算电协同正面临“不可能三角”

界面新闻记者｜蒋习

“算电协同正面临一个‘不可能三角’：安全充裕、绿色低碳、经济高效。”

近日，在“算电协同：挑战、机遇与发展趋势”主题论坛上，国网冀北电力经济技术研究院高级专家岳昊作出上述表述。

他指出，算电协同涉及电网公司、算力用户和算力运营商三方主体，各方的核心诉求各不相同。

算电协同面临的“不可能三角”挑战。图片来源：New Energy Nexus

首先是安全充裕问题。

岳昊表示，数据中心对电力稳定性的要求极高。毫秒级的电压中断就可能导致大模型训练中断、模型参数损坏，造成数百上千万元的损失。据亚马逊云估算，中断一分钟的直接损失可达500万美元。

在电力充裕性方面，数据中心建设周期通常为12个月，而电力基础设施从规划到建成需要3-5年。“若周期不匹配，可能导致数据中心无法并网。”岳昊指出。

此外，智算中心发展的“三高”特征——高功率、高容量、高波动，也为电力系统带来新的安全风险。

其次，绿色低碳维度同样压力重重。

在电力侧，新能源高速增长带来消纳压力。据岳昊会上提供的数据，今年1~2月，风电利用率约91.5%，光伏约90.8%。同时，电力市场全面入市，部分地区出现负电价，发电企业收益承压。

国网冀北经济技术研究院高级专家岳昊。拍摄：蒋习

另一方面，新能源汽车、数据中心等新型基础设施对绿色电力的需求十分迫切。政策层面也已明确提出，国家算力枢纽节点新建数据中心的绿电消费比例须达到80%。据岳昊预测，数据中心绿电需求的年复合增长率约为19%。

然而，当前绿电交易存在溢价，数据中心的主要诉求是降低成本，不愿为绿色属性额外付费。

同时，东西部资源错配问题突出，东部算力需求集中，但绿电供应紧张。新能源出力的波动性与数据中心刚性负荷之间也存在结构性矛盾。

上述因素共同导致了当前绿电消费不足的局面。

最后，经济高效维度同样存在难题。

当前部分数据中心以规模为导向，对市场需求调研不足，导致达产率偏低。岳昊指出，西北地区的数据中心负荷发展到第五年，达产率也仅有30%，供电设备利用率偏低。

与此同时，电力需求预测难度加大。“未来算力需求增长的不确定性很大，高、低方案可能相差一两倍，给电网规划带来挑战。过度超前规划可能造成电网资产浪费和电力成本上升。”他表示。

此外，在算力侧，单机柜功率突破250kW后，现有UPS及供配电系统成为供电能力瓶颈，难以满足更高功率需求。传输电流增大导致供配电系统损耗增大约60%。

岳昊同时指出，现有供配电系统容量约2400kW时，机房因供配电设施占用的空间将超过70%，损耗显著增加。

面对三重困境，“算”和“电”究竟如何实现真正的协同？

岳昊表示，大厂和三大运营商如今在算力“调配”上技术已十分成熟，能将算力资源按需分配给不同用户。

电力系统所希望的“调节”，则是让算力任务在时间或空间上发生转移：比如从新能源出力小的时段转移到出力大的时段，或者从迎峰度夏期间电力保供紧张的地区转移到相对宽松的地区，去主动适应电力系统的需要。这种“调”的难度要大得多。

岳昊指出，目前国内这类试验项目逐渐增多，但大多仍停留在实验阶段，经济驱动力不足是核心瓶颈。“即便参与虚拟电厂、峰谷分时电价，所获收益也往往难以覆盖算力可靠性下降带来的风险，账算不过来。”

他同时补充，如果大厂或运营商对ESG评级、企业社会责任刚性需求，则可能愿意为了消纳绿电或利用新能源大发时段的低电价，而主动进行负荷调节。

在前述论坛的专家讨论环节上，清华大学能源互联网创新研究院副主任刘志则从微观组织层面揭示了另一重障碍。他在与某大型互联网公司合作的项目中发现，跨部门协同非常困难。

“算电协同：挑战、机遇与发展趋势”主题论坛的专家讨论环节。拍摄：蒋习

“电力团队需要把任务反馈给算力运营团队，对方会问：值不值得做？会不会影响客户和稳定性？收益有多少？如果电费成本可忽略不计，他们就不愿冒风险。”刘志表示，电力部门在大厂内部往往并非强势部门，无法指挥算力调度。他指出，算电协同先要打破部门间的壁垒。

阿里云能源行业首席架构师黄振提出了一条更为务实的实施路径：从零碳园区的微电网场景切入。

他指出，园区既是能源的生产者，也是算力的消费者。部分算力需求可以灵活推迟至夜间处理，这种柔性只有在信息末端才能被感知。一旦感知能力增强，算力负荷转变为柔性可调的负荷，就完全可以在小范围局部内率先跑通模式，待技术验证可靠、运营成熟之后，再逐步向更大范围推广。

AI的发展也提供了“算”优化“电”的新的可能。

黄振指出，未来使用算力的主体将不全是人，大量AI智能体也将成为算力的消费者。

与此同时，算电协同的思路不是直接调度物理算力，而是去调度那些使用算力的AI智能体，看它们能否接受一定程度的延迟。

他表示，这中间需要一个类似“翻译”的调度层，在接收到延迟信号后，在算力网络中实现优化调度。通过这种方式，未来的增量算力有望被塑造为一种可调度的柔性资源。