AI 与能源的双向奔赴：深度解读 2026《双向赋能》行动方案

前言

2026 年 5 月 10 日，国家发改委、工信部、能源局及数据局联合印发了《关于促进人工智能与能源双向赋能的行动方案》。这份文件的出台，标志着我国算力基础设施正式从单纯的“耗能大户”转型为电网的“灵活性调节器”。

在能源互联网时代，算力与电力不再是两条平行线，而是一个耦合的统一体。

---

一、 “算力设施作为灵活可调节负荷”的技术原理

在传统的电网观念中，数据中心（IDC）被视为“刚性负荷”，即需要 24 小时不间断、高可靠的电力供应。但在《行动方案》中，这一定义被重写。

1.1 计算任务的时空平移

算力设施之所以能成为“灵活负荷”，核心在于计算任务在时间与空间上的可调度性。

• 非实时任务剥离：大规模模型训练（Training）和离线数据处理并不要求毫秒级的响应。通过任务编排（Task Orchestration），系统可以将这些高能耗任务调度到电力供应充沛（如午间光伏高峰、深夜风电高峰）的时段执行。
• 算力地理迁移：利用“东数西算”链路，当东部电网负荷过重时，通过高速算力网络将计算压力瞬间转移至西部绿电富集区。

1.2 功率动态调节与 UPS 协同

现代 AI 服务器（如 B200 架构）支持在毫秒级调整功耗。

• DVFS（动态电压频率调整）：电网频率波动时，算力中心可主动降低 CPU/GPU 频率，实现秒级响应的需求侧响应（Demand Response）。
• 储能环节切入：数据中心自带的大规模 UPS（不间断电源）不再仅仅是应急备份，而是作为“虚拟电池”参与电网调频，在电网高峰期向机架供电，减少对主网的抽取。

---

二、 VPP（虚拟电厂）在大模型训练中心的应用前景

随着训练中心向“万卡、十万卡”集群演进，单一中心的功率可达百兆瓦级，这使其具备了成为 VPP（Virtual Power Plant，虚拟电厂） 核心节点的潜力。

2.1 从“消极消费者”到“积极运营者”

VPP 并不是真实的发电厂，而是通过软件系统聚合分布式资源。大模型训练中心在 VPP 中扮演着“可控载荷”与“分布式储能”的双重角色：

• 峰谷套利：利用 VPP 平台获取实时电价，在低电价时段全力跑训练任务，在高电价时段释放储能电力给电网。
• 调频服务补偿：训练中心通过精准的功率控制参与电网辅助服务，获取除算力租赁外的额外政策补贴和经济补偿。

2.2 确定性算力与不确定性能源的桥梁

由于风能和太阳能具有高度的“不确定性”，VPP 利用 AI 预测算法，提前判断未来 24 小时的气象变化，从而反向配置训练任务的吞吐量，实现“以能定算”。

---

三、 未来五年算力能源市场的三大商机

《行动方案》的落地将催生一个万亿级的交叉市场，以下是三个极具潜力的蓝海赛道：

1. 碳、能、算一体化调度软件

随着“绿证”交易与算力券的挂钩，市场上急需能够同时监控 计算效率（PUE）、碳足迹（CUE）以及电网动态（VPP 协议） 的统一管理软件。能够提供“碳中和算力”解决方案的供应商将成为头部企业的首选。

2. 浸没式液冷与热能回收系统

2026 年后，高密度算力中心将强制推行液冷。

• 商机所在：液冷带来的不仅是散热，更是高品质的热源。将训练中心排放的废热用于市政供暖或温室农业，这种“余热利用”将成为新型数据中心的标准化配套。

3. 集成储能的“算力方舱”

针对西部绿电基地，市场将需求一种“插拔式”的算力单元。它集成了光伏组件、大容量电池组和高性能服务器。这种“离网式”或“弱网式”算力方舱，可以绕开复杂的跨省输电流程，直接在能源产地将电力转化为 Token 导出。

---

结语

在《行动方案》的指引下，AI 行业正经历一场从“比拼算力规模”到“比拼能源效率”的竞赛。未来的顶级 AI 架构师，必须懂一半的电力电子学；而未来的电网专家，也将是 AI 调度的资深用户。

这种双向赋能，正是通向 AGI 过程中最关键的底层支撑。