AI用電"上癮"之後：算力如何重塑能源版圖

2026年8月，在內蒙古烏蘭察布的風電場裏，一臺臺風力發電機的葉片正隨風轉動。不遠處，一座建築面積12萬平方米的巨型建築裏，百萬塊AI算力卡正在24小時不間斷地"吞吐"着算力——它的電力，來自這些風機，通過專線"直連"，不經電網中轉，一路送進機房。

這座剛剛投產的"遠景烏蘭察布星河基地"，是全球Token產出能力最強的單體AI數據中心。它所在的城市，過去以"土豆、鐵合金、旅遊"著稱，如今立起了"Token之都"的旗幟。當地人說，這是一次從"放牧牛羊"到"放牧算力"的轉身。

如果把AI比作一個胃口驚人的新物種，那麼電力就是它唯一的食物。這個物種正在以肉眼可見的速度長胖——根據中電聯披露的數據，2025年全國數據中心用電量約1700億千瓦時，佔全社會用電量的1.6%，而八大算力樞紐節點近3年的用電增速高達年均39.5%，遠超全社會平均增速。從全球來看，據美國高德納(Gartner)信息技術研究與顧問諮詢公司預測，2026年全球數據中心用電量將達到565TWh(太瓦時)，同比增長26%；到2027年，AI服務器用電量將超過傳統服務器。

算力的盡頭是電力。這句話正在從一個行業隱喻，變成一場真金白銀的產業遷徙。而這場遷徙的終點，指向中國西部，指向戈壁灘上的風與光，指向一個正在被重新繪製的能源版圖。

算力有多"能喫"：一場沒有終點的"進食"

AI對電力的胃口，大得超出多數人的想象。

英偉達創始人黃仁勳在2026年"劍橋能源周"上說了一句被廣爲引用的話："GPU的性能每兩年提升2.5倍，但能效只提升1.5倍。未來十年，電力供應將比芯片製造能力更關鍵地決定AI發展的速度。"微軟能源副總裁布賴恩·亞諾斯則算了一筆更直觀的賬：GPT-4的一次訓練耗能約爲5吉瓦時，而下一代大模型的訓練能耗，預計還要再增加5到10倍。

一組數據可以勾勒出這條曲線有多陡峭。國際能源署(IEA)統計，2023至2026年間，全球數據中心電力消費年均增長率達18%，其中AI計算的用電佔比，從2023年的15%猛增至2026年的35%；高德納諮詢公司預測，2026年全球數據中心用電量將達565太瓦時，同比增幅26%——這些數據指向的是同一個趨勢：算力用電正在加速攀升。摩根士丹利今年5月的測算顯示，受大模型Token調用需求飆升350%的推動，全球超大規模雲服務商2026年的資本開支預測已從4500億美元上調至8000億美元，全球數據中心將面臨約55吉瓦的電力缺口。

在中國，這一進程同樣在加速。發改委數據顯示，截至2026年3月底，國內智能算力規模達到188.2萬PFLOPS，相當於去年同期的2.5倍。此外，據國家能源局公開數據，"十五五"時期全國算力用電量將年均新增1000億千瓦時以上，到2030年有望達到8000億千瓦時，佔全社會用電量的6%左右——也就是說，未來5年，中國每年新增的算力用電量，相當於2025年全國數據中心全年用電量的近六成。

算力越強，喫得越多；模型越大，餓得越快。這場"進食"沒有終點，而糧食的產地，正在改變。

讓綠電"直連"算力：從東部到西部的產業遷徙

中國算力佈局，正在發生一場地理意義上的大遷徙。

過去，數據中心習慣建在東部沿海——離用戶近、網絡時延低。但東部缺的恰恰是電，尤其是綠電。於是，越來越多的數據中心開始向風、光資源富集的西部聚集：那裏電價便宜、綠電充足、土地遼闊，唯一的代價是距離。

如何把"距離"變成"優勢"？答案是四個字：綠電直連。

所謂綠電直連，就是讓風電場、光伏電站通過專線，把電直接送進數據中心，不經過電網的層層中轉。這條路，烏蘭察布走在了最前面。這座距離北京僅200公里的城市，全域清潔能源裝機已突破2028萬千瓦，綠電佔比高達67%，年均氣溫4.3攝氏度——天然的冷源，連散熱都省了一半力氣。

2026年8月6日，遠景科技集團在這裏投下了"遠景烏蘭察布星河基地"：12萬平方米的建築體量，相當於20個標準足球場；百萬卡並行、百萬P算力規模，算力輸出能力達到同等面積傳統數據中心的10倍；園區總規劃容量超過2吉瓦，是當前全國最大的AI算力園區。更重要的是，這座超級單體的電，來自自建風場和輸電專線——風一吹，電就到，算力就產出，整個鏈條一氣呵成。

同樣的故事正在越來越多地上演。金風科技聯合中金數據在烏蘭察布落地的全國首個數據中心綠電直連源網荷儲一體化項目，配套20萬千瓦風電、10萬千瓦光伏和4.5萬千瓦儲能，投運後可再生能源替代率達38.74%，算力成本降低超過25%。

算力往西走，綠電就地變算力。過去西部向外輸送一度電，如今把電"加工"成算力，再以更高附加值的形式輸出。有數據顯示，僅烏蘭察布一地的算力產業，就已創造超過1.5萬個就業崗位——從"西電東送"到"西算東輸"，一場關於價值的再分配，正在戈壁灘上發生。

儲能：從"可選備電"到"基建剛需"

算力對電力的依賴，不止是"量大"，更是"苛刻"——不能斷電，不能閃斷，波動要穩，響應要快。大模型訓練一旦中斷，可能就是千萬級的損失。這給儲能產業打開了一扇此前無人預料的大門。

據高工產研鋰電研究所統計，2026年上半年，35家儲能企業累計簽約規模約550吉瓦時；國內新型儲能項目採招落地規模約383吉瓦時，同比增長121.8%。另據起點研究(SPIR)《2026全球儲能行業研究白皮書》，2026年前5個月，全球AIDC(AI數據中心)儲能系統出貨量已達10吉瓦時，超過2025年全年的規模；全年出貨量有望衝擊30吉瓦時，到2030年或將躍升至400吉瓦時。

訂單結構也在升級。此前儲能簽約以百兆瓦時級別的零散項目爲主，如今單筆吉瓦時、甚至10吉瓦時以上的超大型框架訂單密集落地：贛鋒鋰電與客戶達成超30吉瓦時的全場景儲能合作意向，海辰儲能鎖定三年20吉瓦時的長時儲能電芯供貨協議，億緯鋰能年初至今披露的訂單總規模已超130吉瓦時。

爲什麼AI數據中心如此需要儲能？原因並不複雜。數據中心用電負荷穩定、規律性強，與新能源發電的波動性天然互補；而AI訓練對供電連續性的要求又極爲苛刻，毫秒級備電成爲數據中心標配。當大模型訓練從"階段任務"變成"24小時常態"，儲能便從數據中心的"可選備電"升級爲"基建剛需"。每一度新增的算力用電背後，都站着需要削峯填谷、穩壓穩頻的儲能系統。

儲能，正在從新能源的"配角"，走向算力時代的"主角"之一。

算力與電力：一場正在發生的"雙向奔赴"

如果故事只講到這裏，那還只是"算力單方面消耗電力"。真正值得玩味的，是這場關係正在變成"雙向奔赴"——算力需要電，而電網，也開始需要算力。

谷歌旗下DeepMind團隊研發的智能調度系統"GridMind"，通過強化學習優化電網實時調度，在美國加州獨立系統運營商的試點中，將可再生能源消納率提升了8.3%，同時降低了12%的備用容量需求。換句話說，AI不僅能"喫電"，還能幫電網"省電""找電"。

數據中心也開始從純粹的"用電戶"，變成電網的"靈活性資源"。2025年冬季用電高峰期間，微軟在弗吉尼亞州的數據中心集羣通過降低非關鍵算力負荷，向電網提供了220兆瓦的調峯能力——一邊訓練大模型，一邊幫電網扛過尖峯，算力和電力第一次以這樣的方式"協同作戰"。

電力是滋養算力的陽光雨露

回看這場變革，我們或許可以用一句話概括：AI讓算力變成了新時代的生產力，而電力，是滋養這種生產力的陽光雨露。

從西部隨風轉動的風機，到東部機房裏的百萬芯片，一場由AI引發的能源版圖重塑，正在中國大地上展開。它讓一度被視作"偏遠"的西部，站到了數字經濟的最前沿；讓一度被視爲"配角"的儲能，成爲基建的剛需；讓一度"各管各"的算力與電力，走向深度的雙向奔赴。

這讓人想起《管子》裏的一句話："凡有地牧民者，務在四時，守在倉廩。"古代的治理者懂得，倉廩實，則民心安。今天的我們同樣懂得：算力是數字時代的"倉廩"，而電力，就是那一片需要被精心守護的沃土。當風與光在戈壁上匯成算力的河流，中國的AI故事，纔剛剛翻開新的一頁。