中国 AI 开发者 DeepSeek 面临严峻的电网接入瓶颈，其规划的吉瓦级计算集群超出了当地电力基础设施的准备进度。
一万六千……等等，是16万颗华为昇腾芯片。一座吉瓦级数据中心。满负荷运行时的耗电量相当于75万户家庭。这并非市政电力规划，而是由深度求索（DeepSeek）主导、目前在内蒙古乌兰察布推进的一个项目。
75万户家庭代表什么？按每户平均三人计算，这意味着超过200万居民的用电量。单个数据中心的耗电量实际上等同于一个中等规模城市的用电需求。
当人工智能社区还在争论昇腾950的算力、DeepSeek-V4的推理速度以及潜在的API降价时，电力行业却在问不同的问题：电从哪里来？谁来协助并网？一旦并网，电网能否承受这种负荷？
选择乌兰察布的逻辑在于其丰富的风能和太阳能资源。内蒙古的新增新能源装机容量位居全国首位，而乌兰察布则是该省最集中的可再生能源枢纽之一。该地区拥有丰富的风光发电能力、低廉的电价以及绿色能源配额。
对于AI公司而言，除了硬件成本外，电力构成了计算成本中最大的部分。芯片可以购买，技术可以追赶，但电力是一项24/7的运营支出。据行业粗略估算，一座吉瓦级数据中心每年的耗电量可能超过80亿千瓦时。电价每相差一分钱，年度成本差异就可能达到数千万甚至上亿元人民币。
因此，深度求索迁址乌兰察布本质上是一项电力战略，而非纯粹的技术决策。该公司寻求的不仅仅是华为或土地，而是廉价、绿色且供应可靠的电力。这种选址逻辑与历史上加密货币挖矿业务从中国西北部迁移至哈萨克斯坦和德克萨斯州如出一辙：电力最便宜的地方，计算产业便繁荣之地。
然而，必须做出关键区分。AI计算与加密货币挖矿在社会影响和政策定位上存在根本差异。加密货币挖矿纯属消耗性活动，不产生任何有形产出，这也是其在中国被监管关停的原因。相比之下，AI计算具有巨大的工业和战略价值，明确受到国家支持，被视为“新质生产力”的驱动力。两者唯一的共同点仅在于物理原理上的“计算跟随电价”。除此之外，两者的性质截然不同，不应混为一谈。
正是这种政策支持赋予了深度求索在乌兰察布谈判如此大规模项目的筹码。反之，该项目庞大的规模也迫使电力行业不得不认真对待。
吉瓦级别的负荷不能简单地接入电网。在电力行业内，此类数据中心代表了一种极其特殊的用户。与仅在白天轮班运行的工厂或有明显峰谷时段的大型商业综合体不同，数据中心的负荷曲线呈扁平状。它全天候满负荷运行，不间断，也不容协商。
将此类负荷整合进电网远非铺设一根电缆那么简单。首先是连接容量。吉瓦级的需求需要专用变电站、专用输电线路以及定制的并网方案。判断当地电网当前是否能承受负荷、是否需要新建基础设施以及建设周期有多长，这些都不在AI公司的职权范围内。
其次是绿色电力供应。深度求索需要可再生能源，但风能和太阳能具有固有的间歇性。确保24/7满负荷运行的数据中心使用绿色电力，需要集成储能、调节电源以及复杂的采购策略。这些配套基础设施往往比数据中心本身更为复杂。
第三是电价。随着市场化改革，内蒙古的可再生能源价格波动显著。午间太阳能激增可能导致价格跌至地板价甚至负值，而晚间高峰则导致价格飙升。寻求廉价电力的数据中心必须接受这种波动。然而，AI训练和推理工作负载无法随意暂停或转移。解决这一矛盾仍是一个未解的挑战。
因此，深度求索的吉瓦级项目与其说是一个简单的“高耗能用户”举措，不如说是一次压力测试。它在探询内蒙古的电网、绿色能源消纳框架以及电力市场机制是否能够支撑这一新型、连续运行的巨型项目。
尽管如此，该项目给乌兰察布带来了互利共赢的局面。内蒙古经历了全国最快的新能源装机增长，同时也面临着巨大的风光弃电压力。乌兰察布长期以来一直在寻找消纳多余可再生能源的方法。稳定的吉瓦级负荷为本地消纳大量风光出力、缓解传输瓶颈以及提高可再生能源利用率提供了理想机制。地方政府和电网运营商都有强烈的动力推动该项目。
现实是一种“相互需求”：深度求索需要廉价的绿色电力，而乌兰察布需要一个稳定的基荷。双方都愿意合作，但并网、储能和定价方面的技术和监管障碍横亘其中。克服这些障碍将决定项目的可行性。
这一发展发生在更广泛的背景下：算力正迅速成为电力部门增长最快的新变量。公开数据显示，2025年全国算力设施用电量约为1700亿千瓦时，同比增长约30%，是社会整体电力增长率的五到六倍。预计这一数字在2026年将进一步攀升。
算力的电力需求正从边缘实验转向主要融合。乌兰察布、呼和浩特、庆阳、中卫和贵安等城市之所以演变为新的数据中心枢纽，原因只有一个：廉价且充沛的绿色电力。
然而，电力行业显然尚未做好准备。几十年来，电网规划围绕“工厂加城市”的模式展开，负荷中心集中在东部沿海，发电基地位于西部，通过特高压输电线路相连。AI时代正在颠覆这一范式。计算负荷不再锚定在东部大都市，而是向西部能源基地转移，在当地消耗电力，无需跨省传输。这一转变既有利也有弊。
积极的一面是，它实现了可再生能源的本地消纳，减轻了传输负担。挑战的一面在于，其负荷特征与传统用户形成鲜明对比。电网规划、并网标准、定价机制和安全参数都需要根本性的重新校准。
加剧这一问题的是“廉价绿色电力”的有限性。随着计算项目的增多，单个吉瓦级数据中心可能消耗整个可再生能源基地产出的很大一部分。当AI开始以相当于“75万户家庭”的增量需求电力时，电网管理者必须面对一个此前未计算过的困境：有限的廉价绿色电力应如何分配？
优先保障计算产业可以刺激区域经济并加速产业升级，但计算项目的长期可持续性仍不确定。数据中心的利用率能否保持稳定？AI领域日益激烈的价格战是否会导致设施闲置，沦为空的耗电黑洞？
将电力分配给传统工业和居民用户遵循既定逻辑，但增长相对温和，提供的即时经济刺激不如计算产业。这种分配困境以前并不存在。如今它已到来，而电力行业缺乏成熟的评估框架来解决这一问题。
真正的考验在于视角。虽然人工智能社区通过芯片、计算能力和国产替代的透镜来看待这个项目，但电力行业看到的是一次根本性的审视：一个吉瓦级、24/7满负荷、需要绿色电力且对成本敏感的巨头，能否在内蒙古现有的电力系统中获得长期、稳定且经济可行的地位？没有现成的答案。
历史上，电力行业遵循“用户在哪里，电力就输送到哪里”的原则。计算颠覆了这一逻辑：“电力在哪里，计算就在哪里建立。”这种“负荷跟随电源”的出现代表了行业的前所未有的转变。它迫使人们对并网升级、电网规划、关税结构、绿色能源分配进行根本性的重新评估，最关键的是，要确定吉瓦级计算负荷究竟是“新机遇”还是“新风险”。
展望未来，三个指标将决定该项目是否值得持续监测。第一，配套变电站和并网基础设施的审批和建设时间表。这是主要的可行性门槛；此处的延误将使下游一切停滞。
第二，储能和调节电源解决方案的发展。无论是依赖直接绿色电力供应还是基于市场的采购，都必须通过平衡资源来平滑波动。该计划的成熟度决定了数据中心消耗的是“真正的绿色电力”还是仅仅是“名义上”的证书。
第三，长期购电协议的执行。数据中心是长周期资产，需要可预测的长期定价，而不是暴露于现货市场的波动之中。 securing such contracts would validate the business model’s closure; failure to do so leaves the project perpetually suspended.（注：此处原文后半句英文意为“未能做到这一点将使项目永远悬而未决”，结合上下文翻译如下：）达成此类合同将验证商业模式的闭环；若未能做到，项目将永远处于悬而未决的状态。
最终，深度求索的吉瓦级雄心不仅取决于华为的芯片产能、企业融资或订单管道。它们必须成功应对电力行业严格的要求。