能源，不只是AI的底座
AI的尽头是能源，能源是AI的底座。
过去两年，这句话几乎成为行业共识。但如果仅仅把能源理解为底座，依然是低估了它在AI时代的重要性。
“能源不只是AI的底座，更是AI的肌体、血脉；电力系统不只是配套，而是人工智能的主体工程。”5月26日，在国家能源局召开的全国“人工智能+”能源现场推进会上，唯一一家能源民企代表，远景科技集团董事长张雷提出了颇具冲击力的观点。
他表示，在AI时代，能源与智力的关系，正如同煤炭与动力，GPU就是新的蒸汽机，把电力变成智力，智力生产的本质，其实是一个能量转化的过程。
问题在于，能源跟不上算力迭代的步伐，能源对算力的制约越来越明显。AI模型几个月就能完成一次代际跃迁，GPU性能仍在高速增长，但电力系统的演进，却仍停留在传统工业时代逻辑中。
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”。对此，张雷提出，电力系统也必须实现摩尔定律。借助AI，让每一兆瓦电力所能产生的智力，每18个月实现翻倍增长。这就是“AI电力系统”的使命。
这场会议还有一个值得关注的信号是，国家能源局发布了51个“人工智能+”能源高价值场景，并组织开展“人工智能+”能源融合试点。这意味着，“AI赋能能源”已经不再只是概念，而是进入了真正的落地阶段。
一场围绕“智力与电力”深度融合的产业变革，正在中国率先拉开序幕。
AI时代
算力与电力“鸿沟”
今天，AI产业发展最大的堵点，是算力与电力的迭代周期存在鸿沟。算力正以前所未有的速度狂奔，而能源系统却像一辆缓慢加速的重卡。
过去几十年来，全球科技产业在“摩尔定律”下飞速发展，芯片性能每18个月左右翻倍，算力不断指数级增长，AI模型迭代周期已缩短至6个月。然而，全球电力系统在过去一百年间几乎没有发生本质变化。
并且，数据中心GPU通常2-3年大换代，而电力基础设施寿命至少在10年以上，这就要求电力基础设施至少能够兼容未来3-4代的GPU。
算力“指数级增长”与电力“线性演进”的矛盾，正在成为AI产业发展的最大隐忧。
随着单个AI数据中心的负载，从过去的几十MW，跃升至数百MW，甚至向GW级演进，AI产业正在以前所未有的速度吞噬电力。
目前，AI数据中心已面临四大能源约束：无电可用与基建滞后、极高的功率密度与负荷波动、电网稳定性挑战、严苛的绿电约束。
谁能解决能源问题，谁才能真正掌控下一代AI基础设施。这也是为什么，越来越多科技巨头开始直接介入能源领域。
微软投资核电，谷歌绑定聚变能源，马斯克在超级计算中心部署燃气轮机+储能系统，OpenAI公开讨论能源瓶颈问题……
本质上，他们都在试图解决同一个问题：如何让能源系统跟上算力进化速度。
对此，张雷提出，要解决AI生产全链路能量管理问题，让电力系统跟上算力的迭代速度，AI电力系统也必须实现摩尔定律。
“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。”
AI开始重新定义
“电力系统”
很多人理解的“AI+能源”，依然停留在“AI辅助监测运行”、“AI辅助能量调度”等传统层面。
但“AI电力系统”其实是一个更大的概念。AI能做的不只是实现“自动”，而是“自主”。
远景首创的AI电力系统，并不是传统电力系统的简单升级，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。
过去，数据中心电力系统的目标是稳定供电，而AI数据中心电力系统的目标开始变成，如何让有限电力，产生更多智力。
因此，AI电力系统本质上是一个算电协同的系统。
张雷提出了AI电力系统的三个关键目标：
第一，在相同功率带宽下，接入更多GPU。
这意味着，需要提升供电密度、优化配电架构、降低电能损耗。例如，从传统交流供电转向HVDC（高压直流）、800V直流架构、固态变压器等新型技术路径。
第二，在相同电力条件下，产生更多智力。
这背后不仅是芯片效率问题，更是能源调度问题。AI可以动态优化GPU利用率、冷热数据调度、训练任务编排、储能系统调节等，从而降低无效能耗。
第三，在相同投资成本下，使用更多绿电。
传统绿电接入存在波动性，通过AI能够实时预测天气、电价、负载变化，并动态优化风光储协同运行，从而提高绿电消纳比例。
也就是说，AI电力系统，强调的是AI与能源的双向赋能，在AI重构能源的基础上，能源才能更好地支撑AI，这才是真正实现算电协同的“新物种”。
过去，行业普遍关注的是，能源如何满足AI。但能源行业的许多瓶颈，恰恰需要AI来打破。虽然AI是耗电大户，但它也可能成为最大的“能源优化器”。
只有这样，AI电力系统才有望让每一兆瓦电力所能产生的智力，实现每18个月翻倍增长。
而这是国家“算电协同”战略在落地中容易被忽视的地方，或许也是国家能源局督促各能源企业抓紧51个“人工智能+”能源高价值场景落地实践的重要原因。
如何打造
AI电力系统？
AI电力系统究竟该如何落地？
在张雷看来，有三大关键支柱技术：
第一，智能中枢。即AI驱动的能源操作系统，它能够实时感知电网、储能、负载、气象、电价等海量信息，并动态优化整个能源系统运行。本质上，这是一个能源大脑。
第二，物理人工智能。过去AI更多停留在数字世界，而未来AI将开始深度介入物理世界控制，包括储能、电网、电力电子设备、机器人等。这些智能硬件都需要行业专用大模型，而非通用大模型。
第三，下一代电力基础设施。包括高压直流、固态变压器、智能机柜、储能系统、源网荷储一体化控制器等。
那么，究竟哪些企业具备这三种技术能力？
高工储能观察到，今年以来，多家头部企业发布了AIDC能源/电力全链解决方案：
4月1日，远景发布源网荷储一体化AIDC零碳电力与储能解决方案，电网侧通过“风光配储+绿电直连”实现灵活调配与低成本绿电消纳；场站侧以构网型储能平滑负荷波动，保障算力集群稳定；负荷侧用直流储能系统替代传统UPS，解决高密度GPU集群电能质量问题。
5月15日，华为发布了“源网荷储AIDC战略”，深度融合Bit（数字技术）、Watt（电力电子技术）、Heat（热管理技术）和Battery（储能管理技术）等4T技术，构建“新能源发电、构网并网、高密算力供电、液冷散热、算电协同”的全域能力。
而“财大气粗”的宁德时代，则选择了最直接的投资方式布局。近日，多家媒体报道称，宁德时代拟参与DeepSeek融资，意在从单一电池供应商升级为全方位AI能源基础设施服务商。此前，宁德时代已分别投资数据中心运营商世纪互联、达卯科技与中恒电气，布局算电协同智能调度以及HVDC、SST等核心部件。
正如张雷所言，电力是AIDC的主体工程，而非配套工程。这些巨头的AIDC战略布局说明，他们早已意识到，未来，AIDC能源电力的整体解决方案提供商，才能成为AI时代电力基础设施的规则制定者。
业内专家认为，想要做AIDC关于“电”的整体解决方案，真正有能力的企业其实很少，难点并不只是某一个设备，而是要掌握电网、储能、电力电子、热管理、AI调度、电力交易、数据中心架构、算力集群运行等。
这就要求企业具备极强的跨行业know-how能力。在这个基础上，才能真正实现AIDC算电协同。
华为的核心优势在于同时具备算力硬件和能源硬件基础设施的能力；宁德时代的优势在于，以电池为锚点，延伸到供配电、算力场景、算力需求端；而远景的核心优势在于从发电设备、电力电子硬件、储能系统、能源AI大脑的全栈融合。
AI电力系统，已在远景赤峰零碳产业园形成全球首个系统工程级实践样本：基于2GW、100%可再生能源独立电力系统，远景通过EnOS和能源大模型，实现了风电、光伏、储能、氢能、算力之间的动态实时协同。更关键的是，这里还是远景能源大模型的训练基地，其与腾讯紧密合作，通过AI电力系统优化算力任务编排，实现“算电协同”。
在乌兰察布，远景正在打造“远景星河基地”——一个吉瓦级能源系统与算力系统一体化的人工智能基础设施。
未来，AI电力系统必将重构全球AI与能源产业格局。这是一场超越技术迭代的产业革命，它彻底打破了能源与数字之间的产业边界，将两者从"供需关系"升维为"共生关系"。
而中国，凭借在新能源领域的全产业链优势和AI融合的先行探索，正成为这场革命的全球引领者。
爱游戏ayx，mk官网，
爱游戏体育在线相关资讯：mk sports，