以下为对中金研究“AI‘探电’(十六):算电协同——AI与电力的双向赋能”的极其详尽解读与剖析。内容覆盖元数据、逐节解读、图表解读、估值与风险评估,以及批判性视角与综合结论。分析中每处关键结论均给出溯源页码标识,便于追溯原文。
一、元数据与概览(引言与研究主旨)
-
标题、作者与机构
- 标题:中金 • 部院联合 | AI“探电”(十六):算电协同 ——AI与电力的双向赋能。作者为“原创 曲昊源 郑宽等”,隶属中金点睛与中金研究部,发表于2026年5月20日。
- 研究主题:将算力与电力的协同视为AI快速发展与能源转型背景下的重要产业趋势,聚焦储能、智能调度软件等环节,以及数据中心绿电需求与绿电直连等实际落地路径。
-
核心论点与调性
- 核心论点:算电协同是推动AI落地与能源低碳转型的关键趋势,政策端持续发力,市场机会集中在上游的绿电与储能、中游的协同接口与智慧调度、以及面向跨区域的算力-电网协同的调度与市场机制创新。,
- 政策与市场背景要点:政策层面自“十四五”以来密集推动算力与电力一体化,2026年以来将算电协同写入政府工作报告,进一步明确绿电占比、直连等路径;同时绿电直连、绿证交易等多种绿电采购模式逐步成熟,形成多维度的政策与市场驱动。
- 数据中心与需求侧视角:数据中心用电需求快速增长,绿电渗透与成本优化成为提升数据中心竞争力的关键点,绿电直连等模式在地区差异下存在不同的经济性与实施门槛。
-
图文图表的定位
- 报告内部包含若干核心图表及图片,旨在用定量数据支持“算电协同”的可行性与成本-收益结构,如数据中心用电量增长、数据中心运营成本结构、绿电采购模式对比等。相关图表的具体信息见后续图表深度解读部分。, , ,
二、逐节深度解读(逐章精读与剖析)
- 摘要与政策背景(Abs 摘要/Intro 段落,page 0–1 的综合呈现)
- 核心论点 recap
- 算电协同被视为在“算力需求快速增长 + 能源转型”大背景下的重要产业趋势,要点包括“电支撑算、算优化电”的双向关系,以及在空间、时间、调度、市场等多维度的协同需求,储能与智能调度软件被视为关键支撑环节。,
- 政策层面的推动为其提供了长期的动力源泉,国家层面的政策文件多次强调算电协同、绿电占比、直连等路径,形成产业生态的制度性框架。
- 推动点与路径
- 电力是算力中心的能源底座,算力中心需纳入新型电力系统与电力市场的统筹,强调“空间-时间-调度-市场”四维协同与储能/调度技术的深度融合。,
- 数据中心绿电需求的提升使绿电直连、绿证交易等模式具有更高的经济性与落地空间,行业将围绕绿电采购模式、储能配比、以及跨区域协同展开竞争与合作。, ,
- 风险要点先导(风险段落,page 1)
- 主要风险点
- 政策落地不及预期:宏观政策层面若未能落地,或省域细则不足以支撑大规模落地,将对算电协同的发展积极性造成制约。
- 产业技术路线风险:跨区域算力网络对高精度调度算法、软硬件稳定性要求高,若相关技术尚未成熟,将影响总体进展速度与效益落地。
- 这部分的风险点在后续章节中与具体市场化、成本结构、以及生态建设的实操难度相互印证,提示读者对“政策-市场-技术三角”的协同程度保持关注。
- 正文第一部分:算电协同的宏观框架与路径(page 1–3 的文本叙述)
- 关键论点
- 算电协同的核心在于“电支撑算、算优化电”的系统性闭环,通过多维度协同实现算力需求与电力供应之间的动态匹配。
- 四大维度(空间、时间、调度、市场)构成协同框架,储能与智能化调度技术是实现高效协同的关键载体与能力边界。
- 证据与推理
- 政策文本的落地情况、绿电发展趋势、以及头部企业对绿色承诺(2030 年实现 100% 可再生能源)的行动,构成了“市场需求–技术实现–政策支撑”的闭环证据链。,
- 量化与定性证据的结合
- 文中以政策口径、行业结构、以及绿电采购模式对比来支撑结论,具体的数量级更多体现在以下几处图表(见后续的图表深度解读)而非单一的估值数字。
- 数据中心用电需求与增长路径(page 2,图表:数据中心用电量快速增长)
- 描述性要点
- 2025 年我国算力中心用电量达到 1960 亿千瓦时,同比增长 300 亿千瓦时,增速 18.1%;预测到 2030 年数据中心用电量将超过 7000 亿千瓦时,占全社会用电的 5% 以上。
- 日均 Token 调用量至 2026 年 3 月已超过 140 万亿,相较 2024 年初的 1000 亿级别,增长近 1000 倍;相比 2025 年底的 100 万亿,短短 3 个月又增长超过 40%,凸显算力需求的爆发性增长与对电力需求的放大效应。
- 逻辑与行业含义
- 数据中心对电力的高度敏感性(成本、可靠性、可持续性)决定了绿电供给与灵活调度的重要性;“东数西算”枢纽节点的用电规模快速攀升也意味着对电网稳定性提出挑战,强调了储能与调度系统的必要性。
- 影像证据的支撑
- 该段落配有“图表:中国数据中心用电量快速增长”的图表(页面页码 2),以定量证实上述趋势。相关图像路径: 。
- 数据中心成本结构与绿电渗透(page 3–4/5)
- 数据中心成本结构的要点
- 图表显示:能源成本约占 57%,而折旧约 25%、房租 8%、其他项(如设备租赁、人工等)约 3%~4% 等,能源成本在总成本中的占比远高于其他项,数据中心对电价的敏感性较高。因此,降低电价、提高用电效率、以及绿色能源采购是提升经济性的关键路径。
- 绿电渗透与企业行动
- 头部互联网企业普遍承诺到 2030 年实现 100% 可再生能源电力使用,并通过长期绿电采购、建设自有可再生能源电站等方式落地;绿电渗透的进一步提升是提升算力中心经济性的关键驱动之一。图示“绿电渗透”的饼图强调了绿电交易、绿证交易和绿电直连等不同模式在整个绿电使用结构中的分布与演变潜力。
- 证据来源及图文
- 该节包含“图表:数据中心运营成本结构”和“绿电渗透与头部公司行动”的图示(页面 3),以及对四种绿电采购模式的分析(页面 7 的图表与文本)作为经济性讨论的支撑。,
- 算电协同的多维协同框架(page 3–5)
-
空间协同
- 全球趋势趋向“跟电走”的选址逻辑,数据中心选址需要与电网布局、绿电供给能力和区域性能源资源高度匹配;在中国,电网投资与建设周期较长(1–2 年),而算力中心建设周期更短(6–10 个月),若两者未实现协同,可能造成局部用电紧张甚至影响产业活动。
- 相关图示:“算电协同的涵义”与“算力负载调度逻辑综合图”等,呈现了多维度协同中的空间因素与调度边界条件。,
-
时间协同
- 训练阶段对算力需求的高峰特征(短时间、极高负载)与推理阶段的相对稳定性,提示可在风光出力高、价格低的时段灵活调度算力,降低峰谷,用以提升新能源消纳与降低成本。这一时间维度的调度潜力在后续章节的“市场协同”与“调度平台”讨论中被反复强调。
-
调度协同
- 需要区域级的算力-电力调度平台,将电力系统信息(供需、新能源出力、约束等)与算力系统任务队列、分配进行对接,核心在于建立两张网的信息互通和数据共享机制。此处强调“区域调度平台”的重要性和未来的智能化程度需求。
-
市场协同
- 当前已经形成电力市场与绿电绿证交易体系,未来海外市场如芝加哥商品交易所等计划推出算力期货市场,算电在市场层面的协同将围绕定价耦合、削峰填谷等机制展开。此处强调价格信号在促使算力资源灵活性的作用。
-
关键图表与视觉材料
- 随文提供的“算力负载调度逻辑综合图”(page 5)直观呈现了时间、空间、调度、市场四维度的协同要素及边界条件。该图是理解文本中多维协同模型的核心辅助材料之一。图片路径:
- 绿电采购模式的经济性与对比(page 6–7/8)
-
绿电采购模式的四种对比
- 报告明确对比四种绿电采购模式的成本构成与适配场景:绿电交易、绿证交易、绿电直连等三类模式结合不同的负荷与投资情境,构成终端用电成本的不同结构。图示“不同绿电消费模式下的数据中心用电成本构成”直观呈现了各自的成本分解与潜在节省点。该分析强调直连在大型数据中心与园区直连场景中的优势,以及直连对成本波动与系统费用的影响差异。
- 结论性要点:若采用绿电直连,且在自发自用比例高、并网成本与容量电费结构适配良好时,整体用电成本有显著下降的潜力;但直连同样需要前期的配套投资(新能源、储能、专线等)。文中给出在冀北与蒙西等地区的对照分析,显示区域资源禀赋对经济性的决定性影响。
-
经济性测算的关键数字与情境
- 以一个50MW数据中心项目、绿电比例80%、自发自用比例在 30%、50%、80%三种情景下的对比为例,提出在冀北地区直连项目相对于绿电交易模式在上述自发自用比例下的单位电价节省分别为约 0.03、0.8、0.15 分/度,蒙西地区亦存在经济性,但需结合资源禀赋与专线投资等具体条件。
-
绿电直连的落地进展与案例
- 2026 年以来,绿电直连项目审批数量达到 84 个,新能源总装机规模约 32.59GW;并卫星式的落地案例如“大唐中卫云基地”等,体现了绿电直连在数据中心场景的快速落地路径与技术路线创新(物理直供+双边交易、专线连接、储能等)。这是对前述经济性判断的实物支撑与落地案例。
-
绿电直连的物理路径与示意
- 绿电直连的技术路径包括“物理直供+精准溯源、专线直连、单一负荷用户、清晰溯源”等要点。该主题的图示进一步阐明了绿电直连的三种典型落地形态:绿电交易、绿证交易、绿电直连各自的实现路径与权衡。相关图像: ,以及对直连场景的落地信息来自页面 7 的描述。,
- 系统运行费上行与长期经济性展望(page 8)
- 现象与趋势
- 自 2026 年起,系统运行费(包含辅助服务费、容量电费、损益与补偿等)显著上升;煤电容量电价上涨、新能源机制差价结算电费等叠加作用使各省系统运行费呈现上行趋势;在此背景下,绿电直连项目若按下网电量缴纳系统运行费,理论上可增强其经济性,长期而言若系统运行费未得到实质性下降,需对经济性进行持续评估。
- 结论性判断
- 绿电直连模式在系统运行费上行的环境下具有相对优势,但要实现持续的经济性提升,需结合区域市场结构、容量电价、以及直连投资回报的动态评估,形成“成本–收益–风险”的综合框架。
- 风险提示与免责声明(page 9)
- 重新整合的风险要点
- 政策落地、市场机制落地与产业规范的协同性仍是关键风险点,政策层面的落地速度与区域执行的差异性可能导致推进节奏与投资回报的波动。
- 技术路线的跨区域实现难度、软硬件的适配性、以及模型与调度算法的实际落地效果,也是潜在的不确定性来源。
- 备注
- 报告的出处与法律免责声明强调,该文为转发性解读,投资决策请以完整研究报告为准,本文不构成投资建议。这一信息在页末多次强调,用于降低信息误用风险。
三、图表深度解读(逐图分析)
-
图表1:数据中心用电量快速增长(图示于 page 2)
- 描述:呈现 2025 年数据中心用电量 1960 亿千瓦时,同比增长 300 亿千瓦时,增速 18.1%;预测到 2030 年超过 7000 亿千瓦时,占社会用电 5% 以上,同时给出日均 Token 调用量在 2026 年 3 月达到 140 万亿量级,较 2024 年初显著扩张。
- 解读:呈现出算力需求(尤其大模型训练、推理等)对电力需求的放大效应,与东数西算等区域性数据中心布局共同推动能源结构和电力市场的调整。此趋势为算电协同提出的现实基础之一。
- 溯源:图表及文本来自页面 2,图像路径为
-
图表2:数据中心运营成本结构(图示于 page 3)
- 描述:以扇形/圆图形式展示能源成本 57%、折旧 25%、房租 8%、人工/设备租赁等分别在成本结构中的占比,四项加起来基本覆盖成本全貌,其中能源成本居首位。
- 解读:能源成本对数据中心总体运营成本的主导性决定了电价、用电效率、以及绿电/直连方案对 total cost 的影响具有显著性意义。这也是推动绿电采购与储能优化的经济学基础。
- 溯源:图表及解读来自页面 3,图像路径为
-
图表3:绿电采购模式的对比与成本要素(图示于 page 7)
- 描述:对比四种绿电采购模式在不同定价构成中的差异,明确指出绿色电力成本由“发电侧上网电价”、“输配环节电价”以及“附加环节电价”三部分组成,同时给出三种模式下的优劣势与适用场景。
- 解读:为理解“绿电采购模式”对数据中心成本结构的影响提供了直观框架,尤其是在直连模式下,若能实现更高的自发自用比例与专线投资,成本节省更明显;但前期资本支出与风险也相对增加,需要系统性评估。
- 溯源:图表与文本来自页面 7,图像路径为
-
图表4:绿电直连落地与案例(文本与图示,page 6-7)
- 描述:截至 2026 年 2 月,绿电直连项目审批 84 个,总装机 32.59GW;并卫星式落地案例如中卫云基地,呈现“物理直供+双边交易”+储能的综合体系,以及对存量负荷通过电力市场实现虚拟直供的设计思路。
- 解读:该部分提供了绿电直连在大规模算力场景中的可操作性证据,说明政策+市场+工程实施三者协同推动了落地,且对于算力中心的灵活性与成本优化具实际意义。
- 溯源:页面 7 的文字与页面 6 的绿电直连示意图共同构成此分析,图像路径为 以及 ,
-
图表5:算力负载调度逻辑综合图(page 5)
- 描述:以“负载灵活度”与“时间维度/空间维度”的分布,展示了延迟敏感型/延迟容忍型负载的区分,以及在时间维度上的调度设计(如将延迟高/低的任务调度到风光出力高、低价时段)。
- 解读:该图是对“时间维度与负载弹性”在算电协同中的直观呈现,支持文本对时间维度协同的重要性的论断,强调通过算力任务的调度策略来提高新能源消纳和降低成本的可能性。
- 溯源:图像路径为 
-
图表6:绿电直连与区域差异的成本敏感性(结合页 7 的对比)
- 描述:在冀北与蒙西等区域,因资源禀赋、网架结构、现货市场机制等差异,直连经济性呈现区域性强烈差异;冀北地区在自发自用比例较高时的经济性相对更具优势。该段落以定量对比支撑区域化投资决策的重要性。
- 溯源:文本与对比来自页面 7;图片略图在同页,图像路径为相关图表混排(以文本为主的对比为主,具体图形以文内描述为准)
四、估值分析(估值分析)
- 估值框架与方法论
- 本文档核心定位为产业趋势、路径与成本结构的定性分析,未给出标准的企业独立现金流折现(DCF)或可比公司估值区间的具体目标价。核心是揭示“算电协同”在政策支撑、技术成熟度、以及商业模式落地后对行业生态与成本结构的潜在影响,以及对上下游公司的结构性机会。,
- 关键输入与假设的性质
- 关键假设包括:绿电直连的经济性随区域资源禀赋、专线投资、储能配置等因素波动、系统运行费上升的趋势、以及绿电市场的价格形成机制。这些假设没有在文本中给出一个统一的定量估值区间,而是以情景分析和区域对比的形式呈现,提示读者在具体企业层面需做专门的成本-收益分析。,
- 结论性判断
- 报告更多强调“机会点与路径”而非给出单一的目标价或估值区间,因此在进行行业投资判断时,应结合具体企业的绿电采购策略、储能投资、以及所在区域的电力市场机制来生成可执行的估值分析。, ,
五、风险因素评估(风险因素评估)
- 政策与市场风险
- 政策落地的不确定性与区域差异性可能拖慢算电协同的推进速度;如果缺乏有效的市场化联动机制,或标准制定落地慢,将对产业经济性与项目开发产生负面影响。
- 技术与实现风险
- 跨区域算力网络对软硬件的高精度调度要求高,实际落地中可能存在系统稳定性、算法鲁棒性与场景适配度不足的问题,需持续技术研发与落地验证。
- 其他风险
- 系统运行费的上升趋势若持续,且绿电直连尚未在系统层面完全消化其成本,长期经济性仍需动态评估与监控。此点在页 8 的讨论中被强调。,
六、批判性视角与细微差别(审慎视角)
- 潜在偏见与强烈观点
- 报告高度聚焦政策驱动与绿电直连的经济性潜力,较少对“成本攀升、基础设施投资回报周期、以及区域差异化风险”进行系统性量化分析,易在读者层面形成“政策红利必然、技术进步将带来高回报”的乐观偏见。结合文本中的风险段落,可以看出作者也意识到这一点,但整体呈现仍偏正向。需读者保持警惕,结合具体场景与成本要素进行独立评估。,
- 内部矛盾与信息密度
- 报告在强调“算电协同的四维协同(空间、时间、调度、市场)”时,给出的具体实施路径多来自政策和景气案例的描绘,实际的企业级落地仍需解决数据互通、统一调度平台的标准、以及跨区域的交易与电网协调机制等“落地难点”的细化模型。文本中虽有多处“区域性差异”的提示,但对具体落地难点的深度分析仍有提升空间。, ,
七、结论性综合(综合判断与要点回顾)
- 关键发现的综合解读
- 算电协同被定位为 AI 与能源转型共同驱动的核心产业趋势,政策端的持续推动、绿电市场的多元化采购路径、以及储能+智能调度技术的快速发展共同构成了未来数年的关键支撑逻辑。, ,
- 数据中心对用电需求的激增与绿电直连等模式的落地使得“以电促算、以算提电”的协同成为现实可能。绿电直连在大型数据中心与园区场景中的经济性与实施路径尤为突出,但需前期资本投入、区域资源禀赋和电网改造能力等因素共同作用。, ,
- 未来的机会在于:上游的绿电运营与储能基础设施、中游的智慧调度与算网协同平台,以及跨区域的市场化定价与风光储的耦合机制。与之相对的风险在于政策落地不及预期、技术落地的实操风险,以及系统运行费的上行压力。, , ,
- 作者的总体立场与取向
- 报告以“算电协同”为核心主题,强调其在 AI 需求释放与能源低碳目标中的战略性地位,呼吁密切关注储能、智能调度软件与绿电直连等环节的投资机会。尽管存在政策与技术不确定性,但总体论证路径清晰,结论偏向积极的产业趋势与落地前景。, ,
溯源索引(关键结论与对应页码示例,供后续溯源使用):
- “算电协同是产业趋势,政策端持续推动,储能与调度软件成为关键支撑” , ,
- “数据中心用电量快速增长、绿电需求提升、以及跨区域协同的重要性” , ,
- “绿电直连在 grandes 数据中心场景的经济性潜力及落地进展” ,
- “系统运行费上行与绿电直连的潜在经济性”
- “风险提示:政策落地、技术路线、市场机制”等 ,
附:引用的原文图片( markdown 形式,便于溯源与展示)
总体而言,该报告以政策、市场与技术三位一体的分析框架,系统描绘了“算电协同”的产业前景与落地路径。对投资者而言,核心在于把握绿电直连、储能与算网调度平台等环节的协同投资机会,同时警惕区域差异、政策变动及系统运行费上行带来的不确定性。