|
|
| 首页 >> 电力行业 >> 电力与算力的双向奔赴—从超节点到算电协同，重塑AI时代电力新价值
|
| |
| 电力与算力的双向奔赴—从超节点到算电协同，重塑AI时代电力新价值 |
| 来源：互联网 时间：2026/7/27 |
华为中国政企业务电力系统部总经理 李继光
7月的上海，2026世界人工智能大会上，昇腾950超节点真机首次亮相。它展现的不只是算力规模的跃升，也把一个长期处于后台的问题推到了前台：支撑人工智能持续发展的电力从哪里来，算力又该如何更加绿色、高效地使用这些电力？
随着大模型、复杂推理和智能体快速发展，算力竞争已经不只是芯片性能的竞争，也越来越取决于供电能力、系统能效和基础设施运营水平。与此同时，新能源快速增长，也在寻找新的消纳方式和价值空间。
过去，算力行业更多把电力看作成本和保障条件，电力行业则把数据中心看作一种用电负荷。今天，双方开始重新认识彼此：做算力的人开始研究电价、绿电比例和供电可靠性，做电力的人也开始关注算力任务能否迁移、负荷能否调节，以及一度电最终能够转化成多少有效计算和产业价值。
人工智能越向产业深处发展，电力与算力就越不可能“各管一段”。如何让绿色电力安全、经济地支撑智能计算，又如何让人工智能真正进入能源系统，提升其安全性、经济性和灵活性？这正是电力与算力“双向奔赴”所要回答的命题。
华为中国政企业务电力系统部总经理 李继光
从“AI赋能能源”走向“双向赋能”
今年，四部门联合印发了《关于促进人工智能与能源双向赋能的行动方案》，从政策层面系统确立了能源与人工智能的双向关系，而不只是单向的“AI赋能能源”。
过去很长一段时间，我们习惯的叙事是“AI赋能能源”，把AI当成先进工具，帮能源行业提质增效、降低成本。但今天，随着大模型、智能体和超大规模算力集群的爆发，能源正在反过来决定AI基础设施怎么布局、成本怎么算、到底够不够绿。
能源不再只是AI的成本项，它正在成为AI时代的战略性基础设施；AI也不再只是能源行业的辅助工具，它将成为新型电力系统的重要技术能力。
这个判断，是我和很多电力企业、算力运营商聊完之后越来越清晰的感觉。所谓“双向赋能”，在我心里就是两条主线：一条是电力支撑算力——让绿色电力更高效地流向算力，提高算力基础设施的绿色化、经济性和运行效率；另一条是算力反哺电力——让AI真正进入能源生产、调度、交易和运维流程，提升能源系统的感知、预测和优化能力。两条主线共同构成双向赋能的完整闭环。
电力支撑算力：不是“为算力找电”那么简单
“算电协同”现在很热，但我发现一个常见的误解：很多人觉得，只要把数据中心建到风电光伏基地旁边，拉一根绿电专线，就算大功告成了。我们实地看过这样的项目，发现挑战远比想象中大。电是有了，但电网接入的条件、负荷波动的特性、算力任务能不能灵活迁移，每一环都扣得很紧。
真正的算电协同，是在保障电力系统安全和算力服务质量的前提下，把能源供给、电网接入、算力布局、负荷调节、任务调度和市场机制统筹起来，让电系统和算系统一起规划、一起建设、一起运行。
对于规模大、运行周期长、时延要求相对较低的模型训练和离线分析任务，可以更多向绿电资源富集、能源综合成本较低的地区布局；对于低时延、高可靠、数据安全和实时响应要求较高的在线推理和生产控制任务，则仍需靠近用户和业务现场部署。未来，算力布局将在“东数西算”基础上，进一步形成东部与西部协同、中心与边缘协同、算力与电力协同的多层次格局。
这张网里，电网的角色极为特殊。大规模算力设施正在成为一种能“呼吸”的负荷——电网通过市场价格、需求响应等机制传递电力供需和系统调节信号，算力运营主体则在满足时延、可靠性和服务等级要求的前提下，对可迁移、可延迟的任务进行调节。
电力调度与算力调度边界清晰、信号协同，是算电协同走向规模化的重要前提。 这比简单拉一根专线要复杂得多，也价值大得多。
说到这里，就不得不提绿电直连。它是算电协同的一种实现方式，但不是全部。算电协同还包括长期绿电交易、源网荷储协同、需求响应、跨区域算力调度等等，是一整套组合拳。
算电协同的核心，不是“把算力搬到电厂旁边”，而是让电力供给适配算力的真实需求，让一部分算力负荷能够柔性响应电力系统的变化。
这对电力企业意味着什么？很多电力企业反馈，也希望积极参与到国家电算协同大战略里，但发展算力业务，又觉得隔行如隔山。
我的看法是，电力企业做算电协同，路径不止一种。从卖绿电、建机房出租到联合运营算力服务，每一种模式的生态位不同，对资源能力、运营能力和客户能力的要求也完全不同。关键不是一步到位，而是看清楚自己手里有什么、缺什么，再决定攻哪一层、跟谁合作。不必关起门来全链条自建，也不能望而却步不碰。最好的路径是电力企业、科技公司、算力运营商联合创新，共同把生态构建起来。但有一点是确定要做的：从传统电力供应商向能源解决方案服务商转型。这本身，就是一种需要学习和创新的能力。
对电力企业而言，算电协同的价值远不只是多卖一度电，而是推动绿色电力从能源商品向数字生产要素延伸。
往后评价一个算电协同项目，也不能只盯着电价和设备规模，更要看绿电占比、供电可靠性、算力利用率、系统能效，以及那一个越来越重要的指标：单位电力有效计算产出。不能只算电价账，更要算系统效率账和长期运营账。
算力反哺电力：让AI真正成为生产力
电力支撑算力，只是故事的一半。这些年走访电力一线，我越来越清晰地感受到：AI在行业里的关注度很高，但真正能够长期运行、稳定改善业务指标的应用，仍然不够多。
问题往往不在模型演示得好不好，而在它能否适应真实生产环境。实验室里的数据相对完整、工况相对稳定，到了现场，设备差异、传感器波动、工况变化和业务规则都会影响结果。电力系统又有严格的物理规律和安全约束，AI不能脱离机理模型、专业规则和生产流程独立运行。
因此，决定电力AI能否走向规模化的，不是模型参数有多大，而是三个更关键的条件：数据和知识能否持续治理、动态更新；模型和智能体能否在可控、可审计的边界内嵌入业务流程；应用能否形成可评价、可运营、可复制的工程体系，而不是换一个场站就重新开发。
电力AI真正的跃迁，不是再部署一个更大的模型，而是把算力、模型、数据、知识、专业工具和业务流程组织成一套能够长期运行的生产系统。
值得关注的是，这些条件正在逐步成熟。机理模型与大模型加快融合，超级智能体开始连接专业工具和业务系统，工程化约束、权限控制和运营评测机制也在不断完善。AI正在从辅助问答和单点试验，走向分析研判、辅助决策和流程协同。
算电协同解决的是瓦特如何更高效地转化为算力，电力AI解决的是算力如何反过来提升电力的价值。只有两条路径同时走通，能源基础设施与数字基础设施才能真正形成双向赋能的闭环。
做好产业“黑土地”：明确边界，共创价值
华为在这股浪潮里的定位，我们想得很清楚：持续做好产业发展的“黑土地”。这三个字背后是一种克制——聚焦根技术、平台能力和产业生态，与客户和伙伴共同创造价值。
首先是筑牢算力底座。大模型正向着多模态、复杂推理和超级智能体演进，单颗芯片的算力指标已经不足以说明问题，真正拼的是计算、网络、存储、供电、散热的系统性协同。昇腾950超节点的价值，不仅是把算力规模做大，更是通过系统级协同，让单位时间、单位空间、单位电力的有效算力产出更高。它解决的是“每一瓦特能产生多少有效算力”的内部效率问题。而算电协同解决的是外部问题：“什么电、在什么地方、什么时间支撑什么算力任务”。两者一内一外，共同托高AI基础设施的整体效率。
其次是建设AI平台和智能体平台。算力本身不会自动产生业务价值，必须把算力、模型、数据、知识、工具和业务系统组织起来。AI平台解决算力管理、模型训练部署和运营等共性问题；智能体平台进一步连接行业知识、专业工具和业务流程，让AI从“回答问题”走向“理解任务、调用工具、辅助决策、闭环执行”。
更重要的是携手伙伴攻坚行业场景。电力行业门槛高、链条长，安全要求苛刻，没有谁可以包打天下。我始终坚持一个原则：客户提出真实业务痛点，行业伙伴沉淀专业能力，华为提供算力底座、平台和工程体系。大家各就各位，共同把场景定义清楚，把技术打透，把产品打磨出来。我们习惯“从小切口进入大纵深”，不求一口气铺很多场景，而是把一个场景做深、做透，做出实在的业务结果，再沉淀成标准化、可复制的方案。
经常有人问我，华为在电力行业到底做什么？边界在哪里？我很明确：我们不会替代能源企业运营能源资产，不会替代电网承担调度职责，更不会替代行业伙伴开发所有专业应用。华为的价值，是通过计算、网络、存储、云、AI和数字能源这些技术能力，连接电力与算力，连接技术与场景，连接客户与生态。算力底座让AI跑起来，平台让AI管得好，智能体让AI走进流程，伙伴共创让AI创造价值。这四个环节共同决定AI能否真正在行业里扎根。
人工智能时代，能源基础设施和数字基础设施正在加速融合。未来衡量一个智算中心，既要看它堆了多少算力，更要看每一瓦特产出了多少有效智能；衡量一个电力系统，既要看它安全输送了多少电，也要看它能不能承载和激活新的数字生产力。
电力与算力的这场双向奔赴，不是两个行业的简单叠加，而是能源基础设施与数字基础设施的一次深度重构。 当绿色电力高效转化为智能算力，当智能算力反过来推动能源系统更加安全、经济、绿色、高效地运行，人工智能与能源的双向赋能，才算真正合龙。
本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与本网联系，本网将迅速回应并做处理. |
| 责任编辑：myadmin |
| 上一条：
|
| 下一条：
国家电网经营区上半年市场化交易电量34798亿千瓦时 |
|
|
|
京公网安备11011102000836号
