一个被忽视的瓶颈正在卡住AI的脖子——不是芯片，不是算法，而是电力。
6月5日，北京国家会议中心，一场原本只能容纳上千人的活动被挤得水泄不通。主角是腾讯集团高级执行副总裁汤道生与首席AI科学家姚顺雨。这是姚顺雨加入腾讯半年多以来首次公开亮相，这位明星AI科学家在会上抛出一个关键判断：AI下半场最重要的问题，不再是找到更好的方法，而是找到真正值得解决的问题。
腾讯借这场对话释放明确信号：AI竞争早已跳出模型参数、算力规模的单一比拼，进入模型、产品、场景、组织协同并行的新阶段。而其中一个关键问题是：当下Agent成为技术核心，Token效率则是所有玩家必须攻克的难关。
“我也听到很多客户甚至同事们，也在紧盯着积分消耗或者Token消耗”，汤道生坦言，Token成本的爆发式增长已是行业共同的焦虑。但Token焦虑背后，还有一个更底层的物理问题：每一个Token的生成，最终都要转化为GPU的运算、转化为数据中心的一度电。当行业继续追逐模型、芯片和应用时，电力系统正在从后台的配套保障，走向AI基础设施的前台。
就在这场对谈的11天前，一场横跨能源与科技领域的高规格会议，已经点破了AI产业发展的这一核心矛盾。
电力系统：从配套到主体
5月26日，国家能源局在深圳召开全国“人工智能+”能源现场推进会，中国石油、国家电网、国家能源集团、阿里云、腾讯等巨头齐聚。远景科技集团董事长张雷抛出一个判断：电力系统正在成为人工智能的主体工程，而非配套。在他看来，能源不只是AI的底座，更是血脉和肌体。如果解决不了智能生产全链路的能量管理，再强大的芯片也发挥不了作用。
这个判断正被现实的压力不断验证。姚顺雨曾在年初另一场峰会上指出，中国在电力供应和基础设施方面有显著优势，但主要瓶颈集中在光刻机和软件生态系统——电力不是短板，而是底牌。但底牌能否变成优势，取决于电力系统能否跟上AI基础设施的迭代速度。
大模型的每一次进步都伴随着数据中心功耗的指数级攀升。据OpenRouter数据预测，从2025年到2030年，全球Token调用量将增长212倍。国际能源署最新报告显示，2025年全球数据中心总耗电量已达485太瓦时，其中AI相关负载170太瓦时；到2030年，数据中心年耗电将达950太瓦时，仅AI专用算力耗电就达465太瓦时——超过日本全国年度用电量。
在中国，2025年AI耗电约4500亿度，占全社会3.8%；2026年预计达6000亿度，占比升至5%，几乎相当于全国钢铁行业一整年用电量。过去，数据中心是电网中的一类负荷；未来，AI数据中心可能成为重塑电力系统规划、建设和调度逻辑的超级变量。
物理极限下的三重冲击
传统数据中心单机柜功率密度通常在3kW至5kW。但AI数据中心正在改写这一前提：英伟达Blackwell架构下，单机架满负荷功耗已达约130kW；计划2027年的Rubin架构目标功率冲向600kW，部分概念验证甚至指向1MW。单个机架耗电量与数百户家庭相当。
这场跃迁带来全方位冲击：首先是供电架构的彻底失效。传统UPS配电体系面对数百千瓦级脉冲式负载，效率骤降，甚至可能在毫秒级功率波动中崩溃。AI训练任务具有剧烈脉冲波动特征，成千上万GPU瞬间同步启动，负荷在毫秒内飙升又回落。其次是散热瓶颈急剧放大。机柜功率突破百千瓦，风冷难以为继，液冷方案虽在快速普及（IDC预测2025年中国液冷数据中心市场规模突破200亿元），但部署仍面临与电力系统协同设计的复杂挑战。更深层的是电网接入能力。在美国最大电力市场PJM Interconnection区域（弗吉尼亚、马里兰等州），2025年电价已出现高达76%的“不可逆转”上涨；电网互联排队等待部分地区长达5至10年，变压器、燃气轮机等设备供应链紧张正在物理层面限制数字世界的扩张。
张雷用了一个极具历史感的类比：大模型大约每6个月一次重大迭代，芯片几乎12个月一个版本，但电力系统在过去一百年间几乎没有发生大的变化。当模型和芯片指数级迭代遇上电力系统的线性演进，AI基础设施的主要瓶颈就从“算力够不够”延伸到“电力系统能不能支撑”，电力系统由此从后台走向前台。
机械割裂下的新解法：AI电力系统
当机柜功率冲向300kW，传统“能源归能源、算力归算力”的机械拼接难以为继。能源企业考虑稳定供电和负荷平衡，算力中心考虑服务器密度和PUE，两者之间隔着规划审批、并网协议、电价谈判和物理距离，几乎没有任何实时协同。张雷形容这种状态是“机械的割裂”——电源、储能、电网、电力电子、算力和大模型各自独立运转，像六台转速不同的齿轮强行咬合，摩擦损耗巨大。
这种割裂的代价已逐步显现：在内蒙古、贵州等东数西算节点，算力中心建设速度远超电网接入和绿电消纳能力，只能依赖火电兜底；东部沿海负荷密集区域又因土地、绿电指标受限，算力成本居高不下。传统“先建能源、后搭算力”的线性思维已无法适配行业发展。
这也是“AI电力系统”提出的背景。张雷认为，其本质是能源系统与智能系统融合的人工智能基础设施，核心价值是打通电源、储能、电网、电力电子、算力与大模型，打破各环节各自为政。产业界需要回答三个关键问题：如何在相同功率带宽下接入更多GPU？如何在相同电量下产出更多智力？如何在相同投资下显著降低电力成本？
张雷提出三层系统性突破：第一，搭建系统级智能中枢——依托智能物联操作系统，接入风电、光伏、储能、算力设施等全品类设备，构建毫秒级实时协同体系，实现电力流与数据流的同步调度；第二，落地物理人工智能——融合数据智能与物理定律，利用气象、能源专属大模型实现风光资源精准预测、算力与能源场站实时调控；第三，重构新型电力基础设施——通过风光储一体化控制器、高压直流、构网型储能、智能机柜等新技术，完成从芯片到电网的系统性硬件重构。
中国解法：算力跟着风光走
全球算力竞赛的终局正在从“谁有更多卡”转向“谁有更多电”。但在中国，算力与电力的关系正在探索一条不同的解法——不是算力中心被动等待电网供电，而是让算力主动跟着风光出力曲线走。“算力跟着风光走”的实践已非孤例，但此前多停留在绿电采购层面，能源系统与算力系统之间并未实时耦合。更深层的融合要求算力调度与电力调度进入同一套控制逻辑。
远景在内蒙古的探索代表了这种深度耦合的工程验证。在赤峰，远景联合腾讯打造了全球首个系统级“算电协同”样本。基于2GW级100%新能源独立电力系统，通过EnOS智能物联操作系统和能源大模型，实现风电、光伏、储能、算力和氢能之间的动态实时协同——当风光出力波动时，系统自动调整制氢负荷与算力任务编排，让每一度绿电流向价值最高的环节。这是全球首个实现100%绿电直供的数据中心项目，将数据中心综合能源成本降低了40%以上。
不同于传统数据中心依赖电网供电、绿色属性难以追溯，远景AIDC强调“破墙重构”——打通从风机、光伏、储能到末端PDU的完整链路，对供能、配电、散热与调度进行一体化设计。这一模式推动数据中心从过去关注PUE，迈向关注“每一度绿电能产出多少token”的“算效”新阶段。
同时在乌兰察布打造的“星河基地”，远景尝试吉瓦级能源系统与算力系统的一体化原生融合，从风电光伏的出力预测，到储能系统的毫秒级响应，再到算力集群的任务编排，全部在同一套AI电力系统内完成闭环。
在远景看来，中国方案的独特性不在于单纯堆叠算力规模，而在于能源与算力的一体化融合，以及可持续的绿色电力供给。从赤峰的能源自洽到乌兰察布的算力协同，这些项目验证了一个核心命题：未来的AIDC招标，电力系统方案的重要性将超越服务器配置。决定一个算力中心能否落地、能否低成本运行、能否持续扩张的，可能不只是有多少张GPU，而是能否解决高功率密度供电、高效散热、动态功率管理和低成本绿电供给。
写在最后
当算力竞赛的瓶颈从芯片延伸到电力，从模型参数延伸到能量管理，AI基础设施的竞争逻辑正在被重写。谁能率先打通电源、储能、电网、电力电子和大模型能力，谁就有机会在AI下半场掌握新的主动权。而中国的“算电协同”实践，或许正在为全球AI的可持续发展提供一条不同的道路：不是用更多电去堆算力，而是让每一度电都更聪明地流向智力产出。
