AIDC进入GW时代，一场贯通“墙内”与“墙外”的电力革命正在发生

当AI数据中心迈入吉瓦时代，决定项目能否落地的，已经不只是GPU数量。

电从哪里来、多久能够接入、能否承受GPU集群的动态负荷，以及每度电最终能够转化为多少有效算力，正在成为AI基础设施竞争的新变量。

7月9日，2026开放计算技术大会在北京举行。大会讨论的一个明显变化是，供电与散热不再只是数据中心的配套工程，而开始进入计算架构的核心设计。面向未来的高密度AI集群，产业正在从“先确定服务器、再配置电力和冷却”，转向算力、供电、散热和园区能源的协同设计。

这一变化并非单纯由技术演进推动，更来自现实压力：芯片和模型可以快速迭代，但发电、输电和变电设施仍遵循以年计的工程周期。算力扩张速度与能源基础设施建设速度之间的错配，正在成为全球AIDC建设的关键矛盾。

美国时间7月2日，黑石集团旗下数据中心运营商QTS撤回对弗吉尼亚州“Digital Gateway”项目相关裁决的法律挑战，意味着这一超大规模数据中心园区计划最终终止。该项目历经多年规划争议、社区反对和司法诉讼，折射出大型数据中心项目在土地、电力、审批、社区关系及环境影响等方面面临的“社会许可”挑战。

Digital Gateway规划

几乎同一时间，美国最大区域电网运营商PJM连续发布预警。受极端热浪、空调用电攀升以及数据中心等新增负荷增长影响，PJM系统负荷一度超过162GW，创下历史新高。尤其是在数据中心高度集中的北弗吉尼亚地区，输电拥堵和新增负荷接入压力持续上升。

放眼全球，从欧洲到北美，多项百兆瓦级乃至吉瓦级AI数据中心项目因电力接入、能源供给和可再生能源配套问题遭遇延期甚至停滞。

一边是AI算力高速扩容的刚需，一边是传统电力体系与基础设施配套的进化滞后，二者之间的错配日益尖锐。当AI数据中心迈入GW时代，电力系统能否跟上算力扩张的步伐，已成为全产业必须正面回答的考题。

01

AIDC进入吉瓦时代，传统供电体系的四重挑战

过去几年，全球AI产业几乎沿着同一条轨迹高速演进，模型不断迭代，训练参数规模不断刷新纪录；英伟达GPU供不应求，单个训练集群从数万卡快速迈向十万卡级别；Agentic AI又带来新一轮算力大爆发，各国围绕人工智能基础设施展开新一轮竞赛，数据中心建设规模从过去的几十兆瓦向数百兆瓦甚至吉瓦级演进，单个园区的用电需求也从过去的数十兆瓦增长至数百兆瓦乃至吉瓦级规模。

Gartner最新预测显示，2026年全球数据中心用电量将达到565TWh，同比增长26%；到2030年，全球数据中心电力需求将增长至290GW，较2025年接近翻倍。其中，AI优化服务器将在2026年贡献31%的数据中心电力消耗，并将在2027年首次超过传统服务器。这意味着，AI产业的竞争正演变为算力与能源协同能力的竞争。

模型和芯片正在遵循摩尔定律的发展速度，但支撑运行的电力系统却很难同步进化，无论是外部的公共电网还是内部的配电架构，依然延续着几十年来的传统逻辑。一边是指数级增长的算力需求，另一边则是建设周期漫长、调节能力有限、难以适应高波动负荷的新型需求的传统电力系统。对于下一代AI基础设施而言，不仅仅是如何获得更多GPU，而是如何让越来越庞大的算力集群持续、稳定、低成本地运行。

而对于正在向GW级演进的AI数据中心而言，传统供电体系正在面临四重挑战。

痛点一，无电可用。全球算力项目的落地周期已压缩至1年以内，但电网容量建设周期长，美国高需求区域的电网建设延迟长达7年，电力供需缺口持续扩大，“无电可用”已成为很多AI项目落地的首要障碍。

痛点二，负荷波动失控。GPU集群运行会产生剧烈的动态负荷波动，功率可在30%空载与100%满载之间快速切换，不仅推动单机柜功率向MW级演进，更严重冲击电网稳定性，引发电能质量问题；GPU数量的增加会放大关键频率下的负荷波动，大幅提升电网谐振风险，甚至可能导致数据中心因电压波动出现大面积脱网。

痛点三，绿电约束成为刚需。全球主要科技企业已陆续提出100%可再生能源、全天候无碳能源或净零排放等目标。中国提出，到2025年底，国家枢纽节点新建数据中心绿电占比超过80%。稳定、低成本的绿电供给，已成为AIDC项目的刚性要求。

痛点四，能源成本成关键变量。随着模型规模扩大，能源成本开始成为AI产业的重要竞争变量。业内研究显示，建设1GW级AI数据中心的投资规模可能达到数百亿美元，而电力获取与能源基础设施建设的投入，正占据其中越来越大的份额。

02

“墙内”技术百花齐放，“墙外”焦虑愈发突出

面对AIDC不断攀升的能源需求，产业链正在加速寻找新的技术答案，市场上也不缺解决方案：SST、HVDC、液冷、UPS升级、储能…几乎每个细分环节都挤满了玩家。以当前最受关注的800V HVDC为例，其正在成为下一代AI数据中心的重要演进方向。

英伟达在800VDC参考架构中提出，通过在数据中心前端完成中压交流电向高压直流电的集中转换，并采用800V直流配电，减少传统供电链路中的多级AC/DC、DC/DC转换环节，从而降低能量损耗、减少铜材用量，并提升高密度GPU集群的供电能力。

作为关键支撑技术，固态变压器（SST）能够实现中压交流电向直流电的高效转换，被视为未来GW级AI数据中心的重要基础设施方向。英伟达预计，相比传统架构，800VDC方案可将端到端供电效率提升约5%，运维成本降低最高70%。台达、伊顿、Vertiv、ABB、施耐德等厂商均围绕这一技术路线展开布局。

不过，这些解决方案更多解决的是数据中心内部的供配电效率问题，创新仍然集中在“墙内”——即数据中心园区内部。电从哪里来、绿电够不够、电网扛不扛得住这些“墙外”的能源焦虑愈发突出。

从全球AI基础设施建设遇到的现实挑战来看，不少瓶颈正发生在“墙外”。美国联邦能源监管委员会（FERC）近期甚至要求美国六大区域电网运营机构重新审视大型数据中心接网规则，核心原因就在于越来越多AI项目面临电力接入周期过长、电网容量不足以及电网升级滞后的问题。

国内政策端已在加速破题。

6月29日，国务院常务会议审议通过《“十五五”碳达峰行动方案》。多项内容与AI数据中心能源供给直接相关：推动新型储能规模化发展，大力发展长时储能；加快虚拟电厂发展，挖掘需求侧调节潜力；推进算力设施绿色低碳转型，支持绿电直供，合理配置储能、备用电源等配套设施，推动新建算力设施主要使用非化石能源电力。

更值得注意的是，《方案》还提出对以输送清洁能源电量或联网功能为主的工程，探索实行两部制电价或单一容量电价，推动“沙戈荒”新能源基地作为整体参与市场交易。

实际上，国家发改委、国家能源局近两年已连续出台绿电直连相关政策，推动新能源就近消纳和源荷协同发展，探索新能源直接服务工业园区、零碳园区以及大型用能负荷的新模式。

不过，当前行业仍处于持续探索阶段。按照定义，绿电直连分为并网型和离网型两类，其中绝大多数项目属于并网型模式，本质上仍需与公共电网协同运行，当新能源出力不足时，负荷仍需依赖电网补充供电。真正在物理层面实现物理隔离、依靠“新能源+长时储能”独立供电的“离网型”微电网数据中心，受限于高昂的储能成本和极高的系统控制难度，目前仍停留在小规模试点阶段。

对于AI数据中心而言，政策端释放出的信号十分清晰：未来竞争的核心，不仅是单一的绿电供给能力，更是“墙外”平抑绿电波动，“墙内”平抑算力波动的双向调节能力。随着AI负荷持续增长，能源正在从传统成本要素，逐步演变为影响算力基础设施竞争力的核心变量。

从发电侧、电网侧，储能侧、到数据中心侧，整个链条都在发生变化。AIDC真正需要的，不是单一设备升级，而是一套贯通“墙内”与“墙外”的全链路系统方案。

03

谁能提供全链路系统解决方案？

如果需要系统性的解决方案，电力系统本身是否需要进行一次重构？

今年5月，国家能源局召开全国“人工智能+”能源现场推进会，六家企业受邀发言：中国石油、国家电网、国家能源集团三家央企，阿里云、腾讯两家科技巨擘，以及唯一一家新能源企业——远景科技集团。

远景科技集团董事长张雷现场将GPU比作人工智能时代的“新蒸汽机”，使命是将电力转化为智力——智力生产的本质，其实是一个能量转化的过程。他认为，“电力系统正在成为人工智能的主体工程，而非配套”，并首次提出了“AI电力系统”的概念。

在张雷看来，“AI电力系统”，本质上是能源系统与智能系统融合的人工智能基础设施，既要解决“墙内”问题，也要解决“墙外”问题。AI电力系统并非单点提效，而是将电源、储能、电网、电力电子、算力与大模型有机融合，解决AI基础设施发展的三大核心问题：如何让相同功率接入更多GPU？如何让相同电量产生更多智能？如何在相同投资下获得更低电力成本？

基于此，远景构建了支撑AI电力系统的三项关键能力：

智能中枢——远景EnOS智能物联操作系统，接入风电、光伏、储能、充电桩等数亿级设备，毫秒级实时控制，是AI电力系统的"神经系统"。

物理人工智能——"远景天机"气象大模型实现高精度新能源预测；"远景天枢"能源大模型对发电、储能、制氢到算力调度进行毫秒级实时优化。

下一代电力基础设施——风光储一体化电源、高压直流、固态变压器（SST）、构网型储能与末端智能机柜融合，构建端到端新型电力基础设施架构。

今年6月，远景在德国Intersolar Europe2026上正式发布了这一电力架构。

与行业多数聚焦单点设备升级不同，远景意在打通“墙外”的能源系统与“墙内”的供配电系统。

远景动力AIDC产品解决方案负责人历宏飞表示，在传统数据中心时代，发电侧以稳定电源为主，负荷侧的功率变化也相对可控，电力系统设计更多围绕供电可靠性展开。进入AI时代后，这一基础条件正在发生变化：一端是高比例风电、光伏接入带来的电源侧波动，另一端是GPU集群快速启停和算力任务切换所产生的高频动态负荷。电力系统由过去的“源荷双稳定”，转向“源荷双波动”。

在这一背景下，AI电力系统需要同时应对新能源出力的不确定性与算力负荷的动态变化，通过预测、调度和快速控制，实现能源系统与计算系统的协同运行。

在数据中心“墙外”，远景通过“天机”气象大模型提升风电、光伏等新能源出力的预测精度，并依托“天枢”能源大模型，对发电、储能、园区负荷及算力需求进行多时间尺度协同优化，增强新能源的可预测性与可调度性，实现风、光、储与算力负荷之间的动态匹配。

在数据中心“墙内”，远景围绕800V直流供电架构，构建以固态变压器、直流储能和智能配电为核心的新一代电力基础设施。该架构能够连接中压电网与下一代AI计算设备，减少传统供电链路中的多级电力转换环节，提高端到端供电效率，并增强系统对高密度、高波动GPU负荷的快速响应能力。

其中，远景2.5MW固态变压器可将10kV或13.8kV交流电直接转换为800V直流电，转换效率达到98.5%。相较传统低压大电流配电架构，相关线缆及铜材使用量最高可减少80%，更适应下一代AI集群对高功率密度、高效率和快速动态响应的需求。

历宏飞表示，远景所要优化的并非某一个孤立的供电环节，而是AI基础设施的整体能源效率，即“每度电能够产生多少有效Token”。在“墙外”，通过风光储协同降低能源获取成本并提高绿电利用效率；在“墙内”，通过供电架构重构减少转换损耗、提高供电稳定性，最终降低单位智能产出的能源成本。

这也构成了远景与传统数据中心供配电厂商不同的切入路径。其能力并非起步于单一的数据中心设备，而是建立在风电、储能、电力电子和新型电力系统等长期技术积累之上，并进一步延伸至AI电力系统和AIDC场景，形成覆盖发电侧、电网侧、储能侧与负荷侧的全链路能力。

04

从概念走向验证，AI电力系统如何落地？

今年6月，在法国巴黎VivaTech大会上，远景正式发布Mission Gobi计划，提出到2030年在全球戈壁荒漠地区建设5GW规模的绿色AI算力中心。

这项计划被业内称为Gobi X，对标马斯克的Space X。

Space X把目光投向太空，希望突破地球能源和土地资源的约束；Gobi X扎根地球，重新组织能源、算力和电网之间的关系。前者探索新的物理空间，后者探索新的能源空间，二者回应着同一个问题：AI 指数级增长的时代，人类如何持续为它提供能源支撑。

太空算力虽具想象力，但戈壁方案在当前更具现实性与经济性。

远景科技集团董事长张雷在近期公开对话中算过一笔账：同等生命周期下，太空算力当前概念阶段成本至少为戈壁绿色算力的20倍，若再考虑工程化因素，甚至可能放大至50倍以上。

而远景已在内蒙戈壁开展多个GW级示范基地。相比建设周期漫长、成本高昂的太空方案，戈壁能够在更短时间内复制数GW乃至数十GW级的绿色算力基地，其核心优势在于更短的"Time to Token"——从投资到产出智能的时效。

目前，远景AI电力系统已经开始在实际项目中得到验证。

数据显示，在绿电供给层面，该系统可为算力负载提供超过60%的可靠绿电，并降低综合能源成本超40%；在并网效率层面，可将调试周期大幅缩短3至6个月；在电网容量层面，通过提升现有电网资源的有效稳定容量，可释放高达40%的可用电力。

其中最具代表性的案例是远景与腾讯联合打造的赤峰零碳产业园。这是全球首个“算电协同”系统级实践样本，基于 2GW、100% 可再生能源电力系统，实现风光储算氢动态实时协同。

据远景能源AIDC产品线经营管理部负责人杨淏钦介绍，赤峰零碳产业园使用100%独立可再生能源，100%绿电直供，所有绿电都可溯源，项目全生命周期实时零碳。杨淏钦表示，赤峰项目最大的创新是算电协同，“不只是新能源发电配合数据中心用电，数据中心也要配合新能源发电曲线，调控负荷侧用电，最终实现最优算电协同。”

如果说赤峰项目验证的是AI电力系统的协同能力，那么乌兰察布“远景星河基地”则进一步将这一理念推向吉瓦级规模。据悉，远景星河基地正在乌兰察布建设吉瓦级能源系统与算力系统一体化的人工智能基础设施。

从弗吉尼亚的电网告急，到赤峰的算电协同，AI产业的竞争正从芯片与模型的比拼，延伸至电力系统的全面较量。

GPU遵循摩尔定律，但电力系统遵循的是能源工程的物理定律——它暂时无法被"迭代"加速，只能被重新设计。当数据中心从兆瓦级跃入吉瓦级，电力不再是"配套设施"，而成了决定算力密度、运营成本和项目落地的"第一性约束"。

谁能在"墙内"与"墙外"之间架起桥梁，谁就能在算力竞赛的下半场掌握主动权。