未尽研究-AI改变能源 智算如何引领新型电力系统-2024.08-25正式版-WN8

AI改变能源智算如何引领新型电力系统年8月目录前言2第一：文献综述与方法论4●美国的力增长预期，分歧重点在市场5●中国力增长预期，不确定性主在技术5第二：测算方法与结果7●中国智能力每年增长7●乐观情景下国产芯片有望突破8●2030年中国智年用电最高1.3万亿度9●智中心成为用电量增长主力10第三：中净零碳电力算力地图11●智中心发展初期主在绿电供给不充分的东部12●2030年洁电力发电量预测12●智用电需求的动态匹配13●绿色力电力区位条件15第四，智算加速建立新型电力系统17●全天候“智”“能”调度17●绿电直供与跨区域交易18●网荷储碳一体的配电网与微电网18●虚拟电厂19结论：让智算率先实现净零碳电力21附录22关于报告23●未尽研究23●环球零碳23AI改变能源1智如何引领新型电力系统前言能与机器，自从技术命以来，从来都不可分。新能与机器学习正在走向

融合，它们符合一个共的技术和经济规律，效率上升，成本下降，而需求增如果能源的无限需求内长更快，产生了杰文斯悖论的效应。生于经济发展，唯一的杰文斯19世纪英国工业命期的一位经济学家。他发现，当炭的使用效选择，就使用绿色和率不断提升时，对炭的需求不仅没有下降，反而在炭的应用和相关领域产生了大量的创新，渗透到各行各业，导致炭的消耗量上升。杰文斯悖论在历次技术与工业命中持续上演，蒸汽机、内燃机和燃气轮机的效率不断提升，但人类对于化石能的需求也持续增长了两百多年。杰文斯悖论揭示了资、

技术、经济之的本关系。信息技术命时代的杰文斯悖论。单位积芯片上的体管数量每

18个月左右增加一倍，60年来相当于力的成本至少下降了10亿倍，推动经

济与社会进入数字时代。而在加速计金10年GPU的效率提升了千倍。

尽管如此，在整个经济与社会向数字化与智能化转型的过程中，对于智能力

的需求在绝对数量和相对占比的意义上，不但没有减少，反而在加速增长，每由于力更加密集的础设施和应用正在涌现。如果考虑到未来的物理AI以及元宇宙，对于力的需求几乎无限的。电力供能地位的三次超越605040油电力30201001900天然气煤炭1910192019301940195019601980199020002010有用能所有加工和转换损失之后剩余的总能源来：RMI说明：1900年至2010年有用能供应的变化趋势：所有部门不包括非能用途。有用能的估计有所不，这里我们采用了国际

应用系统分析研究所（IIASA）的数据，这我们见过的最详细的数据。AI改变能源2智如何引领新型电力系统前言从技术上来讲，尔定律和氏定律可以也必须持续下去，但它必须入更大的研发资金以及消耗更多的能，能资体现为更高的能量密度和力密度的础设施，必须以更广泛的创新和应用实现回报（ROI），新的生产力得以形成，经济增长得以实现。这就AI时代的杰文斯悖论的业和经济础。杰文斯悖论也说明了不可持续的：如果能的无限需求内生于经济发展，唯一的选择，就使用绿色和洁的能。可再生发电边际成本趋近于零，智能力边际成本趋近于零，这两大趋势合龙，将引发广泛的应用创新，渗透到经济与社会中，进一步带动对于能和力需求的步上升。生成式AI命，与能管理方式的根本变化。力命与能洁能源供应不足，电力础设施不向新能转型，人工智能的发展将会被“卡脖子”。计的本质能的处理形式，计过程也能量转换和使用的结果。AI所带来的海量计，将与可再生能一起，推动新一轮信息与能大模型创新所遵循的扩展定律（scalinglaw），即更多的数据和更大的力推动模型越来越大，越来越接近通用人工智能（），产生了大数据-大力大模型-大电力的范式。-中国在新能全球第二智能力大国。中国正在部署AI+战略，成为新质生产力中的一个战略性前沿领域。目前中国正处于风光等可再生能的“金10年”，AI所带来的洁电力需求，需的能转型，实现2030年碳达峰及2060年碳中和的目标。本报告估出中国到2030年所需的智能尤其在中国电力增量中所占的比重。我们假设中国智中心2030年的目标以绿色和洁净电力为主，在各行业中率先实现净零碳排放。在国家东数西以及八大枢纽和十大集群的总体布局下，我们进一步分析各省的智能力和洁电力资的现状及未来，将如何在支持国家人工智能发展大计的时，推动本地的经济数字化与智能化。与此时，我们关注到智在各地发式增长给电力系统以及控制碳排放带来的短期挑战，以及力与电力的协调发展，对于引领和加快新型电力市场建设的意义。计算的本质能源的处理形式，计算过程也能量转换和使用的结果。AI所带来的海量计算，将与可

再生能源一起，推动新一轮信息与能源革命。而这

scaling）

产生了大数据-大算力-大模型-大电力的范式。AI改变能源3智如何引领新型电力系统第一章：文献综述与方法论全球数据中心用电量将在AI2023年以来，由于生成式AI的迅猛发展，美国尤其为“电力机”感到焦虑，而中国的人工智能在碳达峰目标的约束下追赶美国，力与电力问题需重估。力效率、功耗效率、排放

效率提升的速度，这导致用电量会持续增长的根本因。生成式AI在内容生

成与推理方，创造出越来越有价的应用，而这些应用的力、能耗与排放

的密集度也迅速上升。来自不行业和专业景的机构，对智能力的电力消费进行了为数众多的研

究，本逻辑大小异：先根据芯片等硬件的力与功率，估出数据中心的

用电量；再根据力增长、芯片能效（单位时内完成的计量与消耗的电能

之的比率）提升，以及数据中心能效(PUE，数据中心总能耗与关键IT设备能耗的比率，数字越小越接近1，能效越高)提升的预期，来推测未来一段时间内智能数据中心的用电量增长情况。智能力的提供者及主使用者，如科技企业、电信企业、政府、以及日益数100%使用绿色电力、实现碳中和的目标和路线图。而获得绿电及洁电力，尤其直接接入供应的绿色电力，并且建立起新型能

实现绿色智中心的关键。其中，无论在中国，还在美国，数据中心的能效提升确定性较强的部分。PUE都受到监管机构或ESG政策的约束，近十年来全球数据中心平均PUE仅从1.65降至了1.58，并非影响近年来数据中心用电量增长的核心因素。这些研究报告，对于人工智能技术最发达、电力市场化程度最高的美国研究比较充分，为关于中国的研究提供了准性的参考，但忽视了中国所临的芯片系统

技术的挑战及能电力市场的差异性。这些报告对美国智能力增长和电力需求

不推理任务的用电量1012.907图像生成摘生成文本生成对象检测图像分类标记分类文本分类来：Hugging，未尽研究，环球零碳

说明：对数轴。每进行1000次查寻，完成每种推理任务平均消耗的电能。AI改变能源4智如何引领新型电力系统文献综述与方法论美的算力增长预期，分歧重点在市场英伟达GPU芯片成为目前智中心的主流力硬件，占比90%左右。因此，全球范内芯片能效提升趋势相对明确，可预见的将来与英伟达GPU迭代周期向更低精度的扩展，从P100到B200的8年，训练一个模型的能耗，理论上目前已经降至最初的左右。在于对AI力增长的预期不一致。这既取决于力需求的增长，也取决于力供给的增长，还取决于客户预的增长能否赶得上前两者的增长，以及电力电网建设的增长赶不赶得上前三者的增长。不少年初的研究低估了去年英伟达GPU的出货量。此外，其中力需求的增长，既包括训练需求的增长，也包括推理需求的增长，两者都存在较高不确定性。因此，部分报告假定了不的AI力增长情景，也产生了不的用电增长估算结果。高盛认为届时美国AI用电占比约20%，semianalysis则认为可能超过60%。在不AI力增速预期下，前者估到2030年，美国数据中心用电占比将从2023年的3%升至8%，后者估到2028年该占比将升至超过14%。中算力增长预期，不确定性主在技术对于中国而言，国产芯片的迭代速度与产能瓶颈，即芯片能效提升预期，以及力供给问题，才最敏感的影响因素。因此，重估中国情景下的预期，主从较不确定的芯片创新的角度，而非美国的较确定的力增长的角度。AI中国目前无法通过官方渠道步获得英伟达最先进的GPU限制芯片设计、制造与流通的多个环节，试图将中国先进力遏制在A100水机构对数据中心未来用电规模的预测全球中美国30002500不场景的上下限区间2000150010005000银河证券高盛IEA华泰证券银河证券IEA华泰证券高盛IEAsemianalysissemianalysisEPRI来：公开信息，未尽研究，环球零碳说明：不完全列举。部分机构给出了单个场景的预测，为图中蓝色圆点；部分机构给出了不场景的上下限，为图中线段。IEA的预测截至2026年，其余

2030年。不结构给出的预测对象并不一致，部分明确称数据中心，部分称AI数据中心，IEA的还包括加密货币。AI改变能源5智如何引领新型电力系统文献综述与方法论平以下。但中国在从国际市场上获取符合美国出口禁令标准的芯片的时，国产芯片也在迅速补位，通过DUV多重曝光等技术制造的等效7nm芯片已获行业验证，理论上这也适用于探索制造等效5nm芯片。接下去的问题就良率提升速度与产能爬坡速度，根本上取决于中国建立起一个本替代西方先进制程芯片的产业链，解决各个环节卡脖子问题。这需时和耐心。保守来AI力长期依靠较低能效的芯片，且芯片能效无法持续提升，那么相AI领域的竞争力。但就总量而言，中国电力的装机总量约为美国2.4倍，发电总量约为美国的倍，其中，可再生能发电新增装机超过全球的一半，累计装机规模占全球比重接近40%，绿色电力供给总量不问题。乐观来，如果中国能够突破封锁，建立起比较完整的芯片产业链，芯片技术持续迭代升级，能效持续提升，那么，以中国制造“过剩”的能力，决定用电量的将供给。中国三大城市群已出台的智能力建规划，总规模早已超过全国。大模型最大的应用市场就在中国。各省已公布智算规模超全规划160140120100806040200重庆山西贵州海上海广东江苏安徽北京甘肃河北各省加总全规划来：公开资料，未尽研究，环球零碳说明：目前仅部分省份公布了智规划规模。其他省份公布的规模，表示为“超过”“至少”等，取其下限。全国规划指“高质量行动计划”中对全国智规模的规划。上述规划本上截至2025年。AI改变能源6智如何引领新型电力系统第二章：测算方法与结果从2023年到2030年，中国智能力规模将以每年的复合增长率持续力的主来，技术保守情景下全部采用等效

A100，以电力换力，但更有可能以落后美国4年左右的代差持续迭代，提升

能效。至2030年，全国智中心年用电量在万亿度万亿度，约占当

年全社会用电量的5%-10%。中智能算力每年增长去年底，中国提出了《力础设施高质量发展行动计划》与《深入实施“东

数西”工程，加快构建全国一体化力网的实施意见》。全国各地都在摸底

建方案。部分省市规划的智规模总量，超过了全国的计划目标。“高质量发展行动计

划”明确指出，到2025年，中国数据中心的力规模超过300EFLOPS，其

中智能力占比达到35%，即105EFLOPS。而“八大力枢纽节点”中的京

津冀、长三角和港澳三大枢纽，规划到2025年的智能力规模已经接近

EFLOPS。120智规模实际部署速度，快于计划文件的目标。“高质量发展行动计划”定至2023年底，智能力达到66EFLOPS；而按照工信部今年披露的数据，去年智规模已达EFLOPS，比增速超过了70%。智中美AI力础设施”的鼓励下，中国智能计

力规模保证的增速合理且必的。到2030年，中国智规模

将达到2886EFLOPS。中智能算力规模增长预测35003000CAGR≈70%250020001500100050002023202520262027202820292030来：未尽研究，环球零碳说明：按数据中心智能力最近三年复合增长率约为55%，最近一年约为70%。AI改变能源7智如何引领新型电力系统测算方法与结果乐观情景下产芯片有望突破芯片“硅幕”为中国芯片产业创新提供了外部动力与内部市场。国产GPU、FPGA与ASIC等各类AI加速芯片，将逐步成为近3000的智能算力的主来。这些芯片需在总量与结构上满足大模型及其AI应用的训练及推理的需求。一般而言，训练对芯片性能的求更为苛刻。即使保守地，国内芯片厂已经具备了设计与制造等效英伟达A100芯片的国内芯片产业以相比美国4年左右的代差迭代升级，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。一旦中国建立起自主的芯片及力产业链，美国也可能在保持代差优势的情况下，步放宽门槛，以维持中国芯片市场份额，这客观上可以提高国内智能力的供给。中国智中心每年新增智能用上述当年最先进的芯片来满足。即芯片数量=智规模/芯片力。国内主流采用FP322021-2023年）》将FP32作为国内数据中心力的计2023年）》在对包括数据中心与智能计中心的础设施力进行规模测时，统一折为FP32精度。按这个准，参照英伟达各代GPU的性能参数，到2030年，技术保守情景约需万张等效A100；技术乐观情景则需累计部署等效的1700万张A100，万张H100，1125万张B200。为简化讨论，暂不考虑因折旧等因素，存量力改由更高能效芯片提供等情况。中智能算力用电量增长预测160001400012000技术保守情景技术乐观情景10000800060004000200002023202520262027202820292030来：未尽研究，环球零碳

说明：保守场景指从2023年到2030年全部使用等效A100，能效无法提升；乐观场景指从2023年起使用等效A100，落后4年左右的代差，在

年全部使用等效H100，在2029年全部使用等效B200。2027AI改变能源8智如何引领新型电力系统测算方法与结果2030年中智算年用电最高1.3万亿度智中心完成训练与推理任务，所需关键IT设备不仅包括AI芯片，还包括驱动这些AI芯片正常运行的其他必组件，即服务器上的CPU、网卡、供电单元等，以及服务器的存储服务器、网络交换机、CPU节点、光纤收发器和许多其他设备。因此，在智中心驱动一张GPU芯片，实际需额外消耗近1倍的电力。根据英伟达提供的数据中心解决方案，在典型配置的智集群中，每运行一个H100需1389W的EAP（预期平均功率），而H100的TDP（热设计功率）为700W。智中心为这些关键IT设备提供的冷却与照明样需消耗电力。中国求新

建大型及以上数据中心全部能耗相对关键IT设备能耗的比例（即PUE）降低到1.3以下，考虑到市场占比较高的领先云巨头的PUE已经做到比这更低，将其视为一段时内的全行业力的供需情况，国内智中心使用率可以设定为长期以100%的满负载运行。智中心当年的用电规模的计公式可以表示为：芯片数量*芯片热设计功率

*2*PUE*使用率*365天小时。因此，至2030年，智中心的总装机容量将达到（如果

考虑到风光可再生能的容量因数，实际需的总装机容量将达到

600GW年365中心的年用电量在万亿度

万亿度左右（600TWh-1300TWh）。新增智能算力用电挤占全社会新增用电量80006000■全社会用电量■技术保守情景智用电■技术乐观情景智用电77%4000200027%0202520262027202820292030来：未尽研究，环球零碳说明：堆积图。假定全国全社会新增用电量按近十年的复合增速增长；乐观场景下部分年份新增用电量下降，主芯片。AI改变能源9智如何引领新型电力系统测算方法与结果智算中心成为用电量增长主力如果中国全社会用电量继续按近十年的趋势增长，那么，到2030年，中国智能计中心年用电量将占该年全社会用电量5%-10%点用能行业。智中心新增用电量占当年全国全社会新增用电量的27%-77%。相比美国，中国电力总量上可以更充分地满足智需求；在现实中，智用电增量占比的上升趋势也会相当平稳。智用电增量需求明确，将拉动电力电网建设持续较高速增长；时也将推动电力电子技术的创新。尽管视频生成等多模态任务（力需求高于文本任务等）在推理中的占比提升，进一步推高对智的需求，但推理占比在智需求中的整体提升，将充分释放当前主流AI芯片低数据精度能效提升更快的点，新的推理友好的ASIC（专用AI）芯片也将因此获得规模部署，结合较小模型加速落地以及法与架构不断优化改进的趋势，未来智中心将以更少的电力完成更多的任务。此外，随时推移，早先建设的数据中心折旧（一般约5年）完毕，这些存量力需求会改用更高能效的AI芯片来满足。相比美，中电力总量上可以更充分地满足智算需求；在现实中，智算用电增量占比的上升趋势也会相当平稳。智算用电增量需求明确，将拉动电力电网建设持续较高速增长；时也将推动电力电子

技术的创新。AI改变能源10智如何引领新型电力系统第三章：中国净零碳电力算力地图智能力目前在中国呈现出发态势，将消耗大量的电力。按照规划，到2025年底，国家枢纽节点新建数据中心绿电占比超过80%。目前全国新增的智中

心，绝大多数位于绿电资相对匮乏的东部，按照目前的全国绿电资的分布，

以及各省的碳因子水平，在2025年底之前“抢建”的智中心，将显著增加

碳排放。实际上，在绿电资最激进的谷歌，尽管其有最先进的数据中心技术，最大量的绿电采购，以及最先进的TPU芯片，在最新发布的环境报告中，其碳排放2023年比2022年增加了13%，过去的5年，碳排放增加了48%。智中心的高速发展，求必须把能消耗尽快转向绿色和洁的电力。目前，中国洁电力装机占比已过半，超过了火电，达到52%。到2030年，中国省级电网碳排因子将大幅下降，即使不包括核电，绿电年发电量规模将达到5.5万亿度。中国丰富的绿电供给潜力，可以满足中国智的电力需求，并帮助中国缓解力“卡脖子”问题。全国智中心用电量，时也等于各省智中心用电总量，包括因为时延等要

求下必须在当地完成的推理需求，也包括由绿电丰富地区额外承担跨省训练与非本地推理的需求。因此，当前临的突出问题如何解决东部地区本地推理

的区域性绿电缺口，以及如何提高跨区域的绿电消纳能力。与其他负荷相比，计具有独的灵活性，能够将其能消耗迁移到远距离。

计还可以利用多种于软件的容错技术。因此，计的多个维度的灵活性，

让它可能去“寻找”到稳定和中省级电力碳排因子下降预测2021年2035年0内山宁蒙古江来：生态环境部及其环境规划院，未尽研究，环球零碳说明：2035年各省碳因子强度为预测值AI改变能源11智如何引领新型电力系统智算中心发展初期主在绿电供给不充分的东部中净零碳电力算力地图从2023年以来，中国的智中心数量激增，其中多数都建在绿电资相对匮

乏的东部地区，而且本不受绿电占比求的约束。短期内将产生大量的碳排

丰富的西部，

智中心的发展相对迟缓。根据中国生态环境部和生态环境部环境规划院发布的数据，中国省级电力碳排因子将在十五五、十六五时期大幅下降。绿电比例的上升与电力碳排因子（生产单位电力过程中平均排放的二化碳量）的大幅下降，中国建立绿色力

网络的本前提。从区域碳排因子的分布上，中国西部地区水电、光伏及风力发电等资丰富，

具备发展绿色智中心、承接东部力需求的潜力。智中心的建设，应当充

分利用不区位的洁电力。国家的东数西项目提出了八大枢纽与十大集群

建设规划，其中八大枢纽分别为西部的内古枢纽、宁枢纽、甘肃枢纽、成

港澳枢纽。2030年洁电力发电量预测如果中国绿色电力（不包括核电）按2013-2021年的年复合增长率继续增长，

至2030年，年发电量规模将达到5.50万亿度，其中水电、风电、太阳能年发

电分别为1.87万亿度、2.36万亿度和1.27万亿度。核电应被视为洁能，作为绿电的补充，它的样潜力巨大。至2030年，

万亿度。这额外的2.3万亿度稳定供应的洁电力，主来自核电，对东部沿海地区格外重。2030中12000100008000绿电核电等6000400020000内广西上海古江来：未尽研究，环球零碳AI改变能源12智如何引领新型电力系统中净零碳电力算力地图尽管水电与核电受当地可开发容量的约束，但它的增长未触及瓶颈。据《绿

色经济视角下中国区域可再生能发展路径研究》测，中国大水力资技

术可开发装机容量为54164样如此。2030预估绿电规模前五名省份为：四川（5381新疆（4412亿度）、内古（4053亿度）与河北（2812亿度）。2030预估洁电力规模（包括核电）前五名省份为：广东（11208亿度）、四

646253814548智算用电需求的动态匹配的数据中心和力集群之进行调度，

通常以分布式计和云计技术实现。这种调度实际上数据、应用与业务的

传输，由于其成本低于能运输和电力输送的成本，数据可以高通量传输到绿色电力资丰富的地区进行多点处理，在中国主就把东部的力需求调到

西部来计。东数西将主对智能力进行任务调度和统筹。2030中智能算力用电量预测(技术乐观情景)江苏363北京贵州山东26948古甘肃409宁四川349重庆304上海天389284河北津安徽105广西21955宁新疆南29南江西10055100龙云南503福建144西陕西湖北江95海南14485

261海西藏碳因子>0.6>0.5>0.413<0.4<0.3<0.2无数据来：未尽研究，环球零碳AI改变能源13智如何引领新型电力系统中净零碳电力算力地图一般来说，随AI应用的展开，推理将占智能力的主部分，而时延敏感的

任务将占推理的主部分。智中心完成的任务，可分为延迟敏感、延迟宽容

和延迟容忍。在东数西的总体布局下，延迟敏感任务仍然必须由部署在本地

的力完成。随大模型应用的规模化展开，智能力的需求将逐步向延迟敏

感的推理倾斜。英伟达估当前AI芯片推理需求占40%预计未来推理需求将达

到90%2030中心用于推理的力的占比也将达到90%游戏、智驾、工业等应用场景，往往对应时延敏感性的推理任务；新的时延敏感性的应用场景将随人工智能发展而诞生。在推进力枢纽时延降低的同

时，为保证用户体验，提升服务竞争力，企业会尽可能地把这些智任务留在

本地。预计到2030年本地推理需求在所有推理需求中占比达到80%。那么，届时必须部署在本地的智用电需求，在技术乐观情景下达到了约4500亿度，技术保守情景下达到了约9600亿度。这些必须部署在当地的智能力，将按照各地力供给意愿与能力，以及当地

应用与产业实际需求来部署。中国信通院《中国力发展指数白皮书2023》曾

评估了截至2022年中国各省份力规模指数与力应用指数，正对应上述

两大因素，一定程度上可以代表2030年本地推理在各省市的分布占比。如果东数西能及时推进，训练需求与其他不需在本地完成的推理需求，将

大体平均分配至绿电资较丰富的中西部地区，主古、贵州、甘肃、

宁力需求。

在承接来自其他地区的部分力任务之后，西部省份用电量明显增加，缓解了

东部省份。其中，按技术乐观情景，广东到2030年用电量最高，达503亿度，其次分别亿度）、内古（448亿度）、北京（亿度）、甘肃（409亿度）。在技术保守情景下，智中心的用电量几乎翻倍，广东与贵州都超千

亿度电。在各省电网碳因子持续下降的趋势下，2030年，全国智用电将排放约5.89亿吨碳当量，相当于中国2023年126亿吨碳排放（IEA统计口径下）的2%-5%中心将成为新增碳排放的重来，亟需用绿色和洁电力来满足智中心的能需求。中国已强化了对新建数据中心梯次有序布局“东数西”的刚性约束，求国家枢纽节点新建数据中心绿电占比超过80%，并对新上项目能效提升、存量项目降碳改造、资节约集约利用、高效制冷散热技术推广做了具体规定。AI改变能源14智如何引领新型电力系统绿色算力电力区位条件中净零碳电力算力地图受当地数字经济、产业与风光资等限制，各地的智用电规模与绿电发电规

模存在错配。力、电力、零碳，这三个目标协调发展，需尽可能地向本

地推理直接提供洁电力，将训练与时延不敏感的推理需求，放到绿电丰富的

地区。尽管如此，部分省份仍然存在智津冀的绿电用电需求压力不小，在技术保守情景下，长三角智用电量几乎占

去绿电发电量的一半，京津冀占到三分之一。这也电动汽车与数字化工业对

绿电需求迅速升的地区。而云南、新疆、海绿电规模预计在2030年将大

幅提升，但目前暂无承担力枢纽核心任务的规划。到2030年，中国至少有9个省市，处于洁电力资与智能力经济相对匹

配的状态（右上，第一象限）。其中，内古、宁、贵州、甘肃等中西部算

力枢纽，尽管本地推理需求较低，但承担了较重的“东数西”的任务；四川

属于成充当国家力战略腹地，也衔接“东数西”其他

时洁电力资丰富（核

电及海上风电），有相对理想的智能碳三位一体的区位条件。智能碳区位条件高10000绿电︵亿度︶1000西藏100四川云南新疆内蒙古河北山东广西湖北江苏宁广东山西河南江西甘肃贵州湖南天津安徽福建陕西辽宁浙江上海北京重庆海南低10101000100低高来：未尽研究，环球零碳说明：对数轴。横轴为2030年智用电量；纵轴为2030年绿电发电量（不含核电）。AI改变能源15智如何引领新型电力系统中净零碳电力算力地图绿电优势明显的省份（左上，第二象限），部分位于中部地区，有机会向高智向东部地区供应

绿电，或在当地建设智中心，还可以分别向中亚、东南亚等地，建设智能

碳的“一带一路”。新疆当前正在高速步推进新能与智能力布局，筹建

融合力中心；海提出绿色力产业发展措施，实行双（多）回路供电与绿

电溯服务，实现力产业80%以上绿电用能保障。智与绿电均处于“发展中状态”的省份（左下，第三象限），受限于地理、人口与历史等因素，往往社会经济总量欠发展的省份。它们应该抓住这一次大模型与经济的机会，向高智或高绿电的象限迁移。浙江、上海、北京与重庆等智优势明显的省市，智用电量大但绿电发电量

低（右下，第四象限）。它们需积极探索在当地挖掘绿电资，完跨省绿

电交易机制。在东部力枢纽覆盖区域推进核能与海上风电的绿电直供现实

可行的方案。中国目前在建的核电机组数量排名世界第一，如果核电能够被认中心绿电供不应求的局中国海域积辽阔海5-50米水深范技术开发量约5亿千瓦，

深远海风能资可开发量近海的3-4倍。中国需就智结构和用电政策等做统筹规划，

也兼顾智中心这一新型重点用能行业的用电征，积极探索提升风光等新

能消纳比例，跨区跨省绿电交易机制，局部输配电设施建设，以及增强电网

敏捷调度能力。与此中国搭建出力一体化平台，可以实现计任务的跨枢纽调度，

将地理位置分散的力有效地聚合在一起，有效利用不地区的气候、环境

差异，提高可再生能消纳率和数据处理服务的质量。为此，中国还需就数

据中心跨区域“运力”的速度、质量、资费做统筹规划，以及就部分数据中心集群城市直连网络做个性化部署。远景的“源网荷储一体化”实践远景科技集团一家新型能系统技术提供，它所设乌兰察布市与远景共建的荷互动平台，融合市级碳管

计的能管理系统，已经应用于中国的绿色智中心示理、电力现货及中长期交易终端，结合园区可视化多场

范项目。景展示等功能，最终实现荷协调管理友好互动，并提

供端到端的“绿色能+绿色运营”解决方案，支撑零远景为乌兰察布国家级绿色数据中心示范项目提供了关

碳数据中心落地与绿色金融创新。键解决方案。通过AI法与气候大模型，实现天气、发远景解决方案还应用于张家口力集群，这中国最大

电功率、负荷能力的精准预测。中长期来，能计储力体系，

能的充放电计划、风光的削减计划以及整体的风光储聚项目时启动风电、光伏与大数据产业地的建设。远

合出力曲线。景方案推进了“网荷储”一体化模式在数据中心场景

远景运用智能物联操作系统EnOS，以高精度预测、多下的应用，开发的新能资产完全并网后，通过电力市

目标及多时尺度优化策略，打通微网协调度系统全场化交易打通网荷储的落地路径，确保电量与绿色环

网荷储，于云边一体实现础数据接入，使用比例可达100%提供高阶应用产套件。产即零碳”效应。AI改变能源16智如何引领新型电力系统第四章：智算加速建立新型电力系统智能力对于能电力系统的影响，不仅表现在它带来的供应总量及地理分布的影响，更为深远的，它将带来使用能方式的影响，即它将推动和引领建

立一个新型的智能化的能电力系统，让力命成为能中国智能力与绿色电力之的供需矛盾，既空分布不平衡的矛盾，也是

时分布不平衡的矛盾。但力的任务具备灵活性，可以在不的数据中心和

进行调度，跨越不时区，也意味抹平了绿色电力在时分布

上的峰谷起伏。从火电时代到绿电时代，随荷变需转变为荷互动。波动的调度智能力与洁能体系。除了在一些绿电禀赋较好的地区先行之外，全国来还需建立起新型

的电力系统，包括对电力市场、电力系统、网荷储碳一体化的配电网，微电

网系统的创新与部署。这样来，带来了能挑战的人工智能技术，时也是

解决这些挑战的技术。智中心实现碳中和，正在与时俱进，从先过分依赖各种“抵消”手段，到

更加直接消费绿电。绕智中心全天候无碳能的技术创新与础设施

部署，这一关键实践，将为工业、交通、运输等领域的脱碳转型提供先例。全天候“智”“能”调度全天候无碳能(CFE，产生能量的过程中没有碳子的参与)智中

心绿色化发展的终极目标。但由于光伏、风电等新能存在昼夜、季节等波动，

与智中心对电力系统“7×分布不平衡的矛盾。

因此，它求将一天中每个小时的能消耗与无碳能进行匹配。这包括对无

碳能等的调度，也包括对智能力等荷的调度。对的调度，首先实现绿色电力的直供与跨区域交易。绿电直供绕过了传统

电网的混合供电，它的碳因子还取决于电网上其他能的碳排放；经由传统电

网的绿电交易，则可以弥补当地绿电歇性的波谷。这还需储能、配电网、

微电网的配套体系。智中心的荷，具备可灵活调度的性。相比工业与交通等其他绿色电力的新

兴负荷部门，它甚至具备在物理空上长距离调度的唯一性。这种长距离调度

或电力的调度。AI改变能源17智如何引领新型电力系统智算加速建立新型电力系统绿电供与跨区域交易零碳电力市场正在从购买绿证向绿电交易转型。通过购买绿证(REC)这种可交易的能市场凭证，声称使用了等量电力消耗的绿电，越来越被视为一种初级的减排方式，在管理不。而智供应直接达成购电协议，意在规定期限内，以确定的价格直接从新能场站购买绿电，不仅保证了绿电的实际使用，还能稳定电价。科技巨头已经全球最大的绿电采购方。在中国，阿里巴巴集团2023年签署的绿电购买量达到了亿度，位居榜首。年，腾讯签约绿电采购量将超过13亿度，2023年的两倍；目前绿电占腾讯自有数据中心年度用电量的54％。长期购电协议将绿电交易的趋势。它有助于锁定长期绿电供应，减少绿电交易价格波动的影响。目前，中国企业用户主通过年度交易、月度交易的方式向新能企业购买电力。中国部分地区也已经开展了一定程度的可再生能市场化交易的试点，在促进本地消纳的时，降低了用户采购电力的成本。然而，中国可再生能分布不均衡，绿电供应与消纳不匹配问题凸显，跨省电力交易将东部力枢纽解决绿电缺口的重一环。目前，受制于电网输送通道、输送能力和交易流程等因素，中国绿电交易采用“省与省内强耦合、批发与零紧连接”的交易模式，跨省电力交易临壁垒。据中电联统计，目前中国绿电省内交易量（亿千瓦）占全国电力市场交易总电量（5.67万亿千瓦时）不足1%，中国的市场亟待建立。源网荷储碳一体的配电网与微电网智中心的运行通常持续且集中，造成电网负荷的尖峰，需更精细的负荷管理和调度策略以平衡供需。智中心建筑积大，为建设分布式光伏提供条件，太阳能+储能成为网荷储一体化的最优解。在智中心安装分布式可再生能发电。实现全天候无碳能的另一重发配电系统。在应用于智中心时，微电网能够整合冷热电联产、新能、燃料时，中心供电，最大化的消纳新能。在加大中心通过微电网完全依靠水力发电。中国张北云计中心也计划建立2个微电网。此外，积极开发下一代能技术，也能弥补风光等当前主流绿电来的不足。地热能、长时储能、小型模块化核反应堆以及核聚变，都科技巨头正在加速领域。与数据中心热联动也对减排有益的补充。AI改变能源18智如何引领新型电力系统智算加速建立新型电力系统谷歌努力实现

无碳能源谷歌承诺到2030年，其全球所有智中心和园区将实现无碳能运

营，并通过这几项主举措来实现：购买无碳能、优化能数据和使用，

开发下一代能技术以及微电网。2010年，谷歌签署了第一份企业购电协议，直接从爱荷华州购买了114兆瓦的风电。2023年，谷歌购买了4吉瓦洁电力，比任何一年都多，

累计达到了14吉瓦，实现了所有数据中心（包括由第三方运营的）约64%的全天候无碳能。为了跟踪洁能数据，2023年，谷歌参与发起了“粒度证书交易联盟”

（GranularCertificateAlliance），致力于建立一个小时证书市场，以每小时能匹配的方式，主张在时和地点上将其数据中心电力消费

与洁能发电量相匹配。谷歌的碳智能计平台可以根据当地的无碳能源

可用性，优化计任务的时和位置，进而将智中心的部分计任务转移

到当地太阳能和风能最充足的时段。即使如此，谷歌去年的数据中心的碳排放量仍然比增加了13%。这主是

它在采购洁能方存在重大的区域性挑战。这也进一步说明绿色智需

虚拟电厂在可再生能为主的电力系统中，计上和时上合适的绿电，“荷互动”，让力参与需求响应，发挥出类似储

能的调节功能。服务器、CPU、GPU、硬盘等硬件资都具备不程度的响应

潜力。鉴于数据中心运营成本的六成以上在电费，在适当价格机制的驱动下，数据中心将有动力进行计在这样的一个机制上，可以设计出智与绿电的业模式，就能提出以市场为

导向的激励机制，其中包含本地激励机制、全局激励机制和服务器共激励机

制等，鼓励用户释放资参与可再生能的消纳。这样对于绿电来说降低了

系统成本，而对于数据中心来说，可以通过参与服务减低绿电成本。网荷储碳的协优化，而电力的业模式将建立在智能系统之上的能服务（EaaS）。AI将日益集成到新型电力系统中，在功率预测、电网管理、效率优化、现货市场交易中发

挥核心作用。AI改变能源19智如何引领新型电力系统智算加速建立新型电力系统电力系统中的智能体中心临电力需求的“不可能三角”：稳定电力供应，控制电力成本，减少碳足迹，可以通过AI模型，以及于大模型的智能体来优化和解决。惠实验室的研究人员，提出了一个建立在多智能体的强化学习（MARL）框架之上数据中心减碳模型（DC-CFR）。他们把问题部分解耦为子问题，每个子问题使用一个独立的马尔可夫决策过程（MDP）进行求解，这强三个智能体，储能优化。这三个智能体接入OpenAI的深度强化学习法，集成了数据中心的模拟环境与强化学习，可以进行训练和优化。该解决方案激励智能体降低能消耗、碳足迹和能成本。在协作多智能体设定隔为15分钟的实时操作，实现了对系统的精确控制，并快速响应数据中心环境的变化。三个不地点的天气和碳强度数据：亚利桑那、纽约和华盛顿，对应了不同的气候成本随小时变化的因素。研究人员用这个模型评估了一年，DC-CFR显著优于行业标准的ASHRAE控制器，减少了14.5%的碳排放、14.4%的能耗和13.7%的能成本。破解数据中心“不可能三角”天气强度）冷却电网碳强度IT负荷转移储能节省电网碳强度来：惠实验室，未尽研究，环球零碳AI改变能源20智如何引领新型电力系统结论：让智算率先实现净零碳电力计和能效率的提升，以及与力和电力需求的增长，两者并存一个长期趋势，也将数字与智能经济的一个本征。智能，将会加快新型电力系统的建立。应对“无限增长”的力需求和电力需求，长期只能以依靠“无限供应”的可再生能及其他洁电力技术。这样一个绿电比重日益增长直至占据主导地位的