在这“六张网”中，新型电网、算力网、新一代通信网都与“算电协同”息息相关。

2026年3月，“算电协同”第一次出现在政府工作报告里，与“超大规模智算集群”并列为国家级新基建工程。"十五五"规划纲要随即跟进，将"推动绿色电力与算力协同布局"写入正文。近日，由国家发展改革委、国家能源局、工业和信息化部、国家数据局联合编制的《关于促进人工智能与能源双向赋能的行动方案》（下称《行动方案》）发布，旨在强化能源对人工智能发展的基础支撑作用，发挥人工智能对能源转型的叠加倍增作用。

当前的算电协同，是要在AI算力指数级爆发、新能源高比例接入、全国统一大市场建设这三重约束下，重新组织电网、算力网与通信网，推动电力和算力这两种最基本的生产要素在全国范围内优化配置。算与电，如何双向奔赴？近期，中国人民大学应用经济学院举办“电算协同与算力出海”专题研讨会。与会专家对此展开了讨论，《南方能源观察》（以下简称“eo”）记者在讨论内容的基础上，从算电协同的目标、协同调度难点以及未来协同思路等方面展开分析，以供读者参考。

算电协同的目标演变

理解算电协同，首先要理解它试图解决的问题。

算力中心正在成为最大的新增用电变量，不仅单体和总量规模巨大，而且增长极快。根据中国信息通信研究院（下称信通院）数据显示，2025年，中国数据中心用电量已达1960亿千瓦时，同比增长18.1%，到2030年，数据中心用电可能占全社会用电量的3.7%至5.3%。在一些学者更激进的预测下，这一比例可能达到8%甚至更高。

在中国社会用电量已经突破十万亿度的情况下，8%意味着近万亿度的用电量，接近德国和法国用电量之和。从各地区来看，这种变化更加剧烈。“以张家口为例，数据中心用电量五年时间从10%猛涨到超30%，最大负荷年均增速高达40%。”国网冀北电力有限公司经济技术研究院高级专家岳昊说。

与此同时，新能源消纳压力与日俱增。截至2025年底，可再生能源总装机达23.4亿千瓦，绿电占全社会用电量比例接近四成。根据中电联最新预测，预计2026年太阳能发电装机规模将首次超过煤电装机规模。但2025年，全国风电利用率为94.3%、光伏利用率为94.8%，在"十四五"期间首次跌破95%，青海、西藏、新疆、甘肃四地光伏利用率跌破90%，西藏仅64.9%。 

两件事叠加，一个解题思路浮现出来：如果能让算力“配合”电力系统运行——东部算力向西部迁移，高峰时少用、低谷时多用——就能同时解决算力用能和消纳问题。

2020年12月23日，国家发展改革委、中央网信办、工业和信息化部、国家能源局（以下简称四部委）联合印发《关于加快构建全国一体化大数据中心协同创新体系的指导意见》，提出构建全国一体化大数据中心协同创新体系。2021年5月24日，四部委联合印发《全国一体化大数据中心协同创新体系算力枢纽实施方案》，提出布局建设全国一体化算力网络国家枢纽节点，加快实施“东数西算”工程。2022年2月，四部委联合复函同意京津冀、长三角、粤港澳大湾区、成渝、贵州、甘肃、内蒙古和宁夏启动建设国家算力枢纽节点，“东数西算”工程正式全面启动。

但是，随着人工智能数据中心（AIDC）的需求兴起，算电协同的目标“天平”从消纳新能源和帮助西部产业发展逐渐向保障供电倾斜。

一个吉瓦级的AIDC，电力负荷相当于一个百万人口的中型城市。2026年4月27日，OpenAI表示，其“星际之门”（Stargate）项目原定于2029年实现10吉瓦人工智能运算容量目标，因AI需求激增，已在2026年4月提前3年达成，最后的90天通过合同增加了超过3吉瓦的算力。

同样的，中国也在致力于打造吉瓦级的AIDC。5月8日，中国移动董事长陈忠岳表示要加速AI数据中心建设，布局吉瓦级数据园区。内蒙古自治区呼和浩特市委副书记、市长贺海东在接受《中国能源报》采访时表示，内蒙古将加快推动一批吉瓦级算力园区建设。

未来假设在西部建成10座吉瓦级AIDC，相当于新增一个千万人口的石家庄（2023年数据）；假如新建40座吉瓦级AIDC，就是在西部新增一个上海。

按照本文开头的估计，如果5年之内算力中心用电量达到一年一万亿千瓦时，那么平均用电负荷要超过100吉瓦，按照当前主流的 ±800kV 直流特高压线路设计输送容量通常为 8吉瓦来计算，至少需要12条来满足供电。

单从用电量上来看，算力中心正在重新构造中国的电力版图。而算电协同，是新质生产力、能源强国与“双碳”目标等战略主线的交汇点。

算力不是一池水

一度电，是标准产品，只要满足频率、电压和安全约束，电就能被统一调度。算力不同，它不是一池可以随意舀取的水，而是附着在芯片架构上的复杂资源。信通院2022年发布的《中国算力白皮书》中将算力分为三类。

第一类是通用算力，主要基于CPU，服务网页、数据库、文件处理、传统云计算等任务。它的架构相对标准化，跨节点调度难度较低。

第二类是智能算力，主要基于GPU、GPGPU、TPU或国产AI芯片，面向大模型训练和推理。这是当前增长最快、资源最紧张的部分。以英伟达H100等高端GPU为例，单卡功耗可达数百瓦，8卡服务器整机功耗可达数千瓦至上万瓦。随着大模型竞争加速，智算中心的单机柜功率密度远高于传统数据中心。

第三类是超级算力，主要用于气候模拟、流体力学、基因测序等高性能计算。它往往使用专有架构，任务与硬件深度绑定，跨平台迁移难度很高。

这三类算力即便可以跨节点调度，也几乎无法跨类型调度。具体而言，通用算力之间可以相对标准化地调度；智能算力之间，不同厂商GPU之间（如英伟达与华为昇腾）因架构差异，任务迁移需要重新编译和优化，实际调度成本很高，同一厂商生态内（如全H100集群）调度相对可行，但企业往往不愿意调度稀缺的高端算力；超算算力不可调度，任务与硬件高度绑定。

这意味着，当谈论“算力统一调度”时，实际上能参与调度的，只有通用算力和同构智算中的部分冗余资源。

算电协同调度的三道关

“调度”一词，指的是通过控制流动改变资源分布不均衡的现状、优化资源配置。

算电协同至少包含三个维度的调度：空间上，把算力搬到电力资源丰富的地方，或者将电力搬到算力聚集的地方；时间上，尽可能让算力负荷曲线与风光发电曲线相互匹配；规则上，匹配不同行业的调度与市场机制。

1.空间维度协同调度

我国西部拥有全国大部分风光资源，东部集中了主要互联网企业、金融机构、制造业总部和消费市场。算力需求与绿色电力供给天然错位。

“东数西算”试图缓解这一错位。行业通常将计算任务分为热数据、温数据和冷数据。热数据要求实时响应，例如金融交易、在线AI推理、工业实时控制、自动驾驶协同等，这类任务必须靠近用户、靠近场景、靠近数据源；温数据和冷数据则包括离线训练、视频渲染、科学计算、数据归档、备份灾备等，理论上更适合西迁。

最初的东数西算设计，正是基于这一区分：东部保留热业务，西部承接温冷业务。

但现实中的“数”并不总是能流动。

谈到影响算力中心布局的成本问题，大家往往想到电费成本，认为电价是决定性因素，却低估了带宽在数据中心成本中的“地位”，其在运营成本中的占比有时比电费还要高。

根据服务商的计费规则，算力中心的带宽成本和家庭带宽流量的计费方式相似，也包括流量和专线两种。

资料显示，按流量计费，可以直接通过分配公网IP直接传输，价格较高，适用于临时性数据传输，传输1TB数据成本在800元左右；通过云服务商的内部骨干网，传输1TB数据的成本约为百元内。租用固定带宽的专线，是按月租付费，不同带宽、不同的跨省距离价格不同。

“数据拷硬盘，背着坐高铁，又安全又经济。”如果数据量特别大，例如上升到PB级别，那么物理搬运的经济性和速度都将显著优于通过带宽传输。“如果将任务从东部搬到西部，电费节省了两毛钱，但是带宽费用增加了三毛钱，那是划算还是不划算？”中国信通院专家在前述会上指出，云计算时代，理论上云可以从北京迁移到河北、内蒙乃至新疆。但现实中的云计算调度比例较低，可能不超过10%。AI时代，需要处理的更多是热数据，这就导致迁移更加困难。

带宽之外，西部绿电的价格也需要计算综合成本。西部绿电发电价格仅0.15—0.3元/度，但转化为绿色算力的过程中，备用电源、容量费用、网络传输和运维费用等也需要计入其中，最终产品价格比东部低15%—30%。“企业在降价幅度有限的情况下，倾向于留在东部承受较高电价。”国家信息中心相关专家表示。“东部分布式光伏就近供电模式在综合用能成本上可大幅抵消甚至对冲西部的成本优势。”

同时，东西部之间存在算力类型错配的情况。目前紧缺的算力类型是智能算力，“部分西部地区通用算力利用率偏低，东部产业急需的智能算力却供应紧张。”北京国际城市发展研究院创始院长连玉明在2026年全国两会期间接受媒体采访时表示。

综合上述几种影响空间协同调度的因素，目前表现出来的特征是“东紧西松”：东部枢纽负载率（上架率）超过80%，但绿电占比低、电价高、土地资源紧张；西部枢纽利用率不足，部分数据中心因承接的多为访问频率低的温冷数据，几乎成为“存储仓库”。

2.时间维度协同调度

时间协同的理想状态是将算力中心视作一个可以随时调控的柔性负荷，通过算力负荷的增加和压降来配合新能源出力的时间曲线，帮助电网削峰填谷。

但是AIDC相较于传统的IDC已发生巨大变化。

对AIDC而言，高端GPU、服务器、网络设备和机房基础设施投入巨大，硬件折旧速度快。许多GPU资产的有效经济寿命只有三到五年，闲置本身就是成本。“大家都巴不得24×7三班倒，直接把算力卡用到报废。”清鹏AI创始人李中阳在前述研讨会上说。

相较于动辄百亿的硬件投入，时间协同节省的电费杯水车薪。“电费作为一个低价值信号，很难调动高价值资产。”李中阳说。AIDC的冷却系统、UPS、储能与部分可延迟的离线任务仍有参与需求响应的空间，但训练集群本身很难成为高标准的“柔性负荷”。

AIDC不仅不是“蓄水池”，还时不时“开闸泄洪”。根据国际能源署（IEA）报告，AIDC的负荷曲线往往是“脉冲式”或“锯齿波”，负荷波动可能达到数十甚至数百兆瓦。换句话说，AIDC的运行根据终端用户对模型的训练或调用请求变化而变化。举例而言，一个全网热点新闻就可能促使调用量突增。

同时，AIDC对电能质量要求很高，在电能不稳定的情况下，很可能会在极短时间内脱网，启动备用电源。“2024年7月，美国弗吉尼亚州一条230千伏输电线路因雷击引发连续六次电压扰动，触发该区域约70个数据中心集体启动脱网自保机制，导致电网在秒级内瞬时损失约1.5吉瓦的用电负荷。”岳昊说。

时间维度的协同不仅包括传统意义上的负荷瞬时协同，还有建设使用周期的协同。

算力中心建设周期约0.5—1年，而电站、电网建设需1—2.5年，可能出现“算等电”的问题。如果算力中心已建好但电供不上，算力卡每天的持有成本极高，这是企业绝对不能接受的。

岳昊介绍，一些计划建设绿电直连或者配套储能设备的企业发现，AIDC资产寿命仅3—5年即需迭代。而新能源资产寿命约20年以上，电力设备甚至达40年。“如果AIDC 3—5年后上架率不理想乃至经营困难，新能源和电力资产要如何处置？”

3.系统维度协同调度

据信通院专家介绍，不同于电网已可实现全国调度，算力资源分散在众多主体手中，并非一家企业主导。算力网的建设也不像电网那样全国“一盘棋”，而是各自独立。

资料显示，头部互联网公司在算力主体中的占比可能超过50%，三大运营商占比在3到4成，剩下部分是头部第三方数据中心运营商。这种分布结构导致全国一体化算力网的建设推进存在障碍。

头部互联网公司的算力资源首先要服务于自身业务，在当前大模型的高烈度竞争中，时间和算力就是生命，极难将算力资源用于调度。就算存在调度，也是互联网公司内部的调度，但是这个比例也很小。

调度门槛较低、协同意愿较强的是边缘资源和国有资源，如三大运营商、第三方IDC服务商、地方数据中心等。

2023年12月，国家发展改革委等多部门联合印发了《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》，全国一体化算力网作为“东数西算”工程的升级版，旨在打造促进全国范围内算力高效互联、灵活调度的基础设施体系。2025年12月，国家算力互联网服务平台跨域体系正式上线。

实际上，一体化算力网并非重新建设一张物理网络，而是以现有通信网为基础——与人们日常访问互联网网站的网是同一张网，只是在网络层面做优化。“国家一体化算力网就像打车软件，通过撮合数据中心资源和任务，将闲置的数据资源盘活。”前述专家说。

当前，部分专业人士寄望于以价格信号将电、算、碳、网四个市场“串”起来，让无形之手完成调度。但是存在两个现实约束：一是这四个市场都尚在建设中，全球范围内也无成熟先例；二是AI巨头正在经历万亿级别的竞争，不会因个别生产要素的价格波动就自缚手脚，甚至相关政策也会因为算力的需求而做出适应性改变，比如，美国通过《ADVANCE 法案》压缩核电的环保审批流程及让一些本该“退休”的煤电继续为AI供电。

算电协同的三条路

三维调度虽然难度大，但并不意味着算电不能协同。

近日，国家发展改革委、国家能源局、工业和信息化部、国家数据局四部委联合印发的《行动方案》，强调要强化能源对人工智能发展的基础支撑作用，发挥人工智能对能源转型的叠加倍增作用，其中明确提出要“统筹优化能源资源与算力布局”及“提高算力设施多元电力供给能力”。

“目前算电协同的很多思路，都是在过去十几年电力转型背景下提出的，本质上更多是‘算随电走’。”中国社会科学院财经战略研究院研究员冯永晟说，“但算电协同像一枚硬币，一面是算随电走，另一面是电随算配。”

1.协同布局

2022年2月，我国正式启动“东数西算”工程，规划建设8个算力网络国家枢纽节点以及10个国家数据中心集群。

多位业内人士认为，在AI技术大爆发前，我国的算力建设其实是“收着的”。但从这个时间点回望，“东数西算”工程的前瞻性正在显现。

多位专家认为，将算力发展范围设定在8个算力网络国家枢纽节点以及10个国家数据中心集群，透露出技术成熟前的“谨慎”，避免资源错配。一是防止各地盲目举债上马算力中心项目，在迭代极快的产业节奏中造成浪费；二是由于算力中心对电网的压力，“先筑巢后引凤”，在特定区域内针对性地升级变电站、建设构网型储能及大容量输电通道，专门应对大型负荷的剧烈波动；三是针对带宽成本高等问题，集中力量建设东西部枢纽间的低时延“算力高速公路”。

与此同时，也有声音认为应该放开“8个算力网络国家枢纽节点和10个国家数据中心集群”的限制，允许算力中心市场化发展，通过市场的手段解决算力中心的负外部性（指一个经济主体的行为给第三方带来了额外成本，但行为者却未对此进行补偿或支付）问题。“只需要对算力中心提出最严格的要求，通过征收费用转移支付避免负外部性外溢即可。”一位业内人士说。例如，国家数据局最新要求枢纽节点新建算力设施绿电应用占比达到80% 以上，倒逼许多企业购买绿证。

从这个角度看，如果资金大量涌入算力产业，让“热钱”来承担造成的电、碳、水、土地等资源的成本也并无不可。

在这种方法下，算力中心会自己找到最适合的地方，例如内蒙古自治区乌兰察布市和山西省大同市。据了解，大同市并不在十大算力集群的规划当中，目前却发展成为了名副其实的算力之城。这两个城市区位优势明显，毗邻北京，通过专用通信光纤可以将时延控制在5毫秒以内。又由于分属蒙西电网和山西电网，一个电价低，一个电力供应稳定。常年气温较低，一年有十个月的时间都可以使用自然冷源，能源效率指标（PUE）可以轻松优化到 1.2 以下。

这也意味着，协同布局并不局限于自上而下的规划，从尊重市场来看，应随实际发展动态调整算力网络国家枢纽节点和国家数据中心集群的名单，通过考核数据中心的PUE、绿色低碳水平和利用率，加大对该地区的电力等基础设施资源投入。同时，应当给予算力产业更多用能引导，如《行动方案》中明确提到的“加强算力设施的节能降碳管理”和“鼓励算力设施配置构网型储能”等。

2.多元供给

电随算配，不仅是要解决能源对人工智能发展的基础支撑作用，还要通过政策“工具”的设计，让算力中心具备更多样的选择，从而实现因地制宜的资源优化配置。

目前比较代表性的工具是“绿电直连”。实际上，绿电直连一开始并不是为算力中心量身定制的，而是出于消纳新能源的目的，叠加应对绿色碳关税、帮助企业降本等目标设计出的制度。此外，此处的绿电，也默认是光伏和风电。

根据eo记者多方了解，算力中心在尝试绿电直连时面对的比较大的问题是：算力中心对电源稳定性要求较高，如果要直连风光的话，就要选择并网型或者搭配储能，电力成本相较直接利用大电网资源没有明显竞争力。

《行动方案》还提供了一些新工具：如“探索核电、氢能等能源以直连方式为算力设施供能”“鼓励新建算力设施与可再生能源发电企业签订多年期绿色电力交易合同”等。从“西电西用”等更大的场景出发，也可让算力中心与制氢、储能、绿色化工等产业共同发展，降低算力中心在整体负荷中的比重，让其他更具柔性的产业为算力中心服务。

“当前政策面临两个需要同步解决的问题：一是政策之间要互相匹配，二是布局要与未来增长趋势相匹配。须从‘电随算配’的角度有大的政策思路突破，衍生出多种方式。”冯永晟说。

3.“绵柔型”AI

AI大潮刚刚拉开大幕，形态迭代日新月异，也势必给算力中心的用电特征带来持续变化。

此前爆火的大模型已经作为“幕后支撑”，把智能体（Agent）推向了前台。

相较于传统的即时交互业务，Agent 具备高度的自主性与长时推理特征，这种特征使得它能够帮助打通上文中提到的空间与时间的协同关卡。Agent 往往涉及长时间的任务执行，这类任务对“毫秒级延迟”不敏感，但对“长时运行成本”敏感。这种“异步推理”模式可以将任务规划（Planner）放在东部枢纽，具体的执行和逻辑链推导演算（Worker）分发至西部枢纽。

时间上，由于 Agent 任务天然具备可拆解与“断点续传”的属性，可以将一些不紧急的任务储存起来，等到新能源大发时再进行处理，实现一定程度上的时间协同和削峰填谷。

在数据治理维度，Agent 正驱动“温数据”层权重的增长。由于Agent在执行任务时需频繁调用向量数据库（RAG）以获取长期记忆与上下文知识，数据存取频率从极端的“冷热分明”转向更加平滑的持续性调用。Agent 的预测性思维使其能够根据当前任务链条，自主驱动冷数据的“预热”与打标，使海量历史非结构化数据在计算过程中被动态激活。

“电力系统更重要还是算力系统更重要？就像一个人，电力是血液系统，算力是神经系统。在当前适应未来数字经济背景下，就像快到青春期，整个‘血液系统’和‘神经系统’都还处在快速生长发育阶段。”冯永晟说。

随着AI浪潮的不断发展，当前算力中心遇到的很多问题都会因为业务特征的改变迎刃而解。让算力变柔的，不是电价，而是AI自己。