中国的 AI-能源方案正在把算力变成电网产品

这张来自江苏无锡的真实服务器机房照片，贴合本文对算力作为物理基础设施的关注：机柜、电力、冷却、选址与运营，并把论述落在具体基础设施现场。[5]

截至 2026-05-25 UTC，中国 AI 供应链里更尖锐的信号，已经超出“国产加速器替代受限 Nvidia 部件”这一层。更持久的变化在于，北京正在把 AI 算力改造成能源系统的一部分。芯片仍然重要，但 2026 年 5 月的 AI-能源行动方案，已经把电力供应、选址、绿色电力、储能、冷却、碳核算与工作负载弹性写进 AI 堆栈本身。[1]

这会改变工程团队真正该问的问题。评估系统时，不能只问哪个模型跑在哪种加速器上。设施坐落在哪里，背后是哪类购电合约，工作负载能否随电价迁移，冷却方案怎样影响能评，运营方能否按单位算力记录碳强度，这些问题也要进入评估表。在加速器受约束的市场里，芯片短缺一眼可见。进入大规模推理市场后，更安静的瓶颈会落在另一处：集群能不能以足够低的成本、足够高的可靠性、足够可信的电力来源维持高利用率。

图片语境：封面使用江苏无锡一间服务器机房的真实照片。[5] 这张图把视觉重点放在物理层面：中国 AI 堆栈越来越同时涉及机柜、电力、热管理与运营分界，和模型发布同样相关。

政策点出了缺失的一层

4 月 8 日的行动方案由国家发展改革委、国家能源局、工业和信息化部、国家数据局联合印发，对算力和能源的捆绑写得异常直接。文件提出，到 2027 年，中国应初步建成安全、绿色、经济的能源保障体系，用于支持人工智能创新；到 2030 年，面向人工智能算力基础设施的清洁能源供给能力应显著提升。[1] 这些日期带有部署时钟的作用，给国内算力下一阶段排出时间线。

最重要的一行落在布局上。方案要求统筹大型可再生能源基地与国家算力枢纽建设，引导算力设施和互联网骨干直联点向可再生能源资源富集地区布局，并探索建设配套能源系统的百万千瓦级人工智能算力设施。[1] 这和把数据中心当作电网规划完成后才出现的负荷，是两种不同思路。电力可得性由此成为选址中的一等变量。

文件也把供应链范围向外扩了一圈。它鼓励在适宜地区探索核电、氢能直接供给，面向算力设施配置构网型储能，开展能源使用全生命周期监测与风险预警，推动绿色备用电源、高效冷却、高性能供电架构、先进储能、余热回收和碳足迹核算。[1] 顺着这个口径看，AI 算力产品已经不只是加速器、框架和模型的组合。它同时包含电力电子、场址许可、市场交易、冷却设计、备用电源策略、计量体系与工作负载安排。

先前的 AI+能源方案说明这是一条连续线

2026 年 5 月的方案有前文。2025 年 9 月发布的推动“人工智能+”能源高质量发展的政策，已经把算力与电力协同描述为能源领域 AI 的必要支撑层，并设置了 2027 与 2030 年目标。[2] 那份文件的重点更多放在能源系统内部的 AI 应用：电网规划、新能源预测、核电运行、煤矿安全、油气、储能、虚拟电厂和跨行业调度。[2]

2026 年文件把观察角度翻了过来。它追问能源怎样支持 AI，而不仅仅是 AI 怎样优化能源。如果说 2025 年的主题是把模型应用到电力系统，2026 年的主题就是电力系统怎样决定模型能在哪里规模化运行。堆栈正在变成双向关系：AI 帮助电网预测和调度，电网则决定哪些 AI 工作负载具备经济性与政策可接受性。

对运营方而言，这形成了新的条件。模型提供商可以在一夜之间发布 API 端点，却无法在一夜之间召来高压接入、多年期绿电合约、储能资产、冷却改造或需求响应机制。较早把这一点纳入内部流程的团队，会把能源工程视为容量规划的一部分。忽略这一层的团队，会发现模型需求和物理基础设施沿着不同的时钟扩张。

国产加速器让能源层更显眼

国家数据局 4 月 14 日关于郑州国家超算互联网核心节点的报道，显示了规模压力。该节点于 2026-02-05 启动试运行，可供大规模 AI 算力使用的国产 AI 加速芯片超过 30,000 颗。到 2026-04-14，规模已升级至 60,000 AI accelerator chips，报道称其为中国规模最大的科研智算基础设施。[3]

这些数字的意义，不在排行榜比较，而在它们立刻变成运营问题。六万颗加速芯片放进机柜，不会自动转化为可用能力。它们需要电能质量、热稳定性、网络、调度、故障管理，也需要一条能保持高利用率的需求管线。若工作负载呈现突发性，电价又在波动，场址还无法吸纳更多绿电，“芯片数量”就会成为衡量可用 AI 容量的不完整指标。

这正是 2026 年 5 月行动方案中市场化语言的重要性。文件支持算力设施参与电力、辅助服务和需求响应市场，并鼓励新建算力设施与新能源发电企业签订多年期绿电交易协议。[1] 这会把 AI 运营方推向电网中的更主动位置。大型集群会从单纯电力买方，变成弹性负荷、由储能参与调节的市场主体，以及经过碳核算的算力卖方。

模型发布开始携带隐藏的基础设施假设

DeepSeek 4 月 24 日的 V4 API 更新，是一个有用的需求侧标记。官方变更日志显示，DeepSeek-V4 通过 OpenAI Chat Completions 和 Anthropic 兼容接口同时支持 V4-Pro 与 V4-Flash，而旧有的 deepseek-chat 和 deepseek-reasoner 名称计划在 2026-07-24 停止使用，并在过渡期内临时映射到 V4-Flash 模式。[4] 从表层看，这是一条清晰的软件迁移线：新模型 ID、兼容路径和三个月别名窗口。

再往下看，它也是容量线索。更长上下文、面向 agent 的 API 兼容模型，会改变负载形态。它们会吸引更大的提示词、更长的会话、工具密集型循环、检索任务、编码工作流，以及来自第三方产品的更高并发。基础设施负担不只在训练端，还包括带有可变延迟预期和用户侧可靠性要求的持续推理。

算力与电力的捆绑由此进入战略层面。若中国前沿和近前沿模型越来越多面向国产硬件，艰难的问题就不只在 CANN、Paddle、MindSpore、vLLM 分叉或厂商 runtime 能否跑起模型。更艰难的问题在于，服务这些模型的设施能否把电力成本、冷却开销、碳暴露与利用率控制在可运转范围内。模型发布可以立刻创造需求；电力系统吸收这种需求，则要经过更慢、监管更重的机制。

对工程团队的变化

面向正在选择中国 AI 基础设施的工程团队，实际尽调清单现在应包含四层。

第一，询问工作负载的能源姿态。它是延迟敏感型推理、批量推理、训练、微调、嵌入，还是科学计算？5 月方案在讨论绿电直连和灵活调节时，明确区分了任务类型。[1] 夜间批处理任务和面向消费者的聊天机器人，不应使用同一套电力画像。

第二，询问场址与合约质量。可再生能源富集地区可以提供更低碳的电力，但也会带来网络、人才、数据治理和延迟方面的取舍。多年期绿电协议可以稳定供给叙事，前提是运营方能够记录匹配关系、消纳情况与碳核算方法。

第三，询问平台能否跨电力条件调度。2025 年政策提出多异构算力调度、任务编排、算存网融合、算力池化，以及提高算力中心绿电使用比例。[2] 这些已经进入平台工程问题：当电价、电网压力、芯片可用性和延迟目标同时变化时，平台要决定工作负载在何处、何时运行。

第四，询问软件堆栈向客户暴露多少能源与碳信息。若绿色算力成为可交易产品，买方最终会要求超过“在中国托管”或“运行在国产加速器上”的信息。真正有用的合约会写明延迟等级、加速器类型、数据分界、电力来源、碳核算方法和故障切换行为。

供应链读法

短期结论是，中国 AI 堆栈正在变得更加纵向纠缠。模型公司、加速器厂商、云平台、数据中心运营方、电网公司、新能源发电企业、储能供应商和地方政府，正在被拉进同一张运营图里。这会带来执行风险，因为这些主体之间的协同缓慢且不均衡。它也会形成防御性，因为一个选址合理、供电充分、调度成熟的算力集群，比单一模型端点更难复制。

2026 年剩余时间里的观察项，不只是下一个模型分数或加速器公告。更值得看的是，中国能否把“算电协同”的政策语言转成可路由容量：真正被使用的集群，能够承受需求峰值的电力合约，通过能评的冷却和备用系统，以及能在不破坏用户侧服务的前提下迁移弹性工作负载的调度层。

若这一转化发生，中国 AI 竞争将较少围绕孤立的模型发布展开，而会更多围绕基础设施编排展开。胜出的堆栈不会是芯片数字最响亮的一方。它会是能够把电力、冷却、国产加速器、软件兼容性和工作负载时序转化为稳定 token 的一方。

cronfeed.work