# EP.03 AI时代的电力战争 十分吸引 · 2026-09-20 敏姐的播客《十分吸引》EP.03邀清华四川能源互联网研究院电力市场所所长蔡元纪与绿色和平气候与能源项目主任舒意雯，拆解AI时代拼算法、拼芯片之后的第三层竞争——电力：马斯克在G20科技部长会议警告2027年AI芯片将面临至少15吉瓦电力缺口，电正从成本项变成资产项，资本正从比特世界流向瓦特世界。蔡元纪指出中国数据中心用电1700至1800亿度、占总用电不到2%，十五五或达4000至6000亿度，总量并不缺电；美国则卡在"慢"：2026至2028年数据中心电力需求68吉瓦而电网只能供30吉瓦、2028年缺口约47吉瓦，并网流程慢、居民抗议与选票政治逼得大厂自建电源，微软小时级100%绿电目标疑似推迟或放弃，Meta退出RE100，亚马逊在德州规划7.65吉瓦园区配35台燃机。节目还解读了PJM一季度批发电价同比涨76%、居民电费被推高约18%的争议，说明容量拍卖机制让2028年的成本今年就进了电价。中国的问题在机制协同而非总量：算电协同八个字"以电强算、以算促电"，八大枢纽分负荷中心与低成本供应两类，乌兰察布靠年均4.3度的低温、3毛5承诺电价和到北京4.2毫秒时延吸引华为、阿里、字节、DeepSeek建数据中心，绿电直连加储能是解决新能源波动与算力负荷匹配的关键，绿证约5至8元一张、度电绿色溢价约5厘到1分。投资层面，数据中心持有型不动产ABS与首批公募REITs已落地，苹果中国清洁能源基金、微软气候创新基金等CVC让科技公司从消费者变成新型电力系统的合伙人，胜负手在于谁先跑通低成本资金加长期稳定电力的商业闭环。 ## Questions this episode answers ### 美国不缺电，为什么数据中心还会面临电力瓶颈？ 蔡元纪认为美国整体能源保障很好，核心问题是慢而不是缺：并网申请流程特别慢，电网要提前评估测算；居民担心本地供电受影响会上街抗议，州政府要平衡选票基本盘。拉扯之下大厂等不起，只能自建电源，甚至放弃绿电重归天然气。 [11:48](https://shifenxiyin.com/60b51cd1-6f51-4330-ba58-2d3c802c056f?t=708000) ### 数据中心到底会不会推高居民电价？ 蔡元纪说美国电科院测算过去几年数据中心反而平抑了电价，因为提高了电网资产利用率；但他认为这是错误结论。短期数据中心少时分摊成本，多了就要新增电厂、成本跳涨。长期一定推高电价，PJM的容量拍卖机制让2028年的成本今年就进了电价。 [23:44](https://shifenxiyin.com/60b51cd1-6f51-4330-ba58-2d3c802c056f?t=1424000) ### 为什么华为、阿里、字节、DeepSeek都去乌兰察布建数据中心？ 舒意雯总结了三个原因：一是冷，年均气温只有4.3度，一年约10个月可自然风冷，能耗能降20-30；二是电便宜，到户电价约5毛，工业绿电低到3毛到4毛，一年电费能差出30-50个亿；三是离北京近，350公里高铁不到两小时，时延4.2毫秒。 [55:23](https://shifenxiyin.com/60b51cd1-6f51-4330-ba58-2d3c802c056f?t=3323000) ### 中国的算电协同到底是什么意思？ 蔡元纪介绍能源局的说法是八个字：以电强算、以算促电。这涉及算力行业、能源行业和政府三方：政府要稳定经济增长和GDP，算力要便宜加可靠的电，能源行业希望数据中心建到新能源富集区消纳弃风弃光，并利用算力的调节能力支持电网平衡。 [28:10](https://shifenxiyin.com/60b51cd1-6f51-4330-ba58-2d3c802c056f?t=1690000) ## Key moments - **[0:00] 开场** - [0:56] 马斯克警告：2027年AI将面临至少15吉瓦电力缺口，芯片年增40-50%而电力仅增10-20% - [2:29] 敏姐拆解AI竞争三层逻辑：拼算法、拼芯片之后，进入拼电力的第三层竞争 - **[4:00] 算力与电力** - [4:00] 蔡元纪：电是数据中心的粮食，黄仁勋AI五层架构把能源压在最底层 - [4:48] 中国数据中心年用电1700-1800亿度仅占总用电不到2%，十五五或达4000-6000亿度仍只占5% - [7:02] 蔡元纪：国外电网近20年零增长，AI负荷一叠上来就是跳变，英国比美国更典型 - [7:02] 万卡智算中心每小时耗电约等于1000户家庭一整天用电，电费占运营成本60-80% - [7:50] 2030年全球数据中心用电预计945太瓦时接近翻倍，新增量相当于再多一个法国 - [8:49] 中美合吃全球数据中心用电约七成，2030年或升至75%，其他国家已无声量 - **[10:31] 美国的慢** - [10:36] 摩根士丹利预测：2028年美国数据中心电力缺口达47吉瓦，相当于七八座大型核电站 - [11:48] 蔡元纪：美国不是缺电而是慢——并网流程漫长、居民上街抗议、选票政治拉扯逼大厂自建电源 - **[16:06] 绿色回撤** - [16:26] 微软25年内部用电3700万兆瓦时同比增25%，小时级100%绿电目标疑似推迟或放弃 - [18:18] Meta退出RE100，亚马逊德州7.65吉瓦园区配35台燃机，将成美国史上最大电厂 - [20:18] 三峡装机22.5吉瓦是美国最大水电站6.8吉瓦的三倍多，宁波北仑火电7.3吉瓦也比它大 - **[21:57] 电价传导** - [22:07] 数据中心密集区批发电价比2020年涨267%，PJM一季度批发电价同比涨76% - [23:54] 蔡元纪：美国电科院称数据中心短期反而平抑电价，长期一定推高 - [26:04] PJM容量拍卖机制：2028年新增负荷的装机成本今年就摊进电价，与中国先建后补相反 - **[27:41] 中国之困** - [28:10] 蔡元纪拆解算电协同八字方针：以电强算、以算促电，政府、能源、算力三方找利益均衡 - [29:45] 八大枢纽分两类：京津冀长三角是负荷中心，乌兰察布中卫庆阳是低成本供应地 - **[34:00] 绿电两难** - [34:45] 舒意雯：科技企业两难——便宜电和绿电眼下并不总能一起拿到，绿电要加5厘到1分每度 - **[45:36] 自建电源** - [46:05] 蔡元纪：推理型AI业务对时效要求下降，长交互算力可以放到电价低的偏远地区去算 - [55:25] 乌兰察布三大优势：年均4.3度自然风冷省能耗20-30%，到户电价3毛5，距北京350公里时延4.2毫秒 - [57:55] 蔡元纪：新能源波动性与算力高可靠性天然冲突，绿电直连要靠储能和精准预测实现同频匹配 - **[59:54] 投资机遇** - [1:00:20] 舒意雯：数据中心公募REITs上市首日涨30%，电价波动会直接吞掉底层项目收益和分红 - **[1:07:06] 绿色投资** - [1:07:40] 蔡元纪：字节24年就聊核聚变投资，小型核聚变与数据中心是天然一对，但不如直接投储能 - [1:11:10] 舒意雯：兰道尔原理证明信息处理不免费，能源正重新成为决定产业发展的基础条件 - **[1:13:35] 总结** ## Speakers - **敏姐** (host) - **舒意雯** (guest) - **蔡元纪** (guest) ## Topics 能源与大宗商品, 人工智能 ## Mentioned DeepSeek (company), Meta (company), PJM (company), SpaceX (company), 万国数据 (company), 亚马逊 (company), 微软 (company), 特斯拉 (company), 腾讯 (company), 英伟达 (company), 苹果 (company), 谷歌 (company) ## Transcript ### 开场 **敏姐** [0:08] Hello 大家好 ， 欢迎来到本期 《 十分吸引 》。 我是今天的主播敏姐 。 今天我们这期节目呢 ， 是一期访谈节目 ， 我们想聊一聊当下一个比较热点的话题 ：AI 时代的能源战争 。 因为最近油价也破了 100 美元了嘛 ， 所以我们也聊聊关于能源 。 在之前啊 ， 市场讲 AI 的故事 ， 大部分听到的都是模型 ， 包括我们节目里也是这样 。其实至于 AI 发展 ， 除了算力之外， 可能还有电力 ， 资本也正在往物理世界进行价值转移 。 我举个例子啊 ，9 月 1 号在美国召开了新一届的 G20 峰会 ，其中呢 ，20 国集团的科技部长会议在美国北卡州的教堂山举行 。在这次会议上呢 ， 马斯克和扎克伯格也通过视频连线参加了 。 我看有些媒体说 " 罕见同台啊 "，其实我确认了一下， 都是视频同台 。 那马斯克说呢 ，他给出一个观点和警告是 ： 电力供应不足 ， 正在成为制约 AI 发展的一个核心瓶颈 。 预计到 27 年，AI 将面临至少 15 吉瓦的电力缺口 。 而且根本的矛盾在于增速的严重失衡 。 一边呢 ，是 AI 芯片每年能增长 40% 到 50%， 另外一边呢 ， 又是电力 。 除了中国以外， 全世界的可供电力每年增长仅仅 10% 到 20%。 那我们自己算个账 ， 就能很清晰地看到 ：10% 到 20% 匹配 40% 到 50% 的增长率 ， 肯定是不够的 。 所以呢 ， 马斯克说 ， 像谷歌 、Anthropic 这些公司 ， 都已经开始向 SpaceX 租赁算力了 。 因为核心原因是 SpaceX 通过自建发电厂 ， 率先解决了电力供给的问题 。 那我们节目之前也画过一条链 ， 讲过比特是数据 ， 瓦特是能源 ，Token 是 AI。 模型的进步是发生在比特世界 ， 模型的落地呢 ， 发生在瓦特世界 。AI 是把比特世界和瓦特世界联系了起来 ， 比特世界复制的成本趋近于 0， 瓦特世界呢 ， 一瓦就是一瓦 ， 能量守恒的 。 所以众所周知啊 ， 过去几年， 回到 AI 的竞争来看 ， 分了三层 。 第一层拼算法 ， 就看谁的模型更聪明 ， 谁的产品迭代更快 ， 这个我们已经看到了啊 ， 各领风骚 。 那第二层呢 ，是拼芯片 ， 谁拿到更多稳定的算力硬件 ， 谁训练得更快 。 所以英伟达日子也很好过 。 现在进入第三层拼电力 ， 谁手里呢 ，有稳定可靠的电 ， 谁的数据中心就能先上线 ， 先训练 。 所以从投资的角度 ， 当一度电开始决定一个数据中心能不能上线 ， 能不能运行的时候 ， 这个时候电就不再是成本项 ， 电就变成了资产项 。 所以我们能够看到 ， 高科技赛道的钱 ， 正在从比特世界流向瓦特世界 ， 流向数据中心 ， 流向变压器 、 燃气轮机 、 储能 ， 还有核电 。 所以能源的自给能力 ， 正在成为 AI 竞争的新维度 。 这期我们就想好好地从产业的角度 ， 聊一下这个视角 。 所以我们也是很有幸请到了清华四川能源互联网研究院的蔡元纪 ， 蔡所和绿色和平气候与能源项目的舒意雯 ， 一起聊聊这场 AI 时代的能源和电力战争 。 也请两位先跟听友们打个招呼吧 。 **蔡元纪** [3:25] 各位听友们大家好 ， 非常高兴来到我们的节目 。 我是来自清华四川院电力市场所的蔡元纪 ， 那么主要做的是电力市场的研究工作 。 **敏姐** [3:34] 欢迎蔡所 。 **舒意雯** [3:36] Hello 各位听友们大家好 ， 我是绿色和平气候与能源项目组的艺雯 ， 很高兴来到敏姐的会客厅 。 **敏姐** [3:43] 欢迎两位 。 接下来进入今天的重点话题 ， 我们也分几个部分啊 ， 第一部分探讨一下算力和电力的关系 。 我们虽然觉得算力跟电力关系很紧密 ，但实际上具体是什么样的关系 ，也想听两位跟大家做一个讨论吧 。 ### 算力与电力 **蔡元纪** [4:00] 说到电力和算力的关系 ， 我们经常会聊的就是今年在英伟达的演讲里面 ， 黄仁勋提出的这个精简的 AI 五层架构 。 那么现在我们在数据中心的行业里面去讨论的时候 ， 基本上也比较普遍地使用这个图 。 那么能源就是整个下面的最底层 ， 上面无论是基础设施 、 芯片 ， 再到模型和应用 ， 它其实都依托于底层的能源供应 。 而芯片的核心的消耗就是电 。 简单来说 ， 电就是类似于数据中心的粮食 ， 它要吃电进来才能生产出其他的东西 。 那么我们未来整个 ， 呃 ， 无论是 AI 也好 ， 还是传统的业务也好 ， 到底能够做多少的产出 ，其实很大程度上就取决于能有多稳定的电力 。 它是整个我觉得行业的一个底层吧 。 **敏姐** [4:45] 而且现在是不是也变成了行业的瓶颈 。 **蔡元纪** [4:48] 可能我们后面会聊中国的情况和国外的情况 ，不见得一样 。 因为我们的电力相对还是富裕的 ， 我们和绿合作的很多工作也统计 ， 比如说去年数据中心行业的用电量应该是在 1700 亿度到 1800 亿度之间 ， 这个用电量大概占中国总用电量不到 2%，1.6% 到 1.7% 这样一个水平 。 所以尽管我们也都预期十五五期间数据中心行业会有一个很高速的增长 ， 比如说我们现在可能拍的十五五规划 ， 它会到 4000 亿度到 6000 亿度这样一个规模 ，但即使到这个规模 ， 它在中国的总用电量里大概占比也就是 5% 左右 ， 应该不会对中国的超大的这种电力供应体系造成很显著的冲击 。 **敏姐** [5:27] 我这次查资料的时候也发现 ， 就是我们看到增速可能 40% 到 50%， 可以查占比很少 ，1% 或者是一都不到 ， 可能跟我们想象的也不太一样 。 **蔡元纪** [5:38] 对 ， 我们后面会聊 ，但是对国外来说 ， 它可能就会是一个冲击 ，因为中国的电力还处在一个高速发展的阶段 ， 所以它还能新大新的装机 ，也新大新的负荷 。 但是国外的相对无论是电网还是装机 ， 它已经经历了很多年， 是一个几乎完全没有增速的状态 。 英国可能比美国更典型一点 ， 就是它有接近 20 年时间电力的负荷是没有增长 。 那你现在 AI 一上来 ， 就意味着它已经平稳了 ，20 年的电力系统突然要发生一些跳变 ， 哪怕这个增长在它的全负荷里面每年只增长 3% 或者 5%，但对它来说就是一个新的问题 。 但我们一直在增长 ， 所以这个你可能增长叠加上来就不显著 。 **敏姐** [6:16] 对 ， 我前段时间看新闻也说 ， 德国把它的核电站都拆除了 ， 这个也很匪夷所思 。 **蔡元纪** [6:22] 但这个问题其实更德国的问题 ， 就是德国的绿党 ， 我们比较熟悉的 ， 它可能有一些比较激进的环保型的政策 。 那么在德国现在比较高比例的可再生能源的情况下， 它要进一步去推动这些政策 。 那同样在欧洲 ， 法国的主力电源就是核电 ， 核电的供电占了法国可能 80% 左右 ， 所以我觉得这更多是不同国家之间的一些选择 。 **敏姐** [6:44] 可能跟选票和政治关系也比较大 。 **蔡元纪** [6:46] 对 ， 更 nice。 **敏姐** [6:47] 对对对 。 那我自己查资料的时候啊 ，有几个数字印象也很深 ， 跟两位和各位听友做个分享啊 。 平时在我们用 AI 的时候 ， 可能不会关注到 ， 我们问它一句话 ， 可能背后是成千上万台服务器 ， 为了这条回答高速运转 。 如果不算散热照明这些耗电啊 ， 一座拥有万张 GPU 算力卡的大型计算中心 ， 计算模组每小时耗的电 ， 大概等于 1000 户左右家庭一整天的用电总和 。 那再往上，1 吉瓦的数据中心 ， 大概需要 8000 个机柜 ，也就是年用电六七十亿度上下， 耗电相当于一座美国中型城市或者中国四五线城市的一个用电水平 。 我查了一下， 大概就是张家口的用电总量水平左右 。 这样的话 ， 电费占到 AI 数据中心运营成本的 60% 左右 ， 应该是这个比例 ，60 到 80 的一个比例 。 再放大到全球啊 ， 根据国际能源署的数据 ，25 年全球数据中心用电总量增加了 17%， 同年全球电力需求只增加了 3%。 那明显它增速是远远超过电力需求的 。 到了 30 年， 全球数据中心总用电量预计能达到 945 太瓦时 。 **蔡元纪** [8:00] 太瓦时是吉瓦时再往上， 就是十亿千瓦 ， 差不多一万亿 ， 就是全球是一万亿度电 ，9450 亿度电每年， 对 ， 接近一万亿度电 。 **敏姐** [8:13] 一万亿度 ， 那现在 100 倍嘛 。 **蔡元纪** [8:15] 没有 ， 那只是一个吉瓦 ， 没有翻很多 ， 我们回到那个数嘛 ， 中国现在是 1700 亿 ， 中国的目标是 4000 到 6000 亿 ， 然后它的预期呢 ，是达到大部分 9000 亿到 1 万亿 。 这个基本上就是中国现在数据中心用电占全球的三成 ， 美国占四成 ，其他大概占三成 ， 应该差不多这个比例 。 **敏姐** [8:32] 预计达到一万亿度电左右 ， 接近当前水平的两倍 。 那新增的用电量相当于世界上再多了一个法国 ， 这样可能大家会具象一些 。 那还有个数据啊 ， 就 24 年中美两国数据中心用电量合计占全球数据中心总量的约 70% 左右 ， 就刚才讲的 40%、30%。 **蔡元纪** [8:49] 40%、30%， 它们要多一点 。 **敏姐** [8:51] 到 30 年这个比例可能还会上升一些 ， 大概到 75% 左右 。 那换句话说 ， 全世界每四度数据中心的用电 ，其中有三度是中美两国消耗的 ， 就是大国博弈 ，其他国家已经完全没有声量了 。 那我们回到国内啊 ， 我在上期节目里用到一个数据 ， 就是 7 月份全社会用电总量超过了一万亿千瓦时， 再度创造了月度的历史新高 。在用电结构上 ，其中增长比较快的是互联网数据服务增长了 40%， 充换电服务增长了 50%， 高技术跟装备制造增长了 9% 左右 。 当然看起来前面两个数字增长率很多 ，但实际上它占比还是比较少的啊 。 那由此可见 ， 电的新增需求正在流向新经济 ， 这个是我观察到数据的一个结论 。 另外还有个更重要的一点啊 ，在 AI 的数据中心或者互联网的数据中心 ， 消耗的不只是电 ，因为电力不会凭空产生 ， 它需要煤炭 、 天然气 、 核能 、 水电或者风光等等一次性能源转化而来 。 所以 AI 数据中心竞争 ， 表面上争夺的是算力基础设施 ，是电力 ，但更底层争夺的可能是一整套的能源体系的竞争 。 所以这也是为什么数据中心的扩张最终会回到能源问题本身 。 而一个国家拥有怎么样的一个能源结构 ， 可能也会直接影响 AI 未来的成本规模以及安全边界 。 这个也是我们这期想深入讨论的一个问题啊 。 刚才也说了 ，AI 领域当下主要有两个玩家 ， 一个是中国 ， 一个是美国 ，而且中国美国都有不同的问题和矛盾 。 那我们接下来也想讨论一下， 这两个国家分别有什么样的问题 ， 分别有什么样的矛盾 。 那我们先看看美国好了 。在这一轮 AI 竞赛里 ， 美国肯定是全世界最舍得在算力上砸钱的玩家 。 ### 美国的慢 **敏姐** [10:36] 我们看到五个超大规模的数据中心运营商 ： 微软 、 谷歌 、 亚马逊 、Meta、 甲骨文 。26 年的资本开支 ， 这个也是投行预计的 7500 亿到 8000 亿美元 ，27 年可能再度攀升到 1 万亿到 1.1 万亿 。 所以这个资本开支还是非常大的 ，而且这些钱我们之前也讲过 ， 基本上都是借来的钱 。 虽然美国不缺电啊 ， 美国全国供电相对比较稳定 ，但是它的问题是面向未来算力增长 ， 局部地区可能会出现一些电力缺口 。 缺到什么程度呢 ？ 我这里引用一下摩根士丹利的预测 ， 从 26 年到 28 年间 ， 美国数据中心的电力需求会到 68 吉瓦 ， 那现有的电网只能供应 30 吉瓦 ， 缺口超过了一半 ， 到 28 年预计缺口达到了 47 吉瓦 。 如果从供给的角度 ，47 吉瓦就相当于 47 台百万千瓦级的核电机组 ， 差不多相当于七八座大型核电站的装机 ， 七八座啊 ，也是蛮多的 。 那是中国目前全部在运的核电机组的 70% 左右啊 。 这里也想问问两位老师 ， 美国作为全球第一大产气国 ， 资源禀赋也是顶级的 ， 那它这一轮的电力短缺瓶颈到底卡在哪一环呢 ？ **蔡元纪** [11:48] 我觉得美国其实现在还没有达到电力短缺的情况 ， 当然中国发展很快 ， 中国自己建的很好 ，但是美国作为世界上最强的国家 ， 它整体的能源这个方面还是有非常好的一个保障的 。 它们现在数据中心的相对缺电 ， 主要是来自于它的一些电力法规的管制 ， 跟我们有点类似 。 我们现在也讲 ， 比如说大家搞绿电直连 ， 后面会聊到 ， 如果你完全去并入大电网 ， 那你要走大电网接电申请这一套 ，而美国的这套流程是特别慢的 。 所以就是倒逼它也要自己去自建这种供电形式 。 那自建供电形式呢 ，也会有一点类似 ， 就是毕竟大家传统不是做这个的 ， 比如说微软 ， 我干了这么多年， 我哪想到我跟着企业运营了 30 年， 现在突然开始要自己建电站了 ， 对吧 ， 然后运营什么的 。 所以它可能会觉得有点懵 。 它最开始的建设方案肯定是接进去 ， 直接接进大电网里面去 ， 然后你电网不是有电吗 ， 就给我供电 。 结果呢 ， 发现接进去之后 ，因为它负荷增长很大 ， 它会使得挤压掉其他人的用电权利 ，在高峰的时候你也要用电 ， 我也要用电 。 所以电网就开始限制它的准入 ， 就是说你不行 ， 必须要提前申请 ， 然后我要去测算我吃不吃得住你这么大的一个数据中心 ， 然后我要经过漫长的 ， 比如说评估讨论 ， 然后才能进 。 那数据中心肯定等不起这个时间的 。 而且我觉得它们与其说等不及 ， 应该是说在竞争方面不想丧失劣势 。 就像您讲到几大数据中心 ，其实都想抢这个速度 ， 等两年可能它也进建设了 ， 所以它们之间有些竞争 。 而美国在这方面还有一点 ， 我们像刚才讲的 ，有一点选票政治 ， 它的选票更多来自于普通民众 ，而在我们这不存在 。 我们这很多省份其实非常想要数据中心 ，因为是新的产业 ， 新的机会 ， 新的 GDP。 但对于美国来说 ， 你的数据中心 ， 比如说到德州来头 ， 或者到什么威斯康辛巨头 ， 它可能考虑的是你会影响我本地居民供电 。 一个大的数据中心现在进来 ， 居民就会去上街游行 ， 抗议 。 站在这个角度看 ， 州政府其实很大程度上也不会特别去支持数据中心建设 ， 它要做平衡 ， 它要考虑这个东西是给我带来什么好处和增长 ，但同时要考虑会不会影响我的选票的基本盘 。 所以这些东西都会使它拉扯 ， 使它拉扯之后它就变慢 。 我理解它的核心诉求不是缺 ， 它的核心诉求是慢 。 啊 ， 慢了之后这些企业就琢磨 ， 那我要有一些自建的新的快的模式 。 所以我们今年看 ， 比如说像 Meta 啊 ， 这个我不太确定 ， 就是它们放弃了绿色的供应方案 ， 就重归天然气 。 因为我们说天然气 ， 我反正自己圈一块地皮 ， 然后我自己建电 ， 天然气建厂 。 包括美国像纽约州的地皮非常紧张 ， 它们在重启核电站 ， 就是比较早期的 ， 可能已经满 40 年到 50 年服役的 ， 它实际上是在核电站旧址 ， 然后把它里边的原本的发电的部分拆除一些 ，但是在这个旧址上重新去装新的 ， 比如说响应堆也好 ， 或者冷气也好 ， 就是旧址翻建 。 因为它的政策上又会一定程度上阻碍风电光伏发展 。 它阻碍风电光伏发展的主要逻辑是它自己没有自有的产业 ，因为中国基本上在风电光伏这个产业已经实现了完全的垄断 。 所以它从政治的角度来说 ， 一定程度上本地是不去做很多的风光自建的 。 然后再加上它的天然气很便宜 ， 所以它确实发展气电对它是很方便的 。 而且气电来说 ， 比如像西门子 ， 包括记忆 ， 它其实国外还是有些厂的 ，但是它的订单比较多 ，以及中国现在这种成本优势 。 所以你只要放开这个口子 ， 中国企业还是能杀进去 ，但是不会像风光 ， 如果你开风光的口子 ， 你会发现国外没有企业 ， 全是中国企业 。 你放开这个口子 ， 就是有西门子 ，有记忆 ， 那还有一些中国的企业 ， 所以它就卖得会好一点 ，但是也卡时间 。 因为正常一个气电的建设 ， 你哪怕在中国也要三年左右吧 ， 就不会特别快 。 风光是最快的 。 我可能就把我说的稍微总结一下， 它现在更多渲染一种缺吧 ， 我觉得也有各方面的因素 ， 然后它也考虑到这个东西有时间的限制 。 像您刚才讲的 ， 应该是大模的数据 ， 它要考虑到我 28 年的时候 ， 相对来说很可能会出现缺口了 ， 特别是去年开始之后，AI 的跃升应该是带来了算力和电力消耗的跃升 。 那我今年不去抓紧布局这个事情 ， 那我到 28 年或者 29 年一定是缺的 。 哪怕我是布局气电这种模式 ，在美国你再快也需要两三年的建设周期 。 所以就是倒推过来 ， 今年变成了一个很紧张的年份 。 ### 绿色回撤 **敏姐** [16:07] 这我觉得刚刚蔡所说的 ， 可能目前没有那么缺 ，但它们对速度确实是有一种紧迫感在的 。 而且美国的这个电网相对中国还是会比较分散一点 ， 它们没有一张国家级的电网 ，但它们自己州和跨州的电网连接也比较紧密 ，也有专门的供电公司和 ISO 在运营 。 像包括刚刚蔡所提到的这些大厂 ， 它们也有开始去布局嘛 。 我也可以分享一些大厂近的动态 。其实像 Google 呀 、 微软 、 亚马逊这些云巨头 ， 它们在可再生能源采购和设定 100% 绿电目标这件事上面起步还是比较早的 。 有些大厂已经连续多年做到了全球年度用电量和可再生能源采购量的 100% 的匹配 。 但是这两年 AI 时代来了 ， 那像 AI 数据中心带来的这种高强度全天候的负荷 ， 多少会打破这些海外大厂它们原来的一些绿电的平衡 。 就拿微软来说 ，25 年微软内部电力消耗是 3700 万兆瓦时， 较上一个财年增长了 25% 左右 。 那与此同时， 现在也有新闻在报道说 ， 微软它们在重新考虑自己最具雄心的一项绿电的目标 。 这个目标本来呢 ，是到 2030 年让数据中心每小时消耗的全部电力 ， 都用同一电网上同时产生的 100% 可再生能源来匹配 。 现在据说内部正在讨论是否推迟甚至要放弃这个目标 。 可能就像刚刚说的 ， 现在这个很多项目它并网本身周期很长 ， 会有延迟 ， 再加上 AI 能耗激增的情况下， 像企业要做到每一个小时都用上零碳电力 ， 这个肯定是比每年买够相应数量的绿电要难得多的 。 也就是说呢 ， 小时级的绿电匹配 ， 它们原本可能互联网大厂在实现 100% 绿电之后的又一个气候雄心 ，但现在也出现了一些回撤的趋势 。Meta 跟气候组织多次对话之后已经退出了 RE100。RE100 是气候组织和 CDP 合作发起的一个全球性的倡议 ， 这些都是承诺 100% 使用可再生能源的企业 。Meta 退出的原因也很直接 ，因为它们为了满足激增的电力需求 ，有去加大天然气发电的采购 ， 已经不再满足 RE100 的技术准入标准了 。 像今年 Meta 宣布继续投资新建的是路易斯安那州的七座天然气发电厂 ， 总装机容量超过了五点二吉瓦 。 还有一个比较有意思的案例是亚马逊 ， 它们在德克萨斯规划了一个高达 7.65 吉瓦容量的数据中心园区 ， 配套的是一座 35 台燃气轮机的大型专用天然气电厂 。 如果说这个计划是能够完成的话 ， 这个将会是美国现在历史上最大的发电厂 。 为了让大家对这个数字有概念啊 ， 我查了一下， 目前美国的记录保持者是华盛顿州的格兰库利大坝 ， 这个大坝的发电能力是 6.8 吉瓦左右 。 也就是说这个比亚马逊它们现在打算建的这个电厂还少了将近一吉瓦呢 。 除了 Meta 和亚马逊 ， 像谷歌 、 微软也都在签类似的天然气的发电协议 。 所以可能美国的问题呢 ，也是比较拧巴的啊 。 它们前世舍得花的模型升级的竞争也很激烈 ， 像它们这些 CEO 每天都在这个推特上吵来吵去的 。 但是像资本开支虽然能买到 GPU， 能买到服务器 ， 能买到数据中心 ，但是很难去买到电网扩容和电厂投产的时间 。 也就是蔡所说的 ， 对速度还是有一个很紧迫的需求的 。 等不起的话 ， 大厂就自己造电嘛 。 但是它们自己过去的这些 100% 可再生能源的承诺 ， 碳中和的承诺能不能去如期的完成 ， 这个还是看到网上有非常多的 。 **舒意雯** [19:52] 我理解一文刚才讲 ， 大厂其实它原本是想出于环保考虑 ， 全部 100% 绿电 ， 结果现在因为现实打脸 ，也不得不向天然气低头了 。 **蔡元纪** [20:02] 对 ， 我觉得这里两个 ， 一个就是其实大家都是算经济的 ， 搞绿电的时候它肯定也有一些 ， 比如说我是绿色了 ， 对吧 ， 那我绿色可能带来一些额外的环保的宣传的这种成本开支 ， 对吧 ， 然后那现在绿色这个事情不划算了 ， 那我就不搞绿色了 。 大家都很理解了 ， 就美国企业的普遍经营模式最终还是要更多的以成本算的 。 第二我觉得挺有意思的事是 ， 正好刚才提到了美国的电厂 ， 美国最大的这个水电站是 6.8 吉瓦的装机 ， 中国现在在运的最大的水电站是三峡 ， 大家可以猜一下三峡的装机有多少 。 美国这个是 6.8。 **敏姐** [20:40] 我猜 10。 **舒意雯** [20:41] 哎 ， 我猜 5。 **蔡元纪** [20:43] 我们肯定比它要大 ， 三峡是全球最大的 ， 我们三峡的装机是 22.5。 **舒意雯** [20:48] 这么大 ？ **蔡元纪** [20:49] 对 ，22.5 吉瓦 ， 就是 2250 万千瓦 。 大家猜猜中国最大的火电厂装机是多少 ，以及它在哪 。 **舒意雯** [20:58] 40。 **蔡元纪** [20:58] 啊 ， 没有 ， 火电没有那么大 。 **舒意雯** [21:00] 山西 。 **蔡元纪** [21:01] 啊 ， 这是一个可行的猜测 ， 一个合理的猜测 ， 它不在山西 。 **舒意雯** [21:04] 那就在新疆 。 **蔡元纪** [21:05] 在浙江 。 **舒意雯** [21:06] 啊 。 **蔡元纪** [21:07] 在宁波 。 因为这个三角形的缺对啊 。在宁波北仑 ， 全国最大的火电厂应该是国家能源集团 。 哦 ， 宁波北仑电厂非常有名 ， 然后它的装机大概应该是 7.3 的吉瓦 ， 它也比美国最大的水电站还大 。 我们中国是超级能源电力 ， 说的就是这个 。 然后另外我们很大的一个在内蒙 ， 就是我们以前最大的托克托 ， 它是专供北京的 ， 然后它的火电是 6.8 吉瓦 ， 它同时还配了 2 吉瓦的新能源 。 所以就是它单一厂站周围大概接近 10 个吉瓦 。 为什么我们总讲说中国能源电力很自豪 ， 或者相对没那么缺电 。 **舒意雯** [21:44] 你讲完数据我一下很自豪了 。 **蔡元纪** [21:46] 对吧 ， 啊 ， 就是我们的火电 ，而且你想是放在宁波的火电 ， 比美国最大的水电的单电站的发电装机还要大 。 **舒意雯** [21:54] 这个我完全没想到 。 **蔡元纪** [21:55] 对 。 好 ， 回到我们的主题 。 ### 电价传导 **舒意雯** [21:57] 回到我们的主题 ，AI 时代 。 那我这里啊 ， 就这个问题也查了一些资料 ， 针对我查的资料跟刚才两位老师讲的 ， 我做一些补充 ， 看看对不对啊 。 我在看到彭博社的统计里面说 ， 美国有一个矛盾 ， 就是数据中心建设也会让当地居民的电费平均上涨大概 18%。 所以也导致居民对这个意见很大嘛 。 像数据中心密集区域的批发电价已经比 20 年涨了 267% 了 。 美国最大的电网东部的 PJM 电网 ， 相当于美国最大的区域电力营运体吧 ， 它本身不拥有电厂和线路 ， 主要是作为中介机构调度电网啊 ， 运营电力竞价市场 ， 匹配电力的需求 。 那么这个 PJM 电网呢 ， 一季度的批发价同比也涨了 76%， 这个涨幅还是比较大的 。 **蔡元纪** [22:46] 对 ， 我们可以聊一下这个 ， 这个其实里面有一些很有意思的事情 。 一个给大家解释一下 PJM， 它是三个州的缩写 ， 就是宾夕法尼亚 、 新泽西和马里兰 ， 然后最开始是把这三个州捏在一起 ， 它们一起搞电网 ， 类似于比如江州 。 然后后面它们自己搞得比较好 ， 它把周围的一些小州 ，因为东部有很多州特别小 ， 它都拉在一起 ， 最后应该是一个 13 个州联合在一起的电网 。 它的定位呢 ，其实就类似于国家电网公司 ， 就像华东地方 ， 这个电网公司独立了 ， 然后专门负责这个 ， 所以它本身不投资发电 ， 它是运营电网 。 第二个就是你讲的这个电价上升 ， 这个绕能不能不播 ， 我们今天看到很有意思的事情 ， 就是美国的民众在抗议 ， 这个大家都知道 ，因为直观的感觉到的是我的电价在上涨 ， 然后我能感受到的外部变化因素就是数据中心一直在装 。 所以我天然的就会觉得 ， 我的电价上涨是由于数据中心带来的 ， 对吧 ，因为我感觉别的东西都没变 ， 只有数据中心变多了 ， 然后我的电价就涨了 。 大家会产生这种因素 。 所以美国也有专业的电力研究机构 ， 你像我们有中国电科院 ，也有美国电科院 ， 就是国家级的电力研究机构 。 我不知道它是不是受了 Google 或者哪一家科技公司的资助 ， 它在今年的上半年做了一个非常深入的研究测算 ， 然后它给出的结论是 ， 至少过去几年数据中心的增长没有带来电价的上涨 ， 反而平抑了电价 ，因为数据中心提高了资产利用率 。 **舒意雯** [24:14] 哎 ， 这个很反常识 ， 展开讲讲 。 **蔡元纪** [24:16] 但从我们的角度来说 ， 这可能是一个错误的研究结论 。 就是我们也在很关心长期来说数据中心会不会推高电价 ， 一般来说会 ，因为你会新增装机需求 ， 对吧 ， 然后你会占掉很多 。 但是短期来说 ， 它讲的道理是 ， 原本你的这些发电或者电网 ， 你的使用率可能只有 50% 到 60%，但是你要摊 ， 我们说那个成本 ， 你要把它的所有成本摊下去 。 我建了一些数据中心进来之后， 我把电网的利用率调到了 70%， 你的理论分担变少了 。 这个道理是通的 ， 就是相当于你数据中心比较少的时候 ， 你是在增大利用率 ，但你多了之后， 你就会挤压掉别人的电容 ， 然后你会带来额外的新增 ， 对吧 ， 它就相当于一个小的 GDP 票券 。 当你的这个数据中心增长量多了 ， 你已有的这些就不够了 ， 你就要新增一个电厂 ， 你新增一个电厂相当于成本就跳一下 。 再新增一个电厂 ， 成本又跳一下， 就是这种感觉 。 所以就是数据中心装的比较少的时候 ， 应该是有利于降低电价的 ， 至少可以分散掉一些电价 。 但是又回到那里 ， 你现在这么快的一个装机 ，以及特别是对于美国来说 ， 是一个很大的增长的预期 ， 长期来看 ， 它一定是会推高电价 。 **舒意雯** [25:22] 是的是的 。 我看到一个数据啊 ， 就是我不知道准不准确 ， 说因为新建数据中心 ， 美国民众多掏了 138 亿美元的电费 。 **蔡元纪** [25:30] 嗯 ， 这个有可能 ， 就不是特别好测算 。 就比如说 ， 我们说 PJM 这个市场 ， 为什么它今年的电价涨 ， 它其实两个因素 ， 一个因素是整个今年的美国的供电负荷其实是偏高 。 供电负荷偏高的情况下 ，在我们的市场竞争里面呢 ， 就是有一些供需紧张的情况 ， 然后发电侧有一些推高 ， 特别是在今年的应该是 7 月初 ，PJM 跳出了非常高的电价 ， 就是已经过去几年都没有跳出过这么高的实时电价 。 一方面是短期供需带来的 ， 第二个就是讲到类似于我们容量补偿的问题 ， 它们是容量拍卖 。 什么意思呢 ？ 就是举个例子 ， 我现在电网里面的需求是 100 万千瓦 ， 然后我的这个电网里面的发电 ， 我大概算下来也是 100 万千瓦 ， 那就是平衡的 。 那你 28 年要投建一个数据中心 ， 这个数据中心是 50 万千瓦 ， 我现在就要提前三年， 因为电站是有建设时间的 ， 我提前三年就要把你这 50 万千瓦的新增的负荷 ， 对应的装机要拍卖出去 ， 要给人家一个固定的成本回收渠道 ， 它才会来投资 。 那么这个电价它直接就叠加进了 26 年的电价里面 ， 所以就会出现一个跳而 。 **舒意雯** [26:35] 先做资本开支 。 **蔡元纪** [26:36] 先做资本开支 。 哎 ， 对 ， 跟中国是反的 ， 就是中国是你这个电站建在这了 ， 我再反过来去给你考虑补偿 ，但它不是 ， 它是你这个电站在建之前 ， 就要把这个拍卖的费用 ， 然后就摊到今年里面 ， 它是先做 。 所以可能就两方面 ， 一个就是短时工序进行推高 ， 第二个就是容量的费用 ， 就是我们说的 ， 跟前面的结论是类似 ， 它可能不是现在缺 ，是更多企业意识到你 28 年或者 29 年， 如果要把这些新的负荷接进来 ， 那费用已经在今年开始有了 。 而且在远期的这个容量拍卖里面 ， 它是典型的一个供小于求的时候 ，因为你的数据中心是刚需 ， 对吧 ， 我的发电资源其实是相对可以漫天要价的 。 比如说我没有数据中心的时候 ， 远期容量拍卖 ， 这个数据我记不准了 ， 可能 PJM 这个一兆瓦的价格可能就 100 多美元 ，但是今年因为数据中心你一定要上， 对吧 ， 数据中心又是这种高附加值的 ， 大家觉得科技企业赚钱 。 所以以前可能远期拍卖 100 多美元 ， 现在远期拍卖要两三百美元 ， 就是发电侧也会涨价 。 **舒意雯** [27:33] 对 ， 一个坐地起价 ， 跟期货市场不也一样吗 ？ 现货价跟期货价嘛 。 **蔡元纪** [27:38] 是的是的 ， 就是期货 ， 国内没有这个东西 。 **舒意雯** [27:40] 其实不一样 。 不是 ， 还有一句话叫反对数据中心 ， 可能是如今美国政治中唯一能凝结共识的意思 。 ### 中国之困 **蔡元纪** [27:47] 对 。 **舒意雯** [27:47] 我们看完美国 ， 再来看看中国的问题 。 中国从总量看肯定不缺人， 刚才蔡所也说了 ， 中国水电火电都是全世界第一 ， 发电装机也早就是世界第一了 。 那 25 年全口径发电量 10.58 万亿千瓦时， 同比还增长了 4.8%。在这样的情况下， 你想问问两位老师 ， 中国有没有什么问题 ？ **蔡元纪** [28:10] 我们现在对算电这个事情其实已经比较国家定调了 ， 就是算电协同 ， 只不过关于算电协同的概念如何去具体落实 ， 可能不同的方面 ， 比如说算的角度和电的角度 ， 大家会有一些分歧 ，但是算电协同这个讲法 ， 肯定在国内是正确的 。 能源局这边的讲法 ， 算电协同就是以电强算 ，以算促电 ， 应该是这八个字 。 那算电协同这里面实际上就是天然涉及到一个算 ， 涉及到一个电 ， 这是两行业 ， 同时还涉及到政府 。 我个人的感觉就是中国的算力的发展 ， 它实际上是一个能源行业 、 算力行业和政府行业如何三者之间找到一个利益共同诉求 ， 或者互相协调均衡 。 我们喜欢讲均衡这个词 ， 这样的一个过程 。 那我们就分别来看一下， 对吧 ， 就是你站在政府的角度 ， 政府想要什么 ， 可能就是我们稳定的经济发展 ，不一定说是数据中心这个行业 ， 或者能源这个单一行业 ， 比如说整个这波 AI 浪潮 ， 把它转化成新的科技经济的这种增长力 ， 数据中心能够保证 AI 产业高质量的发展 ， 数据中心能够实打实的转化成地方的 效益 ， 能够带来新的经济增长和就业税收 ， 对这些问题 。 所以政府的角度就是你们之间 ， 我来搭台 ， 你们互相要谈好 。 所以它会做一些国家的顶层规划 ， 这种顶层规划 ， 我觉得可能最显著的是我们的八大枢纽节点 ， 就是数据中心到底往哪建 ， 对吧 ，在初期的时候 ， 至少在 15 的时候 ，是吧 ， 我们做了算力网的规划 ， 然后算力电力的输入规划 ， 所以你要往这些地方去 ， 这些地方很明显两类 ， 一类就是复合中心 ，因为你的算力的主要需求还是在长三角 、 京津冀和珠三 角 ， 那你这几个地方是大枢纽节点 ， 剩下的你的算力呢 ， 就是可以往便宜的地方跑 。 能源是算力经济的核心成本 ， 所以剩下的几个大的枢纽节点 ， 就比如说乌兰察布 ， 对吧 ， 内蒙这个节点 ， 然后像中卫啊 、 庆阳 ， 对吧 ， 就宁夏 、 甘肃这个节点 ， 包括新疆 、 贵州 ， 对 ， 所以其实就是四个是复合 ， 四个是偏向于供应 ， 就是它的成本会 比较低 。 政府的角度就是如何把这个事情整体规划好 ， 对吧 ， 我搭好台你们协调好 。 那么对于能源和算力来说 ， 两方面的诉求会略有一些差别 ， 就是算力的诉求其实比较简单 ， 就是稳定加便宜 ， 对吧 ， 价格比较低 。 那就是我们应该后面还会聊一点乌兰察布 ， 对吧 ， 就是它有它的特色 ， 离北京又近 ， 对吧 ， 然后又有某些一些电价的情况 ， 比较低廉的电价就意味着以后会比较低廉的算力资源 ， 就是比较价低的 token， 那可能就会带来更强的竞争力 。 所以它肯定要考虑你这个地方的算力中心 ， 核心就是找更低的供电方案 。 那这个方案是大电网供电更低 ， 还是比如像绿电直连等等这些 ， 就近消大的模式 ， 供电成本更低 ， 它都会去考虑和探索 ， 就是怎么便宜怎么来 。在便宜的同时， 它要兼顾自己的供电可靠性 ，因为我们很多的数据中心 ， 它是不太可以停电的 。 **舒意雯** [30:59] 对 ， 对吧 ，24 小时 。 **蔡元纪** [31:01] 24 小时的 ， 所以你看我们还要求配柴发呀等等 ， 高不高兴的这些要求 。 但是我觉得与便宜相比 ， 经济性还是第一位的 ，是吧 ， 第二位是在经济性基础上， 可以适度的再付出一些安全可靠的成本 。 所以算力中心基本就这俩需求 。 那反过来站在能源行业 ， 它也有自己的诉求 ， 它的第一个诉求就是它希望把算力中心建到新能源多的地方去 ， 这个伴随着我们现在新能源消纳率的问题 ， 对吧 ， 就是已经出现了一定的弃风弃光 ， 特别是更长期的新能源产业 ， 现在你前几年装太多了 ， 你装了很多之后， 你后期如何保证这个产业还能至少 相对平稳的去装设 ， 对吧 ， 你总要靠复核 ， 对吧 ， 你要靠新能源的电量 。 能源行业希望把数据中心吸引到新能源多的地方去 ， 这样化解我新能源发展和消大的问题 ， 这是第一个点 。 第二个点呢 ， 我们讲算力是有一定的调节能力的 ，因为我们也讲那个 ， 你现在新能源越来越多 ， 电网不是越来越难平衡吗 ， 对吧 ， 你新能源要波动 ， 那复核能不能反过来适应新能源去做一些波动 。 对于数据中心来说 ， 就是你能不能调一些算力业务 ， 使得新能源多的时候 ， 你就用满 ， 赶紧买用电 ， 新能源比较少 ， 这个时候相对电价也贵的时候 ， 你就把一些不紧急的 ， 什么慢慢算的 、 推理型的 ， 就是比较慢的业务 ， 你就先停下来 。 **舒意雯** [32:18] 峰谷算力 。 **蔡元纪** [32:19] 就类似于这种感觉 。 能源行业是两个诉求 ， 第一个诉求是希望数据中心的这个用电量能够和新能源匹配起来 ， 换这个促进新能源产业发展 ， 帮助新能源做消纳 。 第二个就是希望利用数据中心的这种调节能力 ， 使得数据中心更好的支持电网的平衡 。 这是长期的 ， 短期来说其实第二点比较难 ， 短期来说就是你多跟新能源往一起撞 ， 那三者之间各自有诉求 ， 这些诉求能找到一些共同的点 ， 对吧 ， 那可能现在比如最典型的共同点就是像绿电直连这种 ， 或者大电网去吸引数据中心到偏远地方去 。 我理解可能大概是这样 ， 就是 9 月 12 号有个数据特别有意思 ，APP 报道说 ， 中国光伏的装机达到了 12.86 亿千瓦 ， 超过了煤电 ， 煤电是 12.85， 说中国百年电力工业史的主力电源第一次发生了历史性的易主 ， 就是标志着中国的清洁绿色发展又走上了一个新的阶段 。 那你这我们说 12 亿 ， 那中国的光伏的产能可能有三到四个亿千瓦 ， 这里面包括自己的内需 ， 包括出口 ， 这是很夸张的 。 然后今年上半年开始新能源行业承压比较重 ， 多次强调反内卷 ， 然后其实已经开始出现了中部企业的破产 ， 就是头部也是承压 ， 中部已经开始破产 ，而且更多的压力其实没有在国内 ， 就是因为大家都知道国内很难 。 我们看到的一些情况很差的就是 ， 全球的新能源产能基本都在中国 ， 然后中国企业到海外去卷 ， 海外市场里面溢价最高的是欧洲 ，因为美国进不去 ， 美国是基本上垄断大半 ， 就是你的新能源产能进不去 。 **舒意雯** [33:52] 刚刚蔡所讲到这个三方对不齐 ， 我觉得对我来说也是一个非常新鲜 ，而且就是从宏观层面很好理解的一个视角 。 ### 绿电两难 **舒意雯** [34:00] 那切换到企业这边的话 ，也是有比较具体和现实的矛盾的 ， 那就是数据中心他们既想要便宜的电 ，也想要绿的电 ， 这两个结果在现在眼下其实并不总能一起拿到 ， 取决于企业自己的采购策略呀 、 运营能力呀 、 资源这些 。 那我们绿色和平也是追踪互联网大厂的能源采购趋势很多年， 从 2000 年开始就在做中国头部互联网和数据中心企业气候进展的研究 ， 起名叫绿色云端 。 那绿色云端里面一个比较重要的评估维度就是企业的绿电消费情况 ， 这个过程中我们也会和企业有很多的交流 ， 所以他们需求背后的变化 ， 我们也是一路看过来的 ，也有最一手的视角来观察这个事情 。 先说便宜吧 ，22 年的时候我们做过一份科技企业绿电采购的案例报告 ， 调研的时候企业最常提到的一个词就是价格 。 不少接受采访的企业 ，他们表示希望能买到更低廉的绿电 ， 绿电要买呢 ， 价格是低到门槛 ， 绿色是政策啊和资本市场做出的一些要求 ， 便宜是企业自己活下去的一个需要 。 再说绿 ， 当时 20 年的时候行业里对可再生能源的讨论并不像今天这么热烈 ， 各种大会上讨论的还是怎么把 PUE 去降下来 ，PUE 就是电能使用效率 ，PUE 越接近 1 呢 ， 代表能效越好 。 当时做绿色云端的时候 ， 提出百分之百可再生能源转型目标的企业只有一家 ，但是国家这个生态目标提出之后呢 ， 头部的互联网大厂纷纷设立了百分之百可再生能源和碳中和的目标 ， 时间线普遍都放在了 2030 年 。 企业设立目标的推手不止一个 ， 一半是双碳 ， 一半是资本市场 ， 比如说 22 年发绿色云端的时候 ， 行业中的这些龙头企业 ， 尤其是海外上市的这些 ，他们的 ESG 和碳中和行动是走的比较前面的 ， 包括那些制定碳中和目标的企业里 ，他们大多数是在港股或者纳斯达克去上市的 。 除了交易所呢 ， 投资方也会有一些要求 ， 比如说麦格里资产管理公司 ，他们承诺是 2040 年要实现投资组合的碳中和 ，也能看到它在中国投资的博号数据 ，也就是设了自己的百分之百可再生能源和碳中和的目标 。 所以有了这些承诺和承诺伴随而来的就是如何去落地 。21 年绿电交易试点启动之后呢 ， 科技企业和数据中心企业是第一批用户 ， 头部企业通过市场化的交易机制去实现了绿色电力的大规模交易 。 到了现在 2026 年呢 ，AI 又带来了新一轮的算力扩张 ， 整个行业绿色转型的门槛就又被抬高了一截 。 那这个门槛就是新增的绿电消费要如何能够跟上快速膨胀的新增用电 。 所以夹角就出在这里 ， 现在呢电源 、 成本 、 制造能力 ， 中国全有 ， 卡住的是把这三方需求拧到一起的一个机制 。 那可能未来这个能源管理的能力会成为新的运营能力 ， 像 PUE、 绿电比例 、 电力成本这些数据会和模型参数一样进入公司的竞争力报表里 。 **蔡元纪** [37:10] 我稍微顺着一文的补充一句 ， 比如我刚才说这个算力行业是便宜加可靠稳定 ， 绿色这几年也开始变得重要 。 我觉得就是我们做绿色云端的时候还没有 ， 就绿核这边做绿色云端的时候还没有这种要求 ， 对 ， 然后科技企业才刚刚起步 。 那这几年我觉得随着呼吁 ， 科技企业一方面有自己的这种展示成本的需求 ， 这个确实也是一个方面 ， 作为大家普遍 2C 的这种要接触特别多的 ， 然后你的这种公共形象比较重要 。 另一方面国家政策也在引导 ， 我们最重要的政策是枢纽节点的数据中心绿电比例不能低于 80%， 这是一个强制性政策 ， 伴随着今年的 42 号令要去考核执行 。 所以对于企业来说 ， 当然绿电采购模式很多 ， 我们一般把它算成成本 ， 就是它一定会变成一个稍微加一点点的额外的成本 。 那如果你去做 ， 比如说我们可能一会儿聊到旧金山那什么的 ， 你就会减少掉一些绿电采购成本 ， 所以绿色也是变成一个成本项 。 另外就是除了这种公共宣传意识 ， 大家为了去参加 RE100 或者其他的一些需求 ， 现在也开始要求强制披露 ，有一点强制披露 ，ESG 的强制披露 ， 我们沪市和深市应该是 24 年或者 25 年， 反正现在是要求披露相关内容了 ，也是这样才有的 。 以前说的就只有港股是要求披露的 ， 这些都会对企业还是有一定促进作用 。 那它的好处就是你要买绿电嘛 ， 你要买绿电就跟新能源这边又挂起来了 ， 对 ， 所以这些其实就是国家政策层面 。 **舒意雯** [38:36] 刚才讲到地方政府的发展和 GDP， 蔡所不是也说了嘛 ， 锂电强算 、 锂算 、 促电 ， 这个良性循环 ， 政府工作报告也提到了 。 这里呢我看到算力中心的税啊 ， 就如果一个地方建了一个算力中心 ，其实对地方的整个贡献主要还是在建设阶段 ，是不是 ？ **蔡元纪** [38:56] 对 。 **舒意雯** [38:56] 如果因为投后的数据业务 ， 这个是总部统一结算 ， 比如说 DeepSeek 它建一个 ， 它肯定是在杭州或者在总部的结算地 ， 那留在当地它只有土地啊 、 房产和员工个税 。 所以各级地方政府把这个事情当成产业升级的招牌啊 ， 那它的考虑有没有再深入的有一些解读 ？ **蔡元纪** [39:17] 我觉得这不一定准确啊 ，因为没有太深的思考过这个问题 。 我觉得可能两个方面 ， 第一个就是中国现在各地在比较大规模的拉动数据中心过来 ， 作为产业升级招牌的 ， 这些地方本身都是相对落后， 对吧 ， 就是我们说发大数量的节点 ，其实北上广也有 ，但是北上广已经不讲这个事了 ，因为那也没有什么土地 ， 你在北上广就很贵 ， 北上广都是存量数据中心 了 。 那以后可能会做一些制算的 ， 比如说那个设备到期了五年左右 ， 我就给它换成新一代的设备组 ， 对 ，但它肯定不会讲 ， 比如说我北京还做什么智算产业升级 ， 北京已经不需要选择这些了 。 所以我们拉动的一个就是它可能现在本身确实也没有太好的产业资源 ， 对吧 ， 我这有的就是便宜的土地 、 丰富的新能源 ， 我有非常开放的态度 ， 你愿意来 ， 你哪怕就建个数据中心 ， 前面这些也是一个好处 ， 就是它本身底子还是相对弱 ，而且我们现在确实从经济发展来说 ， 尤其大家关注到的 ， 跟最早的中国的数据中心都是在贵州 ，但这一波里面其 实贵州已经不是关注的重点 ， 关注的重点包括我们说的乌兰 ， 您讲的什么中卫 、 庆阳 ，其实都是相对比较困难的地方 。 它本身经济就没有什么太好的点 ， 所以对它来说这就是类似于我找到一个自己的经济支柱的这样去做 。 所以我觉得这是跟底子来就行 ， 我确实很差 ， 对吧 ， 那你说它不想要汽车制造厂吗 ， 或者不想要一个钢铁厂吗 ， 那人家不会去的 。 数据中心它从定位上来说 ， 它还是能更容易吸引到 ， 所以我觉得这是一个方面 。 第二个方面呢 ， 就是长期来说数据中心进来之后， 会不会带动其他产业发展 ，不太好判断 ， 可能没有像我们讲的更实体的厂 ，因为你有必要更多的员工那么显著 ，但是多少也会拉动 ， 数据传输也是有时间限制的 。 如果你就是一个高算力 、 高密集型的企业 ， 比如说乌兰我先有了这么多的数据中心 ， 我配套数据中心 ， 我的电力供应也特别完备 ， 会不会有一些中小的企业就到乌兰察布去利用这个就近的算力 ， 这个算力我在乌兰用和在北京用 ， 可能还是会产生一点算力差的 。 所以长期来说可能会有帮助 。 **舒意雯** [41:17] 它可能就把它当成一个支点 ， 然后就看这个支点杠杆有多长 ，有多有利 。 **蔡元纪** [41:23] 不好讲 ，但反正我现在也没啥 ， 反正我现在就是已经是实打实的增长了 ， 后面进来之后布局好了 ， 再怎么增长 ， 再想办法再找机会 。 第一我觉得它现在没有什么其他太好的引擎的因素 ， 数据中心毕竟是一个发展机会 ， 这样数据中心真正建起来 ， 它有一个比较好的电力和算力的双基础之后， 应该还是会有一些发展机遇 ，但是现在这种比较大规模的机遇还没看出来 ， 还有待于行业和产业的发展 。 又想到一个点 ， 就比如说乌兰察布 ， 数据中心的企业去了 ， 可能只是基建 ，但它什么呢 ， 它带来了新能源行业 ， 就是你像韵达呀 、 远景啊 ， 这些在乌兰察布都有厂 ，因为你的乌兰的新能源是风光比较均衡 ， 它主要还是风大 ， 然后所以这些风机整装厂 ， 就按照它的各种建设需求 ， 它现在一般是在哪建电站 ， 它就在哪搞个厂 。 **舒意雯** [42:12] 那这个就制造业 。 **蔡元纪** [42:13] 这也是制造业 ，但是这个厂很有可能你这个地方新能源开发完 ， 这厂就没了 ， 这是新能源行业的一个特点 。 **舒意雯** [42:19] 它是游牧民族式的吗 ？ **蔡元纪** [42:21] 有点这种 ，有点游牧式的 。 **舒意雯** [42:24] 刚才讲电费占 AI 中心的运营成本 60 到 80 啊 ， 查资料就发现乌兰察布电价好像在 3 毛 5 一度 ， 像咱们北上广深大概在 7 毛左右 。 **蔡元纪** [42:34] 是 ， 电价要更贵一点 ， 目前全国的平均工商业的电费水平 7 毛钱左右 ，因为数据中心它算工业嘛 ， 像乌兰这种地方它是比较便宜 ， 它承诺到户电价 3 毛 5， 这个相当于承诺 ，但是内蒙它在蒙西电网平均的这个电价可能还是要到 5 毛 ， 所以它是要通过其他手段 ， 对 ， 包括新能源的配置啊 ， 包括一些优惠的政策 ， 才能把电价压低到这个水平 ，不是说我现 在在乌兰察布随便建个厂 ， 过去就拿 3 毛 5 的电价 ， 这个还是拿不到的 ，不可能那么低 。 **舒意雯** [43:04] 那它还是有些补贴吗 ， 还是 ？ **蔡元纪** [43:07] 就类似于比如新能源很便宜 ， 我们又回到可能一会儿要聊旧金山那的问题 ， 你建很多新能源 ， 现在新能源的边际毕竟是比较低的嘛 ， 那你就承诺给的这个新能源的价格就很低 ， 可能新能源给你只给 2 毛 ， 平均一下， 剩下的就是你偏向于旧地 ， 你给大电网交的钱比较少 ，因为你自己建了专线或者小网络 ， 这些投资会折下来 ， 然后再 加上就是补贴可能主要是土地方面 ， 土地会比较便宜 ， 就这些综合下来 ， 它的目标是做到 3 毛 5 到户电价 ， 毕竟准啊 ， 就是我觉得现在的国内的数据中心没有能做到这个价格了 。 **舒意雯** [43:38] 3 毛 5？ **蔡元纪** [43:39] 就度电 3 毛 5 基本没有 ， 就是因为我觉得全国平均的数据中心用电价格应该不会和大工商业出现太大偏差 ， 它可能略低一点 ， 尽管能源量很大 ，因为我记得某头部啊 ，他们披露的采购的平均电价是 6 毛度 ， 哪怕就便宜一毛 ， 你又回到前面那个数 ， 你想我们刚才举了哪个数 ， 美国就是你新增 1GW 的那个需求 ， 一年可能就几十亿度电啊 ， 你几 十亿度电每度电差一毛 ， 就是几亿块钱的这个运营成本截至 ， 所以一毛钱的电费差别是非常夸张的 ， 就对于企业来说 ， 基本上电费能到 2 到 3 分钱的截至 ， 它就会开始下来了 。 **舒意雯** [44:16] 我刚才还有个问题 ， 就是比如说像刚刚蔡所说的 ， 对于企业来说 ， 绿电还是一个成本项 ， 意思就是说它带风光属性的电还是有一点溢价的 。 **蔡元纪** [44:28] 有一点点 ， 我们一般拿绿证来计嘛 ， 比如说我们说那有 80% 的国家考核要求 ， 你有很多满足的方法 ， 比如你什么自发自用啊 ， 你搞旧金山那 ， 你去买绿电交易 ， 最薄底最薄底 ， 最后就是采购散证 ， 那么散证的价格就是零散或者单独购买绿证的价格 ， 就成为这个绿电溢价的一个毛利目 。 今年的绿证价格有所回升 ， 它大概现在就是 5 到 8 块钱一张证 ， 如果是超过一年的证 ，其实也就一两块钱 ， 按 5 块钱算什么概念呢 ， 就是度电的成本是 5 厘 ， 就是度电你为了满足这个绿色 ， 大概要加 5 厘钱 ， 或者我们多说基本上就会加到 5 厘到 1 分 ， 要给它加一点嘛 ，因为你这个钱最后是回到新能源侧 ， 就是你除了直接拿 到电之外， 你要再给新能源从用户的角度去补一点点钱 。 **舒意雯** [45:12] 那这个相当于品牌形象宣传费 ？ **蔡元纪** [45:15] 我感觉更像是国家强制要求分担费 。 我们的这个比较重的几个 ，因为不只考核数据中心 ， 钢铁 、 电 、 铁 、 铝 ， 就是我们的用电大户 ， 都要去承担一定的这个促进可再生能源消大和发展的责任 ，因为你必须要去采购绿电 ， 将这些隐性的新能源发展的促进的成本输导到几个用电的比较重的行业里面去 ， 你不达标这个要被考核的 。 **舒意雯** [45:36] 刚才讲完中国的问题啊 ， 最后我们来到比较微观层面的 ，也是我们今天讨论的一个重点 ， 就是关于解决方案的问题 。 ### 自建电源 **舒意雯** [45:43] 像科技公司 ， 无论是美国的科技公司还是中国的科技公司 ， 实际上都开始自己找电了 ， 这个也是挺有趣的一个观察点 。 我在查资料的时候发现有一个新闻 ， 感觉还蛮有意思的 ， 就是从来不融资的 DeepSeek 在拿到 500 亿融资之后， 转头把这笔钱里的一部分就砸到了一个超大型 AI 数据中心 ， 规划了 1GW 的算力规模 ， 还是一个比较大的规模嘛 ， 刚才也讲了 ， 全指呢是落在了内蒙古的乌兰察布 ， 刚才我们也屡次提到啊 ， 前面讲到乌兰察布到户电价大概 5 毛钱一度左右啊 ， 那 比一线北上广深可能便宜了有 1/3 吧 ， 便宜还蛮多的 ，而且旁边又是风光基地嘛 ， 那边 ， 然后呢 DeepSeek 又在招聘平台发布了招聘信息 ， 这个也我看到还有很多媒体在报道 ， 说希望招聘一些数据中心高级运维工程师和数据中心高级交付经理 ， 工作地点是内蒙古乌兰察布市 ，因为 DeepSeek 作为大模型公司 ， 它之前的招聘主要是在北京啊 、 杭州啊 ， 整体也是研发岗位 为主嘛 ， 那现在要招聘这些工程师 ， 所以对大模型公司而言啊 ， 专属的数据中心并不是传统意义上的机房 ， 它更像一个专门为模型训练和运行准备的算力工厂 ， 里面摆的也不是普通的服务器 ，而是一些用于计算的大规模设备 ， 那这些设备接下来会持续运行 ， 用来训练模型啊 ， 处理请求啊 ， 输出结果 。 我们知道幻方量化起家的 ， 当时它在私募圈 ， 它就以搞军备竞赛闻名 ， 说它的机房像篮球场一样大 ， 建在离交易所也是最近的地方 ， 所以这次 DeepSeek 在乌兰察布建数据中心 ， 可能也不意外吧 ， 这个还蛮像粮食风格的 。 所以我这里也想问啊 ，DeepSeek 这个是个例呢 ， 还是现在大模型公司都走到这一步了 ？ 因为我看到很多公司也会选择在风光资源比较优越 ，但是又比较偏僻的环境里面 ， 城市里建数据中心 ， 比如说乌兰察布 ， 还有宁夏的中卫 ， 所以我在查这些资料的时候就哎呀 ， 查着就查到旅游攻略了 。 像乌兰察布本来生产土豆 ， 号称中国的土豆之都 ， 现在也向算力之都转型 。 这里也想问问两位老师 ， 为什么大厂都纷纷做这样的选择 ？ 那海外的大模型厂商好像也有类似啊 ， 像马斯克恨不得把这个建到火星上去 ，也想看看两位老师这个事情怎么看 。 **蔡元纪** [48:05] 好 ， 我讲讲国内的一些情况 ， 我的理解吧 ， 艺文这边应该也会有更多的 ， 包括海外的案例 。 国内我的想法可能几个因素共同推动 ， 第一个我们刚才聊到的 ， 现在需求越来越多 ， 然后电的成本越来越显见 ， 大家天然会去追逐一个更低价的地方去走 。 第二个事情也跟我们传统的一线城市里边的算力基本上已经用力啊 ， 这些布局相对饱满了有关系 ， 对吧 ， 就是你在北京再去能建数据中心的这个地方也比较少 ，而且成本会非常非常的高 。 建到一线城市以外， 比如说三五百公里 ， 然后再加上通信的进来 ， 对吧 ， 它成本肯定比你当地自建要便宜 。 第三个我会觉得实际上可能跟 ，因为我不是做通信的 ， 我不知道准不准 ， 我觉得可能跟今年的 AI 应用模式调整有关系 。 我们以前比如说最典型的像字节 ， 那它以短视频业务为主 ， 你就需要快速的刷新和交互 ， 如果你的数据中心建得太远 ， 可能用户就会有一些使用上的这种延迟 ， 体验就会比较差 ， 比如说廊坊啊 、 张家口 ， 它肯定要尽可能的离你的用户更近 。 比如说我个人现在使用 AI 的习惯 ， 今年伴随着这些工具的上升 ，其实推理性的 ， 就是它运算处理性的业务需求变强了 ， 所以实际上是我发布一个问题 ， 等着 ， 对吧 ， 这个问题算的时候 ， 它可以到一个比较远的地方去 ， 对吧 ， 慢慢的去思考 ， 它要消耗掉很多 token，但这些 token 其实完全不必要在北京消耗 ，而最后传递给我的结果可能只是一个问题的答案 ， 或者一份材料 ， 对吧 ， 它真正要在这个通信网络上消耗的转输是下降了 ， 它对于运算的时效性的需求也下降了 ， 所以它的成本上就更偏向于纯电力的纯消耗 ， 所以它就可以把很多业务往就绝对电价低的或者远一点的地方去算 ， 对吧 ， 我们现在的算力需求的增长 ， 我理解至少今年来说不太在这种超快速啊 ， 就是要非常短时 交互 ， 很多需求开始增长在了这种长交互 ， 时间不那么直接的情况下， 那企业面向以后的需求 ， 它去预测 ， 对吧 ，以后的需求可能来自于企业的自我模型的训练 、 推理 ， 然后再结合一些什么数据管理 。 以前我们只能放到很偏的数据中心 ， 都是相对静态的数据查询管理 ， 对吧 ， 那你现在可能有越来越多的不那么需要高时间交付性的业务 ， 这些也会带来它数据中心算力布局的一些 。 **舒意雯** [50:18] 对 ， 比如说它做算法训练 ， 它确实没有必要放在北京 。 **蔡元纪** [50:21] 放在北京 ， 对 ，是的 。 **舒意雯** [50:22] 还有刚才你说的 ， 就是他们最关注的一个是稳定 ， 一个是便宜嘛 ， 反倒不是效率 。 **蔡元纪** [50:27] 对 ， 就这个新增的符合很多 ， 我理解 ， 就它水还是有效率的部分 ， 对 ， 刷视频卡顿的我肯定会觉得不好 。 **舒意雯** [50:34] 是的是的 ，但是从 AI 来讲 ， 能源的效率没有要求那么高 。 **蔡元纪** [50:37] 没有那么高 ， 对 。 **舒意雯** [50:38] 它就稳定便宜 ， 反倒变成第一要务了 。 **蔡元纪** [50:41] 是的 。 **舒意雯** [50:43] 海外这边今年讨论比较多的是马斯克 ，在孟菲斯有一个 Consortium， 然后这个落地的时候 ， 电网只给了 8MW， 撑不起几台服务器嘛 ， 然后马斯克他是在厂区里架起了 35 台燃气轮机 ， 总功率大概 422MW， 又配了 168 个特斯拉的储能电池 ， 然后 24 年 7 月就先跑起来了 ， 等了几个月 ， 四个月之后， 电网批文下来之后， 接入升到 150MW， 才拆掉了一部分机组 。 二期是挪到 Michigani 州的索萨文 ， 干脆是建了一座 1.2 吉瓦的永久天然气电厂 ， 前面也分享过其他的几个科技巨头也是有去给数据中心自备这种天然气啊 ， 或者自己的发电厂 。 中国这边啊 ， 就是像刚刚蔡所说的 ， 我自己也比较深有感受吧 ， 就是今年确实这种推理型 AI 已经全面融入了我们的工作和个人生活之中啊 ， 就很难想象说 ， 哎 ， 我的电脑和手机 。 **蔡元纪** [51:40] 已经活不了了 。 **舒意雯** [51:40] 对 ， 没有的话 ，也挺可怕的吧 。 对 ， 所以中国这边的数据中心 ， 虽然目前的占比比较小 ，但它之后占收用电量肯定还是会越来越大的 。 很多企业的思路呢 ，他们也是说想办法在不同的方式去找电 ， 那这一个比较常见的就是去找绿电 ， 然后同样是往风光负责的区域去就地找 ，因为其实国内的新能源的发展速度不一样 ， 然后风光的资源禀赋也是不一样的 。 比如说我们最近端比较关注的企业这边的绿电采购 ，其实能看到说绝对量和占比 ， 这两年都跑得非常的快 。 像 2025 年， 腾讯的绿电消耗是超过了 40 亿度 ， 万国数据是 38 亿度 ， 年度绿电占比超过 30% 的企业 ， 我们最新统计是已经有 8 家了 ， 然后这个进步也是非常快的 。 那随着这个算力对电力的推高嘛 ， 之后对于数据中心绿电的关注点 ， 除了绝对量上 ，也要去看它的一个相对的占比 ， 就是说我的这个绿电消费能不能跑赢电力的增长 。 那有的大厂呢 ， 如果只看最近一年的数据是已经做到了 ， 就是它的绿电消费增量是大于它的外购电力的增量 。 所以说企业其实这方面的压力也是比较大的 ， 它想要买电这一头去追得上的话 ， 它自己是要去布局比较多元的消费渠道的 。 就比如说这两年一直在说的算电协同 ， 包括 9 月 11 号李强总理也还在国务院会上也在提到了算电协同这个概念嘛 ，其实就是把算力去往可再生能源负责的区域去布局 ，在旧金山那的框架下， 数据中心可以去用联网和数据一体化呀 ， 包括绿电直连这些模式 ，在新能源资源负责的地方 ， 比如说内蒙古张家口去就地的消纳 ， 就地的平衡 。 关于新能源消纳呢 ， 还有一个比较小的花式 ， 就是前几天跟团队同事讨论这个报告的时候 ，他就问我说旧金山那的官方英语翻译名是什么 ，他好像就在一些政策里都没有找到一个比较统一的英语翻译 。 找不到这个事情本身 ，其实可能就说明旧金山那是我们中国政策语境里长出来的词 ， 带着我们自己的一些条件的特色 ， 英语里是没有一个对应的概念的 。 那你们后来选了什么词 ？ **蔡元纪** [53:52] 应该是那个 Local Consumption of Renewable Energy Generation。 **舒意雯** [53:57] 哦 ， 这比较长 。 **蔡元纪** [53:59] 就地消费嘛 ， 就是 Local Consumption， 就是像我们做批注的时候 ， 我说你要用全文 ， 你得先讲新能源就地消纳 ， 你不能一上来就说就地消纳 ， 它实际上是新能源就地消纳 ， 所以它有一个 Of Renewable Energy。 **舒意雯** [54:11] 低消费 。 **蔡元纪** [54:11] 对 ， 就是个低消费 ， 直译就是个低消费 。 我想到一个事情 ， 我们系有一个教授胡庆来老师 ，他是做算电其实比较多的 ， 上周专门发了一篇文章 ， 还被不少客户转了 ， 很有意思 ， 就是说算电协同应该怎么办 ， 就是他讲了很多 ， 现在包括国家层面上 ，其实不同的机构用的也会略有点区别 ， 然后但他也说也只是他的一家之言了 ，他最后给的应该是 Coordination of Computing Power and Electric Power， 就是他认为要把算力里边的这个 Power， 就是 Computing and Electric for Electricity，他觉得还不行 ，他觉得得把 Computing Power 才是算力 ， 电力对称的角度来说 ，他用了 Electric Power， 然后大家再 Coordination，但这个翻译法是比较长的 ，其实有简的就是 Coordination of Computing and Electricity， 大概这样 ， 就没有特别统一 ，但这确实也是很中国的一个 ， 所以他做了一个很长的论证 ， 就为什么这个什么形式优雅比较清楚 ，以及其他 的几个翻译他就为什么不妥 ， 就专门写了一篇科普 ， 所以我觉得我们有意思的话 ， 我们也可以探讨一下， 就包括旧金山那在内的 ， 包括我们讲旧金山那几个模式 ，是吧 ， 可能用什么样的英文的比较标准化的传播的词语会比较好 ， 我觉得其实可以做一个小的研究 。 **舒意雯** [55:23] 我这里也有些信息啊 ， 想跟大家分享一下， 就是为什么大厂都去乌兰察布去找电啊 。 第一呢 ， 可能物理原因 ， 它是冷 ， 像乌兰察布年平均气温只有 4.3 度 ， 一年它能有 10 个月靠自然风冷给服务器降温 ， 这个也是马斯克比较向往的这种状态 ，因为要知道 AI 服务器的散热成本是非常高的 ， 几十台服务器 24 小时运转的话 ， 热量相当于打个 比方啊 ，1 万个人挤在一个房间里 ， 那如果放在深圳啊 ， 或者放在杭州 、 上海啊 ， 就得靠大规模的空调 ，但是放在乌兰察布开个窗就行了 ， 能耗就能直接降 20-30， 像刚才艺文说的 PUE 值就能压到 1.2 以下 ， 远超全国平均水平 ， 这是一个原因 。 第二个是电便宜 ， 就刚才也讲了啊 ， 当户电价 5 毛左右 ， 工业绿电甚至低到了 3 毛到 4 毛左右啊 ， 像北上深安可能都要翻倍 。 所以业内也算过 ， 同样一个大型数据中心放在乌兰察布或可放在隔壁城市啊 ， 一年电费能差出 30-50 个亿 ， 这个就不是简单的省了点小钱了 ，其实是决定了生死的成本优势 。 第三就是离北京比较近 ，350 公里高铁大概两个小时不到就能直达了 ，而且还有铺了两条直达北京的大容量光缆嘛 ， 所以时延就能做到 4.2 毫秒 ， 就相当于比我们眨一次眼还要快几十倍 。 所以这对北京那么多 AI 公司来说 ， 这样的机房就跟建在可能自己的楼下没有什么太大的区别了 ， 那房租又相对比较便宜 ， 空调也不要钱 ， 基本上还是有吸引力的啊 ， 当然我们没拿乌兰察布市的广告费 。 所以华为 、 阿里 、 苹果啊 ， 字节啊 ，DeepSeek 都来这里建数据中心 。 我看了一下有 89 个项目落地 ， 总投资超过了 5,000 亿 ，而且它其实不是最近才开始有的 ，是 13 年就开始投了 。 **蔡元纪** [57:17] 乌兰察布的年 GDP 可能也就才 2,000 亿 。 **舒意雯** [57:19] 乌兰察布可能也想通过这次实现月升 。 但是光有资源禀赋肯定是不够的嘛 ，因为过去西部有很多地方有风有光有土地 ，但始终没有解决一个核心矛盾 ， 就是新能源的波动性跟算力负荷的高可靠性要求之间的天然冲突 。 我们也知道某些西部省份啊 ， 气光气风可能达到 50% 左右了 ， 所以这个可能也是矛盾的体现 。 像艺文刚才讲的绿电直连 ， 可能就解开这个死结的钥匙啊 。 **蔡元纪** [57:46] 我稍微多说几句吧 ，因为我们今天不太做技术性的深入 ， 我们现在确实还面临一个问题 ， 就大家看起来挺美好的 ， 我们前面也提到 ， 好像我们有这么多新能源 ， 我们有这么多新增的数据中心需求 ， 把它们两个天然的放到一起 ， 那是不是我的算电就一起发展了 。 实际上这个问题在技术上还是会更复杂一些 ， 所以国家层面的采集算电协同 ，因为随着新能源变多 ， 电力是在波动的 ， 就是每时每刻的电力供应是在波动的 ，而我的算力需求它其实也是存在波动性的 。 电网的运行是要求每时每刻电力都要发用平衡的 ， 如果发用出现比较大的不平衡偏差 ， 那电网会出现重大事故 。 这种事情比如像去年很有名的英比利亚半岛停电 ， 就是西班牙和葡萄牙 ， 对这种情况在更高比例的现代系统 ，在中国也是存在这种可能性 。 所以就是算力和电力 ， 除了投资层面把它们拉动到一起 ，在运行层面上还要精准的实现工具匹配 。 那么我们现在比较常规的两类匹配手段 ， 一种就是通过大电网的建设 ， 就是新能源接近大电网 ， 复合也接到大电网 。 那么我们整个大电网它类似于它是一个特别大的胖子 ， 就是我有很强的调节能力和稳定能力 ， 它去控制新能源和复合的这种波动 ，在一个比较可控的范围内 。 另一种模式呢 ， 就是直连或者就近消纳的模式 ， 就是我们通过一些新的技术手段 ， 比如说储能的装设 ， 比如说我更精准的去预测出力和复合的情况 ， 然后双方都各自做一些调节 ， 使得双方曲线能够匹配上 。 那么在一个比较小的就近范围内 ， 那我基本上不依托大电网 ，也能实现新能源和算力的匹配 。 那么这样就能做到一个相对来说可能更低的成本以及更好的匹配 。 所以在技术层面上， 我们还有一些更深入的问题在研究 ， 这也是我们在协同可能高效或者研究层面在解决的一些更具体的问题 。 **舒意雯** [59:35] 同频的 。 **蔡元纪** [59:36] 对啊 ， 要同频的 ， 对 ， 就是你多的时候我也应该多 ， 你少的时候我也应该少 ， 这样整个电网才是安全的 ，是不会发生事故 。 **舒意雯** [59:43] 因为电它又没地方放 。 **蔡元纪** [59:44] 是的 ， 我们没有办法大规模存储 ， 这也是为什么现在配置储能 ， 就是基本上就近消纳里面的必须方案 ， 或者说相对看起来比较好的一个方案 。 ### 投资机遇 **舒意雯** [59:54] 好 ， 那我们讲完这个实体世界啊 ， 最后再来浅看一下产业投资机遇 ，因为前面四部分讲的都是物理世界的故事 ， 这部分呢 ， 我们看看资本世界往哪里流 ，因为稀缺性的转移就是价值转移的开始 。 那现在明显这个肯定是个方向嘛 ， 所以 AI 的下半场买的一方面可能是模型价值 ， 另外一方面就是能源价值 ， 就是电 ， 准确的说就是电背后的确定性 。 这里也想跟两位老师交流一下， 看看在这个产业里有什么样的投资机遇 ， 毕竟我们还是一档财经播客 。 看数据中心近几年的发展 ，也发现它们的融资方式也是发生一些演变的 。 那如果说把数据中心这个底层资产还原到本质的话 ， 它其实是个典型的资本密集型的行业 ，因为它的投资规模大 ， 建设周期长 ， 投资回收期也很长 。 那过去可能一家数据中心企业想去扩张 ， 它主要依赖的是银行信贷或者自有的一些资金 ，但现在 AI 在万卡甚至十万卡级群这个级别上往上走的时候 ， 数据中心作为底层资产 ， 它可能需要几十亿或者上百亿的资金 ， 那它只依赖传统的融资渠道 ， 确实是比较吃力的 。 确实啊 ，因为我自己之前是做银行的嘛 ， 传统渠道如果来投这样的项目就很吃力 ， 就像艺文说的 ，也不是说没有钱 ，因为这个钱它要有回报的嘛 ， 所以它回报的时间结构跟我们所说的数据中心啊 ， 或者智算中心这些 ， 它的商业的模式实际上是有些错配的 。 比如说银行资金 ， 它要的可能是久期相对短一点 ， 流动性相对强一点 ，但是像 IDC、AIDC 的这些项目都是重资产 、 长回收期的 ， 刚才蔡总也说了 。 那银行比如说给它放个 10 年期 3.5 利率贷款 ， 给一个回本可能要七八年的项目 ， 那这个中间有两三年利息差 ，其实这个本身实际上是风险投资的生意 ， 它不是很像一个债权类投资的生意 ，因为这个利差它得自己扛吧 ，而且还没算投产前这些空置期 ， 那你钱投进去 ， 机器可能要过两三年才开始 。 所以这轮 AI 数据中心 ， 它可能不是没有钱 ， 钱也是有 ， 可能是资金的期限和资产的期限 ， 它不能完全的匹配上 。 你像房地产这个生意 ， 它就是匹配的会相对好一些 ， 之前的啊 。 对 ， 所以 24 年以来就是也有看到一些政策带动 ， 中国现在这个算力基础设施的不动产金融 ，也迎来了一些创新的突破 ， 一些多层次的资产证券化的工具开始陆续发行了 。 那一类呢 ，是持有型不动产 ABS，也可以理解成私募 REITs， 面向的是机构投资者 。 像 25 年 3 月 ， 中信证券和万国数据合作的首单数据中心持有型不动产 ABS 就发行了 ， 中国人寿这些机构投资者认购了七成 ， 万国数据留了三成 ， 保留了运营权 。 同年 11 月的时候 ，他们太保资产和世纪互联合作的绿色 ABS 设立 ， 规模是 8.6 亿元 ，也拿到了绿色资产评估的最高等级 G1，是首单贴标绿色的数据中心相关金融产品 。 这些私募 REITs 的好处是呢 ， 它的条款和分红的灵活度还比较高 ， 产品结构也较公募 REITs 比较扁平一些 。 另一类是二级市场的公募 REITs，25 年 8 月的时候 ， 南方万国数据中心 REITs 和南方润泽科技数据中心 REITs 在沪深交易所上市了 ， 南方万国是募了 24 亿 ， 南方润泽募了 45 亿 ， 上市首日双双涨了 30%。 它们的上市也标志着首批数据中心公募 REITs 的落地 。 确实啊 ， 它就有更多的融资渠道了 。 我想起来美国这一轮 AI 的数据中心建设 ， 很多它是怎么做的呢 ？ 它通过私募信贷来做的 ，private credit， 对 ， 它里面是有一些是股权 ，有一些是债权 ，而且规模做得很大 ，而且利率很高 ，有一些七八个点 、 八九个点 。 私募信贷现在确实是一个 ， 我们其实觉得是美国资本市场的一个灰犀牛嘛 ， 就有点像 08 年之前的次贷一样的 。 现在当然还没有大面积暴露出风险 ，但是已经有一些流动性风险了 。 对 ， 这些新的融资形式的涌现 ， 对于资产所有人的意义在于 ， 它提供了一个投坚管退的资本循环平台 ， 那企业就不用再像以前那样把大量的重资产给压在资产负债表上 ，而是可以通过资产证券化去把这些成熟的资产变现 ， 回收资本金 ，也能降低公司的负债率和资本开支带来的现金流的压力 ， 那资金周转效率和净资产的收益率都能得到提升 。 那我们今天这期节目一直在讲电力嘛 ， 为什么电力也在金融创新里面占一个位置呢 ？ 因为数据中心的日常运营成本里 ， 电力是占大头的 ， 一般是一半以上 ， 能去到就 60%-80% 的 。 对于金融价值评估来说 ， 一般用的比较多的收益法模型里 ，其实最核心的两个变量就是未来现金流的预测和折现率嘛 。 而前面说的这些金融产品 ， 它卖的也正是底层资产产生的长期稳定的现金流 ， 尤其这个公募 REITs 还有刚性分红的要求 ， 每年可供分配金额的 90% 以上是必须强制分给投资者的 。 所以说 ， 当电价出现剧烈波动或者电价不稳定的情况发生的时候呢 ， 这部分如果有一些额外的成本 ， 那它会在数据中心本身耗电基数特别大的情况下去吞掉底层项目公司的经营收益 。 可想而知的是 ， 这个投资者的分红和资产估值也会跟着缩水 。 所以我们今天说这个不构成投资建议哈 ， 只是做一些分享 。 那国内现在新的一些智算中心 ， 从设备能效上来说已经是接近物理极限了 ， 决定这个数据中心先级能稳不稳的 ， 除了它项目自己的收入以及怎么去省电以外 ，其实很重要的还是看它能不能够去锁定一个稳定以及便宜的用能结构 。 国内现在这些头部的算力商和科技大厂也在往能源上游去积极的延伸嘛 ，他们有去签一些长期固定协议 ，也就是 PPA， 包括去布局远网和数据地话 ， 和前面我们说的比较多的这些绿电直连 ，也是在给他们的物理资产和金融资产同时去加一层确定 。 这里可以提供一个最近端 2026 的数据点 ，在 25 家企业里 ， 我们看到有 5 家企业是披露了以不同模式去探索多年期绿电交易 ，有 12 家企业是参与了远网和主一体化或者是绿电直连项目 ，有去披露规划或者进展 。 那这些探索的目的其实很朴实 ， 就是通过自发自用 、 自备储能 、PPA 这些去平抑电量的波动和电价的波动对经营收益的冲击 ，也能让投资者手里的红利确定性能够更高一些 。 **蔡元纪** [1:06:52] 简单来理解就是发电和复合要平衡 。 **舒意雯** [1:06:55] 对 ， 刚才讲的是科技公司的融资 ，其实科技公司它拿到这些钱 ， 那它会不会也有一些清洁能源啊 ， 或者是绿电方面的投资的举措呢 ？ 有的 ， 就是现在其实科技巨头它已经不再是单纯的消费者了嘛 ， 然后他们手头如果有资金的话 ，其实会通过这种比如说企业风险投资 ，也就是 CVC 和产业投资基金去深度介入新能源产业的一些技术的创新 。 ### 绿色投资 **舒意雯** [1:07:22] 然后海外科技巨头这方面起步会早一些 ，也有比较多元的机制 。 我可以简单分享一些案例 ， 比较值得展开讲的是苹果的中国清洁能源基金 ， 这个是把绿色债券和产业基金去结合起来 。 苹果先是去发债券去筹钱 ，他们 18 年的时候是联合供应商发起的第一期基金 ，在中国的 14 个省份建设了超过一个吉瓦的风光项目 。25 年呢 ，是启动了第二期 ，由施罗德管理 ， 苹果自己锚定投资了 7.2 亿元 ， 目标是每年为中国电网新增大概 55 万兆瓦时的风能和太阳能的发电能力 。 那它做这些尝试呢 ， 它是可以通过资金纽带去帮助它自己的一些没有能力新建新能源的供应商去消纳绿电 ，也能帮助苹果自己去把供应链的一些绿色属性去锁住 。 亚马逊跟微软呢 ，也是有类似的尝试 ，但是具体可能有些区别 。 亚马逊是有一个气候承诺基金 ， 规模大概是 20 亿美元 ， 主要做股权投资 ，也有直接支持可再生能源 、 先进储能这些早期技术的研发 ， 服务的是他们自己和云业务的长期净零的目标 。 微软的气候创新基金规模大概 10 亿美元 ，是股权和债券双轨 ， 已经投了 67 家企业 ， 部署了超过 8 亿美元 ， 还撬动了大概 120 亿美元的后续资金 ，也是投向了一部分是无碳电力啊 、 储能啊 、 电网管理这些能源相关的方向 。 转看国内的话 ， 目前绿色基金的主要发起主体还是政府 、 国资平台和金融机构这些 ， 科技企业自己下场的不算多 。 腾讯是有一个碳循计划 ，他们的钱是有投向像长时储能呀 、 钢铁减排这些领域 ， 那可能他们的初衷也是想用自己作为这个风险资本去培育那些有一些经济潜力的绿色初创的企业 。 所以其实这些国内外的 CVC 投资呢 ，也说明了一件事 ， 就是大厂做绿色投资已经不再是简单的花钱去买环保名声 ，也看中了很多这种前沿技术成熟之后的商业回报 ， 包括长时储能这类低碳的硬科技 ， 它未来去支撑高功耗的算力中心运行的时候 ， 可能也能释放一些降本增效的价值出来 。 **蔡元纪** [1:09:41] 我觉得传统来说电力和互联网是离得很远的行业这种感觉 ， 对吧 ？ 今年开始是不是要跟我们聊的这种算电的协同 ， 包括以数据中心为契机吧 ， 或者这个合作点 ， 就两个行业开始往一起走 ， 所以才有了更多的可以聊的内容 ， 然后算是一个很好的开端 。 那有一个共同的可以聊的内容之后， 以后就有更多的合作的空间或者可聊的内容 。 **舒意雯** [1:10:05] 对 ， 就像我们刚开始说的 ， 就从瓦特世界流向了比特世界 ，AI 把它们连接起来了 。 **蔡元纪** [1:10:12] 是的 ， 我会觉得国内的投资真的 ， 科技企业对于比如说电力还有技术的投资 ， 跟它本身企业需求没有特别大的关系 ， 它会套一点本身企业需求的壳子 ，但就有点类似于它是独立基金 。 因为我很印象深刻的是 24 年的时候 ， 字节来找我们聊 ，他们当时就提了核聚变 ，他说啊 ， 我们以后可能要搞自由小圆中心 ， 包括我们今天说美国的小圆中心是不是能做核聚变 ， 包括国内其实也有 。 就这周有人帖子很火的 ，在中国核电做绿电直连还有多远 ？ 核电算不算绿电 ？ 在国家的定义里面 ， 核电不算绿电 ，但是本身核电没什么太大 ，是清洁能源 ， 只是它在中国的话语体系下不算绿电 。 而且核电现在经营也相对承压 ，而且核电出力超级稳定 ， 数据中心理论上来说 ， 虽然有波动 ，但它的出力应该也比较稳定 。 国外都在做这种小型核电 ， 对吧 ？ 那国内的一些核电 ， 它也不一定说做直连 ， 那我围绕核电站可能可以自建 ，在核电站周围场景去建大规模的数据中心 ，也是很好的技术方向 。 **舒意雯** [1:11:11] 对 ， 核电它就是很矛盾嘛 ， 对吧 ？ **蔡元纪** [1:11:14] 对 ， 会有一定的矛盾 ，但你怎么想 ， 过去几年中国的核电装机增长也非常快 ， 我们过去每年核电装机差不多都是新增接近 1,000 万千瓦 ， 然后到今年的 6,600 万 ，因为我们知道之前那个福岛的事故 ， 所以中国停止了很多年的核电建设 ， 我们在 14.5 开始之前的核电大概只有现在的 1/4， 所以过去几年其实核电就装很多 。 核电搞数据中心实际上还有个好处 ， 就核电本身循环需要大量的冷却水 ，因为它的反应塔要冷却 ， 所以核电需要大量的冷却水 ， 所以它要在海边建 ， 海边然后又远离人， 对吧 ？ 然后又有海水可以做自然冷却 ， 数据中心也要冷却 ， 对吧 ？ 核电和数据中心共治建设或者就近建设是有很多好处的 ， 那能不能探索 ？ 所以当时回到原来的时候 ， 字节过来聊就是长期来看 ， 那如果小型核聚变能够成为现实的话 ， 那小型核聚变和数据中心就是天然魂嘛 。 所以他就想投资做早期的商业核聚变投资 。 **舒意雯** [1:12:06] 很闭环呀 ， 听起来 。 **蔡元纪** [1:12:07] 很闭环 ，但是实际上他更多买的还是商业核聚变的未来 ，因为这个东西跟你的数据中心能眼前就能运作还是太远了 。在我们看来 ， 你想尽快的投你都不如投储能 ， 直接投储能 。 我们去年核电装机已经超过法国 ， 全球第二了 。 我们现在核电装机只比美国少 ，但装个两三年要超过美国了 。 因为法国主体基本都是核电 ， 别的很少 。 我们去年中国的核电装机就是 ， 我们现在可能 6,600 万吧 ， 法国可能 6,100 万 ， 就是比那多一点 。 所有的沿海 ， 最北边的核电站应该在营口 ， 就是这一圈 ， 然后从渤海湾 ， 天津这边没有 ， 然后转过来到山东 ， 海阳那边很大的核电站 ， 然后往下江苏 、 浙江 、 福建也有 ， 然后广东 ， 广东的东部西部 ， 然后一直到广西 、 法证港 ， 都有核电 ， 中国核电很好 。 **舒意雯** [1:12:51] 刚刚蔡总和我也分享了很多嘛 ， 就我们可以看到科技企业它其实有很多新的尝试 ， 然后也有很多真金白银的投资 。 那它在电力市场里的角色已经不再只是消费者 ，而是更多的有在往上游投资和负荷侧调控这些方向去深度介入 ， 变成了新型电力系统的合伙人。 对企业未来发展来说呢 ， 可能比较重要的就是说 ， 谁先能够率先跑通低成本资金加上长期稳定电力供应的商业闭环 ， 谁就是能够把下一代 AI 竞争的确定性给攥在了手里 。 对 ， 就是蔡总刚才说的稳定加便宜 ， 这个放之四海而皆准呢 。 **蔡元纪** [1:13:30] 是的 ，不只是数据中心 ， 这所有行业都想要既稳定又便宜的 。 **舒意雯** [1:13:35] 对啊 ， 好 ， 那最后我结个尾啊 ， 大国竞争又回到了能源时代 。 因为我们回看过去几次重大的产业变革 ，其实能源始终是决定这几次产业变革 、 产业边界的关键因素 。 ### 总结 **舒意雯** [1:13:47] 比方说 18 世纪的工业革命 ， 像煤炭改变了制造业的空间分布 ， 蒸汽机让工厂摆脱了对水利的资源的依赖 ， 然后煤炭产地周围长出了新的工业城市 ， 铁路开到了这些煤炭的产区 。 到了 20 世纪 ， 美国就凭借丰富的石油资源 ， 还有成熟的电力系统 ， 这第二次工业革命推动了汽车 、 化工 、 电子产业的高速发展 ， 这个都跟能源有关嘛 。 进入互联网时代 ， 新时代的互联网其实它也有它的能源 ， 像产业竞争关注点就转向芯片 、 软件 、 数据 。 这个时候传统能源可能退到了更靠后的位置啊 ，但现在呢 ，AI 时代到来了 ， 数据中心又把传统能源拉到了前台 。 就像 1961 年 IBM 物理学家罗尔夫 · 兰道尔提出以他名字命名的一个原理 ， 说是信息处理不是免费的 ， 所以只要你在计算 ， 只要我们在用这个 AI， 只要我们在用这些 agent， 就不可避免的要消耗能量 。 这个也是物理上热力学第二定律写下来的对世界的硬约束吧 。 所以数字产业并没有摆脱传统能源的约束 ，而且随着计算量的不断增加 ， 可能能源正在重新成为决定产业发展的基础条件 。 这个变化已经开始影响到国家和企业的战略选择了 ，而且对于正在快速增长的数据中心而言 ， 未来竞争的胜负手不是仅仅是拥有多少算力基础设施 ，而且也取决于这些企业能不能建立一套跟算力规模相匹配的能源系统 。 所以从这个角度看 ， 数据中心又把科技产业重新拉回了能源竞争的赛场 。 这可能是我想对今天我们讨论内容做的一些总结 。 **蔡元纪** [1:15:26] 就像今年第一次把算电协同写进中红灯报告一样 ， 那么无论是国家的顶层设计 ， 还是行业的这种自我发展 ， 还是专家的判断 ， 能源电力行业和咱们数据中心科技行业其实走到了一个融合的这样的一个节点 。 然后我相信未来二者之间一定会是一个 1+1 大于 2 这样的作用 ，但是去推动这样的一个作用形成 ， 肯定还需要包括机制的这种创新和突破 ， 包括商业模式的尝试和探索 。 从我们的角度 ， 包括我们和绿色和平合作的角度 ， 包括通过咱们今天的播客向公众传播的角度 ， 就是希望大家都能够参与到这一轮算电协同共同的这种技术机制和创新里面来去推动我们国家非常重要的两个产业真正的实现融合协同 ，以及发挥出大于 2 的这样一个效果 。 **舒意雯** [1:16:13] 对对对 ， 如果大家对这个企业具体的一些数据感兴趣的话 ， 就可以看一下我们首页的链接 ， 里面有就是比较具体的一些报告的解析 。 对 ， 我也会把绿色和平的报告放到节目简介 show notes 里 ， 到时候大家可以按需取用 。 那我们今天节目差不多就聊到这里了 ， 这期节目就到这里了 ， 非常感谢两位老师的到来 ， 希望以后还有合作的机会 。 **蔡元纪** [1:16:38] 谢谢 。 **舒意雯** [1:16:38] 好 ， 那我们下期再见 ， 拜拜 。 **蔡元纪** [1:16:40] 好 ， 拜拜 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。