算电协同：两大国家基础设施的双向赋能之路

算力与电力，是支撑我国经济社会高质量发展的两大核心基础设施。我们此前从国家战略布局、产业运行逻辑与落地工程实践三个维度，系统梳理了我国算电协同的推进脉络。

而在宏观框架之外，算电协同这一命题还有一个具体问题有待解答：当AI算力真正融入电网，摆在面前的技术难关有哪些，行业又在通过哪些方式逐一破解？本文将聚焦算力侧，从芯片自主、供电架构、算力调度到应用落地，梳理一条正在逐步成形的技术路径。

从一台AI服务器的能耗是家用空调的五六十倍。

当前吉瓦级AI数据中心已进入落地阶段，用电规模接近特大城市居民用电总量，算力爆发对电力供给提出极高要求。与此同时，我国新能源装机持续快速增长，《新型电力系统建设“十五五”规划》预计，未来五年年均新增并网规模仍将保持在2亿千瓦以上，相当于每年新增几十座三峡电站，高比例新能源接入让电网调度难度大幅提升。

算力需要稳定电力支撑，电网需要AI技术提升调度能力，二者协同已成为国家水网、新型电网、算力网、新一代通信网、城市地下管网、物流网“六张网”协同建设的重要组成部分，是检验基础设施协同落地成效的关键标尺。

国产芯片：筑牢“不能失守的底线”

谈AI赋能电网之前，有一个容易被忽略的前置问题：支撑AI系统的算力本身是否可靠？

这是一个微妙的循环，我们用AI来守护电网的确定性，可AI本身的算力，却一刻都离不开电网的确定性。如果智算中心因为电压暂降而宕机，电网调度系统会先“失明”；如果电网因为新能源波动而失稳，AI连预警的机会都没有。特高压线路上的毫秒级负荷波动就可能引发连锁故障，所以电网越依赖AI，AI的硬件底座就越不能有“卡脖子”的风险。

这正是国产自研芯片在能源行业加速落地的核心逻辑。据了解，以昆仑芯为代表的国内自研AI芯片在国家电网、南方电网的多个AI应用中实现规模化部署，为电网AI系统提供了可靠的硬件底座。对电网这样的关键基础设施而言，守住芯片自主权，才算守住了算力安全的第一道防线。

供电架构重构，破解“铜税”难题

芯片安全之后，摆在面前的是一道更具体的工程难题：电，怎么高效送进机柜？

以CPU为主的传统数据中心单机柜功率仅8—10千瓦，220V/380V交流供电完全够用，但AI服务器单机柜功率可达数十甚至数百千瓦，相当于将原本支撑整栋楼的供电功率，集中到单机柜中消耗。

行业给这个困境取了个形象的名字：“铜税”，电流越大，所需铜缆越粗，最终半个机柜空间都被线缆占用，算力卡反而放不下了。传统数据中心“高压→380V→220V→54V→12V”多级降压模式，每一级转换都在白白损耗能量，如此一来，供电效率只有85%。

行业给了一个新解法-800V方案：仅需一次降压即可进机柜，端到端供电效率从85%提升至90%。别小看这5个百分点的提升，放在吉瓦级数据中心规模下，每年省出的电量相当于一座中型电站的年发电量。

目前百度自研的瀚海800V直流电源已实现落地，配合液冷散热、定制化供电设备，形成了从电网输入到机柜末端的完整供电方案。AI基础设施建设已经从“能跑”向“高效、可靠、自主”升级。AI基础设施，正逐渐从“能用”迈向“好用”。

双调度协同，打通算电联动的任督二脉

供电问题解决后，另一道隐性难题随之而来：算力如何响应电网的实时调度需求？

新能源发电忽高忽低，电网需要有人帮它“削峰填谷”。之前为了解决这个问题行业大力发展储能，但成本也随之上升，现在轮到AI算力尝试解决这个问题了。

要知道，电网调度的“毫秒级窗口”，传统算力很难接住。新能源出力突发波动，比如一片云飘过光伏电站，出力可能在几秒钟内骤降，系统必须在毫秒级时间窗口内完成“预测→分析→决策→指令下发”全流程。但传统数据中心的算力是分散的，服务器各自为战，任务排队、通信延迟，哪怕AI模型的预测精度再高，等它算完结果，电网的“黄金干预窗口”早就过了。而错过这个窗口，调度指令就失去了价值。

针对这一问题，行业的破解方向是算力集群化调度：将分散的算力资源纳入统一调度体系，实现芯片、网络、存储协同工作，具备高并发、低延迟任务承接能力。这一逻辑与电网调度非常相似，电网是统一调度电源、负荷、储能，算力调度是统一调度计算资源，两套调度体系形成协同，算电联动才能从概念走向落地。

百度天池超节点正是这一方向的实践样本，通过大规模算力集群化调度，为电力场景AI模型提供毫秒级响应的运行环境，让算力真正具备了参与电网实时调控的能力。

场景落地，从“实验室”走进“生产一线”

技术链路的打通最终要靠真实生产场景检验。据权威调研机构Omdia公开发布的《2025年上半年中国能源领域GenAI市场格局》报告显示，百度智能云是目前最受能源企业青睐的生成式AI服务商，市场渗透率居行业首位。另据媒体公开报道，百度智能云已为近80%的央企提供相关技术服务。在电力领域，相关技术能力已转化为实际生产成效，算电协同模式已在大电网安全稳定运行、新能源消纳、基层运维效率提升三大核心场景落地应用。

国家电网：从“事后处置”到“事前预判”。传统大电网调度依赖人工研判，预警响应以分钟计，极端天气下反应窗口极其有限。百度智能云参与建设的国网“光明大模型”是国内首个千亿级电力行业大模型，目前110B语义模型已部署25个省公司，覆盖设备故障诊断、配网负荷转供等数十个场景；40B多模态模型已在超10个省公司上线，支撑无人机巡检、变电站智能巡视，推动大电网运营从“出问题再查”转向“提前感知、主动应对”。

南方电网深圳供电局：从“人工盯屏”到“7×24小时自主决策”。 深圳供电局调度中心年均处理20万+条告警信号，传统模式下调度员需24小时人工盯屏，信号研判与操作票审核高度依赖个人经验，稍有疏漏便可能酿成事故。南方电网深圳供电局联合清华大学、百度智能云，基于千帆Agent Infra开发配电网监视Agent与操作票审核Agent，联合发布国内首个城市电网调度场景大模型“天璇-灵曦”：电网监视效率提升92%，告警后1分钟内完成研判；操作票AI审核准确率≥98%，审核时长压缩至100秒内；75名数字员工已覆盖生产运维、市场营销等环节，推动电网调度从“人工经验驱动”迈向“智能自主决策”

算电协同，六网同建的第一场大考

两个一线案例印证了同一个逻辑：AI要跑进电网，靠的不是单项技术“单点开挂”，而是芯片、供电、调度、应用全链路打通。

这也是国家“六网同建”最核心的考验。六张网一起建，比的不是谁跑得更快，而是能不能互相“听得懂、接得上、调得动”。建电网要提前考虑算力中心布局，建算力中心要同步配套新能源和储能，建通信网要为跨区域调度留足带宽。没有哪张网能“独立行走”。

产业已经动起来了。从芯片自主、供电升级，到算力集群调度、行业大模型落地，各方正在把能力嵌入算电协同的框架中。供需逻辑清晰、技术闭环可量化、国网南网的真实场景正在做压力测试——算电协同天然就是六网同建的第一个试验场。

回到最初的问题：AI算力越来越强，靠什么运转？答案还是电。但今天的答案已经不只是“把电缆拉到机房”——它要求电、算力、通信协同运转，让每一度电和每一次计算流向价值最高的地方。而管好这些电的，也越来越是AI自己。

文丨本报记者 王长尧