算电协同：宏观图景与政策框架——“AI+能源”系列报告之二（1）.pdf

全球新能源汽车销量持续攀升，动力电池作为核心环节正迎来新一轮技术迭代与产能扩张期...（注：此处为示例开头，实际应根据文档内容调整，以下为正式摘要）

人工智能技术的爆发式增长推动算力成为新的核心生产力，同时也带来了巨大的能源消耗挑战。本报告聚焦于“算电协同”的宏观图景与政策框架，旨在量化分析算力用电需求特征及协同潜力。

算力形态与需求驱动

报告指出，算力需求正从模型训练向推理应用转移。2026年中我国智算规模达2185 EFLOPS，预计2030年智算占全球算力比重超95%。推理侧因智能体和多模态应用的普及，Token调用量呈指数级增长，成为算力消耗的主引擎。物理布局上，呈现“云—边—端”一体化趋势，云端承担训练，边缘和端侧承接实时推理。

用电规模与能效关键

通过五层拆解模型测算，2030年我国算力基础设施用电量预计为5599—7974亿千瓦时（中性情景6683亿千瓦时），占全社会用电比重5%—6%。PUE和负载率是影响用电总量的核心变量，每0.1的PUE降低或5%的负载率提升均产生百亿度级影响。

协同潜力与时空错配

时间上，可时移负荷占比约50%，但受业务连续性、设备经济性等约束，实际可调度电量仅占20%—25%（约1600-2000亿千瓦时）。空间上，东西部算力与绿电错配长期存在，2030年绿电刚性需求约3000亿千瓦时，主要依靠绿电交易和西电东送解决，调度协同对弃电消纳贡献有限。

政策演进与市场方向

算电协同已上升为国家战略，写入2026年政府工作报告。政策从概念倡导转向市场化驱动，电价机制将成为长期关键。短期因设备成本高，“电服务算”为主流；长期随着电费占比上升，“算随电动”有望逐步实现。