大风热搜网2026年5月，一份名为《关于促进人工智能与能源双向赋能的行动方案》的文件正式发布。这份由国家发展改革委、国家能源局、工业和信息化部、国家数据局四部门联合印发的文件，并非简单的行业指导，而是标志着“算电协同”已从地方试点和行业探索，正式跃升为国家顶层战略。
这背后传递的信号十分明确：在人工智能（AI）时代，算力与电力的关系不再是简单的“供电”与“用电”，而是要构建一个“能源赋能AI、AI反哺能源”的闭环生态。这不仅是为了解决AI发展的能源瓶颈，更是为了将我国在能源领域的产业优势，系统性地转化为数字经济的全球竞争优势。
从“东数西算”到“算电协同”：一场战略升级
要理解“算电协同”的重要性，可以先回顾一下“东数西算”工程。
“东数西算”在2021年至2023年间，为我国算力与能源的跨区域协同搭建了空间框架，解决了“算力在哪里建”的问题。而到了2024年，政策开始转向“量化硬约束”，明确要求新建数据中心的绿电使用比例，首次在国家层面提出“算力电力协同”的概念。
如今，随着《行动方案》的出台，“算电协同”被正式写入《政府工作报告》，成为与超大规模智算集群并列的“新基建工程”。这意味着，国家正在下一盘更大的棋：不仅要规划算力的布局，更要从根本上解决算力发展的能源问题，实现从“物理搬迁”到“深度融合”的战略升级。
根据规划，到2027年，我国将初步构建起安全、绿色、经济的算力能源保障体系；到2030年，人工智能与能源的双向赋能将取得显著成效，相关技术应用达到世界领先水平。
为什么必须“算电协同”？三大矛盾亟待破解
“算电协同”的紧迫性，源于当前AI产业爆发式增长与能源供给之间存在的三组深层矛盾。
空间上的错配
我国的算力需求和绿电资源分布呈现“逆向”格局。东部地区，如长三角、珠三角，数字产业发达，AI训练、在线交互等算力需求占全国七成以上，但电力资源紧张，电价高昂。反观西部，内蒙古、甘肃、贵州等地风光水等绿电资源丰富，电价低廉，却因本地产业基础薄弱，大量绿电无法被有效消纳。
时间上的错配
风电、光伏发电具有天然的波动性和间歇性，白天有光、有风时发电量大，夜晚或无风时则骤减。而AI大模型训练、数据中心运转等算力任务，需要7×24小时不间断的稳定电力供应。这种“刚性需求”与“柔性供给”之间的矛盾，给电网带来了巨大挑战。
消纳上的矛盾
截至2025年底，我国风电、光伏装机容量合计已占全国总装机的47.3%，但实际发电量占比仅为22%。这意味着大量新能源电力被“弃用”。而数据中心作为年运行超8000小时的稳定负荷，恰好可以成为一个巨大的“海绵”，吸纳这些可能被浪费的绿电。
构筑中国AI的全球成本“护城河”
AI竞争，表面上是算法和芯片的比拼，底层实则是能源系统的较量。电力成本在算力中心的运营成本中占比超过50%，因此，谁能获得更稳定、更廉价的绿电，谁就掌握了竞争的主动权。
在这方面，中国拥有显著的结构性优势。
地区 工业电价 (元/千瓦时) 备注
中国西部 0.3 – 0.4 绿电富集区，成本优势显著
中国平均 0.6 – 0.7 –
美国主要地区 0.5 – 0.8 如北弗吉尼亚、硅谷
德国、爱尔兰 1.2 – 2.0 欧洲普遍电价较高
按生成100万词元（Token）耗电约0.1至0.3千瓦时测算，在中国西部进行算力训练的电力成本，比欧美地区低30%至50%。这种由能源体系带来的成本优势，正成为中国AI产业在全球竞争中一道坚实的“护城河”。
“绿电直连”：从蓝图到现实的生动实践
《行动方案》大力鼓励“绿电直连”等创新模式，旨在让绿电不经公共电网迂回，直接输送到数据中心，实现能源与算力的精准匹配。目前，这一模式已从理论走向现实。
内蒙古赤峰：腾讯云与远景集团合作，建成了全球首个100%绿电直供的数据中心。该项目通过风电、光伏直接供电，实现了综合能源成本降低超40%，每年可减少碳排放约18万吨。
宁夏中卫：采用“光伏直连+风电交易+电网备容”的聚合供应模式，为数据中心提供稳定、低成本的绿电。
安徽：成功完成了“算电协同”填谷调度测试，将合肥的实时算力任务转移至淮北，有效提升了当地绿电的消纳能力。
总而言之，《行动方案》的出台，意味着中国正在构建一个将能源、算力、数据、模型等要素高效协同的超级基建。这不仅是为了给AI产业提供绿色动力，更是为了通过“电转算力、算力生成价值”的模式，将一度电的数字价值最大化，从而在新一轮全球科技竞争中抢占制高点。
