AI 对电力的需求也不仅仅只有“电量” 维度。电力波动会带来高额成本损耗，AI 依赖稳定电源，而另一方面，AI 训练与推理长期处于高负载率，用电波动性远低于传统数据中心，对电源连续性要求更为苛刻。报告显示，到 2028 年全球 AI 电力需求将达 14-18.7GW，年复合增长率高达 25%-33%。当算力需求呈指数级增长，如何在满足供电稳定的同时实现低碳化？尤其在新能源占比持续提升的当下，如何将绿电纳入算力体系，构建新型电力系统的可持续发展模式？
国家能源局 6 月 4 日发布的《新型电力系统建设第一批试点工作通知》中提出，在青海、新疆、黑龙江等新能源资源富集区，数据中心可直接对接当地光伏、风电设施，实现绿色电力的就地消纳。通过算力负荷与新能源功率的联合预测、柔性控制和智能化调度，能够有效应对电力需求的峰值，避免电网过载。
全球科技巨头为了训练和运行当今应用背后的大型生成性AI模型，走在了能源转型的前沿，成为可再生能源的“头号推手”。谷歌至2024年已成为美国最大的储能投资企业，微软在爱尔兰的数据中心通过“太阳能+风能+储能”系统减少化石燃料发电机的使用，阿里巴巴张北数据中心则采用“光伏+储能”模式，实现本地绿电的高效供应。
随着AI技术的快速发展，算力不仅消耗电力，还能通过智能调度提高新型电力系统的运行效率。南方电网基于云南3500个节点数据训练的AI大模型，能够智能生成海量电网运行方案，算力效率提升千倍，并支撑70%渗透率的实时模拟，误差控制在1.5%以内。这种“算力调度电力、储能调节波动”的互动模式，正推动电网规划与调度迈向更精准的新时代。
这正是能源转型与科技革命相遇的未来图景，新型电力系统在加速向智能化和绿色化演进的同时，也能为数字经济注入源源不断的动力。
