AI与能源双向赋能：美国数据中心已开始“抢电”，中国如何用绿电破局？

一、总体判断：同一场AI竞赛，不同的能源困局
1.1 美国以“缺电”为核心矛盾
人工智能的爆发正在重塑全球能源格局。中美两国数据中心用电量合计占全球70%以上，但各自的电力供需格局和能源结构存在根本性差异，这决定了双方在“算电协同”上的实践路径走向了系统性分化。美国电力需求在经历2007年至2023年长达十七年的平台期后，正加速进入“第二曲线”增长阶段，而供给侧的准备严重滞后。

1.2 中国以“绿电消纳+算力降本”为核心矛盾
中国全国电力供需整体宽松，但新能源利用率降至92%左右、弃风弃光率超10%，大量低价绿电亟待寻找高价值负荷。算力中心——这个AI时代最庞大的“用电大户”——恰好成为消纳绿电的理想场景。同一场AI竞赛，两种不同的能源困局。理解这一底层差异，是读懂双方政策逻辑与产业走向的关键。

二、美国篇：AI狂奔，电力“卡脖子”
2.1 需求端的爆炸式增长
美国当前运营的数据中心超过4000座，另有3000座处于规划或在建阶段。当前数据中心用电量已占全美总电力需求约5%，到2035年或将增至三倍。高盛预计，到2030年美国数据中心总电力需求将达500GW；美国电力研究所（EPRI）则预测，到2030年数据中心将消耗美国发电量的9%至17%。

这场电力需求的爆发，根源于AI算力的指数级增长。训练一个千亿参数级的大模型，单次训练耗电量可达数万千瓦时；而AI推理阶段的用电量更是训练阶段的数倍乃至数十倍。随着ChatGPT、Claude等大模型用户的规模化增长，以及AI Agent在千行百业的渗透，Token调用量正以前所未有的速度膨胀——每一轮对话、每一次推理，背后都是数据中心机架上成千上万颗GPU在全力运转。

2.2 供给端的结构性瓶颈
需求端的爆发式增长，遭遇的是供给端的重重梗阻。

1. 电力缺口巨大。美国银行预测，2026年至2030年间美国可能面临高达100吉瓦的电力缺口。摩根士丹利研究显示，美国数据中心电力需求至2028年将达约74GW，面临高达49GW的电力可及性缺口。

2. 电网扩容缓慢。数据中心接入电网的审批流程动辄排队数年，变压器等关键设备的交货周期长达5年。美国电网基础设施大多建于上世纪中叶，老化严重，升级改造需要跨州协调、环评审批、公众听证等漫长流程。

3. 备用电力告急。区域备用电力短缺从2023年的3次激增至2025年的19次，呈全年常态化趋势。美国13个区域电网中，已有8个的备用电力容量处于或低于临界阈值。

2.3 被迫“抢电”的应对路径
面对电力短缺的紧迫现实，美国采取了多重应对手段。

1. 放宽环评要求。美国联邦能源管制委员会（FERC）下发指令，要求加快数据中心并网速度，今后制定规则时将不再依据《国家环境政策法》主动考量对环境的累计影响。这一举措在加速项目落地的同时，也引发了环保组织的强烈抗议。

2. 转向现场供电。科技巨头开始在数据中心旁建设天然气轮机和电池储能设施，以绕过漫长的电网接入等待。但燃气轮机从现在到2030年基本处于售罄状态，即使订购成功，交付后仍需2年方可投入使用。

3. 紧急电力拍卖。特朗普政府推动PJM电网（美国最大的区域输电组织）举行紧急电力拍卖，迫使科技巨头为新建数据中心所需电力成本埋单，实际上是将电网扩容的成本转嫁给了用电方。

三、中国篇：化“绿电焦虑”为“算力优势”
3.1 算力用电的爆发式增长
中国的算力用电同样在高速增长。2025年国内算力中心用电量达1960亿千瓦时，同比增长18.1%，而同期全社会用电量增速仅为5.2%。“十五五”时期，全国算力用电量预计年均新增1000亿千瓦时以上。到2030年，国内算力中心用电量预计在5000亿千瓦时左右；若AI爆发式增长，或升至7000亿千瓦时，约占全社会用电量的3.7%至5.3%。

3.2 国家战略的顶层设计
中国应对算力用电挑战的思路，不是被动“抢电”，而是主动“布算”——将算力中心部署到绿电富集地区，实现算力与绿电的空间匹配。

1. 写入政府工作报告。2026年，“算电协同”首次被写入政府工作报告，标志着这项工作正式上升为国家战略。

2. 四部门联合行动方案。国家能源局会同国家发展改革委、工业和信息化部、国家数据局联合印发《关于促进人工智能与能源双向赋能的行动方案》，以能源支撑人工智能发展、人工智能赋能能源转型为主线，围绕保障算力设施安全可靠的能源供给、推动算力设施绿色低碳转型、促进算力电力高效经济协同等方面部署了29项重点任务。方案提出，力争到2030年，人工智能算力设施的清洁能源供给保障能力和能源领域人工智能应用水平大幅提升，构建人工智能与能源双向赋能、深度融合的发展新格局。

3. “十五五”规划明确。《可再生能源发展“十五五”规划》提出，引导新建数据中心与可再生能源发电协同规划布局，创新绿电直连、源网荷储一体化等方式。

4. 688号文件。2026年5月，国家发改委、国家能源局发布《关于有序推动多用户绿电直连发展有关事项的通知》，明确优先支持算力设施开展绿电直连。

5. 绿电最低比重制度。2026年8月1日起，《可再生能源消费最低比重目标和可再生能源电力消纳责任权重制度实施办法》正式施行，为绿电消纳提供了制度保障。

6. 工信部规划。在绿色能源丰富地区建设一批绿色算力设施，大幅提升国家枢纽节点新建算力设施绿电使用比例。

3.3 落地实践：从“东数西算”到“算电协同”
顶层设计之下，一批标志性项目正在加速落地。

1. 首个大规模算电协同绿电直供项目。2026年5月2日，中国大唐中卫云基地50万千瓦光伏电站在宁夏中卫正式投运，光伏电力不经大电网迂回，通过专用输电线路直接输送至算力园区。项目采用“物理直供+双边交易”双轨并行的供电体系，为算电协同提供了可复制的工程范式。

2. 青海“风光储充+算力中心” 。中国联通三江源国家大数据基地创新采用“风光储充+算力中心”协同模式，年均可提供约1000万千瓦时绿色电力，绿电消纳比例达100%。青海各大算力中心绿电使用比例已突破80%。

3. 甘肃“绿电聚合”模式。庆阳“东数西算”产业园通过“绿电聚合”新模式，实现“算力需求”与“绿色电力”精准匹配，满足数据中心园区绿色电力占比不低于80%的标准。

4. 腾讯全球首个100%绿电直供数据中心。腾讯与远景集团在内蒙古赤峰落地了全球首个100%绿电直供的数据中心，实现了算力与绿电的“零碳耦合”。
   

四、AI Agent：算电协同的“智能调度官”
在“算电协同”的战略框架下，AI Agent正成为连接算力与电力的核心技术纽带。如果说绿电直供解决了“电从哪来”的问题，那么AI Agent解决的则是“电怎么用”的问题——如何让每一度绿电都被最高效地转化为算力产出。

行业共识将算电融合分为三个阶段：

• 第一阶段是“寄生”——算力作为普通用电单位与电网交互；
• 第二阶段是“共生”——互联网与电力网更紧密贴合，通过市场机制引导能源与信息双向互动；
• 第三阶段是“新生”——电算双方在长期联动下对彼此的形态进行二次重塑。当前，中国正在从“寄生”加速迈向“共生”，而AI Agent正是实现这一跨越的核心引擎。

4.1 能源集团自研：国家队的主力阵容
各大能源央企正加速推进AI Agent的自研与部署，覆盖电力、油气、煤炭等能源全谱系。据统计，中国超70%的能源央企已接入AI大模型。

1. 国家电网是其中的标杆。国家电网推出的“光明电力大模型”，已打造了智能预测、交易、调控、结算四大智能体应用，全面赋能电力能源调节各环节。在此基础上，国家电网进一步开发了“电力AI超脑机车”，聚合了九大复合型智能体，可高效调用生产管理系统、电网一张图等资源，构建起“环境感知—智能研判—空地协同—精准执行”的全自主作战链。按照公司部署，到2027年，国家电网智能体应用普及率将超80%，覆盖规划建设、电网运行、设备管理、客户服务等重点领域。2025年7月，国家电网“‘AI+光明大模型’打造超大城市智慧能源管理大师”项目荣获世界人工智能大会最高奖项“卓越人工智能引领者奖”，是能源行业唯一获奖项目。

2. 南方电网的“大瓦特”电力大模型体系全面引入并适配了DeepSeek系列模型，实现了千亿参数级升级。基于“大瓦特”，南方电网打造了多模态智慧保电智能体，拥有“智答、智导、智监”等功能；广东电网上线了国内首个多智能体协作的省级电网AI调度员“明月”。南方电网人工智能平台已助力1.1万名员工完成2.2万个智能体的创建与发布，全面覆盖22个业务域。

3. 国家能源集团打造了全球首个千亿级发电行业大模型“擎源”，构建了覆盖电力交易、设备检修、安全管理全链条的智能决策体系。其子公司龙源电力在新能源数字化平台部署了DeepSeek-R1系列大模型，叶片故障定位时间从2天缩短至20分钟，光伏巡检作业票生成效率提升8倍。

4. 中国华能推出“睿智小能”AI助手，设备检修指导响应时间从4小时缩短至15分钟，招采文件审核效率提升70%，科研文献分析速度提高5倍。

5. 中国华电自主研发了“大模型智能体开发平台”，成功构建了覆盖“数据-训练-部署-应用”全链条的国产化解决方案，填补了电力行业大模型工具链的技术空白。其“华电智”大模型全球首创径流预测体系，使乌江流域水能利用提高率从近10年均值5.8%提升至10.8%，入选国务院国资委首批中央企业人工智能战略性高价值场景。华电还推出了“智筑”智能体开发平台、“智御”安全巡检智能体、“智赢”电力交易智能体、“智臻”经营分析智能体等五大核心产品。

6. 中国石油昆仑大模型于2025年2月完成DeepSeek私有化部署，新增“深度思考”模式，支持地震处理、油藏开发等21个专业场景，推理效率提升40%，并通过API接口赋能全集团智能体开发。

7. 中国石化3天内完成国产化算力部署，智能解析300+行业标准，优化甲醇精馏工艺后蒸汽消耗量降低10%，产品收率提升5%。

8. 中国海油“海能”平台部署DeepSeek-R1 671B完整版，海上平台设备故障诊断响应时间缩短60%，供应链管理效率提升35%。

9. 国家管网重构“蒸馏融合+Agent运营”新架构，在2.6万公里管网中实现智能调控，泄漏预警准确率提升至99.7%。

10. 中核集团核电站异常预警系统实现毫秒级响应，运维知识问答准确率达98.5%，计划停机时间减少15%。

11. 中广核辐射防护预警系统误报率降低80%，备件库存周转率提升40%，预计年节约运维成本1.2亿元。

12. 三峡集团工程管理平台接入DeepSeek后，混凝土浇筑合格率提升至99.3%，工程成本节约超3亿元。

4.2 科技公司赋能：平台型玩家的关键布局
除了能源集团自研，一批科技公司正以平台型AI Agent产品切入能源赛道，为算电协同提供关键的数字化基础设施。

1. 蚂蚁数科是这一赛道的重要玩家。2026年6月，蚂蚁数科在上海SNEC光伏展上正式推出「电力交易智能体」与「新能源运营智能体」，两款产品均基于自研智能体平台DTClaw开发。电力交易智能体融合了林洋30GW电站真实运营数据，打通从预测、策略生成、自动申报到风控复盘的全链路，实现7×24小时无人值守自主交易，人力成本下降60%以上，分析与策略生成速度提升20倍以上。新能源运营智能体在协鑫新能源的光伏场景中，将关键异常识别与反馈时间压缩至1分钟以内，端到端巡检与消缺效率提升50%-70%。蚂蚁数科的智能体平台Agentar已通过中国信通院可信AI最高评级（5级）认证，适用于能源集团AI原生应用等对安全性、合规性要求极高的核心任务。

2. 百度智能云在能源领域GenAI市场中渗透率位居行业第一。Omdia报告显示，在引入GenAI技术的能源企业中，百度智能云与华为云是最受欢迎的两大供应商。百度已构建起从自研芯片、AI云到模型、智能体应用的完整全栈体系。在具体落地中，百度与南方电网深圳供电局合作，基于千帆Agent Infra开发了配电网监视Agent和操作票审核Agent，实现了电网监视与操作票流程的智能化升级。百度智能云的“千帆大模型平台”为能源企业提供了从模型训练到智能体部署的一站式服务，大幅降低了能源行业AI应用的门槛。

3. 实在智能是AI Agent在能源办公与业务自动化领域的重要推动者。实在智能的核心产品——实在Agent智能体，定位为“AI+员工”的办公超自动化平台，其在能源行业的部署具有两个显著特点：一是轻量化、低门槛，无需改造能源企业现有IT系统，通过“屏幕语义理解”技术即可模拟人类操作，自动完成跨系统的数据提取、报表生成、流程审批等任务；二是场景适配性强，在能源财务对账、供应链数据采集、巡检报告自动生成等场景中展现出高效落地能力。在能源数字化转型的实践中，实在智能已服务多家大型能源集团，帮助客户将重复性人工操作时间压缩70%以上，在不大幅增加IT投入的前提下实现了办公流程的智能化升级。

4.3 小结：国产能源Agent的三大特征
综合来看，国产能源行业企业级Agent的发展呈现三大特征：

1. 央企引领，规模化落地。 以国家电网、南方电网、五大发电集团为代表的能源央企，不仅率先完成了大模型的部署与智能体的自研，更将智能体应用普及率、覆盖业务域数量等指标纳入战略考核，推动AI Agent从“技术验证”走向“规模化生产”。

2. 平台赋能，生态共建。 蚂蚁数科、百度智能云、实在智能等科技公司以差异化的平台型产品切入能源赛道——蚂蚁聚焦电力交易与新能源运营等高价值决策场景，百度提供从芯片到模型的全栈基础设施，实在智能则以轻量化、非侵入式的办公自动化能力服务能源企业的日常运营——共同为能源行业提供多层次的数字化能力支撑。

3. 场景深耕，价值闭环。 从电力交易到新能源运维，从管网调度到核电站预警，国产能源Agent正在从“通用对话”走向“专业决策”，在具体场景中实现可量化的ROI——人力成本下降60%以上、故障响应缩短至分钟级、交易收益提升5%以上——这些数据标志着AI Agent正在从“锦上添花”走向“雪中送炭”。
   {{image.png(uploading...)}}
   五、AI与能源的双向赋能机制
   5.1 能源赋能AI：绿电支撑算力
   能源对AI的赋能，核心在于解决两个“错配”。

4. 空间错配。中国东部地区算力需求活跃但电力资源紧张，西部地区绿电充裕但算力需求有限。“东数西算”工程正是通过国家算力枢纽的顶层布局，将高能耗的算力中心部署到中西部绿电富集地区，实现空间上的“算随电走”。

5. 时间错配。新能源发电具有显著的间歇性和波动性——光伏“看天吃饭”，风电“看风脸色”——而算力负荷要求的是持续稳定的电力供应。通过绿电直连、源网荷储一体化、储能配套等方式，将不稳定的绿电转化为可用的算力能源，是“算电协同”要解决的核心技术难题。

绿电直供模式下，算力中心还可获得更低价的电力，以更低的综合用能成本对冲芯片等硬件成本劣势，提升中国算力的整体竞争力。

5.2 AI赋能能源：算力反哺电网
反过来，AI也在深刻改变能源行业本身。

1. 算力作为灵活可调节资源。算力中心并非“死吃电”的刚性负荷。鼓励算力设施作为负荷侧灵活可调节资源参与电网运行，在用电高峰时压缩非紧急计算任务，在低谷时满负荷运行，可实现“削峰填谷”，提升电网的整体运行效率。

2. AI优化电力系统。电力资源的规划、调度与运维可借助AI实现更高水平的智能化。无论是新能源功率预测、电网故障诊断，还是电力市场交易决策，AI都在从“辅助工具”走向“自主决策”。东方证券研报指出，“电力AI Agent”广义上是指AI Agent在电力行业中的应用，可实时监测、分析、控制电力系统运行，优化电力生产、传输、分配和消费等环节。国家能源局已明确先期围绕构网型技术、虚拟电厂等七大方向开展试点，推动“电力AI Agent”在智能调度、算电协同等环节落地。

3. 构建正向循环。通过构建“算力辅助服务”交易市场、推出“算力消纳绿电”配额交易机制，形成“绿电使用越多，碳收益越高，算力成本越低”的正向循环——这正是《关于促进人工智能与能源双向赋能的行动方案》所描绘的愿景。

六、框架总结：中美路径对比与中国的破局逻辑
6.1 对比分析

6.2 中国的破局逻辑
中国的破局逻辑本质上是 “化被动为主动” ：美国是被动应对电力短缺，被迫在环评、并网、供电等方面不断妥协；中国则是主动将算力中心作为绿电消纳的“稳定负荷”，用AI的确定性用电需求对冲新能源的间歇性波动，同时用AI Agent的智能调度能力提升电力系统的运行效率。

在这一过程中，国产能源行业企业级Agent正在从“技术探索”走向“规模化落地”——国家电网的九大复合智能体、南方电网的2.2万个智能体、蚂蚁数科的电力交易与新能源运营智能体、百度智能云的电网智能体、实在智能的办公超自动化平台——它们共同构成了中国“算电协同”战略的技术底座。

未来全球AI竞争的关键，将从资源禀赋竞争转向 “能源—算力协同能力”的系统竞争。谁能在“算”与“电”之间建立更高效的协同机制，谁就能在AI时代占据先机。而中国正在用“绿电+AI Agent”的组合拳，回答这道时代命题。