧美低30%—50%以上——这是中国AI企业参与全球竞争的最大优势之一。

不过也要看到，在数据中心大规模建设的当下，中国电力供应的一些结构性问题正在显现。

这里有一个大前提：考虑到能源安全与碳排放压力，未来数据中心必须摆脱对传统化石能源发电的依赖。核能是一个长期可行的解决方案，我国于2024、2025年先后核准了10个核电项目。但其建设周期长、前期投资巨大，并且需要严格的安全监管和政策支持，还面临社会接受度等挑战。

因而，未来一段时间内，绿电将是构成AI电力底座的最优解。国家发改委等五部门去年3月发布的《关于促进可再生能源绿色电力证书市场高质量发展的意见》提出，国家枢纽节点新建数据中心的绿色电力消费比例，要在80%的基础上进一步提升。

但中国绿电供应存在几方面“错配”。一者是空间的错配，中国约60%的算力需求集中在长三角、京津冀、珠三角等东部地区，而80％的绿电资源则位于西北地区。二者是时序的错配，风电、光伏“看天吃饭”，时有时无，与AI大模型训练所需的7×24小时连续刚性负载存在天然矛盾。三者是机制的错配，算力与电力市场相对独立，价格信号难以有效传导，无法激励算力中心主动消纳波动的绿电，绿电环保价值的变现路径也不够清晰。

“电等算力”“算力等电”同时存在，一定程度上抵消了中国电力供应稳定充足、价格低廉的优势，乃至形成了“安全、绿色、经济”的不可能三角。推进算电协同正是要解决这些问题，以实现资源在时空上的动态匹配与全局优化。

怎么解决？最直接的做法，一是让算力跟着绿电走，也就是“东数西算”，将算力优先布局在宁夏、内蒙古等新能源富集地，减少需要长距离送电的情形；二是让数据中心在中午光伏发电最充足的时段，集中处理高强度计算任务，既降低用电成本，也减轻电网消纳压力。

5月初投运的中国大唐中卫云基地50万千瓦光伏电站就是这么做的。它发的电不上网，而是直接通过山脊上的四条110千伏输电线路一直延伸送往不远处的一个算力园区。再加上年内全容量并入项目的一个风电场，整个项目的年发电量将完全覆盖算力园区的用电需求。估算下来，每年电费成本要比东部沿海地区同样规模的数据中心低1亿元。

但事情绝非看起来这么简单。时效性不强的算力任务可以安排在发电时间进行，但即时运算任务的电力需求预测与调度复杂度呈指数级上升。这需要大规模、长时、低成本的储能方案，但技术尚未成熟。

另一方面，西部虽能源富集，但交通、网络等“硬环境”与人才、资本、应用场景等“软环境”均存在明显短板。尤其是缺乏有竞争力的薪酬、职业发展平台和生活配套，难以吸引和留住高端技术、运营与管理人才。国家数据局局长刘烈宏此前提出，构建全国一体化算力网，其中一个目的就是带动引领物资流、资金流、人才流、技术流等从东部向西部流动——但这仍是一个需要长期投入和系统建设的工程。

此外，不同厂商算力设备之间存在“异构性”，互不兼容，限制了跨平台算力调度能力。算力调度如何整合电力、算力与碳排放等多维数据，也尚不明确。还要提防一些地方在GDP指标驱动下，盲目布局低质算力设施，加剧电力与算力之间的不匹配。

破解算电协同面临的诸多约束，既需要技术上的创新突破，更呼唤更系统前瞻的顶层战略设计，打破部门与部门、地方与地方之间的隔阂与壁垒，统一布局。比如，电力设施与算力中心能否同步规划建设？又比如，能否建立适应算力特性的电力市场交易品种与价格机制？再比如，西部输出电力和算力，但GDP、税收、岗位、消费多留在东部，能否推行区域协同与利益共享机制改革？

从这个角度看，《关于促进人工智能与能源双向赋能的行动方案》的发布，将加速推动能源与算力布局逻辑的重构，破解结构性难题。有专家认为，这代表我国率先将AI与能源深度融合上升为国家行动。许多零散进行的探索，将迎来一轮整合加速。在AI国际竞争进入“拼能源”的下半场，这或许能为中国构筑更牢固的优势。