2026年政府工作报告首次提出实施“超大规模智算集群、算电协同等新基建工程”。这句话容易被理解成又一个基础设施口号，它指向的却是AI产业正在发生的一次变化：模型竞争仍然依赖芯片和算法，决定算力能否持续运行、能否以可接受成本扩大到产业中的条件，已经延伸到电力系统。
这也提供了一个观察中国AI竞争力的新角度。面对高端芯片限制，中国的电力供给、电网建设和跨区域调度能力，确实可能形成一层系统缓冲。不过，能源只能放大已有算力的产出，不能代替先进芯片。把它写成“靠电力绕过芯片封锁”，会低估芯片差距，也会高估电网优势。
芯片更高效，数据中心为什么仍然更缺电
英伟达发布Blackwell平台时称，在特定大模型推理场景下，与上一代产品相比，其成本和能耗最多可降低25倍。这个数字常被简化为“同样算力只需要二十五分之一的电”，但英伟达使用的是特定工作负载和系统配置下的比较，不能外推为所有AI计算的普遍结果。
硬件效率提高的同时，单个系统的功率密度还在上升。英伟达技术文档显示，GB200 NVL72机架的功耗约为120千瓦。相比很多按较低功率密度建设的传统机房，新一代AI机架对供配电、液冷、变压器和备用电源提出了另一套要求。问题不只是一个地区一年能发多少电，还包括某座数据中心能否在指定地点、指定时间获得稳定的大功率连接。
国际能源署2025年《能源与AI》报告估计，全球数据中心用电量可能从2024年的约415太瓦时增长到2030年的约945太瓦时。报告同时提醒，全球总量并不能反映局部压力：数据中心高度集中，在美国等主要市场，电网接入和输电约束可能使部分项目延期。
这构成了AI扩张中的一个悖论。芯片每完成一次计算所需的能量下降，企业会部署更多芯片、训练更大模型，并把推理嵌入更多产品。单位效率改善不必然带来总用电下降，甚至可能推动总需求继续上升。
马斯克的燃气轮机说明了什么
xAI在美国孟菲斯建设Colossus超级计算集群时使用燃气轮机补充现场供电，当地随后围绕机组许可和污染影响发生争议。这个案例说明，大规模AI项目面对的已经不只是GPU采购，电网接入速度、现场供电和环境成本都可能影响项目进度。
但它不能直接证明“美国没有电”或“美国电网已经失效”。美国拥有庞大的发电能力，也在增加天然气、核电和可再生能源供给。更准确的问题是，新增电源、输电线路、变电设施和数据中心负荷能否在同一地点、同一时间完成衔接。AI企业选择自建或签约专用电源，反映的是局部接入瓶颈和时间成本，而非全国性的能源枯竭。
这一差别很重要。AI竞争中的电力优势，不等于发电量排行榜上的领先。它更接近一种交付能力：企业提出一项数百兆瓦的需求后，电源、电网、土地、冷却和审批能否及时组合起来。
中国的优势在网架和组织能力，也有边界
中国的有利条件来自电力系统的规模。国家能源局公布的数据显示，截至2025年底，全国可再生能源装机达到23.4亿千瓦，风电和光伏合计18.4亿千瓦；全国累计发电装机容量达到38.9亿千瓦。与此同时，跨省跨区电网和特高压网架与“东数西算”枢纽，为把西部能源条件与东部算力需求连接起来提供了基础。
这也是“算电协同”进入政府工作报告的背景。2026年政府工作报告提出实施超大规模智算集群和算电协同工程，加强全国一体化算力监测调度。更早的“东数西算”政策已经提出，在国家枢纽节点提高新建数据中心绿电占比，并探索算力与电力的双向协同。
这套体系的潜在价值，不只是“电多”。可再生能源存在波动，算力任务则有一部分可以在时间和地点上调度。训练、批量推理等对时延不敏感的任务，可以向电力充足、成本较低的区域移动；电网也可以通过绿电交易、储能和负荷管理提高新能源消纳。电力与算力如果能共同调度，闲置电力和闲置服务器都有机会减少。
但“全国装机容量大”不能直接等同于“AI可用电力充足”。新能源出力具有波动性，跨区输电存在容量限制，西部低价电力与东部低时延需求也不总能匹配。数据中心还需要冷却用水、网络带宽、运维人才和较高的设备利用率。任何一个环节不足，纸面上的能源优势都无法转化成低成本Token。
能源能对冲什么，不能替代什么
把AI竞争拆开后，能源的作用会清楚一些。
| 产业约束 | 能源与电网能够改善的部分 | 不能替代的部分 |
|---|---|---|
| 芯片供应受限 | 降低运行成本，提高现有设备开机率和利用率 | 先进制程、HBM、高速互联及高端GPU性能 |
| 算力扩张缓慢 | 提前配置电源、变电和冷却设施，缩短项目落地时间 | 服务器交付、软件适配和集群工程能力 |
| 推理成本偏高 | 通过低价绿电、负荷调度降低单位计算成本 | 模型压缩、算法优化和软件生态 |
| 区域资源错配 | 通过算力调度与跨区输电利用不同地区资源 | 低时延业务对距离和网络的要求 |
因此，能源冗余对芯片限制的“对冲”，主要发生在系统层面。它可以让相同数量的芯片运行得更稳定、更充分、更便宜，也可以支持国产芯片通过规模部署和持续迭代积累工程经验。它无法把一块性能较弱的芯片直接变成先进GPU，也无法消除软件生态和互联技术上的差距。
这个判断比“电力决定AI胜负”更克制，也更接近产业现实。AI最终比拼的是从芯片、网络、电力到模型和应用的总成本。高端芯片领先的一方，可能受制于电网接入和建设周期；电力基础更强的一方，也可能因芯片效率和软件生态付出更多设备与能耗成本。
“算电协同”值得关注什么
2026年把“算电协同”写入政府工作报告，意味着算力开始被当作一种需要与能源系统共同规划的工业负荷，而不再只是互联网公司的机房需求。政策是否有效，最终要看几个可测量的结果：新建算力项目从申请到通电需要多久，设备利用率能否提高，单位计算成本是否下降，绿电占比提升后供电稳定性是否仍能保持。
中国拥有大规模发电能力、跨区域网架和较强的基础设施组织能力，这些条件为AI产业提供了少见的物理底座。它们能否变成国际竞争优势，取决于电力市场、算力调度和企业真实需求能否接上，而不在于建成多少看起来宏大的园区。
能源不会替中国解决芯片问题。它能做的，是在芯片仍然受限时，减少系统中的另一类浪费，并把有限算力转化为更多可用产出。这张牌没有芯片耀眼，却可能决定一套AI系统能以多大规模、多少成本和多快速度进入现实世界。
资料来源：2026年政府工作报告；国际能源署《能源与AI》；英伟达Blackwell发布资料；英伟达GB200 NVL72技术文档；国家能源局2025年可再生能源并网运行情况；国家发展改革委关于算电协同工作的公开答复。