环球能见度|当能源部长们开始讨论AI，看懂这份共识文件背后的全球新议题

来源：环球网

【环球网报道 记者 陈超】近期，第16次亚太经合组织（APEC）能源部长会议在北京闭幕。会议通过《APEC人工智能与能源双向赋能政策推荐（2026—2030）》，这是APEC首份聚焦“人工智能+能源双向赋能”的共识文件，并一致同意在APEC能源工作组下新设“人工智能+能源”专项任务组。

能源部长们开始坐在一起讨论AI，释放出的一个明确信号是：随着算力需求快速增长，AI与能源的关系已经从单纯的“用电”问题，延伸至电力系统、能源基础设施和产业竞争力。

APEC能源工作组主席单卫国认为，随着数字经济发展、人工智能加速渗透、电气化水平持续提升以及全球能源格局深度演变，能源问题早已超越单纯的资源开发和供给保障，成为关乎经济增长、科技创新、产业竞争力乃至区域治理的核心议题。未来能源体系建设的核心，不只是扩大供给，更在于形成复合型综合运行系统。

换句话说，过去AI产业竞争主要围绕芯片、模型和资本展开，如今竞争正在向一条并不显眼、却越来越重要的基础设施链延伸：电源、变电站、电网、储能，以及协调这些资源与算力运行的系统。

这笔能源账，正在进入AI产业的利润表。

AI正在撞上一道“电力墙”

这道“墙”有多高？

Gartner预计，2026年全球数据中心电力消耗将达到565太瓦时，同比增长26%；国际能源署（IEA）则预计，全球数据中心用电量到2030年将接近950太瓦时，较2025年接近翻番。AI将成为这一增长的重要驱动力。

宏观经济研究员逄锦华认为，当前AI基础设施扩张与能源基础设施建设之间存在明显的时间差。全球电网投资规模虽然已经达到数千亿美元，但电网建设仍需要较长周期。他在接受采访时说：“芯片可以一年迭代两代，电网不行。”

澳洲会计师公会华东和华中区委员会会长金科则从产业成本角度解释了这一变化。在他看来，如果将AI生成的词元(Token)视为最终交付的数字产品，那么算力、电力和数据中心基础设施共同构成了生产这类数字产品的“产线”。金科指出：“芯片决定能不能造高端算力，电力决定能造多少算力，全国性能源体系决定算力能否长期稳定、低成本量产。”

对于AI企业而言，能源问题最终要算三笔账：有没有足够的电，电能不能及时拿到，以及这度电究竟多少钱。

美国：电网跟不上，企业开始自己找电

这种变化在美国表现得尤为明显。

高盛预计，美国数据中心容量到2027年底将达到约95吉瓦，较2025年底水平增加两倍以上；但电力基础设施的建设速度并没有同步提升。

摩根士丹利测算，2025至2028年间美国数据中心累计电力缺口达49吉瓦；美国银行更悲观，认为到2030年缺口将扩大至100吉瓦。

这意味着，对于一些正在加速建设的数据中心而言，问题已经不再只是“有没有项目”，而是“项目建成后什么时候能通上电”。

美国关键电力设备的供应紧张也进一步放大了这一矛盾。路透社今年7月报道，部分高压变压器交付周期已经达到160周。美国电力基础设施建设因此不仅受制于并网审批，也受到设备供应和建设周期约束。

美国Grid Strategies总裁Rob Gramlich此前接受《财富》杂志采访时也指出，科技公司建设AI基础设施的速度，已经快于美国新增发电和输电设施的建设速度。

于是，一种此前并不主流的办法开始进入更多AI基础设施项目：把部分电力供应放到数据中心自己的“表后”。

所谓“表后供电”，并不是简单地与公共电网彻底脱离，而是将发电、储能等资源布置在用户电表之后，使数据中心能够在接入公共电网之外获得部分现场供电能力。近年来，美国一些AI数据中心开始采用现场燃气发电等方式，以缩短等待公共电网接入的时间。

SemiAnalysis最新能源模型追踪显示，目前AI算力表后供电供应链中已有约75吉瓦的firm、binding订单，其中约20吉瓦在2026年第二季度形成。该机构此前还预计，到2028年，表后供电可能成为美国新增AI数据中心电力容量的重要来源。

这类模式解决的是“速度”问题，但也带来了新的成本、燃料供应和碳排放问题。

能源成本甚至已经开始进入美国政策讨论。9月16日，美国众议院以417票赞成、3票反对通过一项相关法案，要求州级公用事业监管机构确保数据中心承担新增电力和输电基础设施成本。对数据中心而言，未来需要支付的可能不只是服务器和机房成本，还包括为新增负荷配套建设的能源基础设施。

与此同时，9月16日美联储将联邦基金利率目标区间上调25个基点至3.75%—4%。对于数据中心、发电和输变电设施这类资本密集型、建设周期较长的项目而言，融资成本同样成为需要计算的变量。

中国：从“找电”转向“算电协同”

美国面对的是“电在哪里、什么时候能接上”，中国近年的探索则更多是在解决另一个问题：如何让算力布局与能源资源布局提前匹配。

先看能源底座。2025年，中国可再生能源发电装机达到23.37亿千瓦，占全国总装机的60.1%；全年新增可再生能源发电量5193亿千瓦时，覆盖同期全社会用电增量5161亿千瓦时。

进入2026年，这一趋势仍在延续。截至7月底，全国光伏发电装机容量达到12.86亿千瓦，首次超过12.85亿千瓦的煤电装机，成为我国装机规模最大的电源品类。

算力布局也在发生变化。国家数据局数据显示，截至2026年7月底，全国智算总规模达到245万PFLOPS，八大国家算力枢纽和三个算电协同发展区已建成智算规模占全国比重超过85%。

这背后的逻辑，不只是“哪里有电就在哪里建数据中心”，而是把电力资源、算力资源和网络资源放到同一张布局图上。

2026年政府工作报告提出，实施超大规模智算集群、算电协同等新基建工程。国家发展改革委、国家能源局发布的《新型能源体系建设“十五五”规划》进一步提出，加强大型新能源基地与国家算力枢纽协同布局，推动以电强算、以算促电。

空间上的匹配已经出现具体案例。

在宁夏中卫，我国首个大规模算电协同绿电直供项目已经投运。中国大唐中卫云基地50万千瓦光伏电站通过专属输电线路向算力园区供电，并配套储能等设施；项目一期由50万千瓦光伏和150万千瓦风电组成，全面投运后预计每年可满足中卫云基地22.9亿千瓦时用电需求。

在内蒙古乌兰察布、甘肃庆阳等地，围绕新能源资源和算力产业协同布局的实践也在持续推进。

中国石油（北京）数智研究院规划中心业务总监、高级研究员付贺松表示，面对算力快速增长带来的新增用电需求，能源行业一方面要做好绿色供能，另一方面也可以借助AI大模型优化能源调度和新能源消纳能力，形成算力、电力和绿色能源之间的循环。

中国石油勘探开发研究院数字和信息化部副主任张弢则认为，未来算力竞争不仅是技术竞争，也将越来越体现为稳定、低碳、经济的能源保障能力竞争。

金科则将这种差异概括为中国的能源与算力协同能力。在他看来，中国拥有较大的发电规模、特高压输电和跨区域调度能力，西部风光水资源也为“算力跟着绿电走”提供了条件。

能源，最终会算到哪里？

当算力与能源开始绑定，储能的位置也随之发生变化。

过去，储能更多被视为新能源、电网调峰等场景下的配套设施。对于AI数据中心而言，它还承担着另一项任务：在电力系统出现瞬时波动、可再生能源出力变化或者峰谷电价切换时，为高密度、连续运行的算力设施提供缓冲。

这也是为什么此次APEC相关成果提出，要协调规划AI算力基础设施与能源基础设施，并通过备用系统、电网稳定机制和需求侧响应等方式提高能源系统韧性；部长联合声明还提出发展具备可靠电源、灵活可调资源和储能的下一代电力系统。

对于储能企业而言，这意味着AI数据中心可能成为一个新的应用场景。但与传统储能相比，算力基础设施对于供电可靠性、电能质量和响应速度的要求更高，产品和系统集成能力也需要同步提高。

金科认为，如果把词元视作数字产品，芯片、算力、电力和数据中心就构成了一条完整的数字生产线。对于需要大规模训练和推理的模型而言，电力不再只是后台支出，而是影响算力产能和词元成本的重要生产要素。

因此，过去围绕GPU、模型参数和资本投入展开的AI竞争，正在进一步向电源、输变电设备、储能、算力调度等环节延伸。

APEC共识文件背后的新产业机会

这次第十六次亚太经合组织能源部长会议通过的《APEC人工智能与能源双向赋能政策推荐（2026—2030）》，是APEC首份聚焦“人工智能+能源双向赋能”的共识文件，既明确能源系统对算力基础设施的支撑保障作用，又强调人工智能对提升能源系统效率、增强能源系统韧性的赋能价值。

从产业角度看，围绕AI与能源的结合，至少有三个变化值得关注。

一是算力配套储能。储能可能从新能源配套设施进一步进入高可靠性算力基础设施体系。

二是灵活电源和智能微电网。随着部分数据中心开始寻求现场供电以及更灵活的能源配置，燃气发电、分布式能源、储能和微电网控制系统等设备的作用也在发生变化。

三是算电协同系统集成。中国在源网荷储、绿电直供、算力与新能源协同布局等领域已经形成了一批实践案例，这些经验也正在通过APEC等多边平台进入区域交流。

能源部长们开始讨论AI，讨论的已经不只是“AI需要多少电”，而是AI时代，算力与电力之间的关系应该如何重新安排。

这笔能源账，才刚刚开始进入AI产业的利润表。