阿里云讨论中国AI基础设施电力约束，分析电力供应总量、电网灵活性、成本和电力-算力协同，警告单位算力能源成本长期上升。

近年来，每当谈起人工智能，有一个词绝对避免不了：电力。投资人担心限电，媒体刊登"电力短缺"的报道，就连地方招商部门也把"绿电指标"摆在最显眼的位置。所有人都默认同一个事实：中国AI的致命弱点就是"电力供应不足"。

这个共识被一位数据中心管理者直接挑战了。阿里云全球数据中心总经理王赵阳在接受采访时直言：中国不缺总电力，缺的是把电力和计算力协调配套的能力。作为阿里云既要管计算负荷侧，又要管自家数据中心的人，这个判断带着他的生意视角——但他论述的方向值得听。

我个人的判断更进一步：总容量是否充足是个旧问题；真正的硬约束是，单位计算力的电费账单在长期只会越来越重。

**第一笔账：发电量领先美欧日加总24%，但"局部"堵点会锁死我们**

在总容量这个问题上，王赵阳提到一组观察：中国的电力发电量已经超过美国、欧洲和日本的加总。这个方向没问题。根据国家统计局数据，中国2025年全社会用电量10575.25亿千瓦时（约10.58万亿），同比增长4.8%。美国、欧洲和日本的加总大约是8.5万亿——这个分母采用行业标准（Wind/BP序列），与中国的统计口径不完全可比，但数量级很清楚：我们的发电量比他们加总高24%。

中国总电力容量完全充足。但问题出在"集中"。

数据中心不会散布在地图上。哪里有计算需求、电力便宜、地面可得，设施就往那儿聚——乌兰察布年均气温仅4.3°C，绿电占比67%，到北京的网络延迟压低到2.1毫秒，数据中心自然往那儿集中。但一旦集中，局部矛盾就来了。

王赵阳说到一个很戳人的观察：局部矛盾一旦大到一定规模，就变成了"不可替代"。意思是：一旦某个枢纽的电力、土地、输电走廊被计算负荷填满，你就没法把这整个工作量简单地搬到别的地方重新开始——就像那几个节假日永远堵车的交通枢纽，全国运力足够，但北京西站搬不了，一旦出问题，整个网络就瘫了。这是结构问题，不是总量问题。

这个逻辑和新疆煤炭外运、大秦铁路的逻辑一样——国家不缺煤，瓶颈是新疆到沿海电厂的走廊；国家不缺电，瓶颈就是计算力集中的那几个本地节点。说白了，是同一个条件在不同场景的重复：总容量充足，但走廊受限；总容量过剩与结构错配并存。

总容量充足，不代表我们就闯过去了。

**第二笔账：灵活性——数据中心不是死负荷，但灵活性分度数**

第二笔账，会刷新常见认知。

业界常见说法是：数据中心是"死负荷"，不能掉线，必须按峰值需求预留容量，所以当固定需求，短暂峰值还要额外付容量费——纯浪费。

王赵阳的判断反转了这个说法：数据中心100%灵活。可以配套储能和备用电源；缺电时期的计算任务可以延后，甚至转向别的设施。

但这个"100%"需要打个星号——政策已经打过了。《行动计划》第七条讲的是："按任务类型对计算设施实施分类管理"。翻成白话就是：训练任务和离线批处理在电力紧张时可以延迟或转移，具有真正的高灵活性；但在线推理受延时约束——再便宜的夜间电费，也不能把一个对话查询送2000公里外去算。灵活性不是一个开关，而是渐进的：任务越是"实时"，灵活性空间就越小。

这里需要一个重要说明——这是我的观察，不是他的原话。云服务商自然希望电价能反映实际波动、少付峰值容量费，所以从他的视角讲"可调负荷"带着省成本的内在动机。但抛开叙述框架，技术可调整性是真实的——难点在别的地方。

"灵活"不等于"任意调"。数据中心是关键基础设施；灵活性容不得风险。备用电源和储能有真实的安全和运营成本；要是出了问题，损失的不是电费单——是计算输出和信誉。真正的难题不是"我们能不能调"，而是"我们怎么在零风险下调"。

打个比喻：普通工厂可以弹性调班，但手术室不能因为夜间电便宜就改成夜班。数据中心就是那个24小时不停的手术室——灵活是它的能力，零风险是它的底线，两者都要兼顾，这才是真本事。

数据中心不是死负荷；数据中心是100%灵活的。但灵活性容不得风险——难点就在这儿。

灵活性是打开"电费账单省钱锁"的钥匙，但打不开解决根本问题的那把锁。

**第三笔账：成本——电力仅占10%，但单位计算力的能源账单只会越来越重**

第三笔账最容易误导人。

经常听到这样的说法：电力成本只占AI总成本的10%左右，所以能源不用担心。王赵阳拆解了这个口径：如果把服务器、网络这类IT硬件算进去，电力确实被稀释到大约10%；但如果只算基础设施、排除昂贵的芯片和服务器，电力的占比可以达到60%左右。两种算法都有道理，但都回答不了真正的问题：这个占比的方向往哪儿走？

这个计算是我自己推导的，不是来自采访。

随时间推移，两条曲线在发散：计算力和芯片遵循技术轨迹，技术的特征是成本持续下降——单位计算力的成本曲线向下；能源升级缺乏弹性，甚至上升，所以单位计算力的能源成本曲线向上。一上一下——像剪刀打开——这就是我说的"剪刀差"：单位计算力的能源成本占比只会在长期攀升。

我把这叫作"能源沉积"——技术让计算越来越便宜，但每一次推理、每一次训练都烧掉越来越沉重的电力账单。

当然，这个计算的前提（技术持续降成本、能源缺乏弹性且上升）只有在两者都没被误读的情况下才站得住；哪一条打破了，剪刀差的斜率就变，所以应该持续验证，不能当定论。

有人反驳：芯片效率不也是技术曲线吗？PUE年年下降，液冷铺开，专用芯片把单位能耗打下来——为什么能源会"沉积"？这说对了一半。效率改进压低了"单位计算的用电"，但AI胃口涨得更快——据公开报道，Token消费和推理调用量在过去两年大约翻了一倍。分母在缩，但分子涨得更猛。我说"能源沉积"，不是说"能耗不能下降"——我是说下降速度跟不上需求增长速度。

中国信息通信研究院的数据给了支撑（《财经》杂志2026年1月引述）：2024年中国数据中心用电量166亿千瓦时，占全国总用电量的1.68%。按中等增速，到2030年这个占比大约到3%——相当于翻了一倍。但要说清楚：CAICT的数字是"用电量占全国总量的份额"——这是总量侧的支撑证据；我讲的"成本结构侧占比攀升"是另一回事；直接证据要从别处找——这不是同一列数据。

计算力输出翻倍、电费账单单位成本下降，听起来不错，直到你意识到自己要跑两倍的工作量、烧两倍的燃料。

成本账单之后，还有最后一笔。

**第四笔账：协调——光加存储容量解决不了根本问题**

最后这笔账盖棺论定。

很多人想：多加点数据中心的存储容量，不就完了？王赵阳摇头：存储解决不了根本问题。从云服务商的角度看，他自然希望少付峰值容量预留费——所以"存储不是根本方案"也带着他的利益视角，但逻辑站得住：存储是应急电源，是计划经济思维，电力部门预留容量，你付峰值费；但计算需求是市场驱动，今天热，明天冷。

真正的方案是在发、网、荷侧动态找到平衡，算出全局最优成本，用AI来调度和运营。说白了，不是多买几块电池——是把电力和计算力组织成自我调节的网络。

政策其实在往这个方向走。王赵阳追溯这条演进线：2025年8月前，政策重点是新能源并网；之后，AI产业扶持和双向赋能的表述开始出现。逻辑落实到纸面，就是2026年4月8日由国家发改委、国家能源局、工业和信息化部、国家数据局四部门联合印发的《促进人工智能和能源双向赋能行动计划》（国能发科技〔2026〕34号）——这把协调制度化了。这份文件不是空话：明确要在2027年初建立能源安全体系，2030年实现清洁能源供应能力世界领先；操作层面，鼓励计算设施配置网络型储能，开展直购绿电，以多种方式参与电力和辅助服务市场，甚至鼓励计算设施申报基础设施REITs。能源融合是第一阶段，计算协调是第二阶段；融合只是初级阶段。

张力在这儿：电力行业要稳定、计划供应；计算公司面对市场波动需求。一方要稳定，一方要弹性，找"中间地带"的过程就是业界的堵点。

存储容量单独解决不了根本问题。我们需要发、网、荷侧的动态平衡和全局最优成本。

我在看三个信号。

第一个：全国数据中心用电量占全国总用电量的份额是否跟着CAICT描述的轨迹走——2024年的1.68%，到2030年大约到3%。这条线如果持续攀升，只能说明"绝对能耗在加速"；要证实"账单越来越重"，我们需要等公开序列出现成本结构侧的占比数据——所以我前面说"直接证据要从别处找"。

第二个：中国发电量相对美欧日加总是否能稳定在1.2倍以上（2025年据采访和Wind数据约1.24倍）。一旦总量优势下滑，局部矛盾就会尖锐。

第三个：2026年4月那份《行动计划》之后，源网荷储一体化和AI+能源试点是否真的加速落地，还是埋在文件里。

这三个信号，会比"中国缺不缺电"这个旧问题更好地告诉你业界的风向。

所以回到开篇那个共识：AI的堵点不是"电力供应不足"。中国电力充足；堵在电力和计算力没有织成动态平衡的网络；更关键的是，单位计算力的能源账单只会越来越重。这个网织得有多好，成了下一个要看的指南针。看这个方向，要看数据，不要听叙述。