2026年世界人工智慧大會上，穿戴式智能終端、量產級具身機器人等應用集中亮相，AI正在從虛擬演算法加速走向實體世界。但在機器人和大模型成為現場焦點的同時，一個此前並不彰顯的話題正在升溫——能源。
未來AI最大的瓶頸，也許不僅僅是演算法。WAIC期間，兩個能源相關論壇釋放出明確訊號：一個是"AI與先進核能共築可持續智能未來"論壇，另一個是"人工智慧與能源雙向賦能"論壇。能源不再只是AI產業發展的配套條件，而正在成為決定人工智慧規模化發展的關鍵基礎設施。
事實上，過去幾年，全球AI競爭圍繞模型能力、晶片性能和算力規模展開。但隨著大模型訓練和應用進入產業化階段，算力增長正在遭遇現實世界的能源約束。算力競賽的下半場，競爭焦點正在從“誰擁有更強模型”，進一步延伸到“誰擁有支撐AI規模化運行的能源體系”。
算力狂奔，正在撞上能源天花板
在WAIC開啟之前，兩個行業事件已經提前釋放訊號。一方面，國家能源局局長王宏志在公開場合表示，人工智慧生成短時長高畫質視訊的耗電量相當於多部手機充電，未來需要統籌能源資源配置與算力設施建設。另一方面，美國投資研究機構Melius Research的資料顯示，過去三年，燃氣輪機價格累計上漲約300%，GE Vernova股價過去六個月上漲超過70%，卡特彼勒、西門子等同類企業股價也同步走高。
這一變化背後，是全球科技企業正在加速建設AI資料中心。亞馬遜、Google、Meta等企業不斷擴大AI基礎設施投入，但部分地區開始面臨新的現實問題：當地電網擴容速度難以匹配資料中心建設速度。為了獲得更加穩定的電力供應，一些科技企業開始轉向自建能源設施，燃氣發電因此成為階段性選擇。
不過，多位業內人士指出，燃氣輪機並不能成為AI時代能源需求的最終答案。隨著算力規模繼續擴大，未來需要更加多元、穩定、高效的能源體系共同支撐。這也意味著，AI產業的競爭邊界，正在從數字世界延伸到實體基礎設施。
澳洲會計師公會華東和華中區委員會會長金科提出了一個產業框架：如果把AI生成的Token視為標準化數字產品，算力是生產裝置，電力就是核心原料。換句話說，晶片決定算力能力的上限，而電力決定算力規模化發展的空間。這意味著，未來AI產業競爭不僅是模型和晶片競爭，也是生產成本和基礎設施效率競爭。
施耐德電氣執行副總裁、中國及東亞區總裁尹正也提出類似判斷：“算力的盡頭是電力。在AI時代，能源成本、供電穩定性以及能源結構，都可能成為影響算力基礎設施競爭力的重要因素。”
能效破局，算電協同的產業實踐
算力增長帶來的能源壓力，僅依靠擴大能源供應並不能完全解決。如何提高能源利用效率，讓有限電力支撐更多算力，成為產業探索的重要方向。
尹正接受環球網記者採訪時表示，人工智慧正加速融入產業，而算力需求的爆發式增長正在“遭遇”能源系統的深刻轉型，二者需要建立融合發展的新範式。過去，能源更多是工業生產背後的成本因素。進入AI時代，能源正在走向產業前台，成為數字基礎設施的重要組成部分。
不同於傳統資料中心相對穩定的負載模式，智算中心需要全年持續運行，同時計算任務變化更加複雜，對電力供應穩定性和智能響應能力提出更高要求。據彭博新能源財經預計，到2035年，全球資料中心耗電將佔全球電力使用的4%以上。如果把它當作一個“虛擬國家”，其用電量將排在全球第四，僅次於中國、美國和印度。
面對這一趨勢，產業端正在探索“算電協同”。要提升單位算力能源效率，施耐德電氣認為關鍵在於打造覆蓋資料中心全生命周期的數智化體系，並提供了一套成熟的實踐路徑：在設計階段，通過數字孿生技術模擬能源供給與算力負載變化，最佳化供配電架構；在營運階段，通過智能配電、能源管理以及AI節能技術，實現電力供給與算力負載動態匹配；在維運階段，利用AI工具分析運行資料，實現智能診斷和主動維護。這套體系正在應用於萬卡叢集等高密度算力場景，助力資料中心提升全生命周期效率。
與此同時，AI時代的資料中心能效評價體系也正在發生變化。過去，資料中心主要關注PUE（電源使用效率），重點衡量能源損耗水平。但隨著AI算力需求快速增長，行業開始關注"一度電能夠產生多少智能價值"。本屆WAIC上，商湯科技提出TPW（單位電力產出Token數）概念，試圖從AI應用產出的角度重新衡量能源效率。這意味著，能源效率正在從傳統的資料中心營運指標，轉變為AI產業競爭力的重要組成部分。
算電協同正在從概念走向實際應用。以上海臨港為例，當地正在探索根據電網負荷變化、新能源出力情況動態調整計算任務，通過儲能系統平滑電力波動，提高算力資源與能源資源之間的匹配效率。可以看到，未來AI基礎設施競爭，不僅取決於算力規模，也取決於能源系統是否能夠更加高效地支撐算力運行。
全球AI競爭進入“能源博弈”階段
能源約束正在重塑全球AI產業競爭格局。金科介紹，面對同一個問題，中美歐三個主要經濟體正在根據自身產業基礎和資源稟賦，探索不同路徑。
金科認為，美國擁有全球領先的AI晶片、雲端運算企業和資本優勢，但能源基礎設施正在成為新的制約因素。由於部分地區電網升級速度較慢，大規模資料中心建設面臨供電壓力。因此，美國科技企業正在從單純的算力投資者，逐漸成為能源基礎設施的參與者。
Google、微軟、亞馬遜等企業開始通過長期購電協議、投資新能源項目、佈局儲能設施等方式保障未來電力供應。在金科看來，這種模式能夠幫助頭部企業一定程度上解決自身能源需求，但能否推動整個能源基礎設施體系升級，仍然取決於美國電網的整體改造速度。
相比美國，金科認為歐洲在AI晶片和超大規模雲端運算領域缺乏優勢，同時面臨較高能源成本。因此，歐洲並未單純追求算力規模擴張，而是試圖通過綠色能源標準、AI治理規則和資料監管體系提高市場准入門檻。
金科強調，歐洲的目標並非成為最大的算力中心，而是在綠色算力、能源標準和AI治理領域建立影響力。
與美國和歐洲不同，中國正在探索能源體系與算力體系協同發展的路徑。金科分析稱，中國的優勢不僅在於新能源資源豐富，更在於完整的能源體系和產業體系：一方面，中國擁有全球規模領先的能源基礎設施、特高壓輸電體系以及快速發展的新能源產業；另一方面，中國具備完整的算力基礎設施製造能力，可以推動能源與算力形成更高效率的匹配。
依託“東數西算”工程，中國正在探索將東部算力需求與西部綠色能源資源結合。隨著全國一體化算力監測調度體系推進，未來算力資源和能源資源之間的動態匹配能力有望進一步提升。
多元供給，穩定基荷是長期方向
隨著新能源佔比提升，能源系統的波動性挑戰本就存在；而算力負荷的持續增長，進一步對供電穩定性提出了更高要求。建構多元協同的能源供給體系，正在成為行業共識。
在這一背景下，本屆WAIC首次設立“AI與先進核能”垂直主題論壇，全球首個“AI for ADANES”技術路線正式發佈。該路線首創"資料+物理模型+專家經驗三重驅動"範式，試圖破解AI“黑箱不可控”與核工業“安全零容錯”的核心矛盾，為高安全等級能源領域的智能化探路。
西安工業大學交叉創新研究院先進超導材料研究中心博士師江濤對環球網記者表示，AI大模型訓練與運行具有"高載荷、高連續性"的特點，對穩定基荷電力提出更高要求。相比風電、太陽能等受自然條件影響較大的能源形式，核能具備穩定輸出、高能量密度等特點，有望成為未來支撐大型智算中心的重要能源選擇。
不過，核能大規模應用於AI基礎設施仍需要解決技術、安全以及經濟性等問題。從這一角度看，未來支撐AI發展的能源體系，不會是單一能源形式，而是由穩定基荷能源、新能源和儲能共同組成的多元協同體系。
從WAIC釋放出的訊號來看，AI產業正在進入一個新的競爭階段。過去幾年，全球AI競爭的核心關鍵詞是模型、晶片和算力規模；但隨著人工智慧進入產業化階段，能源正在成為決定產業上限的重要變數。金科提出，未來數字經濟競爭可以理解為一條完整產業鏈：Token是前台數字產品，算力是生產裝置，而電力與能源體系，則是支撐整個產業運行的底層能力。
算力競賽的上半場，拼的是晶片技術與模型能力；下半場，拼的是能源體系的承載力、運行效率與協同韌性。AI時代的下一場競爭，表面上發生在數字世界，本質上已經延伸到了支撐數字世界運行的能源底座。 (總財)