算力电力高效经济协同，关键是打通算电碳间数据与调度壁垒

·当前，在算力用电规模快速攀升的同时，新能源占比也在逐步增加。一方面，这使得算力负荷与电力供给的波动性更加明显，电网供需平衡面临挑战；另一方面，由于新能源出力的波动性，与算力用能的相对刚性缺乏衔接，富余绿电难以就地消纳，算力也难以享受更普惠的绿电价格。

·因此，算力与电力之间，不仅需要在技术上协同，也要在价格上协同。由于算力具备可中断、可迁移的调节潜力，因此在新型电力系统中可成为柔性负荷，拓展新型电网的调节边界。通过电算碳协同运营系统，可将算力需求调配到绿电价格更有优势的地区，实现算力更优惠、更绿色。不过，算、电、碳协同，还需打通数据与调度壁垒，商业模式有待跑通。

当前，算力用电需求增速迅猛。国家能源局数据预计，“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8000亿千瓦时，占全社会用电量6%左右。其中，全国一体化算力网络8大枢纽节点算力用电成为增量主力，近3年平均增长率约为39.5%，远高于全社会用电量的平均增速。

同时，中国新能源正从补充能源迈向电量主体，可再生能源已进入大规模、高比例、市场化、高质量发展新阶段。截至2026年7月底，全国可再生能源总装机达24.79亿千瓦，占电力总装机超六成，光伏发电装机12.86亿千瓦，首次超过煤电成为第一大电源。

2026年“算电协同”首次写入《政府工作报告》，并被纳入“十五五”规划纲要。2026年4月，《关于促进人工智能与能源双向赋能的行动方案》提出，在加强算力与电力协同运行方面，推动建立算力与电力互动机制，以电力市场价格信号引导算力设施优化能量管理和跨网跨区等多形式算力调度，提升算力设施经济效益。同时，鼓励算力设施作为负荷侧灵活可调节资源参与电网运行，提升电力系统调节能力，实现算力设施与电力系统的双向提效。

那么，在平衡算力、电力波动性的基础上，如何利用算力可调节的潜力，优化资源配置，让算力更优惠、更绿色？7月—9月期间，澎湃研究所研究员与电网企业、新能源企业、算力设施企业、算电协同领域专家等深入交流。调研发现，通过电力运行、碳排放监测与算力负荷调度相互协同，可实现算力价格的普惠。但在算力任务与电力价格、绿电供给、电网调控、碳排约束的联动中，数据与调度还需进一步打通，更需探索能使相关参与方共同获益的商业模式。

算力、电力需在技术、价格上协同

在算力负荷波动与新能源出力波动叠加下，如何通过算力调度与电力调度的协同，实现供需动态平衡，成为影响算力基础设施和电力系统稳定、高效运行的重要问题。过去，对数据中心来说，电网的主要功能是提供稳定的电力保障，算力侧的用电负荷相对平稳，二者之间的互动也较为有限。随着AI算力需求快速增长，算力负荷与电力供给的波动性开始更加明显，算力与电力之间开始双向波动、相互影响。

从用电特性来看，传统通用算力的负荷相对平稳，短时波动有限；而AI算力的计算任务具有更强的动态性，部分高强度任务集中运行时，可能在较短时间内形成较大的负荷波动。与此同时，电力侧的波动性主要来自新能源发电的间歇性和波动性，尤其是在风光资源丰富、新能源占比较高的地区，新能源出力变化可能进一步增加电力系统运行的不确定性。

图表来源：北京理工大学机械与车辆学院能动系副教授、博导，碳中和系统工程北京实验室主任助理王永真PPT

对于算力设施企业而言，实现算力负荷与电力供给的动态平衡，一方面需要依托智能调度平台，对算力任务对应的用电负荷以及新能源发电出力进行预测，并通过算力任务的灵活调度，使负荷曲线与新能源出力曲线尽可能匹配，再结合AI等智能化手段进行动态优化和自动调节；另一方面，则需要在电力供应侧与算力负荷之间配置适当规模的储能设施，通过储能平抑新能源出力和算力负荷的短时波动，提升供电稳定性。据了解，算力与电力的协同，不仅仅依靠调度平台和储能，更需要从供电架构出发，在保障供电系统稳定性的前提下，兼顾项目经济性及供电和用电效率。

从算力设施电力设备供应商角度看，则需要通过综合能源管理，满足数据中心用电或调度的柔性负荷。尤其是随着生成式AI与万卡集群的爆发，推动单机柜功率密度从传统的几千瓦一路飙升至50千瓦乃至100千瓦以上，对供配电系统的承载力、电压稳定性及零中断连续性提出了极致考验，微秒级的电能闪断都可能引发巨额损失。这种供电硬性指标的飞跃，直接将压力传导至能源管理，倒逼其从传统的“被动响应”全面转向对高密、动态负荷的实时感知、跨域协同。

施耐德电气全国销售部数据中心行业负责人杨栩表示，算电协同并非单一技术或设备的升级，除了保障系统可靠性和稳定性，还需要进一步提升整个系统运行的经济性，推动绿电接入、储能以及负荷之间形成有机协同。关键在于，如何从系统层面统筹规划这些要素，使其在不同负荷波动、能源供给变化和运营目标下，运行在更加高效、经济的平衡点上。

不仅如此，随着算力负荷规模持续扩大，电网供需平衡还将面临新的挑战，算力设施利用效率与综合用算成本也有待改善。此外，由于新能源出力的波动性与算力用能的相对刚性缺乏衔接，富余绿电难以就地消纳，算力也难以享受更普惠的绿电价格。

因此，算力、电力之间，不仅要在技术上协同，也要在价格上协同，算力定价需要和电力成本、新能源发电挂钩。这意味着，算力设施企业要考虑Token（词元）的能源成本，即生产每一个Token，需要消耗多少碳排放。远景智算中心首席技术官胡兴赞认为，对算力设施企业而言，需要在大电网、新能源电网、IT负荷网、Token网间，建立一套新型电力系统，实现从新能源发电到算力服务产出的高效协同。

北京理工大学机械与车辆学院能动系副教授、博导，碳中和系统工程北京实验室主任助理王永真认为，单位算力碳排放主要受电网碳强度、设备算力能效、数据中心PUE三方面影响。降低单位算力碳排放，不能只盯着服务器节能，而要同时实现电源侧、设备侧、数据中心侧的协同优化，尤其需要侧重电源侧。经测算，在高绿电比例与算力调度协同下，算力设施可把低边际成本可再生电力转化为高附加值AI Token。