一边疯狂吃电，一边疯狂降碳，算电协同怎样扭转数据中心的 “耗电黑历史”？

编者按：

大模型浪潮席卷之下，AI 算力迎来爆发式增长，数据中心从数字经济的幕后底座，走到能耗争议的聚光灯下。高密度智算集群带来算力跃升的同时，也推高电力消耗，算力扩张与低碳发展之间的矛盾，成为整个产业绕不开的现实考题。过去行业降碳更多聚焦制冷、硬件能效等单点技术，而在 2026 绿色算力大会上，中国信息通信研究院发布的《绿色算力发展研究报告》给出全新方向：算电协同正在打破传统思维，推动算力基础设施从单纯的电力消费者，转变为电力系统的柔性调节参与者。算电协同不是简单把绿电接入机房，而是打通算力调度与电力供给的双向链路，让算力任务跟随绿电的潮汐节奏动态流转。当算力不再一味追逐 7×24 小时满负荷运转，数据中心的低碳转型，也就找到了真正可规模化落地的解题思路。

算电协同

让算力跟着绿电的潮汐起舞

很长一段时间，大众对数据中心的固有印象，是彻夜轰鸣的机房、不停转动的散热风扇，是不折不扣的 “能耗大户”。AI 时代这一标签被进一步放大，智算集群单机柜功耗持续攀升，万卡级智算中心一年耗电量可以抵得上一座 20 万人口规模县城的居民用电规模。权威机构测算，到 2030 年我国算力用电量有望达到 8000 亿千瓦时，约占全社会用电量的 6%，算力已经成为拉动全社会用电增长的核心变量。

一边是 AI 大模型无休止的算力渴求，服务器昼夜不停 “疯狂吃电”；另一边是双碳目标下，减碳压力层层传导。过去行业的节能路径，大多集中在硬件层面：升级服务器芯片、优化液冷制冷方案、压低 PUE 数值，把每一度电更多留给计算本身，减少制冷配电的无效损耗。这套逻辑固然有效，但也存在天花板。当算力需求指数级膨胀，仅仅依靠设备本身的能效提升，很难抵消算力规模扩张带来的总能耗上涨。硬件决定一度电可以算得多快，而算电协同决定这一度电，是不是来自清洁的风光水电。这也是《绿色算力发展研究报告》着重强调的核心观点：绿色算力已经从单一设备节能，迈向算力、电力、网络、应用全链条协同的新阶段。

算电协同，通俗来讲就是打通算力调度平台与电力调度体系，实现 “荷随源动”，把非实时、可延后的算力任务，向绿电充裕的时段和区域倾斜。光伏正午大发、风电夜间满出力的时候，放开算力任务全力运算；电网用电尖峰、绿电出力不足的时刻，主动压缩非紧急算力负载，优先保障实时业务稳定运行，实现算力既 “算得动”，又 “算得绿”。

内蒙古和林格尔的算电协同示范项目，已经把这套模式落到实地。华电落地的全国首批算电协同示范项目一期完成并网直供，每年向数据中心输送超 7 亿度绿电，风电光伏的电力通过专线直送服务器机房，不再经过复杂的中转电网损耗。调控中心的调度大屏上，风电、光伏的出力曲线和算力负载曲线实时联动，结合气象预测完成毫秒级调度决策，风光大发阶段充分释放算力，发电波动时依靠储能平滑兜底，当地数据中心可再生能源使用率提升至 88%，在算力规模高速扩张的同时，把碳排放牢牢控制住。

青海也完成了具有里程碑意义的跨省算力调度实战验证。用电高峰的江苏无锡，将一批不追求毫秒级时延的仿真、渲染、模型预处理任务，迁移到光伏发电处于高峰的青海超算中心执行。用电尖峰压减算力负荷，绿电波峰加大任务吞吐量，一次调度就实现绿电消纳近千千瓦时，印证算力可以作为电网柔性可调节资源参与削峰填谷，算电协同不止是降碳工具，同样具备实实在在的商业价值，跨区域的算力调度，同时对冲东部高峰电价与西部绿电富余两大矛盾点。

算电协同的本质，不是让算力迁就电力，而是让算力与新能源双向成就。

当然也要客观看到，算电协同落地依旧存在现实门槛。并非所有算力任务都可以随意迁移，在线推理、实时交互类业务对时延要求极高，无法随意错峰运行，只有模型训练、渲染、数据分析、批量预处理这类离线任务，才能充分享受绿电错峰红利。同时，跨区域算力调度，离不开全国一体化算力网络的网络带宽、时延保障，算力平台与电力系统的数据接口、交易机制、考核标准，都还处在持续完善的阶段。《绿色算力发展研究报告》也直言，当前算电协同已经从概念走向试点实践，但规模化复制，还需要政策、电网、算力运营商、应用企业多方打通壁垒，不能只依靠单一主体发力。

智能运维新变量

具身智能巡检，把降碳落到机房的每一寸空间

如果说算电协同解决的是算力 “用什么电” 的宏观命题，扭转数据中心的 “耗电黑历史”；那么机房内部的自动化智能运维，则解决 “电怎么省” 的微观命题。数据中心的能耗，不只有服务器计算消耗，制冷、配电、巡检运维相关设备，同样持续产生能耗损耗。传统数据中心高度依赖人工巡检，面对上万台服务器密布的高密度智算机房，人力巡检存在巡检频次有限、人为疏漏、巡检路径带来额外照明空调损耗等现实短板，故障发现滞后，间接拉高整体能耗与运维成本。

在 2026 绿色算力大会的专题成果发布环节，“灵御” 具身智能工具巡检机器人正式亮相，为高密度智算中心的自动化运维提供新的硬件解法，也成为绿色算力技术矩阵中重要的一环。不同于普通轨道巡检机器人只做简单图像采集，这款具身智能巡检机器人搭载多模态感知、力控机械臂、全向移动底盘，不只是 “看” 机房，还可以完成部分物理层面的工具操作。双目超广角相机实时采集机柜、配电设备、散热单元的图像、温度、声学数据，自主规划巡检路线，7×24 小时不间断完成机房全域巡检，精准定位局部热点、风扇异常、配电端子发热等隐患，提前规避设备故障带来的额外能耗抬升，把故障消除在萌芽阶段。

传统人工巡检，需要频繁开启机房局部照明，人员进出也会带来冷热空气对流，扰乱机房精密空调的温控平衡，间接增加制冷系统的负荷。机器人自主巡检模式下，可以减少人员进入机房的频次，压缩非必要照明开启时长，稳定机房冷热环境，间接降低制冷系统的工作压力，从细节处压低 PUE 数值。在高密度 AI 智算机房中，单机柜功耗动辄数十千瓦，局部热点一旦出现，会迫使整排机柜提升制冷功率，一处微小隐患，就会带来整片区域能耗的无效上涨，自动化巡检的价值在此被进一步放大。

数据中心的低碳转型，不止发生在能源调度大屏，也藏在机柜缝隙、端子接口这些最细微的物理角落。

但机器人巡检，并不是简单替代人工，而是 “人机协同” 的新型运维模式。面对复杂故障处置，依旧需要工程师介入，机器人承担高频重复、高风险的常态化巡检工作，把人力释放到故障处置、策略调优等高价值工作。结合机房数字孪生平台，巡检机器人采集的海量物理数据，会同步输入运维大脑，和算电协同调度平台形成联动：当巡检发现局部散热异常，系统可以同步评估对应机柜算力负载，结合绿电出力情况，动态调整算力分配与制冷策略，形成 “硬件巡检‑风险识别‑算力调度‑能效优化” 的闭环。

如今国内东数西算各大枢纽节点，液冷、自然冷却、智能运维、余热回收各类节能技术已经大规模铺开，国家枢纽节点数据中心 PUE 普遍下降到 1.2‑1.3 区间，部分标杆项目已经做到 1.1 附近的优秀水平。但硬件技术红利正在逐步收窄，单纯比拼 PUE 的时代已经过去。《绿色算力发展研究报告》提出，绿色算力的评价体系，已经从单一的 PUE 指标，转向设备能效、载体节能、算电协同清洁性多维度综合评估，自动化运维装备，就是完善算力载体绿色化的重要抓手。硬件节能、智能运维、算电协同三者不是互相割裂，而是层层递进：设备决定基础上限，智能运维守住运行底线，算电协同优化能源结构，三者叠加，才可以真正实现数据中心全链路降碳。

结 语

AI 产业高速向前奔跑，算力的需求不会停下脚步，我们无法靠压制算力发展实现低碳，真正的出路，是让算力变得更加 “聪明”。从过去拼命堆规模、拼算力，到如今拼能效、拼算电协同能力，整个产业的价值取向正在发生深刻转变。算电协同带来的改变，远不止是洗刷掉数据中心 “能耗大户” 的黑历史，它构建起一套全新的产业逻辑：算力不再只是单纯消耗能源的生产工具，同时也可以成为新型电力系统的柔性调节单元，实现 “以电强算，以算促电” 的双向循环。

当然我们也要清醒认识，算电协同距离大规模普及还有很长的路要走。调度接口打通、跨主体利益协调、任务迁移的业务适配、配套市场机制完善，每一项都需要产业界持续摸索。绿色转型也不是某几家头部企业的独角戏，从算力运营商、云厂商、大模型企业，再到电力企业、软件服务商，整条产业链都需要参与进来。大模型企业在应用侧多做任务分层，区分实时业务和可错峰离线任务；算力运营商打磨算电协同调度平台；电力侧完善绿电交易、算力负荷调节的配套机制。多方同向发力，才能把试点项目的经验，复制到千千万万的数据中心。

AI的未来，不只有算力的高度，更要有绿色的温度。