阿里云全球数据中心总经理王朝阳近日在访谈中提出，中国AI产业面临的真正约束并非电力总量不足，而是电力与算力之间缺乏有效协同。这一判断与当前业界普遍担忧的“缺电”叙事形成对照。
从总量看，中国发电量已超过美国、欧洲、日本三地总和。国家统计局数据显示，2025年中国发电量约10.58万亿千瓦时，同比增长4.8％；美欧日合计约8.5万亿千瓦时。但王朝阳指出，问题出在“集中”——数据中心倾向于向算力需求密集、电价低廉、气候适宜的区域聚集，如乌兰察布年均气温4.3℃、绿电占比67％、到北京时延仅2.1毫秒，机房自然向此类枢纽集中。一旦局部电力、土地和通道资源被算力负荷占满，便无法整体搬迁，形成结构性瓶颈，类似春运期间无法搬走的枢纽车站。
在负荷特性上，王朝阳认为数据中心并非传统认知中的刚性负荷，而是具备高度柔性。通过配置储能和备用电源，缺电时段的训练任务和离线批处理可以延后或调度至其他机房。但柔性存在梯度：在线推理受时延约束，难以将实时请求转移至远端计算。政策层面，《行动方案》第七条已提出依据算力任务类型实施分类管理。王朝阳同时强调，柔性之上不能有任何风险，备用电源和储能背后是实质性的安全成本，核心挑战在于“零风险前提下如何调度”。
成本结构方面，若将服务器、网络等IT硬件纳入统算，电力在AI总成本中占比约10％；若仅计算基础设施，电力占比可达六成量级。王朝阳拆解了口径差异，但未给出占比走势判断。从长期看，算力与芯片遵循技术降本曲线持续下行，而能源升级具有刚性甚至上涨趋势，单位算力的能源成本占比将逐步走高。信通院数据显示，2024年中国数据中心用电1660亿千瓦时，占全社会用电1.68％，预计2030年将接近3％。
对于配储能的解决路径，王朝阳认为储能属于备电思路，无法匹配算力需求的市场化波动。真正的出路在于发电侧、电网侧、负荷侧之间建立动态平衡，通过AI调度实现全局成本最优。政策脉络显示，2025年8月之前重心在新能源消纳，此后开始向AI产业与电力协同方向延伸。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
