邢庆科 许成东（中国价格协会数据价格专业委员会算力算法部；中诚力锘科技集团）
摘 要：算电协同是绿色算力发展的关键支撑，绿电直连则是当前最具落地性的场景之一。但在实践中，算力设施通过绿电直连消纳新能源，仍面临经济性不足、源荷规模匹配困难、算力价值出口不畅等现实堵点。本文认为，算电协同不能简单等同于“数据中心配绿电”，而应围绕绿电直连这一抓手，从电网成本分担机制、源荷规模匹配机制、算力生态治理机制三个层面推进制度创新。文章结合绿电直连价格机制和算力中心用电特征，揭示高可靠负荷情形下接入容量费用高、算力负荷与新能源开发规模不匹配、绿色算力难以有效转化为可交易服务等关键矛盾，并提出建立绿电直供场景下的输配成本折算与责任分担框架、建设绿色算力出海试点、构建分层算力生态等建议，为推动算电协同从“绿电接入可行”迈向“绿色算力可出口、可结算、可持续”提供参考。
关键词：算电协同；绿电直连；绿色算力；输配电费；算力出海
一、算电协同是绿色算力发展的关键支撑
（一）算电协同的战略定位
人工智能加快从技术应用走向产业重构，算力也由信息基础设施转变为支撑新质生产力的重要底座。大模型训练、推理调用、智能体运行、工业仿真、数字内容生成和跨境数字服务等，都离不开持续、稳定、低成本的算力供给。算力能否规模化、绿色化、低成本发展，已不只是数字产业自身问题，而是关系到国家数字竞争力和未来产业主动权的基础性问题，这就要求加强顶层设计，统筹算力与电力设施布局。
从政策演进看，绿电直连已成为算电协同落地的重要支撑。《关于有序推动绿电直连发展有关事项的通知》明确，绿电直连应按照“安全优先、绿色友好、权责对等、源荷匹配”原则建设运行，并强调以荷定源、自发自用为主。《关于完善价格机制促进新能源发电就近消纳的通知》（以下简称“1192号文”）进一步明确，就近消纳项目接入公共电网后，按照“谁受益、谁负担”原则，对电力系统提供的稳定供应服务，就近消纳项目公平承担输配电费、系统运行费等费用。《关于有序推动多用户绿电直连发展有关事项的通知》（以下简称“688号文”）则将绿电直连拓展至多用户场景，并提出优先支持算力设施等新兴产业和未来产业开展绿电直连。基于此，本文聚焦算电协同中的绿电直连场景，重点分析算力设施通过绿电直连消纳新能源时面临的成本分担、源荷匹配和算力价值转化问题。
当前，算电协同已成为在数字中国建设和能源革命之间建立的新连接机制：一方面，算力扩张需要稳定、绿色、低成本电力支撑；另一方面，新能源就地消纳也需要高质量、可持续的新型负荷承接。算电协同的战略价值，正在于推动绿色电力从能源产品进一步转化为算力服务能力和数字经济竞争力。
（二）算力与电力双向赋能
我国拥有成熟的电力系统，在电源建设、特高压输电、新能源开发、电网调度和电力市场建设等方面具有较强能力。相比之下，智能算力仍处于快速成长和格局重塑阶段，特别是在高端训练和推理算力、绿色算力服务、跨区域算力调度和词元（Token）服务出口等方面，还需要持续培育。
因此，现阶段讨论算电协同，不能只从电力系统自身收益最大化出发，也不能简单把算力中心视为普通高耗能负荷。人工智能竞争表面上是模型、算法和芯片的竞争，深层则是电力供给能力、绿电获取能力和能源成本的竞争。对算力企业而言，电价是影响模型训练、推理调用和算力服务价格的重要基础成本。
从这个意义上说，电力系统对算力发展给予阶段性支持，是在为未来产业发展筑基。获得稳定、绿色且价格实惠的电力，算力产业可降低训练、推理和行业应用成本，形成可持续的市场需求。反过来，算力一旦形成规模化应用，也将为新能源消纳、绿电交易和地方产业升级提供新的负荷场景。实证研究表明，人工智能技术会显著推动产业向具备核心要素优势的地区集聚，而电力成本优势正是当前中西部地区吸引算力产业转移的核心竞争力，这一转移过程将带动中西部产业升级，同时打破传统的梯度转移格局。
（三）算电协同：为绿电寻找高价值出口，为算力发展筑稳能源底座
进入“十五五”时期，以人工智能为核心的智能技术正驱动全球经济范式变革，算力作为核心要素，其发展机制离不开创新驱动、需求牵引与制度协同。能源行业作为算力的主要动力来源，在开展“人工智能+”行动、推动能源与算力深度融合的过程中，也面临着诸多系统性挑战与发展机遇。绿色算力的高效供给能够激活丰富的场景创新，同时将成为推动我国在智能经济时代实现跨越式发展和新质生产力突围的关键红利。
发展算力必须重视用电增长，但也要客观看待其在全社会用电中的比例。近年来，数据中心、智算中心和超算中心规模持续扩大，算力用电增长较快，对电力供应、绿电消纳和系统调节提出了新要求。北京理工大学发布报告显示，2025年我国数据中心电耗占全社会用电量比例约为2.4%；《数据中心综合能耗及其灵活性预测报告》指出，到2030年，这一比例可能升至4.8%。这一趋势说明，算力用电需要及早纳入电力规划和绿色低碳发展框架。
但同时也要看到，相较钢铁、化工、有色、建材等传统高耗能行业，算力产业具有技术迭代快、服务外溢强、单位价值高等特点。且算力消耗的每一度电，并不只转化为单一实物产品，还可能转化为模型能力、Token调用、工业智能体、数字内容、跨境API服务和企业降本增效的能力等。若能依托绿电形成低成本算力服务，其单位电力承载的经济价值和战略价值将显著高于一般性电力消费。
因此，对于直供率较高、源荷匹配较好、公共电网实际占用程度较低的算力项目，适当优化输配电费用以及绿电直连、市场化交易机制，既有助于培育新的高质量负荷，也有利于拓展新能源就地消纳空间；在宏观上能够引导资源的高效流动，在微观上能够引导实体企业增加研发投入、改善市场预期，从而在有为政府与有效市场的协同下，深度驱动微观主体的关键核心技术创新。支持算电协同，不是为单个数据中心降低成本，而是为绿色电力寻找更高价值出口，为绿色算力发展提供更稳固的能源底座。
二、绿电直连场景下，算电协同面临的三重矛盾
绿电直连是当前算电协同最具操作性的切入点。一方面，它能够使算力中心获得更低碳、更可溯源的电力来源；另一方面，也要求项目在接网容量、内部平衡、输配费用、绿电溯源和市场结算等方面承担更明确的责任。也正是在这一场景下，算电协同的深层矛盾更容易暴露出来：电网稳定供应成本如何分担、算力负荷能否支撑新能源开发规模、绿色算力能否形成可持续的服务出口。
（一）宏观层面：电网成本分担与绿电直连经济性的矛盾
绿电直连因有望把新能源就近消纳、企业绿色用能和算力低成本供给结合起来而被寄予厚望。但从现实运行看，绿电直连并不意味着算力中心可以脱离公共电网。特别是对于可靠性要求较高的数据中心、智算中心而言，即便大部分电量来自直供新能源，仍需要公共电网提供备用容量、稳定供应和安全兜底。因此，算电协同首先遇到的不是技术问题，而是电网稳定供应成本如何分担的问题。
1192号文明确，对电源、负荷、储能等作为整体与公共电网连接的就近消纳项目，公共电网按照接网容量提供可靠供电等服务；项目则按照“谁受益、谁负担”原则，公平承担输配电费、系统运行费等费用。这一政策逻辑本身是合理的，因为公共电网确实承担了稳定供应保障责任。但对于算力中心而言，由于供电可靠性要求高，容量费用会被显著放大。
根据1192号文，月度输配电费=容（需）量电费+所在电压等级电量电价×平均负荷率×730h×接入公共电网容量。从上述计费机制的数理特征来看，折算后的实际度电输配成本具有显著的刚性特征与正向边际效应：一方面，该成本曲线随平均负荷率的上升而单调递增，这意味着算力中心的平均负荷率越高，公共电网加收的系统调节与托底保障边际成本就越高，从而推升了绿电直供部分的等效输配电价；另一方面，由于高可靠性冗余容量导致的固定容量费基数庞大，即使平均负荷率趋近于零，其初始的刚性分摊成本亦显著高于常规非直连模式下的电度输配电价。也就是说，在高可靠算力负荷场景下，绿电直连虽然减少了从公共电网购电的电量，但并没有相应减少接入容量和备用保障需求，最终可能出现“用了绿电，度电输配成本反而更高”的结果。
这一矛盾说明，当前绿电直连价格机制与算力中心供电特性之间还存在不适配。若完全按接入容量计收稳定供应保障费用，容易削弱算力企业参与绿电直连的积极性；若简单减免，又可能导致电网承担不合理的备用和安全责任。如何在电网合理成本回收与绿色算力培育之间找到平衡，是算电协同从政策倡导走向规模化落地必须解决的第一道关口。
（二）中观层面：算力负荷规模与新能源开发规模的匹配矛盾
算电协同的第二重矛盾，发生在算力企业和新能源发电企业之间。表面看，算力中心需要绿电，新能源企业需要消纳负荷，双方具有天然合作基础。但从项目投资和能量规模看，二者的“最小经济单元”并不一致。算力企业认为已经投入很大的项目，对新能源企业而言可能只是很小的用电负荷；新能源企业按照经济规模开发的项目，又可能超出单个算力中心能够承接的电量需求。
从算力侧看，以年用电量5000万千瓦时测算，平均负荷约为5.7兆瓦；若综合考虑PUE、供电冗余和服务器利用率，这一规模已相当于一个中等算力设施。此类项目不仅需要机房、供配电、制冷、网络和安全系统投入，还需配置服务器、GPU或其他加速设备。按保守的建设口径计算，其基础设施和算力设备合计投资可达数亿元至十亿元量级。此外，与一般用电企业不同，智算设备更新快、折旧快、市场价格波动大，算力侧的资本压力和经营不确定性更突出。
从新能源侧看，5000万千瓦时的年用电量并不大。按一台10兆瓦风机、年利用小时2500~3500小时粗略测算，单台风机年发电量约2500万~3500万千瓦时，两台10兆瓦风机基本可覆盖上述用电规模。对于新能源企业而言，这样的电量需求可能不足以支撑单独开展资源获取、前期开发、接入系统、建设运维和项目管理，更难形成规模化成本优势。反之，如果新能源企业按照几十兆瓦甚至更大规模开发风电、光伏项目，又需要更大、更稳定的负荷来消纳，这可能倒逼算力企业建设超出真实业务需求的机柜和服务器，形成算力侧的资产过度配置。
因此，算电协同在企业层面并不是简单的“绿电找负荷、算力找电源”。真正的难点在于：算力侧投资强度高，但用电规模未必足以支撑新能源企业单独开发；新能源侧需要规模经济，但规模化开发又可能超过单个算力中心的消纳能力。若这一矛盾不能通过园区化聚合、多用户绿电直连、算力出海和多元负荷组织等方式缓解，算电协同就容易停留在个别示范项目上，难以形成可复制的商业模式。
（三）微观层面：算力生态治理与绿色算力价值转化的矛盾
算电协同最终能否成立，不只取决于有没有绿电、有没有机房，更取决于算力能否转化为稳定的市场收入和高附加值服务。从微观层面看，我国算力中心当前面临的突出问题是：绿色电力和基础设施条件虽具备一定优势，但高端训练算力受制于芯片、互联和软件生态；国产化或简配算力在单位功耗计算效率和复杂任务承载能力上仍有差距；应用型Token服务出口尚未形成成熟通道。这使得部分算力中心容易陷入“有绿电、能建机房，但高价值算力服务不足”的困境。
算力竞争的本质，不只是机柜数量和装机规模，更在于同等功耗条件下的有效计算能力，以及进一步转化为可调用、可计量、可结算的智能服务的能力。当前，全球人工智能竞争集中于超大规模训练集群、高性能GPU、先进互联和模型生态，我国在部分环节仍面临外部约束。若单纯按照国外超大规模高性能训练集群模式推进算力中心建设，容易面临设备成本高、技术迭代快、利用率波动大和回收周期不确定等多重压力。
与此同时，算力需求并不只集中在前沿模型训练端。大量人工智能应用的算力消耗，实质落在推理调用、智能体服务、内容生成、实时交互等高频Token服务上，其需求侧典型场景包括跨境电商、游戏、数字人、工业客服等。这类负载对“单集群极限训练性能”的需求相对不高，更看重服务稳定性、调用成本、网络时延、数据合规性以及支付结算能力。汕头探索“Token出海”的启示正在于此：绿色算力的价值不应止步于“本地用绿电跑机房”，而应进一步形成“绿电 → 算力 → Token/API服务 → 跨境收入”的价值链。只有把国内绿电与算力基础设施的优势，对接到全球数字服务的真实需求上，算电协同才可能从用电成本优化转向服务贸易增值。
综上，微观层面的关键矛盾在于，算力生态尚未完成从硬件供给向服务输出的转型。具体来看，一是高端训练算力短期内仍受芯片、互联和软件生态等因素制约，难以实现大规模快速突破；二是顶级训练任务本身需求有限、用电规模相对较小，难以支撑大量算力中心长期满负荷运行；三是通用推理算力、行业算力和应用型算力若缺少稳定场景和服务出口，容易陷入低价竞争和利用率低下的困境；四是绿色算力的价值不能只停留在“用了多少绿电”，更要看能否被认证、可调用、可交易、可出口。只有提高同等功耗下的有效计算能力，并拓展Token服务、行业智能体、跨境API等价值出口，绿电优势才能真正转化为算力服务优势。
三、创新绿电直连机制，推动算电协同破局
（一）建立绿电直供输配折算系数，缓解绿电直连经济性约束
在绿电直连场景下，破解算电协同经济性矛盾，关键不是简单减免输配电费，而是建立与公共电网实际服务占用程度相匹配的成本分担机制。1192号文按接入公共电网容量收取稳定供应保障费用，体现了“谁受益、谁负担”的原则。 但对高可靠算力中心而言，2N供电架构会显著放大接入容量，若完全按接入容量刚性计费，容易使绿电直供的度电成本高于常规电网购电的输配成本，从而削弱绿电直连吸引力。因此，可在现有计费公式基础上，引入绿电直供输配折算系数，根据项目绿电直供率、源荷匹配水平和公共电网服务占用程度，对容量类输配费用进行适度折算。
该系数可按绿电直供率分档设置。对直供率80%以上的项目，说明其主要依靠内部新能源、储能和负荷调节实现供电，对公共电网电量依赖较低，可设置较低折算系数，形成明确激励；对直供率60%~80%的项目，可设置适中系数，使其仍有一定优惠，但不至于过度降低其应承担的稳定供应责任；对直供率60%以下的项目，说明其对绿电直供贡献不足，仍较多依赖公共电网，应不予明显优惠，基本回到现行计费水平。这样既鼓励真正高比例绿电直供，也避免低直供率项目借绿电直连名义规避系统成本。这一机制的重点，不是让电网无原则让利，而是让收费方式更加反映项目实际运行特征。直供率高、源荷匹配好、反送电受控的项目，对公共电网的实际占用程度较低，应获得相应价格激励；直供率低、仍高度依赖公共电网的项目，则应承担较完整的系统保障成本。通过这种方式，可以在合理电网成本回收和绿色算力培育之间形成更平衡的制度安排。
（二）建设绿色算力出海试点，拓展点对点算力服务需求
破解算力中心与新能源企业之间的源荷规模匹配矛盾，不能仅依靠本地算力需求。许多新能源富集地区并不缺绿电，缺的是稳定、高价值、可持续的用电负荷。单个算力中心的用电量，对算力企业而言已是重资产项目，但对新能源企业来说，可能仍难以达到单独开发所需的经济规模。因此，应将算力负荷需求从本地市场延伸到全球市场，引导国内绿色算力能力对接海外数字服务需求。
绿色算力出海试点的核心，是形成点对点算力服务模式。电力设施、机房和算力设备部署在国内，境外客户通过合规专用通道调用境内算力服务，服务形态包括Token调用、API接口、行业模型、智能体服务、内容生成等，应用场景涵盖跨境电商、游戏互动等领域。这样一来，海外需求可转化为国内算力中心的稳定用电负荷，进而提高绿电直供电量和新能源消纳能力。与单纯出租机柜、服务器相比，点对点算力服务附加值更高，更有可能将低成本绿电优势转化为数字服务贸易收入。
试点布局可分两类推进。一类是沿海地区，依托国际海缆、跨境数字经济园区和数据合规基础，探索“数据入境—境内绿电算力处理—结果出境”的服务闭环。另一类是绿电资源丰富但远离国际海缆的地区，可结合国家算力枢纽、低轨卫星通信、激光卫星通信和专用算网通道，探索低时延、可监管、可审计的跨境服务路径。688号文明确，多用户绿电直连适用于工业园区、零碳园区、增量配电网等场景，并优先支持算力设施开展绿电直连，这为绿色算力出海试点与绿电直连项目相结合奠定了政策基础。
绿色算力出海必须以安全可控为前提。试点区域应建立物理隔离、专用通道、全流程留痕、分级分类监管和第三方审计机制，明确境外数据入境、模型调用、结果出境和支付结算规则。可优先选择不涉及重要数据和敏感个人信息的通用推理、内容生成、跨境电商、数字人、工业客服等场景先行试点。通过外部需求牵引内部绿电消纳，可同步提高算力中心利用率和新能源企业参与积极性。
（三）构建分层算力生态，提升绿色电力价值转化能力
破解微观层面的算力生态治理矛盾，关键在于推动算力中心从单一硬件供给平台向绿色算力服务平台转型。当前，一些算力项目容易将重心放在机柜、服务器和装机规模上，但真正决定其长期竞争力的，不是使用了多少绿电，而是在同等功耗下能否形成更多有效计算能力，并进一步转化为稳定收入、产业应用和数字服务出口。只有通过多层次的价值转化体系将算力嵌入实际产业应用，才能真正赋能微观实体经济，提高企业全要素生产率，并在供应链层面形成数字涟漪效应。因此，绿色算力生态建设应从“建算力”转向“用好算力、卖出算力、提升算力”，构建多层次、多场景、多出口的价值转化体系。
一是发展Token服务出口，把绿色算力转化为可调用、可计量、可结算的数字服务。算力中心不应局限于机柜和服务器出租，而应面向跨境电商、游戏、数字人、工业客服、内容生成和智能体调用等场景，提供标准化API服务和Token计费服务。这样才能将“绿电支撑机房运行”进一步转化为“绿色算力服务进入市场”，形成从绿电、算力、模型到收入的价值链条。
二是推动简配算力与先进算力融合建设，降低整体投资压力。不是所有任务都需要最高端训练算力。高端训练、复杂仿真和核心模型优化可由先进算力承担，轻量模型调用和常规推理则可通过微调、蒸馏等技术在边缘端和简配算力上运行。积极打造AI模型“1+N”服务新模式，由大型头部企业提供预训练大模型，中小企业基于自身产线数据按需进行高效微调，从而降低单个企业的算力部署与数字化应用成本。这将有助于提升企业全要素生产率，在技术冲击下稳定就业规模，并加速劳动力向高技能岗位转移。
三是通过合规渠道引入先进设备、关键技术和系统能力，提升同等功耗下的有效算力产出。算电协同的最终比拼，不是谁消耗了更多绿电，而是谁能将每一度电转化为更多有效计算能力、更高服务收入和更强产业带动能力。应围绕高端芯片、液冷系统、算力调度软件、模型服务平台和智能运维体系，加快技术引进、联合研发和国产替代。只有形成先进算力、应用型算力和绿色算力出口相互协同的生态，算电协同才能真正从用电成本问题转化为产业竞争力问题。
参考文献
[1] 林伯强. 算力与电力协同发展：现状、挑战与对策[J]. 新经济导刊,2025,(6):18-25.
[2] 马源,郭宁,孙晓麒.强化算电协同推动构建超大规模智算集群[J].新经济导刊,2026,(Z1):5-9.
[3] 江沙,张青兰. “十五五”时期我国智能经济的发展机制、现实掣肘与推进路径[J]. 经济学家,2026,(1):15-25.
[4] 董直庆,王璐. 人工智能技术会改变产业转移方向吗[J]. 社会科学战线,2025,(11):67-82+281.
[5] 陈琦,董直庆. 人工智能技术冲击与就业稳定性—基于上市公司数据的微观考察[J]. 求是学刊,2025,52(2):52-64.
[6] 董直庆,王璐.CEO个体特征对企业数字化转型重要吗？——来自上市公司层面的经验证据[J].华东师范大学学报(哲学社会科学版),2025,57(1):146-165+183-184.
[7] 胡安俊. “十五五”时期,能源行业开展“人工智能+”行动的挑战与对策研究[J]. 中国能源,2025,47(8):48-55.
[8] 徐福龙,郭晁煜,辛伟涛. 人工智能助力制造业转型升级的路径研究[J]. 中国国情国力,2025,(8):7-10.
[9] 张莹莹,米旭明.算力基础设施建设与企业关键核心技术创新——兼论有为政府与有效市场的协同效应[J].山西财经大学学报,2026,48(3):13-25.
（邢庆科系中国价格协会数据价格专业委员会算力算法部主任、北京亨哈智电产业科技有限公司董事长；许成东系中诚力锘科技集团董事长）