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2024

年

8

月目录前言2第一章：文献综述与方法论4美国的算力增长预期，分歧重

点在市场5●中国算力增长预期，不确定性主要在技术5●第二章：测算方法与结果7中国智能算力每年增长

70%7●乐观情景下国产芯片有望突破8●年中国智算年用电最高

1.3万亿度9●

2030智算中心成为用电量增长主力101112121315171718●●第三章：中国净零碳电力算力地图智算中心发展初期主要在绿电供给不充分的东部年清洁电力发电量预测●

2030智算用电需求的动态匹配●绿色算力电力区位条件●第四章，智算加速建立新型电力系统全天候“智”“能”调度●

24/7绿电直供与跨区域交易●●●源网荷储碳一体的配电网与微电网1819虚拟电厂结论：让智算率先实现净零碳电力附录2122关于报告232323未尽研究●环球零碳●改变能源AI1智算如何引领新型电力系统前言能源与机器，自从技术革命以来，从来都不可分。新能源与机器学习正在走向融合，它们符合一个共同的技术和经济规律，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，唯一的杰文斯是19

世纪英国工业革命期间的一位经济学家。他发现，当煤炭的使用效选择，就是使用绿色和率不断提升时，对煤炭的需求不仅没有下降，反而在煤炭的应用和相关领域产清洁的能源。生了大量的创新，渗透到各行各业，导致煤炭的消耗量上升。杰文斯悖论在历次技术与工业革命中持续上演，蒸汽机、内燃机和燃气轮机的效率不断提升，但人类对于化石能源的需求也持续增长了两百多年。杰文斯悖论揭示了资源、技术、经济之间的基本关系。摩尔定律是信息技术革命时代的杰文斯悖论。单位面积芯片上的晶体管数量每18

个月左右增加一倍，60

年来相当于算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。而在加速计算逐步占据主流的深度学习“黄金

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，对于智能算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，每个季度翻番。这在很大程度上是由于算力更加密集的基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，对于算力的需求几乎是无限的。电力供能地位的三次超越70605040302010电力油天然气有用能源是在所有加工和转换损失之后剩煤炭0余的总能源190019101920193019401950196019701980199020002010来源：RMI说明：1900

年至

2010

年间有用能源供应的变化趋势：所有部门不包括非能源用途。有用能源的估计值有所不同，这里我们采用了国际应用系统分析研究所（IIASA）的数据，这是我们见过的最详细的数据。改变能源AI2智算如何引领新型电力系统前言从技术上来讲，摩尔定律和黄氏定律可以也必须持续下去，但它必须投入更大的研发资金以及消耗更多的能源，能源革命并没有改变杰文斯悖论。而经济和商业规律决定了，这些投资体现为更高的能量密度和算力密度的基础设施，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。这就是AI时代的杰文斯悖论的商业和经济基础。杰文斯悖论也说明了原有的经发展模式是不可持续的：如果能源的无限需求内生于经济发展，唯一的选择，就是使用绿色和清洁的能源。可再生发电边际成本趋近于零，智能算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，进一步带动对于能源和算力需求的同步上升。生成式

AI革命，与能源革命耦合在一起，也将带来能源管理方式的根本变化。算力革命与能源革命将互相迭加、融合、增强；如果清洁能源供应不足，电力基础设施不向新能源转型，人工智能的发展将会被“卡脖子”。计算的本质是能源的处理形式，计算过程也是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。而这一轮大模型创新所遵循的扩展定律（scalinglaw），即更多的数据和更大的算力推动模型越来越大，越来越接近通用人工智能（AGI），产生了大数据

-大算力

-大模型

-大电力的范式。中国在新能源革命中已经处于领导地位，也是全球第二智能算力大国。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源的“黄金

10年”，AI所带来的清洁电力需求，需要顺应中国的能源转型，实现

2030年碳达峰及

2060年碳中和的目标。本报告估算出中国到

2030年所需要的智能算力总量，相对应的电力需求总量，尤其是在中国电力增量中所占的比重

。我们假设中国智算中心

2030年的目标是达到世界先进水平，之后所消耗的能源以绿色和洁净电力为主，在各行业中率先实现净零碳排放。在国家东数西算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算能力和清洁电力资源的现状及未来，将如何在支持国家人工智能发展大计的同时，推动本地的经济数字化与智能化。与此同时，我们关注到智算在各地爆发式增长给电力系统以及控制碳排放带来的短期挑战，以及算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。计算的本质是能源的处理形式，计算过程也是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。而这一轮大模型创新所遵循的扩展定律（scalinglaw）产生了大数据

-大算力

-大模型

-大电力的范式。改变能源AI3智算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

AI的推动下大幅增长，一直受到关注。从

2023年以来，由于生成式

AI的迅猛发展，美国尤其为“电力危机”感到焦虑，而中国的人工智能要在碳达峰目标的约束下追赶美国，算力与电力问题需要重估。算力需求增长、能耗及排放增加的速度，始终快于算力效率、功耗效率、排放效率提升的速度，这是导致用电量会持续增长的根本原因。生成式

AI在内容生成与推理方面，创造出越来越有价值的应用，而这些应用的算力、能耗与排放的密集度也迅速上升。来自不同行业和专业背景的机构，对智能算力的电力消费进行了为数众多的研究，基本逻辑大同小异：先根据芯片等硬件的算力与功率，估算出数据中心的用电量；再根据算力增长、芯片能效（单位时间内完成的计算量与消耗的电能之间的比率）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。智能算力的提供者及主要使用者，如科技企业、电信企业、政府、以及日益数字化的许多行业，都提出了

100%使用绿色电力、实现碳中和的目标和路线图。而获得绿电及清洁电力，尤其是直接接入供应的绿色电力，并且建立起新型能源管理系统，是实现绿色智算中心的关键。其中，无论在中国，还是在美国，数据中心的能效提升是确定性较强的部分。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基准性的参考，但忽视了中国所面临的芯片系统技术的挑战及能源电力市场的差异性。这些报告对美国智能算力增长和电力需求的预期并不一致，而中国面临的首要问题是如何克服芯片能效提升的瓶颈。不同推理任务的用电量102.90710.10.0630.049

0.0470.0380.010.0040.0070.003

0.0030.0020.001图像生成

图像描述

摘要生成

文本生成

对象检测

图像分类

标记分类

掩码语言

提取式

文本分类生成建模问答来源：HuggingFace，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。改变能源AI4智算如何引领新型电力系统美国的算力增长预期，分歧重

点在市场文献综述与方法论英伟达

GPU

芯片成为目前智算中心的主流算力硬件，占比

90%

左右。因此，全球范围内芯片能效提升趋势相对明确，可预见的将来与英伟达

GPU

迭代周期同步，未来有望一年一次更新。伴随着向更低精度的扩展，从

P100

到

B200的

8

年间，训练同一个模型的能耗，理论上目前已经降至最初的

1/400

左右。因此，导致各方预测结果分歧较大的原因，主要在于对AI算力增长的预期不一致。这既取决于算力需求的增长，也取决于算力供给的增长，还取决于客户预算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，其中算力需求的增长，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，部分报告假定了不同的

AI

算力增长情景，也产生了不同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%。在不同AI

算力增速预期下，前者估算到

2030

年，美国数据中心用电占比将从

2023

年的

3%

升至

8%，后者估算到

2028

年该占比将升至超过

14%。中国算力增长预期，不确定性主要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，以及算力增长预期中的算力供给问题，才是最敏感的影响因素。因此，重

估中国

AI算力与电力在不同情景下的预期，主要从较不确定的芯片创新的角度，而非美国的较确定的算力增长的角度。中国目前无法通过官方渠道同步获得英伟达最先进的

GPU。美国降下的“硅幕”，限制芯片设计、制造与流通的多个环节，试图将中国先进算力遏制在

A100

水机构对数据中心未来用电规模的预测全球中国美国3000基准场景25002000150010005000不同场景的上下限区间银河证券

TechInsights

semianalysis

高盛

IEA

华泰证券

银河证券

IEA

华泰证券

semianalysis

高盛

IEA

EPRI来源：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；部分机构给出了不同场景的上下限，为图中线段。IEA

的预测截至

2026

年，其余基本预测至

2030

年。不同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。改变能源AI5智算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同时，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。接下去的问题就是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基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。这需要时间和耐心。保守来看，如果鸿沟短期内无法逾越，中国的

AI

算力长期依靠较低能效的芯片，且芯片能效无法持续提升，那么相同算力规模的用电量需求就会大增。电力换算力成为一种选择，以保证在

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

2.1

倍，其中，可再生能源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是问题。乐观来看，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，决定用电量的将是算力需求而不是供给。中国三大城市群已出台的智能算力基建规划，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国规划160140120100806040200重庆山西贵州青海上海广东江苏安徽北京甘肃河北

各省加总

全国规划来源：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算基建规划。甘肃未公布智算规划规模。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”中对全国智算规模的规划。上述规划基本上截至

2025

年。改变能源AI6智算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，中国智能算力规模将以每年

70%的复合增长率持续攀升。国产芯片将成为智能算力的主要来源，技术保守情景下全部采用等效A100，以电力换算力，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，全国智算中心年用电量在

0.6万亿度

-1.3万亿度，约占当年全社会用电量的

5%-10%。中国智能算力每年增长

70%去年底，中国提出了《算力基础设施高质量发展行动计划》与《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》。全国各地都在摸底算力，行动快的省份，已经推出了自己的基建方案。部分省市规划的智算规模总量，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，中国数据中心的算力规模超过

300EFLOPS，其中智能算力占比达到

35%，即

105EFLOPS。而“八大算力枢纽节点”中的京津冀、长三角和粤港澳三大枢纽，规划到

2025年的智能算力规模已经接近

120EFLOPS。智算规模实际部署速度，快于计划文件的目标。“高质量发展行动计划”原定至

2023年底，智能算力达到

66EFLOPS；而按照工信部今年披露的数据，去年智算规模已达

70EFLOPS，同比增速超过了

70%。智算规模加速部署，既是中美

AI竞争的反映，也是中国经济增长向“新质生产力”要效率的缩影。在国家“适度超前建设算力基础设施”的鼓励下，中国智能计算中心算力规模保证

70%的增速是合理且必要的。到

2030年，中国智算规模将达到

2886EFLOPS。中国智能算力规模增长预测35003000CAGR≈70%2500200015001000500020232024202520262027202820292030来源：未尽研究，环球零碳说明：按数据中心智能算力最近三年复合增长率约为

55%，最近一年约为

70%。改变能源AI7智算如何引领新型电力系统乐观情景下国产芯片有望突破测算方法与结果芯片“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

3000EFLOPS的智能算力的主要来源。这些芯片需要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，训练对芯片性能的要求更为苛刻。即使保守地看，国内芯片厂商已经具备了设计与制造等效英伟达

A100芯片的能力，产能也在提升。但中国更有可能在技术创新与政策支持下，走向乐观情景。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算力产业链，美国也可能在保持代差优势的情况下，同步放宽门槛，以维持中国芯片市场份额，这客观上可以提高国内智能算力的供给。中国智算中心每年新增智能算力需求，都需要用上述当年最先进的芯片来满足。即芯片数量

=智算规模

/芯片算力。国内主流采用

FP32精度。工信部《新型数据中心发展三年行动计划（2021-2023年）》将

FP32作为国内数据中心算力的计算基准；工信部旗下信通院《中国算力发展指数白皮书（2023年）》在对包括数据中心与智能计算中心的基础设施算力进行规模测算时，统一折算为

FP32精度。按这个基准，参照英伟达各代

GPU的性能参数，到

2030年，技术保守情景约需要14700万张等效

A100；技术乐观情景则需要累计部署等效的

1700万张A100，970万张

H100，1125万张

B200。为简

化讨论，暂不考虑因折旧等因素，存量算力改由更高能效芯片提供等情况。中国智能算力用电量增长预测16000技术保守情景技术乐观情景1400012000100008000600040002000020232024202520262027202820292030来源：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

2027年全部使用等效

H100，在

2029年全部使用等效

B200。改变能源AI8智算如何引领新型电力系统2030

年中国智算年用电最高

1.3

万亿度测算方法与结果智算中心要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要组件，即服务器上的

CPU、网卡、供电单元等，以及服务器间的存储服务器、网络交换机、CPU节点、光纤收发器和许多其他设备。因此，要在智算中心驱动一张

GPU芯片，实际需要额外消耗近

1倍的电力。根据英伟达提供的数据中心解决方案，在典型配置的智算集群中，每运行一个H100需要1389W的

EAP（预期平均功率），而

H100的

TDP（热设计功率）为

700W。智算中心为这些关键

IT设备提供的冷却与照明同样需要消耗电力。中国要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，将其视为一段时间内的全行业基准水平相对合理。此外，考虑到智能算力的供需情况，国内智算中心使用率可以设定为长期以

100%的满负载运行。智算中心当年的用电规模的计算公式可以表示为：芯片数量

*芯片热设计功率*2*PUE*使用率

*365天

*24小时。因此，至

2030年，智算中心的总装机容量将达到

70GW-150GW（如果考虑到风光可再生能源的容量因数，实际需要的总装机容量将达到

300GW-600GW）；一

年

365天，每天

24小时，智算中心的年用电量在

0.6万亿度

-1.3万亿度左右（600TWh-1300TWh）。新增智能算力用电挤占全社会新增用电量8000■

全社会用电量■

技术保守情景智算用电■

技术乐观情景智算用电600040002000077%27%2024202520262027202820292030来源：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，主要是因为当年全部采用了能效更高的下一代芯片。改变能源AI9智算如何引领新型电力系统智算中心成为用电量增长主力测算方法与结果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，中国智能计算中心年用电量将占该年全社会用电量

5%-10%，成为新的重

点用能行业。智算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；同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（算力需求高于文本任务等）在推理中的占比提升，进一步推高对智算的需求，但推理占比在智算需求中的整体提升，将充分释放当前主流

AI

芯片低数据精度能效提升更快的特点，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算法与架构不断优化改进的趋势，未来智算中心将以更少的电力完成更多的任务。此外，随着时间推移，早先建设的数据中心折旧（一般约

5

年）完毕，这些存量算力需求会改用更高能效的

AI

芯片来满足。相比美国，中国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；同时也将推动电力电子技术的创新。改变能源AI10智算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算力目前在中国呈现出爆发态势，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%。目前全国新增的智算中心，绝大多数位于绿电资源相对匮乏的东部，按照目前的全国绿电资源的分布，以及各省的碳因子水平，在

2025

年底之前“抢建”的智算中心，将显著增加碳排放。实际上，在绿电投资最激进的谷歌，尽管其拥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%。智算中心的高速发展，要求必须把能源消耗尽快转向绿色和清洁的电力。目前，中国清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，可以满足中国智算的电力需求，并帮助中国缓解算力“卡脖子”问题。全国智算中心用电量，同时也等于各省智算中心用电总量，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，当前面临的突出问题是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，计算具有独特的灵活性，能够将其能源消耗迁移到远距离。计算还可以利用多种基于软件的容错技术。因此，计算的多个维度的灵活性，让它可能去“寻找”到稳定和便宜的绿电。中国省级电力碳排因子下降预测2021

年2035

年0.80.70.60.50.40.30.20.1内

山

安

新

河

陕

黑宁

天

江

河

山

辽

江

湖

浙

北

上

广

甘

广

福

吉

贵

湖

重海

四

云

青0蒙西

徽

疆

北

西

龙

夏津

苏

南

东

宁

西

南

江

京

海

西

肃

东

建

林

州

北

庆

南

川

南

海古江来源：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改变能源AI11智算如何引领新型电力系统智算中心发展初期主要在绿电供给不充分的东部中国净零碳电力算力地图从

2023

年以来，中国的智算中心数量激增，其中多数都建在绿电资源相对匮乏的东部地区，而且基本不受绿电占比要求的约束。短期内将产生大量的碳排放。由于数字经济相对欠发达、资金、人才与技术缺乏等，绿电资源丰富的西部，智算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氧化碳量）的大幅下降，是中国建立绿色算力网络的基本前提。从区域碳排因子的分布上看，中国西部地区水电、光伏及风力发电等资源丰富，具备发展绿色智算中心、承接东部算力需求的潜力。智算中心的建设，应当充分利用不同区位的清洁电力。国家的东数西算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蒙古枢纽、宁夏枢纽、甘肃枢纽、成渝枢纽、贵州枢纽，和东部的京津冀枢纽、长三角枢纽和粤港澳枢纽。2030

年清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。核电应被视为清洁能源，作为绿电的补充，它的同样潜力巨大。至

2030

年，清洁电力（包括核电）年发电量规模将达到

7.80

万亿度。这额外的

2.3

万亿度稳定供应的清洁电力，主要来自核电，对东部沿海地区格外重要。2030

中国清洁电力发电量预测12000绿电核电等1000080006000400020000广

四

云

福

浙

江

新

内

广

山

河

山

辽

湖

宁

河

贵

青甘

湖

江

安

陕

天

吉

黑西

上

北

重海东

川

南

建

江

苏

疆

蒙西

东

北

西

宁

北

夏南

州

海

肃

南

西

徽

西

津

林

龙

藏

海

京

庆

南古江来源：未尽研究，环球零碳改变能源AI12智算如何引领新型电力系统中国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，但它的增长尚未触及瓶颈。据《绿色经济视角下中国区域可再生能源发展路径研究》测算，中国大陆水力资源技术可开发装机容量为

54164

万千瓦，年发电量可达

2.47

万亿度。核电同样如此。2030

预估绿电规模前五名省份为：四川（6407

亿度）、云南（5381

亿度）、新疆（4412

亿度）、内蒙古（4053

亿度）与河北（2812

亿度）。2030

预估清洁电力规模（包括核电）前五名省份为：广东（11208

亿度）、四川（6462

亿度）、云南（5381

亿度）、福建（4783

亿度）、浙江（4548

亿度）。智算用电需求的动态匹配算力的任务，而不是算力，可以在不同的数据中心和算力集群之间进行调度，通常以分布式计算和云计算技术实现。这种调度实际上是数据、应用与业务的传输，由于其成本低于能源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源丰富的地区进行多点处理，在中国主要就是把东部的算力需求调到西部来计算。东数西算将主要对智能算力进行任务调度和统筹。2030

中国智能算力用电量预测(技术乐观情景

)江苏贵州363北京493418内蒙古甘肃448409山东269宁夏四川重庆浙江上海天389349274304284河北津安徽

105广西21955辽宁新疆河南湖南江西1007255174129100黑吉林龙云南广东福建湖北山西陕西江4995海南

26525031441449585青海西藏碳因子>0.6<0.4>0.5<0.3>0.4<0.21913无数据来源：未尽研究，环球零碳说明：在技术保守情景下，智算中心的用电量相对乐观场景翻倍有余，其中，广东与贵州都超千亿度电。改变能源AI13智算如何引领新型电力系统中国净零碳电力算力地图一般来说，随着AI

应用的展开，推理将占智能算力的主要部分，而时延敏感的任务将占推理的主要部分。智算中心完成的任务，可分为延迟敏感、延迟宽容和延迟容忍。在东数西算的总体布局下，延迟敏感任务仍然必须由部署在本地的算力完成。随着大模型应用的规模化展开，智能算力的需求将逐步向延迟敏感的推理倾斜。英伟达估算当前

AI

芯片推理需求占

40%，亚马逊

AWS

预计未来推理需求将达到

90%。到

2030

年，中国智算中心用于推理的算力的占比也将达到

90%。直播、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着人工智能发展而诞生。在推进算力枢纽间时延降低的同时，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算任务留在本地。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算用电需求，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算力，将按照各地算力供给意愿与能力，以及当地应用与产业实际需求来部署。中国信通院《中国算力发展指数白皮书

2023》曾评估了截至

2022

年中国各省份算力规模指数与算力应用指数，正对应着上述两大因素，一定程度上可以代表

2030

年本地推理在各省市的分布占比。如果东数西算能及时推进，训练需求与其他不需要在本地完成的推理需求，将大体平均分配至绿电资源较丰富的中西部地区，主要是内蒙古、贵州、甘肃、宁夏、成渝等五大枢纽。它们需要积极满足京津冀、长三角与珠港澳的算力需求。在承接来自其他地区的部分算力任务之后，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，其次分别是贵州（493

亿度）、内蒙古（448

亿度）、北京（418

亿度）、甘肃（409亿度）。在技术保守情景下，智算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，全国智算用电将排放约

2.73-5.89

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%。中国碳排放正在进入达峰区间，智算中心将成为新增碳排放的重要来源，亟需用绿色和清洁电力来满足智算中心的能源需求。中国已强化了对新建数据中心梯次有序布局“东数西算”的刚性约束，要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、资源节约集约利用、高效制冷散热技术推广做了具体规定。改变能源AI14智算如何引领新型电力系统绿色算力电力区位条件中国净零碳电力算力地图受当地数字经济、产业与风光资源等限制，各地的智算用电规模与绿电发电规模存在错配。算力、电力、零碳，这三个目标要协调发展，需要尽可能地向本地推理直接提供清洁电力，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算清洁用电量和发电量的不匹配。长三角和京津冀的绿电用电需求压力不小，在技术保守情景下，长三角智算用电量几乎占去绿电发电量的一半，京津冀占到三分之一。这也是电动汽车与数字化工业对绿电需求迅速攀升的地区。而云南、新疆、青海绿电规模预计在

2030年将大幅提升，但目前暂无承担算力枢纽核心任务的规划。到

2030年，中国至少有

9个省市，处于清洁电力资源与智能算力经济相对匹配的状态（右上，第一象限）。其中，内蒙古、宁夏、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“东数西算”的任务；四川属于成渝算力枢纽，即要充当国家算力战略腹地，也要衔接“东数西算”其他算力枢纽；广东等东部省份，本地推理需求较高，同时清洁电力资源丰富（核电及海上风电），拥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10000四川云南新疆内蒙古河北广西山东湖北江苏甘肃宁夏广东山西青海河南江西湖南贵州天津绿安徽福建1000吉林陕西辽宁浙江电黑龙江︵亿度西藏︶上海北京重庆100海南低10101001000低高智算（亿度）来源：未尽研究，环球零碳说明：对数轴。横轴为

2030年智算用电量；纵轴为

2030年绿电发电量（不含核电）。改变能源AI15智算如何引领新型电力系统中国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，有机会向高智算高绿电的第一象限迁移；部分省份如新疆、云南，既可以面向东部地区供应绿电，或在当地建设智算中心，还可以分别面向中亚、东南亚等地，建设智能碳的“一带一路”。新疆当前正在高速同步推进新能源与智能算力布局，筹建融合算力中心；青海提出绿色算力产业发展措施，实行双（多）回路供电与绿电溯源服务，实现算力产业

80%以上绿电用能保障。智算与绿电均处于“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，往往是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

token经济的机会，向高智算或高绿电的象限迁移。浙江、上海、北京与重

庆等智算优势明显的省市，智算用电量大但绿电发电量低（右下，第四象限）。它们需要积极探索在当地挖掘绿电资源，完善跨省绿电交易机制。在东部算力枢纽覆盖

区域推进核能与海上风电的绿电直供是现实可行的方案。中国目前在建的核电机组数量排名世界第一，如果核电能够被认证为“绿电”，能极大缓解华东、华南等地智算中心绿电供不应求的局面。此外，中国海域面积辽阔

，近

海

5-50米水深范围内，风能资源技术开发量约

5亿千瓦，深远海风能资源可开发量是近海的

3-4倍。中国需要就智算中心及所在地的能耗指标、能源结构和用电政策等做统筹规划，也要兼顾智算中心这一新型重

点用能行业的用电特征，积极探索提升风光等新能源消纳比例，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。与此同时，随着中国搭建出算力一体化平台，可以实现计算任务的跨枢纽调度，将地理位置分散的算力有效地聚合在一起，有效利用不同地区间的气候、环境差异，提高可再生能源消纳率和数据处理服务的质量。为此，中国还需要就数据中心跨区域“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间直连网络做个性化部署。远景的“源网荷储一体化”实践远景科技集团是一家新型能源系统技术提供商，它所设乌兰察布市与远景共建的源荷互动平台，融合市级碳管计的能源管理系统，已经应用于中国的绿色智算中心示理、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，最终实现源荷协调管理友好互动，并提供端到端的“绿色能源+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算法与气候大模型，实现天气、发远景解决方案还应用于张家口算力集群，这是中国最大电功率、负荷能力的精准预测。中长期来看，能计算储的“源网荷储”一体化项目，率先探索实现绿色算力体系，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同时启动风电、光伏与大数据产业基地的建设。远合出力曲线。景方案推进了“源网荷储”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，开发的新能源资产完全并网后，通过电力市目标及多时间尺度优化策略，打通微网协同调度系统全场化交易打通源网荷储的落地路径，确保电量与绿色环链路，覆盖源网荷储，基于云边一体实现基础数据接入，境权益的转移，可再生能源使用比例可达，实

现“投100%提供高阶应用产品套件。产即零碳”效应。改变能源AI16智算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算力对于能源电力系统的影响，不仅表现在它带来的供应总量及地理分布的影响，更为深远的是，它将带来使用能源方式的影响，即它将推动和引领建立一个新型的智能化的能源电力系统，让算力革命成为能源革命的一部分。中国智能算力与绿色电力之间的供需矛盾，既是空间分布不平衡的矛盾，也是时间分布不平衡的矛盾。但算力的任务具备灵活性，可以在不同的数据中心和算力集群之间进行调度，跨越不同时区，也意味着抹平了绿色电力在时间分布上的峰谷起伏。从火电时代到绿电时代，源随荷变需要转变为源荷互动。波动的源与灵活的荷可能实现匹配，这就需要调度智能算力与清洁能源的“智能”体系。除了在一些绿电禀

赋较好的地区先行之外，全国来看还需要建立起新型的电力系统，包括对电力市场、电力系统、源网荷储碳一体化的配电网，微电网系统的创新与部署。这样看来，带来了能源挑战的人工智能技术，同时也是解决这些挑战的技术。智算中心实现碳中和，正在与时俱进，从原先过分依赖各种“抵消”手段，到更加直接消费绿电。围绕智算中心

24/7全天候无碳能源的技术创新与基础设施部署，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。24/7

全天候“智”“能”调度24/7全天候无碳能源(CFE，产生能量的过程中没有碳原子的参与

)是智算中心绿色化发展的终极目标。但由于光伏、风电等新能源存在昼夜、季节等波动，与智算中心对电力系统“7×24”不间断稳定供应，存在时间分布不平衡的矛盾。因此，它要求将一天中每个小时的能源消耗与无碳能源进行匹配。这包括对无碳能源等源的调度，也包括对智能算力等荷的调度。对源的调度，首先要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源的碳排放；经由传统电网的绿电交易，则可以弥补当地绿电间歇性的波谷。这还需要储能、配电网、微电网的配套体系。智算中心的荷，具备可灵活调度的特性。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间上长距离调度的唯一性。这种长距离调度算力任务的成本，低于对能源或电力的调度。改变能源AI17智算如何引领新型电力系统绿电直供与跨区域交易智算加速建立新型电力系统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)

这种可交易的能源市场凭证，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，在管理不善的情况下，可能成为一种“漂绿”行为

(Greenwash)。而智算中心购买绿电，即与新能源供应商直接达成购电协议，同意在规定期限内，以确定的价格直接从新能源场站购买绿电，不仅保证了绿电的实际使用，还能稳定电价。科技巨头已经是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

16.1

亿度，位居榜首。2024

年，腾讯签约绿电采购量将超过

13

亿度，是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

(PPA)

将是绿电交易的趋势。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，中国企业用户主要通过年度交易、月度交易的方式向新能源企业购买电力。中国部分地区也已经开展了一定程度的可再生能源市场化交易的试点，在促进本地消纳的同时，降低了用户采购电力的成本。然而，中国可再生能源分布不均衡，绿电供应与消纳不匹配问题凸显，跨省电力交易将是东部算力枢纽解决绿电缺口的重要一环。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“省间与省内强耦合、批发与零售紧连接”的交易模式，跨省电力交易面临壁垒。据中电联统计，目前中国绿电省内交易量（537.7

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

PPA

市场亟待建立。源网荷储碳一体的配电网与微电网智算中心的运行通常持续且集中，造成电网负荷的尖峰，需要更精细的负荷管理和调度策略以平衡供需。智算中心建筑面积大，为建设分布式光伏提供条件，太阳能

+

储能成为源网荷储一体化的最优解。在智算中心安装分布式可再生能源后，还可以通过微电网来协调可再生能源发电。基于数字化和物联网技术的微电网，是实现

24/7

全天候无碳能源的另一重要发配电系统。在应用于智算中心时，微电网能够整合冷热电联产、新能源、燃料电池和储能，具备孤网运行能力，在电网发生故障时，能够保证供电安全；同时，更具备日常输送电能的能力，在与市电电源并网运行的情况下，为智算中心供电，最大化的消纳新能源。在加拿大蒙特利尔，已经有一些智算中心通过微电网完全依靠水力发电。中国张北云计算基地绿色智算中心也计划建立

2

个微电网。此外，积极开发下一代能源技术，也能弥补风光等当前主流绿电来源的不足。地热能、长时储能、小型模块化核反应堆以及核聚变，都是科技巨头正在加速投入的重要领域。与数据中心热联动也是对减排有益的补充。改变能源AI18智算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

24/7

无碳能源谷歌承诺到

2030年，其全球所有智算中心和园

区将实现

24/7无碳能源运营，并通过这几项主要举措来实现：购买无碳能源、优化能源数据和使用，开发下一代能源技术以及微电网。2010年，谷歌签署了第一份企业购电协议

(PPA)，直接从爱荷华州购买了114兆瓦的风电。2023年，谷歌购买了

4吉瓦清洁电力，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%的全天候无碳能源。为了跟踪清洁能源数据，2023年，谷歌参与发起了“粒度证书交易联盟”（GranularCertificateTradingAlliance），致力于建立一个小时证书市场，以每小时能源匹配的方式，主张在时间和地点上将其数据中心电力消费与清洁能源发电量相匹配。谷歌的碳智能计算平台可以根据当地的无碳能源可用性，优化计算任务的时间和位置，进而将智算中心的部分计算任务转移到当地太阳能和风能最充足的时间段。即使如此，谷歌去年的数据中心的碳排放量仍然同比增加了

13%。这主要是它在采购清洁能源方面存在重

大的区域性挑战。这也进一步说明绿色智算需要整个电力系统的转型。虚拟电厂在可再生能源为主的电力系统中，计算是一种灵活的负荷，可以寻找到在空间上和时间上合适的绿电，“荷源互动”，让算力参与需求响应，发挥出类似储能的调节功能。服务器、CPU、GPU、硬盘等硬件资源都具备不同程度的响应潜力。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算任务的伸缩、平移，减少用电成本，进而为系统提供灵活性。在这样的一个机制上，可以设计出智算与绿电的商业模式，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享激励机制等，鼓励用户释放资源参与可再生能源的消纳。这样对于绿电来说是降低了系统成本，而对于数据中心来说，可以通过参与服务减低绿电成本。未来的电力系统，将在很大程度上表现为虚拟电厂，进行源网荷储碳的协同优化，而电力的商业模式将是建立在智能系统之上的能源服务（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。改变能源AI19智算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算力对于电力并非单向性索取。智算中心面临电力需求的“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，以及基于大模型的智能体来优化和解决。惠普实验室的研究人员，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，这是强化学习的数学框架；它们对应着三个智能体，HVAC冷却，灵活的负载转移，储能优化。这三个智能体接入

OpenAI的深度强化学习算法，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源消耗、碳足迹和能源成本。在协作多智能体环境中，把奖励和重

叠的状态变量结合起来，解决了智能体之间的依赖关系；设定间隔为

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。三个不同地点的天气和碳强度数据：亚利桑那、纽约和华盛顿，对应了不同的气候特点，从炎热干燥到寒冷潮湿；也包括了能源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%的能源成本。破解数据中心“不可能三角”供暖、通风、空调天气强度（HVAC）冷却IT负荷转移灵活负荷能源存储电网碳强度电网碳强度转移器优化器储能节省来源：惠普实验室，未尽研究，环球零碳改变能源AI20智算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算和能源效率的提升，以及与算力和电力需求的增长，两者并存是一个长期趋势，也将是数字与智能经济的一个基本特征。智能算力的发展，将在短期内给控制碳排放和电力系统带来压力，但从长期来看，将会加快新型电力系统的建立。应对“无限增长”的算力需求和电力需求，长期只能以依靠“无限供应”的可再生能源及其他清洁电力技术。这样一个绿电比重

日益增长直至占据主导地位的电力系统，将是分散分布的、多能异构互补的、源网荷储一体化