盛夏的乌兰察布，草原上的风掠过成片厂房。走进优刻得数据中心，机房内却是另一种节奏：服务器昼夜运转，一组组高功率设备背后，连接着配电系统和冷却设施。

　　记者近日调研发现，人工智能带来的变化正在从机柜向外传导。过去建设数据中心，企业更多考虑电价、土地和气温；如今，电从哪里来、能否及时接入、能否稳定支撑高功率设备，开始影响算力项目的建设节奏。

　　模型和算力需求快速迭代，变电站、输电线路等设施却往往需要按年建设升级。如何让快速增长的算力需求与建设升级周期更长的电力基础设施相匹配，正成为算电协同面临的现实问题。

　　高功率设备改变“电力账”

　　数据中心的选址既要靠近客户，也要控制电力、土地和运维成本。优刻得是较早进入乌兰察布的企业。据工作人员回忆，2017年前后，公司多地综合比较后，选择了能源资源相对丰富、距离北京较近的乌兰察布。从当地到北京的网络时延不到5毫秒，可以兼顾部分业务对成本和时延的要求。

　　当时，园区主要面向传统云计算业务。随着人工智能兴起，设备正在从CPU服务器向GPU服务器和高功率机柜转变。工作人员以一款整机功率约为6.5千瓦的服务器为例介绍，在部分按照传统负荷设计的机柜中，一台这类服务器已接近原有供电容量；若要提高部署密度，需要同步改造配电和散热系统。

　　记者从当地数据中心相关人士处了解到，较传统设施相比，新型算力基础设施用电模式的核心变化集中体现在功率密度大幅提升、负荷响应速率极快两大维度，这也对电网承载能力、配套建设标准提出全新挑战。

　　这种变化并非一座园区所独有。2025年，我国已建成42个万卡级智算集群，全国算力中心总用电量达到1700亿千瓦时，占全社会用电量的1.6%；全国一体化算力网络八大枢纽节点算力用电近3年平均增长率约为39.5%。国家能源局预计，“十五五”时期全国算力用电量年均新增1000亿千瓦时以上，到2030年预计达到8000亿千瓦时左右，占全社会用电量6%左右。

　　算力需求增长快，电力配套却难以同步“即插即用”。优刻得董事长兼CEO季昕华接受上海证券报记者采访时表示，电力基础设施是数据中心建设和运营的核心环节，而电力供给增速跟不上算力需求增速，正成为行业发展的关键瓶颈之一。AI在“比特世界”快速增长，而电力基础设施所在的“原子世界”受到建设周期和物理条件约束。

　　今年政府工作报告提出，实施超大规模智算集群、算电协同等新基建工程。5月对外发布的《关于促进人工智能与能源双向赋能的行动方案》进一步提出，统筹大型新能源基地与国家算力枢纽规划布局，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。中国人民大学重阳金融研究院研究员刘英接受上海证券报记者采访时表示，算力和电力正在从项目建成后的接入协调，转向规划和建设阶段的前置协同。

　　绿电要多，供电更要稳

　　对智算中心而言，电力供应首先是安全问题。人工智能服务器功率密度和设备价值较高，一些训练任务连续运行时间较长。短时停电、电压暂降或冷却异常，都可能导致设备停机和任务中断。

　　在优刻得园区，正常用电由两路电源保障；市电异常时，UPS（不间断电源）和蓄电池先行接替，备用发电机随后启动。优刻得当地工作人员介绍，这套系统除了应急供电，也用于减少电网短时波动对服务器运行的影响。

　　但数据中心内部的冗余系统主要解决短时故障，对一个地区而言，更大的问题是电源规模、输电通道和变电容量能否匹配智算集群快速集聚。算力负荷不仅增长较快，而且功率密度高、布局相对集中，对供电可靠性和电能质量也提出了更高要求。

　　一名数据中心电力相关负责人告诉记者，相较于传统平稳型用电负荷，此类瞬时负载突增、大幅动态波动的用电特性，是当前电网适配、供电保障面临的较大难题，极易对电网电压稳定、负荷平衡及设备承载带来冲击。

　　在增加供电能力的同时，数据中心也在提高绿电比例。2025年，乌兰察布全国首个数据中心绿电直连源网荷储一体化项目投运。按投运时口径，配套风电、光伏和新型储能所发绿电全部由基地消纳，可满足该基地约35%的用电需求。

　　绿电直连解决的主要是绿电来源可追溯和就近消纳问题，并不天然解决全天候保供。风电、光伏出力存在波动，储能能够平滑部分短时变化，但要覆盖长时间的电力缺口，成本仍然较高。

　　对于需要连续运行的智算中心，公共电网通常仍承担平衡和备用保障功能。一位当地数据中心的相关负责人告诉记者，从实践效果来看，新能源出力与数据中心负荷很难始终完全匹配，公共电网的价值还在于用户需要时能够及时补充电力。

　　“高绿电比例、高供电可靠性、低综合成本三者很难同时兼得，较现实的路径是将风光、储能和公共电网分层组合，在可靠性和成本之间寻找平衡。”刘英说。

　　部分算力能否配合电力

　　算电协同的下一步，是研究数据中心内部具备时间弹性的部分任务，能否转化为可调负荷。路明星光技术研发人员告诉记者，数据中心的计算任务大体可以分为推理任务和训练任务，前者的实时性要求高，可调空间较小，后者的实时性要求低，负荷层面具有非常大的可调节性。

　　优刻得数据中心相关负责人对记者透露，公司正探索结合峰谷电价、能源供需和算力需求，对部分计算任务进行协调，但目前仍处于摸索阶段。同时，训练任务的跨中心调度难度较大，部分推理任务未来可能具备更多空间。

　　部分算力要真正参与电力系统运行，还需要建立可验证、可计量和可定价的机制。电网需要知道数据中心原本会使用多少电，接到信号后能在多长时间内增减多少负荷；算力企业则要计算任务延迟、资源闲置和客户补偿所带来的机会成本。

　　《关于促进人工智能与能源双向赋能的行动方案》提出，以电力市场价格信号引导算力设施优化能量管理和跨区域算力调度，并支持算力设施以多种形式参与电能量、辅助服务和需求响应等市场交易。

　　“这为算力设施从单纯购电用户，到进一步参与需求响应和辅助服务提供了更明确的政策空间。”刘英表示，电力市场价格信号的引导机制，在时间维度上，通过现货电价的峰谷信号，引导算力任务在低电价时段集中执行；在空间维度上，通过区域电价差异，推动算力任务从高电价区域向低电价区域转移。

　　算力反向服务电力还有另一层含义，即利用人工智能服务电力市场发展。路明星光上述人士向记者表示，在电力市场智能化应用的预测、决策、执行等环节，AI都已经具备较好的表现。其中，信息预测方面最为成熟，策略制定方面的效果也较为出色，端到端的全流程自动化电力交易AI处于落地探索阶段，后续有望大规模应用。据他介绍，公司今年辅助交易决策的电量规模预计近800亿度。