2026年8月，在内蒙古乌兰察布的风电场里，一台台风力发电机的叶片正随风转动。不远处，一座建筑面积12万平方米的巨型建筑里，百万块AI算力卡正在24小时不间断地"吞吐"着算力——它的电力，来自这些风机，通过专线"直连"，不经电网中转，一路送进机房。
这座刚刚投产的"远景乌兰察布星河基地"，是全球Token产出能力最强的单体AI数据中心。它所在的城市，过去以"土豆、铁合金、旅游"著称，如今立起了"Token之都"的旗帜。当地人说，这是一次从"放牧牛羊"到"放牧算力"的转身。
如果把AI比作一个胃口惊人的新物种，那么电力就是它唯一的食物。这个物种正在以肉眼可见的速度长胖——根据中电联披露的数据，2025年全国数据中心用电量约1700亿千瓦时，占全社会用电量的1.6%，而八大算力枢纽节点近3年的用电增速高达年均39.5%，远超全社会平均增速。从全球来看，据美国高德纳(Gartner)信息技术研究与顾问咨询公司预测，2026年全球数据中心用电量将达到565TWh(太瓦时)，同比增长26%；到2027年，AI服务器用电量将超过传统服务器。
算力的尽头是电力。这句话正在从一个行业隐喻，变成一场真金白银的产业迁徙。而这场迁徙的终点，指向中国西部，指向戈壁滩上的风与光，指向一个正在被重新绘制的能源版图。
算力有多"能吃"：一场没有终点的"进食"
AI对电力的胃口，大得超出多数人的想象。
英伟达创始人黄仁勋在2026年"剑桥能源周"上说了一句被广为引用的话："GPU的性能每两年提升2.5倍，但能效只提升1.5倍。未来十年，电力供应将比芯片制造能力更关键地决定AI发展的速度。"微软能源副总裁布赖恩·亚诺斯则算了一笔更直观的账：GPT-4的一次训练耗能约为5吉瓦时，而下一代大模型的训练能耗，预计还要再增加5到10倍。
一组数据可以勾勒出这条曲线有多陡峭。国际能源署(IEA)统计，2023至2026年间，全球数据中心电力消费年均增长率达18%，其中AI计算的用电占比，从2023年的15%猛增至2026年的35%；高德纳咨询公司预测，2026年全球数据中心用电量将达565太瓦时，同比增幅26%——这些数据指向的是同一个趋势：算力用电正在加速攀升。摩根士丹利今年5月的测算显示，受大模型Token调用需求飙升350%的推动，全球超大规模云服务商2026年的资本开支预测已从4500亿美元上调至8000亿美元，全球数据中心将面临约55吉瓦的电力缺口。
在中国，这一进程同样在加速。发改委数据显示，截至2026年3月底，国内智能算力规模达到188.2万PFLOPS，相当于去年同期的2.5倍。此外，据国家能源局公开数据，"十五五"时期全国算力用电量将年均新增1000亿千瓦时以上，到2030年有望达到8000亿千瓦时，占全社会用电量的6%左右——也就是说，未来5年，中国每年新增的算力用电量，相当于2025年全国数据中心全年用电量的近六成。
算力越强，吃得越多；模型越大，饿得越快。这场"进食"没有终点，而粮食的产地，正在改变。
让绿电"直连"算力：从东部到西部的产业迁徙
中国算力布局，正在发生一场地理意义上的大迁徙。
过去，数据中心习惯建在东部沿海——离用户近、网络时延低。但东部缺的恰恰是电，尤其是绿电。于是，越来越多的数据中心开始向风、光资源富集的西部聚集：那里电价便宜、绿电充足、土地辽阔，唯一的代价是距离。
如何把"距离"变成"优势"？答案是四个字：绿电直连。
所谓绿电直连，就是让风电场、光伏电站通过专线，把电直接送进数据中心，不经过电网的层层中转。这条路，乌兰察布走在了最前面。这座距离北京仅200公里的城市，全域清洁能源装机已突破2028万千瓦，绿电占比高达67%，年均气温4.3摄氏度——天然的冷源，连散热都省了一半力气。
2026年8月6日，远景科技集团在这里投下了"远景乌兰察布星河基地"：12万平方米的建筑体量，相当于20个标准足球场；百万卡并行、百万P算力规模，算力输出能力达到同等面积传统数据中心的10倍；园区总规划容量超过2吉瓦，是当前全国最大的AI算力园区。更重要的是，这座超级单体的电，来自自建风场和输电专线——风一吹，电就到，算力就产出，整个链条一气呵成。
同样的故事正在越来越多地上演。金风科技联合中金数据在乌兰察布落地的全国首个数据中心绿电直连源网荷储一体化项目，配套20万千瓦风电、10万千瓦光伏和4.5万千瓦储能，投运后可再生能源替代率达38.74%，算力成本降低超过25%。
算力往西走，绿电就地变算力。过去西部向外输送一度电，如今把电"加工"成算力，再以更高附加值的形式输出。有数据显示，仅乌兰察布一地的算力产业，就已创造超过1.5万个就业岗位——从"西电东送"到"西算东输"，一场关于价值的再分配，正在戈壁滩上发生。
储能：从"可选备电"到"基建刚需"
算力对电力的依赖，不止是"量大"，更是"苛刻"——不能断电，不能闪断，波动要稳，响应要快。大模型训练一旦中断，可能就是千万级的损失。这给储能产业打开了一扇此前无人预料的大门。
据高工产研锂电研究所统计，2026年上半年，35家储能企业累计签约规模约550吉瓦时；国内新型储能项目采招落地规模约383吉瓦时，同比增长121.8%。另据起点研究(SPIR)《2026全球储能行业研究白皮书》，2026年前5个月，全球AIDC(AI数据中心)储能系统出货量已达10吉瓦时，超过2025年全年的规模；全年出货量有望冲击30吉瓦时，到2030年或将跃升至400吉瓦时。
订单结构也在升级。此前储能签约以百兆瓦时级别的零散项目为主，如今单笔吉瓦时、甚至10吉瓦时以上的超大型框架订单密集落地：赣锋锂电与客户达成超30吉瓦时的全场景储能合作意向，海辰储能锁定三年20吉瓦时的长时储能电芯供货协议，亿纬锂能年初至今披露的订单总规模已超130吉瓦时。
为什么AI数据中心如此需要储能？原因并不复杂。数据中心用电负荷稳定、规律性强，与新能源发电的波动性天然互补；而AI训练对供电连续性的要求又极为苛刻，毫秒级备电成为数据中心标配。当大模型训练从"阶段任务"变成"24小时常态"，储能便从数据中心的"可选备电"升级为"基建刚需"。每一度新增的算力用电背后，都站着需要削峰填谷、稳压稳频的储能系统。
储能，正在从新能源的"配角"，走向算力时代的"主角"之一。
算力与电力：一场正在发生的"双向奔赴"
如果故事只讲到这里，那还只是"算力单方面消耗电力"。真正值得玩味的，是这场关系正在变成"双向奔赴"——算力需要电，而电网，也开始需要算力。
谷歌旗下DeepMind团队研发的智能调度系统"GridMind"，通过强化学习优化电网实时调度，在美国加州独立系统运营商的试点中，将可再生能源消纳率提升了8.3%，同时降低了12%的备用容量需求。换句话说，AI不仅能"吃电"，还能帮电网"省电""找电"。
数据中心也开始从纯粹的"用电户"，变成电网的"灵活性资源"。2025年冬季用电高峰期间，微软在弗吉尼亚州的数据中心集群通过降低非关键算力负荷，向电网提供了220兆瓦的调峰能力——一边训练大模型，一边帮电网扛过尖峰，算力和电力第一次以这样的方式"协同作战"。
电力是滋养算力的阳光雨露
回看这场变革，我们或许可以用一句话概括：AI让算力变成了新时代的生产力，而电力，是滋养这种生产力的阳光雨露。
从西部随风转动的风机，到东部机房里的百万芯片，一场由AI引发的能源版图重塑，正在中国大地上展开。它让一度被视作"偏远"的西部，站到了数字经济的最前沿；让一度被视为"配角"的储能，成为基建的刚需；让一度"各管各"的算力与电力，走向深度的双向奔赴。
这让人想起《管子》里的一句话："凡有地牧民者，务在四时，守在仓廪。"古代的治理者懂得，仓廪实，则民心安。今天的我们同样懂得：算力是数字时代的"仓廪"，而电力，就是那一片需要被精心守护的沃土。当风与光在戈壁上汇成算力的河流，中国的AI故事，才刚刚翻开新的一页。
首页
微信公众号
证券之星APP
