北京
“AI的尽头是算力，算力的尽头是电力”——这句在科技界广为流传的判断，正从行业共识走向产业现实。
2026年《政府工作报告》首次将算电协同纳入新基建，“十五五”规划亦明确“大力发展新型储能”。算力与电力的深度融合，正在成为数字新基建的核心命题。海博思创也将算电协同列为未来重点布局的场景之一。
一个高价值场景的诞生
算力中心为何成为储能企业重点布局的方向?海博思创创始人、董事长、首席执行官张剑辉提出两大核心逻辑：用电增长快、电价承受度高。
从用电负荷来看，算力中心是未来五年增速最快的领域。据估算，到“十五五”末，算力中心用电将占到全社会用电的8%以上。预计2030年，数据中心电力负荷达1.1亿千瓦、年耗电量5257亿千瓦时，其中绿电需求约4200亿千瓦时。
“一旦出现杀手级的C端或B端应用，用电将呈指数级增长。”张剑辉判断，未来五年内，算力中心场景的储能需求甚至有望超过传统的独立储能。
从成本容忍度来看，算力中心用电成本在总投资中占比相对有限。以 3000P 算力中心为例，服务器投资约10亿元，年用电量不足1亿度。相较于硬件投入与算力产出，电价边际波动对整体运营成本影响较小。这意味着，相较独立储能，算电协同场景可为储能电站带来更可观的盈利空间。
如何实现真正的算电协同
当前，不少项目被称为“算电协同”案例，但本质上仅是在绿电富集区建设算力中心，使用低成本绿电，并非严格意义上的算电协同。
真正的算电协同，建立在一个重要前提之上：部分算力需求可延时满足。大模型训练、科学计算、影视渲染、数据挖掘等任务，具备可调度特性。基于这一特性，算力中心可在电价低谷时段满负荷运行，在电价高峰时段降载或错峰运行，实现算力负荷随电价灵活调度。
另一方面，储能作为“时间搬运工”，可将风电、光伏等低价电量存储起来，在算力高峰时段释放，把低成本绿电转化为高价值算力输出。算力与电力由此实现时空双重优化配置。
张剑辉表示，真正的算电协同，应实现电力随算力需求动态调度、算力随电力供给灵活响应，通过预判与自主调节，实现“算随电走、电随算调”的双向协同。
未来，依托储能系统的灵活调节功能，可实现电能与算力的价值转化。我国绿电富集区域有望成为 “算力输出基地”，成为重要的经济增长引擎。
算电协同解决方案
未来，储能将不再局限于应对突发断电的备用电源，而是成为支撑算力中心稳定、经济、绿色运行的电力架构核心调度单元。针对差异化需求，海博思创形成了发电侧配储、机房侧配储两大解决方案。
发电侧配储以绿电直连与储能配置为核心，可满足算力中心80%—90%的绿电消纳需求，同时降低综合用能成本。
机房侧配储聚焦高端算力对电能质量的严苛要求。尤其是面向AI推理的算力场景，其功率变化速度快、波动幅度大，对供电的连续性与稳定性提出了更高标准。
算电协同的最终目标，是构建“新能源+储能+数据中心”的一体化协同发展模式。储能通过锁定风光新能源的弃电与现货低价电，在绿色转型、经济性、供电可靠性三方面实现综合提升。
AI的反向赋能
算电协同并非储能对算力的单向支撑，反之，算力也在为储能产业赋能。
目前，海博思创已将AI技术应用于储能电站的项目规划、产品设计、安全预警、故障预测、运维及电力交易等全生命周期。在运维阶段，AI可以实时生成多维度的性能评价，实现自动故障预警，自动生成解决方案，指导现场准确高效解决问题，守护电站安全。
电力交易是 AI 深度赋能的另一重要场景。依托海量运行数据，系统需每日预测节点电价走势，综合考虑新能源出力、气象、电网阻塞、市场报价策略等多重变量进行决策。
传统模型已难以适配复杂决策需求，通过 AI 持续迭代推演，可显著提升交易策略精度与电站收益水平。“AI 驱动的电力交易能力，已经成为公司核心竞争力之一”，张剑辉说。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
