科技巨头疯狂抢电，却没人看懂真正的战场

gzcom520

AI 行业正在面临一个从未遇到过的”对手“：电力。

GPU 可以无限堆叠，模型参数可以指数级增长，但当单个 AI 机架功率突破 250kW（相当于 300 户普通家庭同时用电）时，发展瓶颈已悄然从算法和芯片，转移到了支撑它的电力系统本身。

5 月 26 日，国家能源局在深圳召开全国 "人工智能 +" 能源现场推进会。这场会议的参会名单极具象征意义：国家电网、中国石油、国家能源集团三家能源央企，与远景科技集团、阿里、腾讯三家科技民企同台发言。

这标志着，AI 与能源两个曾经泾渭分明的万亿级产业，正在历史的十字路口深度融合。

远景科技集团董事长张雷在现场提出了一个颠覆性论断：“电力系统正成为人工智能的主体工程，而非配套。”当芯片与模型的摩尔定律，遇上传统电力系统的缓慢演进，整个 AI 产业的瓶颈，开始从算法和芯片，转向“智力生产全链路的能量管理”，破局的关键在于能源、芯片、算力中心的有机融合，而 AI 电力系统就是让这三者的融合成为人工智能基础设施的新底座。

AI 狂奔之后，传统电网开始跟不上了

近年来，随着 AI 技术的快速发展，其已发展成为市值达数万亿美元、风险投资规模巨大的产业。自 2022 年以来，标普 500 指数中 AI 相关公司的市值增长了约 12 万亿美元。

尤其是最近两年，全球计算需求增长显著。据中国国家能源局组织编制的《中国“人工智能+”能源发展报告 2026》分析，“AI+能源”已成为世界主要国家抢占未来发展主动权的重要战略方向。

AI 的快速发展正在带动全球算力设施用电需求持续增长。国际能源署（IEA）在《能源与人工智能的关键问题》（2026）报告中预测，2030 年后数据中心电力需求可能出现更高的增长。预计美国在该增长中所占份额最大，其次是中国。数据中心的电力消耗量将从 2025 年的 485 太瓦时（TWh）增长到 2030 年的 950TWh，这比日本目前的电力总消耗量还高。

影响算力需求的持续高升的核心因素，来自人工智能数据中心（AIDC）。作为承载 AI 海量数据存储、运算与部署的核心基础设施，生成式 AI 的爆发式增长，让算力电力消耗急剧攀升，AIDC 的电力需求已远超传统数据中心。过去几年，AIDC 争夺的资源一直是 GPU 和高带宽内存（HBM），但近年来，当 AI 成为“吃电狂魔”之后，领域的新瓶颈开始出现——传统电力系统已经不够用了。

巨头们在买电，但没有回答根本问题

正是意识到了这一点，全球科技巨头们坐不住了。Meta 与超长时储能公司合作，预留最高 100GWh 储能容量部署；谷歌更是成为美国首家承诺从下一代小型模块化反应堆（SMR）购买电力的公用事业公司；微软则早在 2024 年就重启了原美国三哩岛核电站……

但这些方案解决的只是“有电可用”。一个更深层的问题被忽略了：AI 的负载形态，正在击穿现有电力系统的设计逻辑。

电网容量是有限的，而可再生能源项目和大型电力用户都在争夺它。多国普遍面临电网拥堵的问题，甚至排队等待电网接入都有可能需要数年，而变压器和电缆等关键电网组件的等待时间在过去三年中翻了一番。

另一方面，现阶段，发电设备的需求量也很高，新建燃气发电厂的涡轮机交付周期长达数年，这可能会导致其投产时间推迟到 2030 年以后。

实际上，电不够用的问题，正是 AI 基础设施的扩张，已经开始逼近部分地区电力系统物理极限的缩影。传统数据中心的平均机架功率密度（即单个服务器机架内计算设备消耗的电力负荷）通常在 3 到 5 千瓦（kW）左右。

尽管这种计算负荷通常决定了整个数据中心机房的总电力容量在几兆瓦级，但随着 AIDC 的兴起以及 GPU 和定制 AI 加速器的普及，机架级负荷已超过 100kW。一些实验性设计达到每个机架 300kw，部分概念验证系统甚至达到了接近 1MW。也就是说，单个机架的耗电量与数百户家庭的用电量相当。

过去，尽管传统数据中心的云计算也需要大量电力，但传统电网模式是稳定负载、可预测负载。在当下的 AIDC 面临的情况是：一方面，峰值负载高、GPU 调度实时波动、推理与训练需求动态变化；另一方面，新能源情况不稳定，表现为风电波动、光伏波动、天气驱动。

这就好像是，用一个高波动的能源系统，去服务另一个高波动的 AI 算力运行系统。如果将 AI 电力系统看作是一场考试，从未做过任何该类型“试卷”的传统电力系统，显然连及格都很难，更不用说取得高分了。

传统电网逻辑面临的挑战愈发清晰。问题已经不是有没有电，而是现有电力系统能否支撑 AI 所需的高功率密度。AIDC 对供电的需求不仅是足够的量，高稳定运行、可持续、低成本和绿电，正成为解决 AIDC“燃眉之急”的关键。

有趣的是，AIDC 开始越来越像电厂，而电网则越来越像操作系统。更深层的问题，其实是 AI 领域正在面临前所未有的能源管理挑战。

这意味着，未来 AI 行业的竞争，可能不只是包括 GPU 和模型等硬件与技术的比拼，而是一种更综合性的、AI 电力系统的重构，包括：电网、储能、热管理、电力电子、调度系统和气象预测等。

当电力系统成为 AI 的“主体工程”

在这一背景下，已经有企业开始尝试把能源系统、算力系统与 AI 调度系统融合，远景就是典型代表。

远景首创的“AI 电力系统”将电源、储能、电网、电力电子、算力和大模型有机融合的人工智能基础设施，聚焦解决三大核心问题：如何在有限的功率下部署更多的算力？如何让相同的电量产生更多的智力？如何在相同的投资下，大幅降低电力成本？

OpenAI 的 CEO 山姆·奥特曼曾提到，“未来的人工智能需要能源方面的突破，因为人工智能消耗的能源将远远超过人们的预期。”而张雷明确指出，能源不只是 AI 的底座，更是肌体。电力系统正成为人工智能的主体工程，只有解决智能生产全链路能量管理的问题，才能为人工智能这一新的工业革命提供源源不断的动力。

“正如当年的瓦特，人工智能时代，每一位能源人都有机会直接参与创造智能，成为其中的主力军，再一次在这个历史的关键时刻担当重任。”

AI 圈与能源圈的界限，正在逐渐模糊。这场由电力危机引发的产业变革，才刚刚开始。

以下为张雷发言全文：

开创 AI 电力系统

大家好。今天我想探讨一个观点：在人工智能时代，能源人该有怎样的使命和担当？

历史上每一次工业革命都伴随着能源革命。当我们意识到人工智能又是一场新的工业革命时，能源人应该扮演什么样角色？

在蒸汽机发明之前，没有人会把煤炭和动力联系在一起。后来人们意识到蒸汽机其实是一个能量转换的装置。瓦特的贡献在于改良了蒸汽机的能量转化效率。他做了一个关键变革，突破能量管理的主要矛盾——通过设计独立的冷凝器解决了散热问题、提升了能效。

同样在 GPU 发明之前，大多数人都认为智力是人类独特而又神奇的能力，没有人会把电力和智力联系起来。今天 GPU 就是新的蒸汽机。这台新蒸汽机的功能一样也是能量的转化，把电力变成智力。我想说，智力生产的本质，其实是一个能量转化的过程。

所以我的第一个观点是：能源不只是 AI 的底座。如果仅仅视其为底座，其实是一种割裂。能源应当是 AI 的肌体和血脉。能源不是 AI 的尽头，而是 AI 的过程。

如今大模型大约每 6 个月就有一次重大迭代；芯片几乎是 12 个月一个版本。然而，通过模型和芯片实现能量转换的电力系统在过去一百年间几乎没有发生大的变化。当芯片和模型的摩尔定律（指数级发展）遇上缓慢发展的电力系统，矛盾便凸显了。

今天，我们要解决的是 AI 生产全链路能量管理问题。大家已经意识到，GPU 再强大，如果不能实现高功率密度的电流输入和高效散热，那么机柜功率就无法从过去的 5kW 跃升至未来的 200kW、300kW。在这样的约束下，再强大的芯片也发挥不了作用。与此同时，如何做好机柜集群的动态功率管理，让有限的供电功率下容纳配置更多 GPU 也至关重要。在避免算力中心的波动对电网产生重大冲击的同时，吉瓦级的可再生能源如何稳定实时地支撑算力中心？

因此，我想告诉大家，智力生产全链路上的一系列能量管理问题，正在成为人工智能系统发展的关键瓶颈。电力系统正在成为人工智能的主体工程，而非配套。我们在座各位，只有解决全链路能量管理的问题，就像当年瓦特革新蒸汽机和动力系统一样，才能为人工智能这一新的工业革命，解决发展的瓶颈并提供源源不断的动力。

既然模型和芯片可以实现高效迭代，我们也需要让电力系统也实现摩尔定律，这正是远景要开创 AI 电力系统的使命。

AI 电力系统，本质上是能源系统与智能系统融合的人工智能基础设施，让电源、储能、电网、电力电子、算力和大模型有机融合在一起。如果把能源、芯片和算力中心各自独立，必将形成机械的割裂。打造 AI 电力系统就是让这三者的有机融合成为人工智能基础设施的底座，也是我们能源人的责任担当。

AI 电力系统想要解决三大问题：

第一，如何让相同的功率带宽接入更多的 GPU？在很多地方，电网能提供的功率带宽已成为重要约束。如何在有限的功率下部署更多的算力？这是 AI 电力系统要解决的第一个问题。

第二，如何让相同的电量产生更多的智力？这需要采用高压直流路线和固态变压器技术，提高功率密度，降低能耗、提升散热技术。

第三，如何在相同的投资下，如何大幅降低电力成本？这需要用 AI 电力系统来提升风光储绿色电力的更高比例。

作为 AI 电力系统的开创者和实践者，远景总结出三大关键支柱技术。

第一，智能中枢。远景 EnOS 智能物联操作系统已经能把数亿的智能设备——从风电、光伏、储能，变压器、氢能电解槽等全面接入，并实现从源、网、储、荷到算力设施的实时协同。EnOS 不只是数字底座，它更是 AI 电力系统的神经系统。

第二，物理人工智能。仅靠大语言模型无法真正管理一个电厂或算力中心，需要物理人工智能突破。对于能源系统而言，物理人工智能有两个关键支撑：一是气象大模型。要实现碳中和，100% 的电力将来自风、光、水等绿色能源，气候系统本身成为了能源系统。我们必须具备对气候系统的洞察力，通过物理人工智能形成更深层的认知，才能够实现能源有效调度的起点。二是远景的“天枢”能源大模型，它让一个场站，从风到氢能的产生，再到算力调度，形成一个毫秒级的实时智能控制。

第三，下一代电力基础设施。仅有操作系统和大模型是不够的，我们还需要下一代电力基础设施。具体来说，就是风光储一体化控制器、高压直流 (HVDC)、固态变压器 (SST)、智能机柜，这样一套端到端的新型电力基础设施架构。

三者融合，才能打造出一体化的 AI 电力系统。在远景赤峰零碳产业园，远景打造了"算电协同"国家战略的全球首个系统级实践样本——基于 2GW，100% 可再生能源电力系统，通过 EnOS 和能源大模型，实现风电、光伏、储能、算力和氢能之间动态实时协同，并与腾讯合作通过 AI 电力系统优化算力任务的编排。赤峰零碳产业园也是我们能源大模型的训练基地。更为关键的是，它打造了 100% 绿色电力、绿色算力和绿色氢能的三大绿色资产组合。在 AI 的管理下，绿色资产系统收益都实现了最大化，让绿色氢能与绿色算力获得了极致的成本竞争力。

远景还在乌兰察布，打造“远景星河基地”——一个吉瓦级的能源系统与算力系统一体化的人工智能基础设施，堪比美国的“星际之门”，为中国人工智能的腾飞铺筑基石。

最后我想说，当人工智能时代扑面而来，能源不是 AI 的尽头，而是 AI 的过程；能源不只是 AI 的底座，也是 AI 的血脉和肌体；电力系统不是人工智能的配套系统，而是人工智能的主体工程。我们每一位能源人不是时代的旁观者，而是作为主力军直接参与创造智能，在这个历史的关键时刻担当重任。

谢谢大家！

参考资料：
https://www.iea.org/reports/key-questions-on-energy-and-ai
https://www.iea.org/reports/energy-and-ai/executive-summary
https://finance.sina.com.cn/roll/2026-05-26/doc-inhzfshe2756133.shtml

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成

月光如水

@元宝 哪只股票值得购买？

superzhzh

巨大能源消耗支持的算力和智能，到底对人类的发展有多大价值，是福是祸呢？