“算力的尽头是电力：四部门重磅发文，AI与能源的双向奔赴正式开始”

5月8日，国家发展改革委、国家能源局、工业和信息化部、国家数据局四部门联合印发《关于促进人工智能与能源双向赋能的行动方案》（以下简称《行动方案》）。消息一出，市场上与算力、绿电相关的概念股集体震动。

这不是一次普通的政策发布。它标志着中国正式将“算力与能源协同”从工程项目层面，上升为国家战略级别的系统部署。

1、不只是“给算力中心供电”

以往的政策思路，基本围绕一个核心问题：怎么给越来越耗电的数据中心提供稳定电力？

《行动方案》换了一个角度。文件核心逻辑是：能源赋能AI、AI反哺能源——构建一个双向闭合的生态，而非单向的“供电”关系。

具体来说，这意味着两件事：

一是AI算力基础设施要尽可能消纳绿色能源，降低碳排放，以绿电驱动训练和推理；二是AI技术要反过来赋能电网调度、新能源预测、储能管理等能源场景，用算法解决电力系统自身的智能化问题。

这种双向思维，在全球范围内并不多见。

理解这份文件的必要性，需要先看清楚当前的三个深层矛盾。

空间错配：中国东部地区算力需求旺盛，但绿电资源稀缺；西部地区风光资源丰富，但本地算力消纳需求不足。“东数西算”工程解决了部分问题，但架构性矛盾依然存在。

时间错配：风电和光伏发电具有典型的间歇性——白天有太阳，晚上没有；大风天有电，无风期断供。但AI数据中心的训练和推理任务需要7×24小时不间断供电，对电力质量要求极高。

消纳矛盾：截至2025年底，全国风电总装机容量已达640GW，光伏总装机达1200GW，合计占全国总装机比重的47.3%。但绿电发电量占比仅22%，大量装机形同虚设，弃风弃光现象依然严重。

AI算力恰恰是解决消纳矛盾的天然出口——它可以在绿电富集时段灵活调度非实时任务（如模型训练），主动消纳过剩电力，将原本浪费的风光转变为实际算力产出。

在AI产业的成本构成中，电力是继芯片之后第二大支出。训练一个大型模型往往需要持续数周乃至数月的GPU集群高功率运行，电费开支可以轻松达到数百万乃至数千万元。

这正是中国的潜在优势所在。

中国西部绿电富集地区（内蒙古、贵州、新疆等地）的工业电价约为0.3–0.4元/千瓦时，而美国北弗吉尼亚、硅谷等主要AI数据中心聚集地的电价约为0.5–0.8元/千瓦时，欧洲部分地区更高达1.2–2.0元/千瓦时。

按生成100万Token耗电0.1–0.3千瓦时测算，中国西部算力的电力成本约为0.03–0.12元，**较欧美低30%–50%**。

《行动方案》的落地，将进一步扩大这一优势：绿电直连（不经公共电网，直接输送至数据中心）、储能标配化、REITs和绿色债券金融支持……每一条都指向同一个目标：把西部的绿色电力优势，系统性地转化为AI产业的全球竞争力。

《行动方案》设定了清晰的阶段目标：

2027年：初步构建安全、绿色、经济的能源保障体系，清洁能源与算力设施双向互动能力显著提升。

2030年：实现质的突破——AI算力设施清洁能源供给保障能力、能源领域AI专用技术研发和应用，达到世界领先水平。

“世界领先”四个字，分量不轻。这不是一个模糊的表态，而是一个可被追责的公开承诺。

值得注意的是，这与中国2030年碳达峰目标高度契合。算力的绿电化，既是AI产业发展的内在需求，也是国家低碳承诺的重要支柱。两条线索交汇，形成了政策推进的强大合力。

政策文件往往领先于实践，但这一次，市场已经跑在了前面。

腾讯云与远景集团在内蒙古赤峰联合建设了全球首个100%绿电直供数据中心。据公开数据，该项目综合能源成本降低超过40%，每年减少碳排放约18万吨。

这个案例证明了技术路径的可行性：绿电直连并非理想实验，而是已经规模化落地的商业现实。

《行动方案》的意义在于，它将这种个案推广为全行业的系统性政策框架，降低了后来者的试错成本和门槛。

AI竞争的表面，是算法、芯片和数据的比拼；但底层，是能源系统的较量。

中国拥有全球最大规模的可再生能源装机，正在将这一传统基础设施优势，系统性地注入数字经济的核心竞争力。从“东数西算”到“算电协同”，这条路走了五年，终于走到了国家战略的最高层。

接下来，这场双向奔赴的进度，值得持续跟踪。