AI

改變能源智算如何引領新型電力系統2024

年

8

月目錄前言2第一章：文獻綜述與方法論4美國的算力增長預期，分歧重

點在市場5●中國算力增長預期，不確定性主要在技術5●第二章：測算方法與結果7中國智能算力每年增長

70%7●樂觀情景下國產芯片有望突破8●年中國智算年用電最高

1.3萬億度9●

2030智算中心成為用電量增長主力101112121315171718●●第三章：中國凈零碳電力算力地圖智算中心發展初期主要在綠電供給不充分的東部年清潔電力發電量預測●

2030智算用電需求的動態匹配●綠色算力電力區位條件●第四章，智算加速建立新型電力系統全天候“智”“能”調度●

24/7綠電直供與跨區域交易●●●源網荷儲碳一體的配電網與微電網1819虛擬電廠結論：讓智算率先實現凈零碳電力附錄2122關于報告232323未盡研究●環球零碳●改變能源AI1智算如何引領新型電力系統前言能源與機器，自從技術革命以來，從來都不可分。新能源與機器學習正在走向融合，它們符合一個共同的技術和經濟規律，效率上升，成本下降，而需求增如果能源的無限需求內長更快，產生了杰文斯悖論的效應。生于經濟發展，唯一的杰文斯是19

世紀英國工業革命期間的一位經濟學家。他發現，當煤炭的使用效選擇，就是使用綠色和率不斷提升時，對煤炭的需求不僅沒有下降，反而在煤炭的應用和相關領域產清潔的能源。生了大量的創新，滲透到各行各業，導致煤炭的消耗量上升。杰文斯悖論在歷次技術與工業革命中持續上演，蒸汽機、內燃機和燃氣輪機的效率不斷提升，但人類對于化石能源的需求也持續增長了兩百多年。杰文斯悖論揭示了資源、技術、經濟之間的基本關系。摩爾定律是信息技術革命時代的杰文斯悖論。單位面積芯片上的晶體管數量每18

個月左右增加一倍，60

年來相當于算力的成本至少下降了

10

億倍，推動經濟與社會進入數字時代。而在加速計算逐步占據主流的深度學習“黃金

10

年

”，GPU

的效率提升了千倍。盡管如此，在整個經濟與社會向數字化與智能化轉型的過程中，對于智能算力的需求在絕對數量和相對占比的意義上，不但沒有減少，反而在加速增長，每個季度翻番。這在很大程度上是由于算力更加密集的基礎設施和應用正在涌現。如果考慮到未來的物理

AI

以及元宇宙，對于算力的需求幾乎是無限的。電力供能地位的三次超越70605040302010電力油天然氣有用能源是在所有加工和轉換損失之后剩煤炭0余的總能源190019101920193019401950196019701980199020002010來源：RMI說明：1900

年至

2010

年間有用能源供應的變化趨勢：所有部門不包括非能源用途。有用能源的估計值有所不同，這里我們采用了國際應用系統分析研究所（IIASA）的數據，這是我們見過的最詳細的數據。改變能源AI2智算如何引領新型電力系統前言從技術上來講，摩爾定律和黃氏定律可以也必須持續下去，但它必須投入更大的研發資金以及消耗更多的能源，能源革命并沒有改變杰文斯悖論。而經濟和商業規律決定了，這些投資體現為更高的能量密度和算力密度的基礎設施，必須以更廣泛的創新和應用實現回報（ROI），新的生產力得以形成，經濟增長得以實現。這就是AI時代的杰文斯悖論的商業和經濟基礎。杰文斯悖論也說明了原有的經發展模式是不可持續的：如果能源的無限需求內生于經濟發展，唯一的選擇，就是使用綠色和清潔的能源。可再生發電邊際成本趨近于零，智能算力邊際成本趨近于零，這兩大趨勢合龍，將引發廣泛的應用創新，滲透到經濟與社會中，進一步帶動對于能源和算力需求的同步上升。生成式

AI革命，與能源革命耦合在一起，也將帶來能源管理方式的根本變化。算力革命與能源革命將互相迭加、融合、增強；如果清潔能源供應不足，電力基礎設施不向新能源轉型，人工智能的發展將會被“卡脖子”。計算的本質是能源的處理形式，計算過程也是能量轉換和使用的結果。AI所帶來的海量計算，將與可再生能源一起，推動新一輪信息與能源革命。而這一輪大模型創新所遵循的擴展定律（scalinglaw），即更多的數據和更大的算力推動模型越來越大，越來越接近通用人工智能（AGI），產生了大數據

-大算力

-大模型

-大電力的范式。中國在新能源革命中已經處于領導地位，也是全球第二智能算力大國。中國正在部署

AI+戰略，成為新質生產力中的一個戰略性前沿領域。目前中國正處于風光等可再生能源的“黃金

10年”，AI所帶來的清潔電力需求，需要順應中國的能源轉型，實現

2030年碳達峰及

2060年碳中和的目標。本報告估算出中國到

2030年所需要的智能算力總量，相對應的電力需求總量，尤其是在中國電力增量中所占的比重

。我們假設中國智算中心

2030年的目標是達到世界先進水平，之后所消耗的能源以綠色和潔凈電力為主，在各行業中率先實現凈零碳排放。在國家東數西算以及八大樞紐和十大集群的總體布局下，我們進一步分析各省的智算能力和清潔電力資源的現狀及未來，將如何在支持國家人工智能發展大計的同時，推動本地的經濟數字化與智能化。與此同時，我們關注到智算在各地爆發式增長給電力系統以及控制碳排放帶來的短期挑戰，以及算力與電力的協調發展，對于引領和加快新型電力市場建設的意義。計算的本質是能源的處理形式，計算過程也是能量轉換和使用的結果。AI所帶來的海量計算，將與可再生能源一起，推動新一輪信息與能源革命。而這一輪大模型創新所遵循的擴展定律（scalinglaw）產生了大數據

-大算力

-大模型

-大電力的范式。改變能源AI3智算如何引領新型電力系統第一章：文獻綜述與方法論全球數據中心用電量將在

AI的推動下大幅增長，一直受到關注。從

2023年以來，由于生成式

AI的迅猛發展，美國尤其為“電力危機”感到焦慮，而中國的人工智能要在碳達峰目標的約束下追趕美國，算力與電力問題需要重估。算力需求增長、能耗及排放增加的速度，始終快于算力效率、功耗效率、排放效率提升的速度，這是導致用電量會持續增長的根本原因。生成式

AI在內容生成與推理方面，創造出越來越有價值的應用，而這些應用的算力、能耗與排放的密集度也迅速上升。來自不同行業和專業背景的機構，對智能算力的電力消費進行了為數眾多的研究，基本邏輯大同小異：先根據芯片等硬件的算力與功率，估算出數據中心的用電量；再根據算力增長、芯片能效（單位時間內完成的計算量與消耗的電能之間的比率）提升，以及數據中心能效

(PUE，數據中心總能耗與關鍵

IT設備能耗的比率，數字越小越接近

1，能效越高

)提升的預期，來推測未來一段時間內智能數據中心的用電量增長情況。智能算力的提供者及主要使用者，如科技企業、電信企業、政府、以及日益數字化的許多行業，都提出了

100%使用綠色電力、實現碳中和的目標和路線圖。而獲得綠電及清潔電力，尤其是直接接入供應的綠色電力，并且建立起新型能源管理系統，是實現綠色智算中心的關鍵。其中，無論在中國，還是在美國，數據中心的能效提升是確定性較強的部分。PUE都受到監管機構或

ESG政策的約束，近十年來全球數據中心平均

PUE僅從

1.65降至了

1.58，并非影響近年來數據中心用電量增長的核心因素。這些研究報告，對于人工智能技術最發達、電力市場化程度最高的美國研究比較充分，為關于中國的研究提供了基準性的參考，但忽視了中國所面臨的芯片系統技術的挑戰及能源電力市場的差異性。這些報告對美國智能算力增長和電力需求的預期并不一致，而中國面臨的首要問題是如何克服芯片能效提升的瓶頸。不同推理任務的用電量102.90710.10.0630.049

0.0470.0380.010.0040.0070.003

0.0030.0020.001圖像生成

圖像描述

摘要生成

文本生成

對象檢測

圖像分類

標記分類

掩碼語言

提取式

文本分類生成建模問答來源：HuggingFace，未盡研究，環球零碳說明：對數軸。每進行

1000次查尋，完成每種推理任務平均消耗的電能。改變能源AI4智算如何引領新型電力系統美國的算力增長預期，分歧重

點在市場文獻綜述與方法論英偉達

GPU

芯片成為目前智算中心的主流算力硬件，占比

90%

左右。因此，全球范圍內芯片能效提升趨勢相對明確，可預見的將來與英偉達

GPU

迭代周期同步，未來有望一年一次更新。伴隨著向更低精度的擴展，從

P100

到

B200的

8

年間，訓練同一個模型的能耗，理論上目前已經降至最初的

1/400

左右。因此，導致各方預測結果分歧較大的原因，主要在于對AI算力增長的預期不一致。這既取決于算力需求的增長，也取決于算力供給的增長，還取決于客戶預算的增長能否趕得上前兩者的增長，以及電力電網建設的增長趕不趕得上前三者的增長。不少年初的研究低估了去年英偉達

GPU

的出貨量。此外，其中算力需求的增長，既包括訓練需求的增長，也包括推理需求的增長，兩者都存在較高不確定性。因此，部分報告假定了不同的

AI

算力增長情景，也產生了不同的用電增長估算結果。高盛認為屆時美國

AI

用電占比約

20%，semianalysis

則認為可能超過60%。在不同AI

算力增速預期下，前者估算到

2030

年，美國數據中心用電占比將從

2023

年的

3%

升至

8%，后者估算到

2028

年該占比將升至超過

14%。中國算力增長預期，不確定性主要在技術對于中國而言，國產芯片的迭代速度與產能瓶頸，即芯片能效提升預期，以及算力增長預期中的算力供給問題，才是最敏感的影響因素。因此，重

估中國

AI算力與電力在不同情景下的預期，主要從較不確定的芯片創新的角度，而非美國的較確定的算力增長的角度。中國目前無法通過官方渠道同步獲得英偉達最先進的

GPU。美國降下的“硅幕”，限制芯片設計、制造與流通的多個環節，試圖將中國先進算力遏制在

A100

水機構對數據中心未來用電規模的預測全球中國美國3000基準場景25002000150010005000不同場景的上下限區間銀河證券

TechInsights

semianalysis

高盛

IEA

華泰證券

銀河證券

IEA

華泰證券

semianalysis

高盛

IEA

EPRI來源：公開信息，未盡研究，環球零碳說明：不完全列舉。部分機構給出了單個場景的預測，為圖中藍色圓點；部分機構給出了不同場景的上下限，為圖中線段。IEA

的預測截至

2026

年，其余基本預測至

2030

年。不同結構給出的預測對象并不一致，部分明確稱數據中心，部分稱

AI

數據中心，IEA

的還包括加密貨幣。改變能源AI5智算如何引領新型電力系統文獻綜述與方法論平以下。但中國在從國際市場上獲取符合美國出口禁令標準的芯片的同時，國產芯片也在迅速補位，通過

DUV

多重

曝光等技術制造的等效

7nm

芯片已獲行業驗證，理論上這也適用于探索制造等效

5nm

芯片。接下去的問題就是良率提升速度與產能爬坡速度，根本上取決于中國建立起一個基本替代西方先進制程芯片的產業鏈，解決各個環節卡脖子問題。這需要時間和耐心。保守來看，如果鴻溝短期內無法逾越，中國的

AI

算力長期依靠較低能效的芯片，且芯片能效無法持續提升，那么相同算力規模的用電量需求就會大增。電力換算力成為一種選擇，以保證在

AI

領域的競爭力。但就總量而言，中國電力的裝機總量約為美國

2.4

倍，發電總量約為美國的

2.1

倍，其中，可再生能源發電新增裝機超過全球的一半，累計裝機規模占全球比重

接近

40%，綠色電力供給總量不是問題。樂觀來看，如果中國能夠突破封鎖，建立起比較完整的芯片產業鏈，芯片技術持續迭代升級，能效持續提升，那么，以中國制造“過剩

”的能力，決定用電量的將是算力需求而不是供給。中國三大城市群已出臺的智能算力基建規劃，總規模早已超過全國。大模型最大的應用市場就在中國。各省已公布智算規模超全國規劃160140120100806040200重慶山西貴州青海上海廣東江蘇安徽北京甘肅河北

各省加總

全國規劃來源：公開資料，未盡研究，環球零碳說明：目前僅部分省份公布了智算基建規劃。甘肅未公布智算規劃規模。其他省份公布的規模，表示為“超過”“至少”等，取其下限。全國規劃指“高質量行動計劃”中對全國智算規模的規劃。上述規劃基本上截至

2025

年。改變能源AI6智算如何引領新型電力系統第二章：測算方法與結果從

2023年到

2030年，中國智能算力規模將以每年

70%的復合增長率持續攀升。國產芯片將成為智能算力的主要來源，技術保守情景下全部采用等效A100，以電力換算力，但更有可能以落后美國

4年左右的代差持續迭代，提升能效。至

2030年，全國智算中心年用電量在

0.6萬億度

-1.3萬億度，約占當年全社會用電量的

5%-10%。中國智能算力每年增長

70%去年底，中國提出了《算力基礎設施高質量發展行動計劃》與《深入實施“東數西算”工程，加快構建全國一體化算力網的實施意見》。全國各地都在摸底算力，行動快的省份，已經推出了自己的基建方案。部分省市規劃的智算規模總量，超過了全國的計劃目標。“高質量發展行動計劃”明確指出，到

2025年，中國數據中心的算力規模超過

300EFLOPS，其中智能算力占比達到

35%，即

105EFLOPS。而“八大算力樞紐節點”中的京津冀、長三角和粵港澳三大樞紐，規劃到

2025年的智能算力規模已經接近

120EFLOPS。智算規模實際部署速度，快于計劃文件的目標。“高質量發展行動計劃”原定至

2023年底，智能算力達到

66EFLOPS；而按照工信部今年披露的數據，去年智算規模已達

70EFLOPS，同比增速超過了

70%。智算規模加速部署，既是中美

AI競爭的反映，也是中國經濟增長向“新質生產力”要效率的縮影。在國家“適度超前建設算力基礎設施”的鼓勵下，中國智能計算中心算力規模保證

70%的增速是合理且必要的。到

2030年，中國智算規模將達到

2886EFLOPS。中國智能算力規模增長預測35003000CAGR≈70%2500200015001000500020232024202520262027202820292030來源：未盡研究，環球零碳說明：按數據中心智能算力最近三年復合增長率約為

55%，最近一年約為

70%。改變能源AI7智算如何引領新型電力系統樂觀情景下國產芯片有望突破測算方法與結果芯片“硅幕”為中國芯片產業創新提供了外部動力與內部市場。國產

GPU、FPGA與

ASIC等各類

AI加速芯片，將逐步成為近

3000EFLOPS的智能算力的主要來源。這些芯片需要在總量與結構上滿足大模型及其

AI應用的訓練及推理的需求。一般而言，訓練對芯片性能的要求更為苛刻。即使保守地看，國內芯片廠商已經具備了設計與制造等效英偉達

A100芯片的能力，產能也在提升。但中國更有可能在技術創新與政策支持下，走向樂觀情景。國內芯片產業以相比美國

4年左右的代差迭代升級，即在

2027年起全部使用更高能效的等效

H100，到

2029年全部使用等效

B200。一旦中國建立起自主的芯片及算力產業鏈，美國也可能在保持代差優勢的情況下，同步放寬門檻，以維持中國芯片市場份額，這客觀上可以提高國內智能算力的供給。中國智算中心每年新增智能算力需求，都需要用上述當年最先進的芯片來滿足。即芯片數量

=智算規模

/芯片算力。國內主流采用

FP32精度。工信部《新型數據中心發展三年行動計劃（2021-2023年）》將

FP32作為國內數據中心算力的計算基準；工信部旗下信通院《中國算力發展指數白皮書（2023年）》在對包括數據中心與智能計算中心的基礎設施算力進行規模測算時，統一折算為

FP32精度。按這個基準，參照英偉達各代

GPU的性能參數，到

2030年，技術保守情景約需要14700萬張等效

A100；技術樂觀情景則需要累計部署等效的

1700萬張A100，970萬張

H100，1125萬張

B200。為簡

化討論，暫不考慮因折舊等因素，存量算力改由更高能效芯片提供等情況。中國智能算力用電量增長預測16000技術保守情景技術樂觀情景1400012000100008000600040002000020232024202520262027202820292030來源：未盡研究，環球零碳說明：保守場景指從

2023年到

2030年全部使用等效

A100，能效無法提升；樂觀場景指從

2023年起使用等效

A100，落后

4年左右的代差，在

2027年全部使用等效

H100，在

2029年全部使用等效

B200。改變能源AI8智算如何引領新型電力系統2030

年中國智算年用電最高

1.3

萬億度測算方法與結果智算中心要完成訓練與推理任務，所需關鍵

IT設備不僅包括

AI芯片，還包括驅動這些

AI芯片正常運行的其他必要組件，即服務器上的

CPU、網卡、供電單元等，以及服務器間的存儲服務器、網絡交換機、CPU節點、光纖收發器和許多其他設備。因此，要在智算中心驅動一張

GPU芯片，實際需要額外消耗近

1倍的電力。根據英偉達提供的數據中心解決方案，在典型配置的智算集群中，每運行一個H100需要1389W的

EAP（預期平均功率），而

H100的

TDP（熱設計功率）為

700W。智算中心為這些關鍵

IT設備提供的冷卻與照明同樣需要消耗電力。中國要求新建大型及以上數據中心全部能耗相對關鍵

IT設備能耗的比例（即

PUE）降低到1.3以下，考慮到市場占比較高的領先云巨頭的

PUE已經做到比這更低，將其視為一段時間內的全行業基準水平相對合理。此外，考慮到智能算力的供需情況，國內智算中心使用率可以設定為長期以

100%的滿負載運行。智算中心當年的用電規模的計算公式可以表示為：芯片數量

*芯片熱設計功率*2*PUE*使用率

*365天

*24小時。因此，至

2030年，智算中心的總裝機容量將達到

70GW-150GW（如果考慮到風光可再生能源的容量因數，實際需要的總裝機容量將達到

300GW-600GW）；一

年

365天，每天

24小時，智算中心的年用電量在

0.6萬億度

-1.3萬億度左右（600TWh-1300TWh）。新增智能算力用電擠占全社會新增用電量8000■

全社會用電量■

技術保守情景智算用電■

技術樂觀情景智算用電600040002000077%27%2024202520262027202820292030來源：未盡研究，環球零碳說明：堆積圖。假定全國全社會新增用電量按近十年的復合增速增長；樂觀場景下部分年份新增用電量下降，主要是因為當年全部采用了能效更高的下一代芯片。改變能源AI9智算如何引領新型電力系統智算中心成為用電量增長主力測算方法與結果如果中國全社會用電量繼續按近十年的趨勢增長，那么，到

2030

年，中國智能計算中心年用電量將占該年全社會用電量

5%-10%，成為新的重

點用能行業。智算中心新增用電量占當年全國全社會新增用電量的

27%-77%。相比美國，中國電力總量上可以更充分地滿足智算需求；在現實中，智算用電增量占比的上升趨勢也會相當平穩。智算用電增量需求明確，將拉動電力電網建設持續較高速增長；同時也將推動電力電子技術的創新。盡管視頻生成等多模態任務（算力需求高于文本任務等）在推理中的占比提升，進一步推高對智算的需求，但推理占比在智算需求中的整體提升，將充分釋放當前主流

AI

芯片低數據精度能效提升更快的特點，新的推理友好的

ASIC（專用

AI）芯片也將因此獲得規模部署，結合較小模型加速落地以及算法與架構不斷優化改進的趨勢，未來智算中心將以更少的電力完成更多的任務。此外，隨著時間推移，早先建設的數據中心折舊（一般約

5

年）完畢，這些存量算力需求會改用更高能效的

AI

芯片來滿足。相比美國，中國電力總量上可以更充分地滿足智算需求；在現實中，智算用電增量占比的上升趨勢也會相當平穩。智算用電增量需求明確，將拉動電力電網建設持續較高速增長；同時也將推動電力電子技術的創新。改變能源AI10智算如何引領新型電力系統第三章：中國凈零碳電力算力地圖智能算力目前在中國呈現出爆發態勢，將消耗大量的電力。按照規劃，到

2025年底，國家樞紐節點新建數據中心綠電占比超過

80%。目前全國新增的智算中心，絕大多數位于綠電資源相對匱乏的東部，按照目前的全國綠電資源的分布，以及各省的碳因子水平，在

2025

年底之前“搶建”的智算中心，將顯著增加碳排放。實際上，在綠電投資最激進的谷歌，盡管其擁有最先進的數據中心技術，最大量的綠電采購，以及最先進的

TPU

芯片，在最新發布的環境報告中，其碳排放2023

年比

2022

年增加了

13%，過去的

5

年，碳排放增加了

48%。智算中心的高速發展，要求必須把能源消耗盡快轉向綠色和清潔的電力。目前，中國清潔電力裝機占比已過半，超過了火電，達到

52%。到

2030

年，中國省級電網碳排因子將大幅下降，即使不包括核電，綠電年發電量規模將達到

5.5

萬億度。中國豐富的綠電供給潛力，可以滿足中國智算的電力需求，并幫助中國緩解算力“卡脖子”問題。全國智算中心用電量，同時也等于各省智算中心用電總量，包括因為時延等要求下必須在當地完成的推理需求，也包括由綠電豐富地區額外承擔跨省訓練與非本地推理的需求。因此，當前面臨的突出問題是如何解決東部地區本地推理的區域性綠電缺口，以及如何提高跨區域的綠電消納能力。與其他負荷相比，計算具有獨特的靈活性，能夠將其能源消耗遷移到遠距離。計算還可以利用多種基于軟件的容錯技術。因此，計算的多個維度的靈活性，讓它可能去“尋找”到穩定和便宜的綠電。中國省級電力碳排因子下降預測2021

年2035

年0.80.70.60.50.40.30.20.1內

山

安

新

河

陜

黑寧

天

江

河

山

遼

江

湖

浙

北

上

廣

甘

廣

福

吉

貴

湖

重海

四

云

青0蒙西

徽

疆

北

西

龍

夏津

蘇

南

東

寧

西

南

江

京

海

西

肅

東

建

林

州

北

慶

南

川

南

海古江來源：生態環境部及其環境規劃院，未盡研究，環球零碳說明：2035

年各省碳因子強度為預測值改變能源AI11智算如何引領新型電力系統智算中心發展初期主要在綠電供給不充分的東部中國凈零碳電力算力地圖從

2023

年以來，中國的智算中心數量激增，其中多數都建在綠電資源相對匱乏的東部地區，而且基本不受綠電占比要求的約束。短期內將產生大量的碳排放。由于數字經濟相對欠發達、資金、人才與技術缺乏等，綠電資源豐富的西部，智算中心的發展相對遲緩。根據中國生態環境部和生態環境部環境規劃院發布的數據，中國省級電力碳排因子將在十五五、十六五時期大幅下降。綠電比例的上升與電力碳排因子（生產單位電力過程中平均排放的二氧化碳量）的大幅下降，是中國建立綠色算力網絡的基本前提。從區域碳排因子的分布上看，中國西部地區水電、光伏及風力發電等資源豐富，具備發展綠色智算中心、承接東部算力需求的潛力。智算中心的建設，應當充分利用不同區位的清潔電力。國家的東數西算項目提出了八大樞紐與十大集群建設規劃，其中八大樞紐分別為西部的內蒙古樞紐、寧夏樞紐、甘肅樞紐、成渝樞紐、貴州樞紐，和東部的京津冀樞紐、長三角樞紐和粵港澳樞紐。2030

年清潔電力發電量預測如果中國綠色電力（不包括核電）按

2013-2021

年的年復合增長率繼續增長，至

2030

年，年發電量規模將達到

5.50

萬億度，其中水電、風電、太陽能年發電分別為

1.87

萬億度、2.36

萬億度和

1.27

萬億度。核電應被視為清潔能源，作為綠電的補充，它的同樣潛力巨大。至

2030

年，清潔電力（包括核電）年發電量規模將達到

7.80

萬億度。這額外的

2.3

萬億度穩定供應的清潔電力，主要來自核電，對東部沿海地區格外重要。2030

中國清潔電力發電量預測12000綠電核電等1000080006000400020000廣

四

云

福

浙

江

新

內

廣

山

河

山

遼

湖

寧

河

貴

青甘

湖

江

安

陜

天

吉

黑西

上

北

重海東

川

南

建

江

蘇

疆

蒙西

東

北

西

寧

北

夏南

州

海

肅

南

西

徽

西

津

林

龍

藏

海

京

慶

南古江來源：未盡研究，環球零碳改變能源AI12智算如何引領新型電力系統中國凈零碳電力算力地圖盡管水電與核電受當地可開發容量的約束，但它的增長尚未觸及瓶頸。據《綠色經濟視角下中國區域可再生能源發展路徑研究》測算，中國大陸水力資源技術可開發裝機容量為

54164

萬千瓦，年發電量可達

2.47

萬億度。核電同樣如此。2030

預估綠電規模前五名省份為：四川（6407

億度）、云南（5381

億度）、新疆（4412

億度）、內蒙古（4053

億度）與河北（2812

億度）。2030

預估清潔電力規模（包括核電）前五名省份為：廣東（11208

億度）、四川（6462

億度）、云南（5381

億度）、福建（4783

億度）、浙江（4548

億度）。智算用電需求的動態匹配算力的任務，而不是算力，可以在不同的數據中心和算力集群之間進行調度，通常以分布式計算和云計算技術實現。這種調度實際上是數據、應用與業務的傳輸，由于其成本低于能源運輸和電力輸送的成本，數據可以高通量傳輸到綠色電力資源豐富的地區進行多點處理，在中國主要就是把東部的算力需求調到西部來計算。東數西算將主要對智能算力進行任務調度和統籌。2030

中國智能算力用電量預測(技術樂觀情景

)江蘇貴州363北京493418內蒙古甘肅448409山東269寧夏四川重慶浙江上海天389349274304284河北津安徽

105廣西21955遼寧新疆河南湖南江西1007255174129100黑吉林龍云南廣東福建湖北山西陜西江4995海南

26525031441449585青海西藏碳因子>0.6<0.4>0.5<0.3>0.4<0.21913無數據來源：未盡研究，環球零碳說明：在技術保守情景下，智算中心的用電量相對樂觀場景翻倍有余，其中，廣東與貴州都超千億度電。改變能源AI13智算如何引領新型電力系統中國凈零碳電力算力地圖一般來說，隨著AI

應用的展開，推理將占智能算力的主要部分，而時延敏感的任務將占推理的主要部分。智算中心完成的任務，可分為延遲敏感、延遲寬容和延遲容忍。在東數西算的總體布局下，延遲敏感任務仍然必須由部署在本地的算力完成。隨著大模型應用的規模化展開，智能算力的需求將逐步向延遲敏感的推理傾斜。英偉達估算當前

AI

芯片推理需求占

40%，亞馬遜

AWS

預計未來推理需求將達到

90%。到

2030

年，中國智算中心用于推理的算力的占比也將達到

90%。直播、游戲、智駕、工業等應用場景，往往對應時延敏感性的推理任務；新的時延敏感性的應用場景將隨著人工智能發展而誕生。在推進算力樞紐間時延降低的同時，為保證用戶體驗，提升服務競爭力，企業會盡可能地把這些智算任務留在本地。預計到

2030

年本地推理需求在所有推理需求中占比達到

80%。那么，屆時必須部署在本地的智算用電需求，在技術樂觀情景下達到了約

4500億度，技術保守情景下達到了約

9600

億度。這些必須部署在當地的智能算力，將按照各地算力供給意愿與能力，以及當地應用與產業實際需求來部署。中國信通院《中國算力發展指數白皮書

2023》曾評估了截至

2022

年中國各省份算力規模指數與算力應用指數，正對應著上述兩大因素，一定程度上可以代表

2030

年本地推理在各省市的分布占比。如果東數西算能及時推進，訓練需求與其他不需要在本地完成的推理需求，將大體平均分配至綠電資源較豐富的中西部地區，主要是內蒙古、貴州、甘肅、寧夏、成渝等五大樞紐。它們需要積極滿足京津冀、長三角與珠港澳的算力需求。在承接來自其他地區的部分算力任務之后，西部省份用電量明顯增加，緩解了東部省份。其中，按技術樂觀情景，廣東到

2030

年用電量最高，達

503

億度，其次分別是貴州（493

億度）、內蒙古（448

億度）、北京（418

億度）、甘肅（409億度）。在技術保守情景下，智算中心的用電量幾乎翻倍，廣東與貴州都超千億度電。在各省電網碳因子持續下降的趨勢下，2030

年，全國智算用電將排放約

2.73-5.89

億噸碳當量，相當于中國

2023

年

126

億噸碳排放（IEA

統計口徑下）的2%-5%。中國碳排放正在進入達峰區間，智算中心將成為新增碳排放的重要來源，亟需用綠色和清潔電力來滿足智算中心的能源需求。中國已強化了對新建數據中心梯次有序布局“東數西算”的剛性約束，要求國家樞紐節點新建數據中心綠電占比超過

80%，并對新上項目能效提升、存量項目降碳改造、資源節約集約利用、高效制冷散熱技術推廣做了具體規定。改變能源AI14智算如何引領新型電力系統綠色算力電力區位條件中國凈零碳電力算力地圖受當地數字經濟、產業與風光資源等限制，各地的智算用電規模與綠電發電規模存在錯配。算力、電力、零碳，這三個目標要協調發展，需要盡可能地向本地推理直接提供清潔電力，將訓練與時延不敏感的推理需求，放到綠電豐富的地區。盡管如此，部分省份仍然存在智算清潔用電量和發電量的不匹配。長三角和京津冀的綠電用電需求壓力不小，在技術保守情景下，長三角智算用電量幾乎占去綠電發電量的一半，京津冀占到三分之一。這也是電動汽車與數字化工業對綠電需求迅速攀升的地區。而云南、新疆、青海綠電規模預計在

2030年將大幅提升，但目前暫無承擔算力樞紐核心任務的規劃。到

2030年，中國至少有

9個省市，處于清潔電力資源與智能算力經濟相對匹配的狀態（右上，第一象限）。其中，內蒙古、寧夏、貴州、甘肅等中西部算力樞紐，盡管本地推理需求較低，但承擔了較重

的“東數西算”的任務；四川屬于成渝算力樞紐，即要充當國家算力戰略腹地，也要銜接“東數西算”其他算力樞紐；廣東等東部省份，本地推理需求較高，同時清潔電力資源豐富（核電及海上風電），擁有相對理想的智能碳三位一體的區位條件。智能碳區位條件高10000四川云南新疆內蒙古河北廣西山東湖北江蘇甘肅寧夏廣東山西青海河南江西湖南貴州天津綠安徽福建1000吉林陜西遼寧浙江電黑龍江︵億度西藏︶上海北京重慶100海南低10101001000低高智算（億度）來源：未盡研究，環球零碳說明：對數軸。橫軸為

2030年智算用電量；縱軸為

2030年綠電發電量（不含核電）。改變能源AI15智算如何引領新型電力系統中國凈零碳電力算力地圖綠電優勢明顯的省份（左上，第二象限），部分位于中部地區，有機會向高智算高綠電的第一象限遷移；部分省份如新疆、云南，既可以面向東部地區供應綠電，或在當地建設智算中心，還可以分別面向中亞、東南亞等地，建設智能碳的“一帶一路”。新疆當前正在高速同步推進新能源與智能算力布局，籌建融合算力中心；青海提出綠色算力產業發展措施，實行雙（多）回路供電與綠電溯源服務，實現算力產業

80%以上綠電用能保障。智算與綠電均處于“發展中狀態”的省份（左下，第三象限），受限于地理、人口與歷史等因素，往往是社會經濟總量欠發展的省份。它們應該抓住這一次大模型與

token經濟的機會，向高智算或高綠電的象限遷移。浙江、上海、北京與重

慶等智算優勢明顯的省市，智算用電量大但綠電發電量低（右下，第四象限）。它們需要積極探索在當地挖掘綠電資源，完善跨省綠電交易機制。在東部算力樞紐覆蓋

區域推進核能與海上風電的綠電直供是現實可行的方案。中國目前在建的核電機組數量排名世界第一，如果核電能夠被認證為“綠電”，能極大緩解華東、華南等地智算中心綠電供不應求的局面。此外，中國海域面積遼闊

，近

海

5-50米水深范圍內，風能資源技術開發量約

5億千瓦，深遠海風能資源可開發量是近海的

3-4倍。中國需要就智算中心及所在地的能耗指標、能源結構和用電政策等做統籌規劃，也要兼顧智算中心這一新型重

點用能行業的用電特征，積極探索提升風光等新能源消納比例，跨區跨省綠電交易機制，局部輸配電設施建設，以及增強電網敏捷調度能力。與此同時，隨著中國搭建出算力一體化平臺，可以實現計算任務的跨樞紐調度，將地理位置分散的算力有效地聚合在一起，有效利用不同地區間的氣候、環境差異，提高可再生能源消納率和數據處理服務的質量。為此，中國還需要就數據中心跨區域“運力”的速度、質量、資費做統籌規劃，以及就部分數據中心集群城市間直連網絡做個性化部署。遠景的“源網荷儲一體化”實踐遠景科技集團是一家新型能源系統技術提供商，它所設烏蘭察布市與遠景共建的源荷互動平臺，融合市級碳管計的能源管理系統，已經應用于中國的綠色智算中心示理、電力現貨及中長期交易終端，結合園

區可視化多場范項目。景展示等功能，最終實現源荷協調管理友好互動，并提供端到端的“綠色能源+綠色運營”解決方案，支撐零遠景為烏蘭察布國家級綠色數據中心示范項目提供了關碳數據中心落地與綠色金融創新。鍵解決方案。通過

AI算法與氣候大模型，實現天氣、發遠景解決方案還應用于張家口算力集群，這是中國最大電功率、負荷能力的精準預測。中長期來看，能計算儲的“源網荷儲”一體化項目，率先探索實現綠色算力體系，能的充放電計劃、風光的削減計劃以及整體的風光儲聚項目同時啟動風電、光伏與大數據產業基地的建設。遠合出力曲線。景方案推進了“源網荷儲”一體化模式在數據中心場景遠景運用智能物聯操作系統

EnOS，以高精度預測、多下的應用，開發的新能源資產完全并網后，通過電力市目標及多時間尺度優化策略，打通微網協同調度系統全場化交易打通源網荷儲的落地路徑，確保電量與綠色環鏈路，覆蓋源網荷儲，基于云邊一體實現基礎數據接入，境權益的轉移，可再生能源使用比例可達，實

現“投100%提供高階應用產品套件。產即零碳”效應。改變能源AI16智算如何引領新型電力系統第四章：智算加速建立新型電力系統智能算力對于能源電力系統的影響，不僅表現在它帶來的供應總量及地理分布的影響，更為深遠的是，它將帶來使用能源方式的影響，即它將推動和引領建立一個新型的智能化的能源電力系統，讓算力革命成為能源革命的一部分。中國智能算力與綠色電力之間的供需矛盾，既是空間分布不平衡的矛盾，也是時間分布不平衡的矛盾。但算力的任務具備靈活性，可以在不同的數據中心和算力集群之間進行調度，跨越不同時區，也意味著抹平了綠色電力在時間分布上的峰谷起伏。從火電時代到綠電時代，源隨荷變需要轉變為源荷互動。波動的源與靈活的荷可能實現匹配，這就需要調度智能算力與清潔能源的“智能”體系。除了在一些綠電稟

賦較好的地區先行之外，全國來看還需要建立起新型的電力系統，包括對電力市場、電力系統、源網荷儲碳一體化的配電網，微電網系統的創新與部署。這樣看來，帶來了能源挑戰的人工智能技術，同時也是解決這些挑戰的技術。智算中心實現碳中和，正在與時俱進，從原先過分依賴各種“抵消”手段，到更加直接消費綠電。圍繞智算中心

24/7全天候無碳能源的技術創新與基礎設施部署，這一關鍵實踐，將為工業、交通、運輸等領域的脫碳轉型提供先例。24/7

全天候“智”“能”調度24/7全天候無碳能源(CFE，產生能量的過程中沒有碳原子的參與

)是智算中心綠色化發展的終極目標。但由于光伏、風電等新能源存在晝夜、季節等波動，與智算中心對電力系統“7×24”不間斷穩定供應，存在時間分布不平衡的矛盾。因此，它要求將一天中每個小時的能源消耗與無碳能源進行匹配。這包括對無碳能源等源的調度，也包括對智能算力等荷的調度。對源的調度，首先要實現綠色電力的直供與跨區域交易。綠電直供繞過了傳統電網的混合供電，它的碳因子還取決于電網上其他能源的碳排放；經由傳統電網的綠電交易，則可以彌補當地綠電間歇性的波谷。這還需要儲能、配電網、微電網的配套體系。智算中心的荷，具備可靈活調度的特性。相比工業與交通等其他綠色電力的新興負荷部門，它甚至具備在物理空間上長距離調度的唯一性。這種長距離調度算力任務的成本，低于對能源或電力的調度。改變能源AI17智算如何引領新型電力系統綠電直供與跨區域交易智算加速建立新型電力系統零碳電力市場正在從購買綠證向綠電交易轉型。通過購買綠證

(REC)

這種可交易的能源市場憑證，聲稱使用了等量電力消耗的綠電，越來越被視為一種初級的減排方式，在管理不善的情況下，可能成為一種“漂綠”行為

(Greenwash)。而智算中心購買綠電，即與新能源供應商直接達成購電協議，同意在規定期限內，以確定的價格直接從新能源場站購買綠電，不僅保證了綠電的實際使用，還能穩定電價。科技巨頭已經是全球最大的綠電采購方。在中國，阿里巴巴集團

2023

年簽署的綠電購買量達到了

16.1

億度，位居榜首。2024

年，騰訊簽約綠電采購量將超過

13

億度，是2023

年的兩倍；目前綠電占騰訊自有數據中心年度用電量的54％。長期購電協議

(PPA)

將是綠電交易的趨勢。它有助于鎖定長期綠電供應，減少綠電交易價格波動的影響。目前，中國企業用戶主要通過年度交易、月度交易的方式向新能源企業購買電力。中國部分地區也已經開展了一定程度的可再生能源市場化交易的試點，在促進本地消納的同時，降低了用戶采購電力的成本。然而，中國可再生能源分布不均衡，綠電供應與消納不匹配問題凸顯，跨省電力交易將是東部算力樞紐解決綠電缺口的重要一環。目前，受制于電網輸送通道、輸送能力和交易流程等因素，中國綠電交易采用“省間與省內強耦合、批發與零售緊連接”的交易模式，跨省電力交易面臨壁壘。據中電聯統計，目前中國綠電省內交易量（537.7

億千瓦）占全國電力市場交易總電量（5.67

萬億千瓦時）不足

1%，中國的

PPA

市場亟待建立。源網荷儲碳一體的配電網與微電網智算中心的運行通常持續且集中，造成電網負荷的尖峰，需要更精細的負荷管理和調度策略以平衡供需。智算中心建筑面積大，為建設分布式光伏提供條件，太陽能

+

儲能成為源網荷儲一體化的最優解。在智算中心安裝分布式可再生能源后，還可以通過微電網來協調可再生能源發電。基于數字化和物聯網技術的微電網，是實現

24/7

全天候無碳能源的另一重要發配電系統。在應用于智算中心時，微電網能夠整合冷熱電聯產、新能源、燃料電池和儲能，具備孤網運行能力，在電網發生故障時，能夠保證供電安全；同時，更具備日常輸送電能的能力，在與市電電源并網運行的情況下，為智算中心供電，最大化的消納新能源。在加拿大蒙特利爾，已經有一些智算中心通過微電網完全依靠水力發電。中國張北云計算基地綠色智算中心也計劃建立

2

個微電網。此外，積極開發下一代能源技術，也能彌補風光等當前主流綠電來源的不足。地熱能、長時儲能、小型模塊化核反應堆以及核聚變，都是科技巨頭正在加速投入的重要領域。與數據中心熱聯動也是對減排有益的補充。改變能源AI18智算如何引領新型電力系統智算加速建立新型電力系統谷歌努力實現

24/7

無碳能源谷歌承諾到

2030年，其全球所有智算中心和園

區將實現

24/7無碳能源運營，并通過這幾項主要舉措來實現：購買無碳能源、優化能源數據和使用，開發下一代能源技術以及微電網。2010年，谷歌簽署了第一份企業購電協議

(PPA)，直接從愛荷華州購買了114兆瓦的風電。2023年，谷歌購買了

4吉瓦清潔電力，比任何一年都多，累計達到了

14吉瓦，實現了所有數據中心（包括由第三方運營的）約

64%的全天候無碳能源。為了跟蹤清潔能源數據，2023年，谷歌參與發起了“粒度證書交易聯盟”（GranularCerti?cateTradingAlliance），致力于建立一個小時證書市場，以每小時能源匹配的方式，主張在時間和地點上將其數據中心電力消費與清潔能源發電量相匹配。谷歌的碳智能計算平臺可以根據當地的無碳能源可用性，優化計算任務的時間和位置，進而將智算中心的部分計算任務轉移到當地太陽能和風能最充足的時間段。即使如此，谷歌去年的數據中心的碳排放量仍然同比增加了

13%。這主要是它在采購清潔能源方面存在重

大的區域性挑戰。這也進一步說明綠色智算需要整個電力系統的轉型。虛擬電廠在可再生能源為主的電力系統中，計算是一種靈活的負荷，可以尋找到在空間上和時間上合適的綠電，“荷源互動”，讓算力參與需求響應，發揮出類似儲能的調節功能。服務器、CPU、GPU、硬盤等硬件資源都具備不同程度的響應潛力。鑒于數據中心運營成本的六成以上在電費，在適當價格機制的驅動下，數據中心將有動力進行計算任務的伸縮、平移，減少用電成本，進而為系統提供靈活性。在這樣的一個機制上，可以設計出智算與綠電的商業模式，就能提出以市場為導向的激勵機制，其中包含本地激勵機制、全局激勵機制和服務器共享激勵機制等，鼓勵用戶釋放資源參與可再生能源的消納。這樣對于綠電來說是降低了系統成本，而對于數據中心來說，可以通過參與服務減低綠電成本。未來的電力系統，將在很大程度上表現為虛擬電廠，進行源網荷儲碳的協同優化，而電力的商業模式將是建立在智能系統之上的能源服務（EaaS）。AI將日益集成到新型電力系統中，在功率預測、電網管理、效率優化、現貨市場交易中發揮核心作用。改變能源AI19智算如何引領新型電力系統智算加速建立新型電力系統電力系統中的智能體算力對于電力并非單向性索取。智算中心面臨電力需求的“不可能三角”：穩定電力供應，控制電力成本，減少碳足跡，可以通過

AI模型，以及基于大模型的智能體來優化和解決。惠普實驗室的研究人員，提出了一個建立在多智能體的強化學習（MARL）框架之上數據中心減碳模型（DC-CFR）。他們把問題部分解耦為子問題，每個子問題使用一個獨立的馬爾可夫決策過程（MDP）進行求解，這是強化學習的數學框架；它們對應著三個智能體，HVAC冷卻，靈活的負載轉移，儲能優化。這三個智能體接入

OpenAI的深度強化學習算法，集成了數據中心的模擬環境與強化學習，可以進行訓練和優化。該解決方案激勵智能體降低能源消耗、碳足跡和能源成本。在協作多智能體環境中，把獎勵和重

疊的狀態變量結合起來，解決了智能體之間的依賴關系；設定間隔為

15分鐘的實時操作，實現了對系統的精確控制，并快速響應數據中心環境的變化。三個不同地點的天氣和碳強度數據：亞利桑那、紐約和華盛頓，對應了不同的氣候特點，從炎熱干燥到寒冷潮濕；也包括了能源成本隨小時變化的因素。研究人員用這個模型評估了一年，DC-CFR顯著優于行業標準的

ASHRAE控制器，減少了

14.5%的碳排放、14.4%的能耗和

13.7%的能源成本。破解數據中心“不可能三角”供暖、通風、空調天氣強度（HVAC）冷卻IT負荷轉移靈活負荷能源存儲電網碳強度電網碳強度轉移器優化器儲能節省來源：惠普實驗室，未盡研究，環球零碳改變能源AI20智算如何引領新型電力系統結論：讓智算率先實現凈零碳電力計算和能源效率的提升，以及與算力和電力需求的增長，兩者并存是一個長期趨勢，也將是數字與智能經濟的一個基本特征。智能算力的發展，將在短期內給控制碳排放和電力系統帶來壓力，但從長期來看，將會加快新型電力系統的建立。應對“無限增長”的算力需求和電力需求，長期只能以依靠“無限供應”的可再生能源及其他清潔電力技術。這樣一個綠電比重

日益增長直至占據主導地位的電力系統，將是分散分布的、多能異構互補的、源網荷儲一體化