AIDC軍備競賽轉(zhuǎn)向：穩(wěn)定、成本與綠電成為新勝負手

如果說過去兩年，AIDC的競爭核心是算力，那么從2026年開始，這場競爭的底層邏輯正在發(fā)生一次更深刻的轉(zhuǎn)移：決定AI上限的，不再是芯片，而是電力系統(tǒng)。

在模型能力不斷逼近、算力持續(xù)擴張的背景下，一個更現(xiàn)實的約束開始浮出水面：電力是否穩(wěn)定、成本是否可控、能源是否可持續(xù)，正在成為AIDC能否落地的第一道門檻。

4月1日，遠景發(fā)布AIDC從“芯”到“網(wǎng)”多場景能源解決方案，覆蓋電網(wǎng)側(cè)、場站側(cè)、負荷側(cè)和控制側(cè)，高效破解AI算力時代數(shù)據(jù)中心的電力瓶頸。

遠景正式發(fā)布AIDC多場景能源解決方案

據(jù)悉，遠景已與騰訊在內(nèi)蒙古赤峰落地了全球首個100%綠電直供的數(shù)據(jù)中心，綜合能源成本降低超40%，年減少碳排放可達18萬噸。此外，遠景正攜手頭部AI公司在烏蘭察布打造全球最大零碳AIDC園區(qū)，項目預(yù)計今年交付。

遠景攜手騰訊在內(nèi)蒙古赤峰落地全球首個100%綠電直供的數(shù)據(jù)中心

這一事件在全球AIDC“軍備競賽”的新形勢中尤為值得解讀—— 穩(wěn)定 、 低成本 的 綠電 供給，已成為AIDC項目的剛性要求。

一

安全已現(xiàn)隱患

傳統(tǒng)互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）主要承擔(dān)數(shù)據(jù)存儲、網(wǎng)頁服務(wù)等任務(wù)，負載相對穩(wěn)定可預(yù)測。而AIDC（人工智能數(shù)據(jù)中心，也稱智算中心 ） ，專為AI模型訓(xùn)練和推理設(shè)計，具有以下幾個顯著特征：

· 高功率密度：單機柜功耗遠高于傳統(tǒng)數(shù)據(jù)中心，常常達到傳統(tǒng)機柜的 50-100 倍；

· 負載波動劇烈：AI訓(xùn)練任務(wù)啟動時會產(chǎn)生巨大的瞬時電流沖擊；

· 7×24小時高負載運行：對供電可靠性要求極高，哪怕毫秒級的斷電，也可能導(dǎo)致價值數(shù)百萬美元的AI訓(xùn)練成果付諸東流。

AIDC這一負荷特性已經(jīng)對電網(wǎng)造成沖擊。 3月31日 ， TerraFlowEnergy 首席營銷官 AmandaSimonian 在知名行業(yè)媒體 utilitydive 撰文 揭露，美國的 AI DC 正遭遇一些沒人愿意公開談?wù)摰膯栴} —— 設(shè)備磨損速度超出預(yù)期，備用系統(tǒng)表現(xiàn)反復(fù)無常，運營商被迫排查計劃外故障 等等 。 行業(yè)內(nèi) 許多人私下都在問同一個問題：為什么這些問題出現(xiàn)得如此之早，又如此頻繁？

沒人能回答這個問題。實際上 大多數(shù) AIDC遇到的 問題 都被企業(yè) 悄悄 處理了 。他們只在工程評審和深夜電話會議中私下交 流這些 事情 ，絕不在公開場合討論。

沒人愿意讓自己的 AIDC 成為首個 被 公開 的負面 案例，也沒人愿意承認為傳統(tǒng)數(shù)據(jù)中心設(shè)計的電力系統(tǒng)在AI負載下已捉襟見肘。

但在運營、維護和研究這些系統(tǒng)的圈子里 ，AIDC的問題早已 傳開。 如果你 的AIDC出了 故障， 別擔(dān)心，你 并不孤單 。

在少數(shù) 可以公開看到的 案例中，公用事業(yè)公司已 開始 直接干預(yù)。

某個新 投運 的數(shù)據(jù)中心可能因 電力負荷波動太大，影響了 局部饋線穩(wěn)定 ， 而被要求 暫時離網(wǎng) 。 別以為這只是理論上的可能，類似的情況比比皆是，只不過還沒擺到臺面上來。

核心問題很簡單：AI創(chuàng)造了一種新型 負荷 ，而 電力 行業(yè)試圖用傳統(tǒng)工具支撐它。 電網(wǎng) 出現(xiàn)壓力 也就 不足為奇。

Amanda Simonian 最后在文章里呼吁， 如果AI開發(fā)者想負責(zé)任地建設(shè)，如果公用事業(yè)公司想維持 電網(wǎng) 穩(wěn)定，架構(gòu)就必須改變。在數(shù)據(jù)中心與電網(wǎng)之間需要設(shè)置一個波動緩沖層。該緩沖層必須能夠深度循環(huán)、即時響應(yīng)、持續(xù)運行，且不會退化或過熱。

儲能就是能滿足這些條件的技術(shù)路線 之一 。

但難點在于，儲能并非簡單“加一層電池”就能解決AIDC 的問題。在GWh級儲能電站中，單站往往包含百萬級電芯，系統(tǒng)安全與穩(wěn)定已經(jīng)從“設(shè)備問題”，演變?yōu)椤皵?shù)據(jù)與算法問題”。

在實際運營中，行業(yè)正在形成一個共識：只有通過AI對電芯狀態(tài)、系統(tǒng)運行與電網(wǎng)響應(yīng)進行實時建模與協(xié)同控制，儲能系統(tǒng)才能真正承擔(dān)起“波動緩沖層”的角色，而不是新的風(fēng)險源。

在具體實踐中，“構(gòu)網(wǎng)型儲能”正成為應(yīng)對這一挑戰(zhàn)的核心工具。以遠景的實踐為例，其邏輯是在場站側(cè)構(gòu)建一個主動支撐體系：通過直接平抑算力負荷的瞬時波動，由儲能系統(tǒng)為電網(wǎng)提供虛擬慣性，從而在源頭上阻斷波動誘發(fā)的電網(wǎng)諧振。這種方式將風(fēng)險控制在場站內(nèi)部，避免了局部擾動演變?yōu)閰^(qū)域性的脫網(wǎng)事故。

二

成本將定未來？

Rystad Energy 的數(shù)據(jù)顯示， 2025年， 全球 數(shù)據(jù)中心資本支出達到7700億美元，超過了同年上游油氣活動的投資額。

太陽能光伏投資在過去10年中被廣泛認為是能源供應(yīng)最重大的增長故事，但早在2024年，數(shù)據(jù)中心的投資額就已經(jīng)超過了太陽能光伏。Rystad Energy預(yù)計 ，2026年 數(shù)據(jù)中心投資將與可再生能源發(fā)電行業(yè)以及整個油氣行業(yè)（包括上游、中游和 下游部門）的投資額持平。

然而，這一高成本模式后續(xù)可能出現(xiàn)巨大的變數(shù)。

ESSEC商學(xué)院數(shù)字顛覆講席教授執(zhí)行主任Jeremy Beaufils 擁有超過 10年 的谷歌 人工智能與前沿科技 高管經(jīng)驗，在他看來， 目前 美國 的AI服務(wù)價格并未覆蓋其實際運行成本。這種“低價”是由風(fēng)險投資資本補貼維持的，旨在搶占市場份額。

據(jù) Axios報道，OpenAI預(yù)計2026年將虧損140億美元，高于2025年的80億至90億美元。Anthropic的利潤率雖有所改善，但仍受到高于預(yù)期的推理成本壓力。

這背后的邏輯，是典型的“千禧一代生活方式補貼”——用戶支付的費用與運行這些模型的成本之間的差額，是由投資者的資金填補的， 而非可持續(xù)運營 。

然而，即便是補貼后的低價，美國的算力成本依然顯著高于中國。

《金融時報》3月26日的一篇文章披露，根據(jù)追蹤大型語言模型處理的文本、代碼或數(shù)據(jù)單元的平臺Open Router的數(shù)據(jù)顯示，自2月以來，DeepSeek和 MiniMax 等中國AI團隊推出的模型，在Token消耗量上已經(jīng)超越了美國競爭對手。

這一轉(zhuǎn)變標(biāo)志著AI競賽正在發(fā)生更深層次的變化。英偉達CEO黃仁勛本月表示，Token的生產(chǎn)和使用將驅(qū)動AI經(jīng)濟。由 于開發(fā)者是按Token付費的，因此Token消耗量既是模型采用率的代理指標(biāo)，也是AI公司之間價格戰(zhàn)的戰(zhàn)場。

隨著AI智能體消耗的Token數(shù)量遠超早期的聊天機器人，低成本生產(chǎn)Token的能力正在重塑全球競爭格局，并賦予中國新的優(yōu)勢。

文章透露，中國AI團隊的成本優(yōu)勢源于更廉價的能源和更高效的模型，這使得 MiniMax 和月之暗面（Moonshot）等公司每百萬輸出Token的收費僅為2至3美元。相比之下，Anthropic的Claude Sonnet4.5收費約為15美元——差距接近六倍。

中國AI的降本是全產(chǎn)業(yè)鏈意義上的。遠景提供的AIDC能源解決方案，正是這一理念的集中體現(xiàn)——在成本、交付、擴展性上形成了顯著的差異化優(yōu)勢，完美適配AI產(chǎn)業(yè)高速發(fā)展的行業(yè)節(jié)奏：

一是全場景全鏈路方案布局，一站式破解AIDC從電網(wǎng)接入、場站運營到負荷側(cè)的全鏈條電力痛點 ——覆蓋電網(wǎng)側(cè)（風(fēng)光配儲+綠電直連，加速并網(wǎng)、支撐100%綠電消納）、場站側(cè)（構(gòu)網(wǎng)型儲能平滑負荷波動，提升跨節(jié)點供電穩(wěn)定性）、負荷側(cè)（直流儲能替代UPS，平抑毫秒級功率波動，保障算力設(shè)備穩(wěn)定運行）；

二是模塊化集成設(shè)計， 支持快速擴展與便捷升級，可滿足 百兆瓦級大型計算集群的EPC交付需求；

三是全棧自研的軟硬件深度集成 ，實現(xiàn)供電鏈路效率最大化，大幅降低AIDC全生命周期的用電、運維成本；

四是極速交付能力， 核心系統(tǒng)部署周期較行業(yè)傳統(tǒng)方案縮短70%，可快速響應(yīng)AI算力項目落地需求，匹配AI模型快速迭代的行業(yè)特性。而這一能力已經(jīng)在包括騰訊等頭部AI公司在內(nèi)的多個項目里得到驗證。

中國企業(yè)對成本的這種極致追求很可能會對 企業(yè)級AI部署 產(chǎn)生深刻影響。

3月19日 ， EXL的執(zhí)行副總裁兼首席數(shù)字與AI官Anand Logani 在《 福布斯 》雜志上撰文分析了這一趨勢： 與任何重大資本投資一樣， 企業(yè) AI部署 也 需要一個清晰的損益框架和可衡量的投資回報率。CXO們發(fā)現(xiàn)，最棘手的問題 不 是大型語言模型的能力是否足夠 ， 真正的制約因素在于成本、延遲、可靠性、能源消耗，以及 如何 在現(xiàn)實需求下 可持續(xù)擴張 。 因為 模型準(zhǔn)確性的每一點提升，往往伴隨著Token使用量、計算需求和能源消耗的不成比例 地 增加，而業(yè)務(wù)價值卻并未相應(yīng)增長。

Jeremy Beaufils 對企業(yè)家的建議則更為直接：首先要拋棄現(xiàn)在的低成本規(guī)劃，要用 2到3倍的算力成本重新測算AI項目的單位經(jīng)濟效益。這可能是未來三年的常態(tài)。

此外， 關(guān)注“效率”勝過“能力” 。 下一階段的競爭，贏 家可能不是參數(shù)最 好 的模型，而是那個能用最低、最穩(wěn)定的成本，提供“夠用”性能的模型。

在即將到來的重新定價周期里，能效，才是活下去的王牌。 能源是底座，算力是工廠，token才是產(chǎn)品。單位電力的token產(chǎn)出效率，將成為AI時代的核心生產(chǎn) 力 。

三

電子VS分子

六年前，谷歌曾滿懷信心地表示，到2030年，它將完全使用風(fēng)電和光伏來驅(qū)動所有運營，并實現(xiàn)自身產(chǎn)生的污染與消除的污染量相抵消。谷歌現(xiàn)在把這稱為“登月計劃”，以此來比喻達成這一目標(biāo)的難度。

微軟則表示，它仍致力于在2030年前實現(xiàn)碳排放量低于其自身產(chǎn)生的碳排放量，但如今將這一努力描述為“一場馬拉松，而非短跑”。

“即使他們尚未正式修訂目標(biāo)，也開始承認：‘是啊，我們可能沒按計劃進行。’” Wood Mackenzie 高級分析師 Patrick Huang 表示。

Huang 表示，如今，企業(yè)必須竭盡所能利用各種能源以保持競爭力——而其中越來越多地轉(zhuǎn)向天然氣—— 分子 。

美聯(lián)社的報道發(fā)現(xiàn)，根據(jù)各公司的可持續(xù)發(fā)展報告，在它們承諾應(yīng)對氣候變化以來的頭五年里，總體排放量實際上有所 上升。谷歌的排放量飆升了近50%。亞馬遜的排放量增長了33%，微軟的排放量增長了23%以上，而Meta的排放量則增長了60%以上。

國際能源署表示，2024年，天然氣在美國數(shù)據(jù)中心供電中所占比例超過40%，而全球范圍內(nèi)煤炭的占比則為30%。而且，這一趨勢似乎并未放緩。

各地公用事業(yè)公司正計劃新建天然氣發(fā)電廠，以助力數(shù)據(jù)中心的電力供應(yīng)；同時，一些科技公司也計劃在數(shù)據(jù)中心內(nèi)建設(shè)專用燃氣發(fā)電廠，專門為其供電。

據(jù)獨立研究機構(gòu)羅迪姆集團的一項研究，人工智能部分導(dǎo)致了美國去年化石燃料排放量上升了2.4%。

從世界首例100%綠電零碳數(shù)據(jù)中心產(chǎn)業(yè)園，到中國最大的零碳AIDC園區(qū) ，遠景的案例可以看出，中國的選擇是： 電子 。

在這場“分子”與“電子”的博弈中， AIDC的勝負手不僅在于算力規(guī)模，更在于能源架構(gòu)的代際演進。

盡管天然氣發(fā)電在氣源充足的情況下比可再生能源更加穩(wěn)定，但AIDC本身負荷波動對于電力系統(tǒng)的擾動依然存在。

當(dāng)傳統(tǒng)電力體系在AI瞬時高負荷面前捉襟見肘時，以遠景為代表的中國企業(yè)基于“源網(wǎng)荷儲”深度協(xié)同的新型電力底座就凸顯出絕對的差異化優(yōu)勢。

這種改變不僅是能源配比的調(diào)整，更是技術(shù)內(nèi)核的徹底更替。 更進一步看，這種“能效競爭”并不僅發(fā)生在數(shù)據(jù)中心側(cè)，也發(fā)生在儲能系統(tǒng)本身。

在大規(guī)模儲能電站中，電池健康狀態(tài)與充放電策略高度耦合，直接關(guān)系到系統(tǒng)的安全底線。如果缺乏算法能力，電站要么為求安全而過度保守運行，要么為追求效率而增加安全風(fēng)險。

通過AI對電池健康度進行實時監(jiān)測、預(yù)測與協(xié)同控制，可以在保障零重大安全事故的前提下，實現(xiàn)穩(wěn)定高效的充放電管理。這是儲能從“設(shè)備資產(chǎn)”走向“可靠基礎(chǔ)設(shè)施”的關(guān)鍵，也是支撐AIDC持續(xù)穩(wěn)定運行的核心保障 。

從實踐來看，這種能力并非單點技術(shù)可以實現(xiàn)，而是依賴于貫穿設(shè)計、制造與運營的全鏈路數(shù)據(jù)閉環(huán)。遠景已經(jīng)在全球范圍內(nèi)積累了上億顆電芯的運行與制造數(shù)據(jù)，并在數(shù)十GWh級儲能電站中驗證AI運營能力，使電站在保持零重大安全事故的同時，實現(xiàn)效率提升與運維成本下降。

這恰恰回應(yīng)了AIDC競爭的三大核心趨勢——穩(wěn)定、低成本、綠電。遠景依托“天機”氣象與“天樞”能源大模型的智慧調(diào)度，使算力中心實現(xiàn)了100%綠電直供、全生命周期成本大幅下降以及毫秒級負載平滑，形成了一個“AI管理AI”的閉環(huán)： AI保障電力系統(tǒng)的穩(wěn)定、經(jīng)濟與綠色，而穩(wěn)定、低成本、 綠電的電力底座又為AI的持續(xù)突破提供源源不斷的動力。

這證明了唯有實現(xiàn)從“芯”到“網(wǎng)”的全鏈路耦合，讓能源系統(tǒng)具備像算力一樣的柔性與智能，才能支撐AI產(chǎn)業(yè)在狂飆突進的同時，擁有一個更穩(wěn)定、可持續(xù)的綠色心臟。

AIDC的能源競爭，本質(zhì)上也正從“有沒有電”走向“如何用好每一度電”。

想?yún)⑴c閉門研討活動

和線上產(chǎn)業(yè)微信群

請注明公司、職位

添加微信：shizhicyy

視知產(chǎn)研院聚焦科技和新能源

微信公號已有100萬+高質(zhì)量粉絲

添加微信：ishizh_business

加好友請注明合作品牌