马 源 郭 宁 孙晓麒（国务院发展研究中心企业研究所；西南政法大学）
摘 要：2026 年政府工作报告强调，要打造智能经济新形态，实施超大规模智算集群、算电协同等新基建工程。本文认为，构建超大规模智算集群是打造智能经济新形态的必然要求，关键在于强化算电协同。但目前推进算电协同面临规划协同、绿色低碳、经济高效等方面的挑战。因此，为适应智能经济发展需要，在强化算电协同、加快构建超大规模智算集群方面，需进一步加强统筹规划指引、强化绿电供给保障、提高算电协同模式的经济性。
关键词：智能经济新形态；算电协同；超大规模智算集群
人工智能（AI）是引领新一轮科技革命和产业变革的战略性技术，正在深刻改变人类生产生活方式。我国“十五五”规划纲要指出，要深化拓展“人工智能 +”，加快国家枢纽算力设施集群建设。2026 年政府工作报告强调，要打造智能经济新形态，实施超大规模智算集群、算电协同等新基建工程。落实上述要求，筑牢数智化发展底座，关键是顺应人工智能创新发展规律，以集群化、集约化、绿色化为导向，强化算电协同，加快构建富有经济性、普惠性的智算集群设施。
一、构建超大规模智算集群是打造智能经济新形态的必然要求
（一）人工智能不断进步带动算力需求爆炸式增长
近年来，人工智能技术创新活跃，大模型日新月异，在规模定律（Scaling law）驱动下，模型参数规模不断攀高，倒逼智算能力加快提升。人工智能研究机构 Epoch AI 分析全球主流人工智能模型后发现：从 2010 年到 2022 年，在 ChatGPT 发布之前，训练一个前沿机器学习模型所需的计算量每年仅增长约 4 倍；但从 2022 年开始至今，大模型企业你追我赶、竞争激烈，推动模型参数从百亿级一路提升到万亿级，以训练全球前 5 名的前沿模型为例，所需计算量每年增长 5 倍左右。再从全球 AI 芯片供应侧看，以英伟达 H100 高性能计算芯片（GPU）为基准等效单位来计算，2022 年至今全球所有智算芯片的总可用计算能力每年增长约3.3 倍，或者说，全球AI 计算能力翻一番只需要 7 个月时间，指数增长态势明显。
（二）算力需求快速增长要求构建超大规模智算集群
训练人工智能大模型通常需要数万甚至数十万颗高性能智算芯片同步工作，每一步迭代都需要频繁交换海量梯度与中间数据，任何节点的延迟或故障都会影响到整体训练进度。若计算节点分散在不同地域，网络延迟将严重拖慢甚至中断训练过程。而集中式集群采用统一的高性能互联技术和同构硬件环境，不但能最大限度保障稳定性和效率，还具备显著的规模效应，如统一供电、集中运维，大幅降低单位算力的能耗与成本。实践中，如亚马逊“Rainier 项目”投入 110 亿美元在美国印第安纳州 1200 英亩土地上建设超大数据中心，安装 50 万张自研定制 Trainium2 芯片供 Anthropic 训练模型；马斯克旗下xAI 在美国田纳西州建造“巨像 2 号”(Colossus 2) 数据中心，规划配备超过 100 万张英伟达 GPU。总体上，全球科技巨头在超大规模智算集群部署方面均已进入巨型扩张阶段，呈现出“大集群、高密度、强协同”的鲜明趋势。
（三）超大规模智算集群为智能经济提供了必要载体
超大规模智算集群汇聚沉淀了海量的数据、算法、模型等资源，是加快 AI 生态培育、促进智能经济发展的孵化场、放大器。一是智算集群为各类 AI 初创企业提供 AI 模型训练所需算力，助推其加快技术验证、模型改进和迭代优化速度。二是在云端部署 AI模型，方便用户访问模型服务（MaaS），实现产品和服务快速部署，以及规模化应用扩散。如美国Meta 依托其已建成的由 5 座数据中心组成、含 12.9 万张 NVIDIA H100 GPU 的智算集群， 增强训练和推理能力。 Meta 披露，截至 2025 年 9 月，Meta AI 月活用户数量突破 10 亿，显示模型能力正加快向现实场景转化。三是将集群汇聚的模型、数据和开发资源通过智算云共享，转化为开源生态优势，吸引更多创新资源集聚。例如，阿里巴巴“魔搭社区”汇集了 17.7 万个模型、1.7 万个数据集以及各类业务应用，据第三方统计，截至 2025 年年底，千问衍生模型数量突破 18 万，数量规模居全球第一。
二、构建超大规模智算集群关键在于强化算电协同
（一）超大规模智算集群给电力供给带来挑战
没有能源，就没有 AI。人工智能的兴起正在加速高性能服务器的大规模部署，再加上网络设备、冷却和环境控制设备用电，推动数据中心耗电量快速增长。2025年，国际能源署（IEA）发布的《能源与人工智能》报告显示，2024 年全球数据中心用电 415 太瓦时 (TWh)，约占全球电力消耗的 1.5%，预计到 2030 年全球数据中心电力需求增长到约 945TWh，接近日本现在的总用电量。更重要的是，相比通算来讲，智算集群的功率密度更高，以单机柜功率来看，已从 10 千瓦跃升至数十千瓦乃至 100千瓦以上，再考虑到集群部署特性，超大规模智算集群的功率正迈向吉瓦（GW）级。据 Epoch AI 披露，微软计划在美国威斯康星州建设世界最强大的智算集群，预计到 2027 年 9 月总功率将达到 3.3GW，这将给该州的电力供给带来巨大压力。咨询公司 SemiAnalysis 发布的报告显示，由十万张 H100 卡构成的AI 集群功耗约为 150 兆瓦，每年耗能约 15.9 亿千瓦时，以中国人均生活用电量 1000 千瓦时 / 年计算，相当于一个 159 万人口的大型城市全年生活用电量。
（二）国际社会加强统筹推进算电协同
AI 驱动的数据中心扩张和电力需求激增所带来的挑战近在眼前，越来越多国家立足自身禀赋，从能源供给、基础设施建设和制度安排等方面统筹推进算电协同。爱尔兰是国际科技巨头扎堆地，数据中心密集，用电增长较快。数据中心用电量占爱尔兰全国总用电量的比重已由 2015 年的 5% 升至 2023 年的 21%。在此背景下，爱尔兰政策重点转向通过制度约束来控制数据中心发展节奏，包括收紧都柏林地区新建数据中心审批，并拟要求新建项目配置备用发电或储能设施、参与电力市场交易，从而保障算电协同有序发展。阿联酋政府为支持本土企业 G42 规划建设 5 吉瓦数据中心，同步推进 5 吉瓦天然气发电扩建项目和 1 吉瓦太阳能加储能项目。2025 年 2 月，法国公布 1090 亿欧元基础设施投资计划，推进电价稳定、电网可靠和审批流程简化，以实现年均 2% 的发电增长、支撑 AI 扩张。日本预计到 2030 年数据中心用电量将在现有基础上增长 80%，新增约 16TWh，最新的日本国家能源战略已转向最大限度利用核能和可再生能源，引导数据中心向可再生能源富集区布局，并补贴节能型计算基础设施。
（三）提升算力经济性要求加强算电协同和算力跨区域调度
提升算力经济性，要求坚持系统观念，将算电协同与跨区域调度作为两大着力点。首先，我国能源供给与算力需求存在显著的空间错配。东部地区集聚了全国七成以上的算力需求，但土地与能源相对紧缺；西部地区绿电潜力巨大，却面临本地消纳不足的困境。对于冷数据存储、低时延要求的 AI 服务，加强算电协同，将西部的“瓦特”转化为东部的“比特”，可从源头上降低单位算力成本。近年来，国家推进“东数西算”，就是引导超大规模智算集群向能源富集区汇聚，就近实现算力、电力和网络等要素资源的高效配置。其次，实现碳达峰碳中和需要各行业各领域协同努力，智算集群也需要超前考虑如何实现绿色化转型、提供绿色算力，这就要求通过源网荷储、绿电直连、绿电交易等多种方式，来扩大智算集群的绿电占比。最后，从理论上讲，通过跨域调度填补区域间的算力供需缺口，可消除“算力孤岛”，提升整体利用率，增强系统容灾能力与可靠性，避免重复建设带来的资源浪费；同时，还可跨区域引入竞争机制，倒逼各智算集群提升效率与服务质量。
三、推进算电协同面临的主要挑战
从中长期来看，我国人工智能还处于快速发展阶段，对智能算力的需求还将保持高速增长，叠加“双碳”目标下能源结构深度转型，算力的集群化、绿色发展亟须加强与电力协同。从业界实践和调研看，算电协同已有不少试点，但仍面临一些难题和挑战。
（一）规划协同挑战
算力需求快速增长及用电集聚化发展为局部电网扩容带来压力，如八大国家枢纽（含十大集群）已建成的智算规模占全国比重超过 80%，负荷集聚程度高、密度大，而西部、北部地区部分配网设施相对薄弱。我国西部绿电富集区与东部算力密集区长期存在“时空错配”，部分算力枢纽节点的特高压配套工程、算力专用输电通道建设进度与算力布局衔接不畅。长期以来，电力规划主要考虑中长期负荷增长预测、电源结构、电网输配电能力、安全可靠性及环境可持续性等因素，而智算集群的布局更侧重供电的可靠性、经济性、绿色性等因素，电力和算力规划协同联动机制尚不健全，常出现 “算力等电”“电等算力”的状况。
（二）绿色低碳挑战
算力的高增长和高耗能特性使其成为实现“双碳”目标的关键约束领域。有关政策要求 2025 年国家枢纽节点新建数据中心绿电占比超过 80%。从算力侧企业来看，国家新能源发电量持续增长，但能参与电网交易的绿电电量规模有限，且优先保障涉外贸制造企业的“绿电溯源”需求；目前虽已建成一定规模的跨区输电通道，但相对于快速增长的电力交易需求仍显不足；绿电直连、源网荷储等模式在算力场景的应用有一些试点，但配套政策如新能源指标、源荷匹配比例、调节能力、价格机制等还需进一步健全。从电力侧企业来看，智算集群及 AI 业务需求对电源稳定性、可靠性要求高，这与风电、光伏发电的间歇性、波动性特征存在结构性矛盾，凸显出系统平衡和安全问题；同时，在建设新型电力系统方面，调节性资源建设面临约束，大容量长时储能等技术仍待突破，适应大规模新能源发展的源网荷储多元综合保障体系还需健全。
（三）经济高效挑战
据调研，智算集群的用电成本占其日常运营成本的六成左右，以 GW 级集群为例，电价每增加 1 分钱，全年电费支出将达 0.87亿元，为此智算集群企业在选址时高度关注电价高低。近年来，政策层面已为绿电直连、零碳园区、源网荷储等模式打开了空间，但仍面临些许挑战：首先，算力设施迭代周期短，能源基础设施建设与回报周期长，可能存在资产搁置的风险；其次，就近建设源网荷储、绿电直联等设施虽可节省自发自用电量成本，但当风光绿电不足时，需电网企业及时托底，这将加大系统调节压力，电价成本构成仍有待协调；最后，智算集群参与电网交易购买绿色电力，可能面临交易定价、电网调度等跨区域绿电直供堵点。总体上，电力市场、绿证市场、碳市场、算力市场相对独立，价格信号与激励机制难以有效传导。此外，全国一体化算力网建设还面临不同主体调度的商业模式、利益分配模式不清晰以及生态碎片化等深层次难题。
四、强化算电协同需着力推进的重点任务
适应智能经济发展需要，在强化算电协同、加快构建超大规模智算集群方面，需着力做好以下重点工作。
（一）加强统筹规划指引
构建算电协同统筹发展机制，将算力用电需求作为全国电力发展规划的重点篇章，滚动完善智算集群所在地能源电力发展规划，适度超前做好新能源场址预留和电网规划建设。加强基础设施规划和建设，按智算集群预期建设规模，科学研判和规划用电容量，推动电网侧适度超前建设输配电设施。此外，加快国家枢纽算力设施集群建设，支持有条件地区根据低时延场景需求适度发展算力，推进云边端协同发展；提升八大国家枢纽的网络地位，对标国家互联网骨干网直联点，建设网状网络，有效降低东部和西部长距离传输时延。
（二）强化绿电供给保障
优先保障算力枢纽节点的绿电供应，加快特高压外送通道建设，推进算力枢纽节点特高压配套工程和电网升级工程，提升算电资源配置效率。推动更多新能源电力进入市场，健全智算中心绿电交易机制，探索发用双方签订绿色电力购买协议（PPA），锁定绿电供应。优化绿证价格形成机制，推动绿证跨省流通。统筹推进风光发电、微电网、大电网和园区储能设施建设，进一步鼓励体制创新和新技术开发应用，培育算电协同产业链，形成绿电供给和需求相互促进的良性关系。加快建设新型电力系统，健全新能源高效开发利用体系，加强储能规模化布局应用。
（三）提高算电协同模式的经济性
强化绿电直连等相关配套政策与体制机制创新，在智算集群地区围绕绿电直供、多源互补、源荷互动等开展先行先试，探索算电协同模式，树立标杆示范，复制推广先进经验。引导企业积极消费绿色算力，对绿色算力给予一定补贴，探索绿色算力和企业碳交易、碳汇结合的发展模式，支持绿色算力行业应用创新。推进算力领域全国统一大市场建设，完善算力互联互通和调度机制，在支持开展算力调度模式探索和创新的基础上，研究制定全国一体化算力调度标准，加强全国一体化算力监测调度，提高算力资源使用效率，更好满足中小企业和科研机构对算力资源的旺盛需求。
（马源系国务院发展研究中心企业研究所副所长，研究员；郭宁系国务院发展研究中心企业研究所副研究员；孙晓麒系西南政法大学民商法学院博士研究生）