（左为王朝阳，右为马克）

算电协同是算力大发展的前提，那么如何做到算电协同？

文｜马铭泽

编辑｜马克

中美正在经历的人工智能基建热潮，投资增速之快、投资规模之大、折旧周期之短，史无前例。

2026年，美国四巨头（Alphabet、Amazon、Meta、Microsoft）预计资本开支7250亿美元，比2025年增长77%。

中国三巨头（阿里、字节、腾讯）宣布的2026年资本开支约9500亿元人民币，折算成美元不到美国四巨头的五分之一，但考虑到实际购买力，这笔钱也不遑多让。

美国巨头的钱花在三处：IT设备（芯片、服务器）、算力工厂（人工智能数据中心AIDC）、电力（自建电厂），中国电力充沛，巨头的钱主要花在前两处。

截至2026年6月底，中国智能算力规模达到每秒完成2185 百亿亿次浮点运算（EFLOPS），同比增长177%，已建成52个万卡以上智算设施。

随着AIDC规模向吉瓦级发展，即便在中国，电力供应也开始成为约束算力扩张的重要因素。电力建设和折旧周期是AIDC的好几倍，需要长期确定性，但AI泡沫与否的讨论却此起彼伏。电网运行需要实时平衡，AIDC的波动性却是前所未有。电网本来就面临风电光电高波动性的挑战，再叠加AIDC的高波动性，压力可想而知。

“算电协同”由此成为新的产业议题。2026年4月，国家发展改革委、国家能源局、工信部、国家数据局联合印发《关于促进人工智能与能源双向赋能的行动方案》，提出保障算力设施的能源供给、推动绿色低碳转型，促进算力与电力高效经济协同。

阿里云是拥有最多AI算力的中国公司之一，也是这轮AI基建的重要参与者。2026年8月10日，阿里云发布全模块化的CUBE 5.0 AIDC建设架构，将供电、冷却、智能化、消防等系统在工厂预制，再运至现场组装。大型AIDC的交付周期被压缩至100天以内。

为达成2030年碳中和的目标，阿里云还在持续提高绿电使用比例。2026财年（2025年4月1日到2026年3月31日），阿里云国内自建数据中心清洁电力占比已达73.6%，比2025财年提高近10个百分点。

这也让算电协同成为阿里云的当务之急。

8月14日，阿里云全球数据中心总经理王朝阳对话《零碳时代》主编马克，围绕七个话题展开讨论：

1.大建算力会重蹈光伏过剩的覆辙吗？

2.电力优势能弥补算力劣势吗？

3.什么是真正的算电协同？

4.真能算出一度电产出多少Token（词元）吗？

5.AIDC对储能的带动有多大？

6.AIDC会不会有全球性建设标准？

7.东数西算规划该如何调适？

以下为对话摘要

▌不用担心算力过剩

《零碳时代》：算力和电力分别是AI时代和工业时代的基础设施，AIDC则是这两个时代的交融。当前AIDC建设正如火如荼，您认为这一轮算力建设高潮还能持续多久？

王朝阳：这一轮建设高潮让很多行业外的人感到担心，但算力行业整体非常乐观。历史上，数据中心行业的确出现过几次供需关系的调整，但这次因为有AI的加持情况有所不同。AI是一种新的生产力，几个关键指标让我们对这件事充满信心：

目前AI的整体渗透率还非常低。这意味着当有更大的供给时，一定会有更高渗透率。

AI模型的能力一直在提升。模型能力的突破，意味着它真正能够承担起生产力革命工具的角色。

对于数据中心来说，整个物理世界的供给都遇到了挑战。AI的需求接近指数级增长，算力基础设施的交付速度远远跟不上，能源的交付周期比算力更长。实际上是物理世界制约了AI的发展速度。也可以理解为，物理世界的约束延缓了AI泡沫到来的时间。

从供需两个角度来看，我们认为未来五年的发展具有很强的确定性。五年之后，则要看模型能力能否持续提升、渗透率能否继续扩大。但对此我们仍然保持乐观。

《零碳时代》：也就是说AIDC建设高潮至少持续五年。

我想挑战一下这个判断。2022年至2025年，光伏行业也经历过一轮建设高潮，每年新增装机量都在快速增长。当时市场上同样出现过产能是否会过剩的担忧，而供给方的回应是：未来需求的增长可能远远超出过去的历史经验。

而光伏之后恰恰成为这几年中国“内卷”和价格战最激烈的行业之一。现在算力建设中的这种乐观情绪与当年光伏行业有些相似。您觉得算力行业会不会重蹈光伏行业的覆辙？

王朝阳：算力行业当前的情绪和当年的新能源行业非常相似，但两者底层逻辑有很大不同。

新能源面临两个问题。第一，它需要与存量能源形式在成本和效率上竞争。第二，能源需求的增长离不开经济增长。如果经济增长停下来，能源需求不可能持续高速增长。因此从全球范围来看，GDP（国内生产总值）增长实际上是能源需求增长的天花板。

但AI不同。AI是一场生产力革命，是一个新的事物。无论是个人还是组织，如果掌握了AI，都能够提高自身的竞争力。从这个角度来看，无论是刚才谈到的渗透率、模型能力，还是其他各方面的指标，都还有非常大的成长空间。

今天，新能源企业虽然遇到了一些困难，但也在慢慢找到自己的位置，比如现在它们更加积极地与算力企业合作。在市场经济的驱动下，我对这两个行业走到一起充满信心。

《零碳时代》：相比新能源，您觉得算力产业更加市场化驱动？

王朝阳：它是市场化的，是需求驱动的，实际上现阶段供远远不及求。

《零碳时代》：它也不受GDP天花板约束。

王朝阳：算力发展反而会带动GDP增长。

《零碳时代》：阿里云已经将AIDC建设周期从传统的6个至18个月压缩到了100天，但这加剧了供应链的缺口，包括芯片、服务器、变压器、光纤等等。供应链能跟得上您开创的模块化AIDC建造模式吗？

王朝阳：我们对这件事非常有信心。

核心原因是中国制造业的产能非常强大，几乎是无边无际的。前段时间，我们为了扩大产能，想找几家智能制造工厂合作，结果有一百多家企业上门。尤其是在房地产行业下行之后，很多企业都在寻找新的发展空间，愿意转型。

你刚才提到会不会出现供应链冲击，我认为一定会有。首先，现在全世界的需求都在爆发式增长，大家都在争抢同一批产能。整个行业的情绪也在不断向上，其中会有一些由情绪带来的兴奋，以及由此产生的挤兑和争抢，因此暂时性的短缺确实存在。

此前我们经历过芯片短缺、存储短缺和能源短缺。前段时间，柴油发电机以及变压器都出现过短缺。后来甚至出现了更夸张的情况：光纤短缺。光纤的上游其实是光棒，中国光棒的产能每年是6亿公里。光棒本质上就是玻璃，玻璃本质上就是沙子。

《零碳时代》：沙子怎么会短缺？

王朝阳：从全球范围来看，相关产能是足够的。但在行业情绪高涨之后，大家疯狂采购、提前锁定产能，担心以后买不到，从而造成短期需求的集中放大。

不过中国供应链的韧性非常高。遇到这些问题之后，供应链会很快进行调整，供方和买方之间也会逐渐形成新的平衡。只要能够把未来产能明确出来，整个行业就会更加冷静。我们扩大产能的过程非常顺利。

回看历史，从企业数据中心，到互联网数据中心、云数据中心，再到AI数据中心。这四代发展过程中每一次其实都出现过比较大的调整。背后重要原因是，数据中心具有三个属性：第一是地产属性，它毕竟是一种建筑；第二是能源属性，它需要大量电力；第三是电信属性，它需要大量光纤。这三者本质上都属于基础设施，而基础设施天然存在先投入、后使用的逻辑，因此也就会出现周期性。如果我们的交付速度足够快，就不会拥有库存方面的困扰。

《零碳时代》：您刚才谈到供应链的各个模块，恰恰没有谈到芯片，目前最大的供应链瓶颈难道不是GPU（图形处理器）吗？

王朝阳：是的，这个瓶颈解决起来更困难一些。芯片和存储一定是当前最大的瓶颈之一。如果对比不同市场，情况差别比较大。中国市场的芯片产能相对较低，但数据中心供给比较充沛，美国正好相反。

《零碳时代》：无论是地产属性、电信属性还是能源属性方面，我相信中国的产能供给都没有太大问题。现在真正的瓶颈恰恰在芯片端。芯片几乎不存在库存，很多产品还没有下线就已经被提前订购。在阿里如此快的算力中心建设节奏下，芯片供应和储备的问题是如何解决的？

王朝阳：阿里巴巴的芯片储备和行业整体情况差不多。但我们有一个优势，就是有平头哥。平头哥真武系列GPU的累计发货量已经超过56万，而且产能还在稳定提升。

尤其是随着超节点技术不断进展，整体效果非常好，也已经有真实的客户和应用场景。这让我们对接下来的发展很有信心。

《零碳时代》：还是很令人振奋的，国产芯片就可以满足算力建设需求。

王朝阳：不能完全满足。目前AI的渗透率仍然较低，算力产业供不应求。在中国，芯片产能是非常关键的制约因素。

▌电力优势能弥补算力劣势吗？

《零碳时代》：在比较中美AI发展时，通常业界认为算力是中国的短板，电力是中国的长板。您认为中国的电力长板能够多大程度上弥补算力短板？

王朝阳：这是一个很多人都在讨论的问题。不能只看算力和电力，也不能只看某一项单向技术。

按照黄仁勋“五层蛋糕”的逻辑，最底层是能源，其次是芯片、基础设施、模型，最上层是应用。

逐层来看：应用这一层中国大概率更有优势，中国应用场景更丰富、人口更多；模型层面，中国的模型也持续取得进步；基础设施一定是中国的优势，制造业的产业链体系非常完整，在效率和成本方面具有明显优势。

剩下的就是能源和芯片。芯片还需要进一步拆开来看。进入Token时代之后，Token的产出效率并不完全取决于单颗芯片的算力，更多取决于算力集群。在集群中，需要更好地匹配算力、存储和网络的配比，同时做好从芯片到集群、再到模型和应用之间的垂直整合优化，这里还有很大优化空间。

从这个角度来看，中国在Token产出的成本和效率方面具有很强竞争力。但芯片产能决定了AI在整个产业中的渗透率能够提升多快，因此它成为非常关键的变量。这也是整个行业正在共同努力的一件事。我们已经取得了很大进步，未来还有很长的路要走。

能源也需要辩证来看，并不是说中国一定有优势、美国一定有劣势，或者反过来。总体来看，中国在能源方面具有优势，但今天面临一个认知问题，就是我们必须重新理解“中国的能源优势”这个概念。我们当前的发展优势，更多是过去规划和提前投资形成的，但下一步的发展需要创新。

《零碳时代》：中国发电量比美国、欧洲、日本加起来还要多，为什么中国的能源优势也是不一定的呢？

王朝阳：中国发电量非常多，电网也非常庞大，但是数据中心的发展并不像“撒胡椒面”，它是集中的。企业会形成非常明显的产业聚集效应，这会带来局部的供需矛盾。当这种局部矛盾积累到一定规模之后，就不可能再依靠存量资源来解决。

《零碳时代》：阿里云乌兰察布数据中心的绿电比例已经达到90%，阿里云数据中心整体绿电比例也达到70%。但您也提到这距离2030年碳中和目标仍有差距。接下来进一步提高绿电比例主要卡点在哪里？

王朝阳：阿里云2026财年（2025年4月1日-2026年3月31日）自建数据中心绿电占比达到73.6%，2025财年是64%，大约提升了10个百分点，进步非常大。

接下来绿电比例越往上提升，挑战就越大。其中有体制方面的问题，也有我们自己可以做的事情。目前最大的矛盾在于绿电获取，算力主要集中在东部，电力更多集中在西部，阿里云会尽量在绿电资源丰沛的地区部署数据中心。从绿电占比来看，阿里云自建数据中心平均是73.6%，乌兰察布已经达到90%，这就是选址带来的优势。但我们更希望通过源网荷储、绿电直连等方式来解决问题，这是下一步需要重点考虑的方向。

当前阿里云还面临另一个更加尖锐的矛盾：电力供给。AIDC在迅速发展，如何为它提供可靠、确定的电力供给是更加重要的问题。没有充沛的电力，就不可能实现AIDC的产业化。

过去我们讲电力需要满足稳定、经济、绿色三个指标，称之为“不可能三角”。今天还需要增加“充沛”这一指标。没有充沛的电力，就没有算力产业。

《零碳时代》：所以说算力的尽头是电力。阿里云数据中心现在采取绿电直连供电的多不多？

王朝阳：我们已经在华北一些区域开展了绿电直连尝试。当地本身具备相应的资源禀赋，政策也已经放开，同时还有合作伙伴愿意参与，比较自然地形成了这样的模式。从实际效果来看，无论是降低成本，还是提高绿电占比，绿电直连都有明显好处。

《零碳时代》：如果更多采用绿电直连供电，障碍在于政策层、供给层，还是技术层？

王朝阳：现在各方面条件都在逐步放开。政策持续推动，相关技术不断提升，市场需求也已经出现。因此我们判断，接下来绿电直连可能会进入较快的发展阶段。从目前来看，在乌兰察布这类资源禀赋好的地区，已经有越来越多的企业开始尝试绿电直连。

但我们也认为，绿电直连需要算清经济账，更要算整体的大账。一些地区在尝试这类方案时，最终的成本和经济性其实并不理想，这本身就是一个矛盾。

《零碳时代》：是因为绿电直连的电价高吗？

王朝阳：背后有个大逻辑：大电网效率一定高于小电网。

《零碳时代》：简单讲，是不是绿电直连的电价高于大电网的交流电？

王朝阳：如果能够通过与大电网的交互来实现绿电直连，同时解决电网备电、政策支持以及精细化测算等问题，绿电直连有可能形成一定优势。但这也需要看具体区域。有些地区本身电价已经非常低。测算下来，绿电直连的优势其实并不明显。相较之下，高电价地区会有更强的动力去推动这类创新。

《零碳时代》：各个领域都不是一刀切，都要具体问题具体分析。

王朝阳：这些都需要具体去测算。胡焕庸线两侧不同地区的情况就非常明显。有些地方的电价大约是0.35元，有些地方则接近0.7元，但资源禀赋可能相近。

▌什么是真正的算电协同

《零碳时代》：现在已经进入了AI智算时代，您觉得“以电定算”这个提法正确吗？

王朝阳：“以电定算”是指把电力视为一种约束。但如果采取正确的方法、选择正确的地址，电力就不一定是约束。

我不太愿意用“以电定算”这个逻辑，这听起来像是算力产业化的速度受到一个更大的约束。我更愿意讲“以电强算”，也就是如何利用电力优势，推动算力更快实现产业化，并实现更高的效率。

今天已经出现了量级上的变化。过去一个数据中心可能只有几十兆瓦、100兆瓦，现在已经变成吉瓦级，而且形成了非常明显的产业聚集。一旦形成聚集，几个吉瓦的用电规模，在全球范围内都很难找到一个城市有现成的电力容量满足需求，所以这些电力一定要提前规划好。

从这个角度来看，相比现有的电力容量是否充沛，一个地区的能源资源是否丰沛更加重要。只要能源资源足够丰沛，就能够持续发电，持续支撑AI产业化。因此我更愿意从发展的角度来看这个问题，而不是从约束的角度来看。

《零碳时代》：不是看已经建成了多大发电规模，而要看有多大的发电潜力。

王朝阳：对。

《零碳时代》：政策层现在正在力推“算电协同”、AI与能源双向赋能。您认为什么是真正的算电协同？

王朝阳：如果去梳理国家能源局的相关政策，会看到明显的演进过程：2025年8月之前，大部分政策重点都在新能源消纳。此后，政策中逐渐开始出现人工智能、产业支持和双向赋能等内容，直到今年4月出台《关于促进人工智能与能源双向赋能的行动方案》。也就是说，绿电消纳是先于“算电协同”出现的。此前围绕绿电消纳形成的一些举措可以支持“算电协同”，但只能算是一种初级形式。

目前围绕算电协同，我们听到比较多的几个方向，包括绿电直连、源网荷储、需求侧响应以及算力调度。按照我的判断，这四件事都需要拆开来看，不能一窝蜂地都去做绿电直连，或者都去做需求侧响应，这样是不对的。

比如今天讲“源网荷储”，从要素上看，似乎已经具备了算电协同的所有要素。但如果对它的理解比较狭隘，就会出现问题。比如“源”到底是什么？难道只有新能源，不能包括其他电源吗？这是第一个问题。

第二是“网”。电网企业和发电企业的立场可能完全不同，甚至存在一定对立。发电侧可能希望尽量少配储能，同时希望电网提供备电，但又不愿意为此付出太高成本。而站在电网的角度，提供备电本身就意味着成本。

再看“荷”。数据中心的负荷到底是柔性的还是刚性的，一直没有形成共识。过去普遍认为数据中心负荷是刚性的，运行要非常平稳，而且不能宕机。但是柔性当然是可以做到的，我之前有一个观点，数据中心百分之百是柔性的，因为它本身就配置了柴油发电机。

但这种柔性的背后，是以风险和成本为代价的，包括发电成本，以及可能停机所带来的巨大风险。数据中心是关键基础设施，不能容忍任何风险。在柔性的基础上，今天还面临波动问题。AIDC本身体量大、负荷波动又大，风险就会进一步增加。如何把这种波动转化为柔性就更加困难，这是“荷”这一侧面临的问题。

“储”也是一样。今天发电企业可能会认为，按照政策要求配置最低限度的储能，对自己来说最划算，因为反正还有电网提供备电。但配储应该经过测算，找到一个最优的平衡点。

站在我们的角度，真正的算电协同既有微电网的影子，也有“源网荷储”的基础。它应该是一个自治系统，让发电侧、电网侧和负荷侧之间形成动态平衡，并寻求综合成本最优。这是我对算电协同的理解。

这里还需要扩充四件事。第一，如何让电源更加多元化；第二，如何让负荷具备柔性和可调节能力；第三，如何做好能源的存储与交换；第四，如何利用AI实现调度和运营。如果这四个方面不能补充到今天的“源网荷储”体系中，就不能称为真正的“算电协同”。这也是狭义和广义“算电协同”之间的区别。

如果按照这个定义来看，我认为“算电协同”首先需要在技术、架构、运行层面实现融合，之后还可能需要在资本层面实现融合。

最上层是政策融合。因为算电协同是一个新事物，究竟通过什么样的政策机制把它们融合起来，仍然需要探索。

《零碳时代》：这个问题比较复杂，我们再换一个角度讨论。您刚才围绕“源网荷储”这个概念展开。我的理解是，“源”不一定只是风电、光伏，也可能包括核电、自备电源等其他类型的电源；“网”也不一定只是大电网，还可能包括微电网。

王朝阳：微电网需要和大电网形成协同。比如地铁、高铁以及其他各类微电网，最终都会和大电网形成良性协同关系。

《零碳时代》：您刚才提到AIDC的负荷不一定是刚性的。我的理解是，过去数据中心向电网报备容量时，通常按照峰值来报备，因此也需要支付相应的容量电价。你的意思是不一定要按照峰值报备？

王朝阳：是的，峰值是短暂的状态，配全套容量比较浪费。

《零碳时代》：但即便峰值是一秒钟，AIDC也不能够承受这一秒钟的宕机。

王朝阳：所以我认为自发电、储能以及部分电网备电组合起来是更优的方案。甚至在某种程度上，算力负荷的调节和预测也非常关键，本质上是要形成动态平衡。这些事情都是可操作的，也都可以测算。

《零碳时代》：如果能找到最优平衡，就可以把AIDC成本降下来，不用报那么高的峰值功率。

王朝阳：今天的体系过于刚性，通常按照峰值、按照刚性负荷来假定整个运行形态。但事实上，负荷是存在波动的，也可以实现柔性调节，只是这种柔性背后需要付出一定的成本。关键是各方坐在一起进行测算，明确为了实现这种柔性，各自能够承受多大的成本和代价。

《零碳时代》：现在技术上可以实现动态预测吗？

王朝阳：算力公司自身可能掌握更多的信息。第一，可以在一定程度上对负荷进行预测；第二，也可以在一定程度上进行主动干预。比如在电力极度紧张的时候，是否可以将部分算力任务向后延迟，或者调度到其他区域执行。

《零碳时代》：您有没有做过具体测算：一种方式是按照峰值功率向电网公司支付容量电价，另一种方式是增加储能或自备电源，从而降低向电网申报的容量。两种方式相比，哪一种经济性更好？

王朝阳：如果按照满负荷交电费，大电网一定更划算。小电网不可能配置那么多资源，因此大电网的效率一定高于小电网。但如果负荷能够实现动态平衡，并且具备柔性调节和可管理能力，就有可能找到更好的性价比。

《零碳时代》：核心问题在于动态平衡在技术上是否已经能够实现，包括对需求侧负荷的预测，以及不同电源之间的互补调度。您刚才描述的更多是一种设想，还是阿里云已经具备了相应的技术储备和实际能力？

王朝阳：我们已经看到了一些雏形。比如美国的分布式能源，以及中国的源网荷储，都已经出现了类似的实践，也有一些跨行业的先例。例如高铁、地铁等微电网，都会配置储能，并实现微电网与大电网之间的互动。AIDC作为另一类基础设施，未来也一定会出现类似的形态。

一方面我们看到了跨行业的参照，另一方面也看到了这个行业自身已经出现的一些雏形。基于这些判断，我认为未来一定会朝着这样的方向发展。

《零碳时代》：电厂的建设周期和折旧周期都是数据中心的几倍。电力行业为AIDC配建能源的积极性并不算高，因此在美国已经出现了科技公司自建电源的情况。相比之下，中国无论是电力供应能力，还是电网的坚强程度，都明显更强。但如果着眼未来，您觉得美国今天已经出现的这种模式，在中国是否也有可能发生？

王朝阳：按照我们刚才的推演，这种情况大概率会发生。因为产业会不断向电价洼地聚集，而一旦形成产业聚集，就一定会带来区域性的供需矛盾。如果这种区域性的矛盾在短期内无法通过现有体系解决，市场就会主动寻找新的解决办法。

《零碳时代》：电力行业会要求AIDC提供稳定、可预测的用电需求。但这种要求本身是不是计划经济思维？因为算力需求是随着市场需求的变化波动的，很难维持在一个恒定状态。

王朝阳：这背后其实还是谁更重要、谁产生的损失或带来的价值更高的问题。

如果供电不够可靠，导致停机或者服务质量下降，带来的损失会更大。因为从电力支撑算力，再到算力形成生产力，价值链是逐级放大的。如果为了节省一点电力成本，反而牺牲算力产出的价值，那一定是得不偿失。

《零碳时代》：也就是说电力公司认为“算力企业要提供稳定电力需求”这个要求是合理的。

王朝阳：站在电力公司的角度这种诉求是合理的。随着AIDC的体量越来越大，电力公司希望它成为一个良性的负荷。也就是说，电力公司希望AIDC具备一定的调节能力，尽量平抑对电网的冲击。

《零碳时代》：那反过来，为什么算力企业不能满足电力公司的合理要求呢？

王朝阳：这其实就是各方寻找一个中间状态的过程。毕竟配置更多储能意味着更高的成本，而且配储能本身也不能解决容量电费的问题。

最终还是要回到刚才讲的算电协同。要认真对待这种模式，算清楚经营账，由发电企业、电网和数据中心三方根据具体项目和负荷特征，共同测算出一套更合理的方案。现在已经能看到一些积极变化。比如在华北，各方已经开始尝试这样的模式。

《零碳时代》：关于AIDC的能源成本占比，我看到不同的说法。有的说电力成本只占AIDC综合成本的10%左右，有的说电力成本占比超过一半。哪个说法是对的？

王朝阳：其实是统计口径不同。首先要区分通算和智算。过去做通算时，如果把芯片等整个IT设备都计算在内，电力成本占30%左右；智算时代电力成本占比大约降到10%，因为IT设备更贵了。

另外还有一种统计口径，就是不计算IT设备，只计算基础设施部分。在这种口径下，电力成本占比就会非常高，大约达到60%。

《零碳时代》：AI时代的智算中心与云计算时代的通算中心相比，能源成本变得更重要了还是更不重要了？

王朝阳：从占比来看，能源成本在下降。如果只看当前数据，似乎能源的重要性降低了。

但把时间尺度拉长。芯片和算力是技术，技术成本一定会快速下降；能源是资源，长期来看成本具有较强刚性，甚至可能上涨。在这种情况下，单个Token、单位算力中能源成本的占比会越来越高。所以从长期来看，能源的重要性会越来越高。

▌真能算出一度电产出多少Token吗

《零碳时代》：这是不是您发起“Token Watt Initiative”这一议题的原因？

王朝阳：这是原因之一。Token代表智算时代，瓦特代表工业时代。我们以前开玩笑说，大学毕业后，有的人去了能源行业，有的人去了IT行业，20年没见，AI来了后又见面了，而且天天在一起吃饭，讨论如何融合、如何合作。

我们提出这个议题，是希望看到两者之间融合的可能性，以及其中的优化空间。

按照英伟达CEO黄仁勋的“五层蛋糕”观点，从能源开始，最终输出的是智能。这里可以从两个视角来看：第一个是单位Token的能耗，也就是一个Token需要消耗多少电；第二个是一度电能够产出多少Token。看起来只是同一个概念正反来看，但实际上，第一个视角反映的是Token产出的成本和效率，第二个视角反映的是价值的放大，这两点都很重要。

每一个Token背后其实都有很多属性，包括成本属性、模型属性、产地属性，以及绿电带来的绿色属性。未来，我们希望在运营全球大型算力中心时，能够把这些属性刻画出来。一旦能够刻画，就会形成基准；有了基准之后就可以优化。

今天无论是追求降低单个Token的耗电，还是放大一度电能够产出的价值，都需要垂直整合，所以全栈整合还有非常大的空间。很多人说Token具有很强的制造业属性，既然具有制造业属性，精细化经营就非常重要，这也是阿里云比较擅长的地方。

《零碳时代》：真的能够算出一度电可以生产多少Token吗？

王朝阳：这个数据一定能够算出来。但事实上公布任何一个具体数据都会存在争议，因为背后涉及统计口径、使用什么样的芯片、采用什么样的算力架构，以及运行什么样的模型，这些变量都会对最终结果产生很大影响。

《零碳时代》：阿里云自己测算过这个数字吗？

王朝阳：当然会进行测算，但目的不是公布具体数据，而是建立基准。基准建立之后，我们可以看到，在某个地区、采用某种算力架构、运行某个模型时，Token的产出效率究竟如何。在此基础上，如果对其中某一个环节进行优化，也可以进一步测算能够带来多大的优化空间。对我们来说这件事的意义更大。

《零碳时代》：所以计算度电Token产出真的不是话术，是实操过了？

王朝阳：这件事我们正在做。同时不同机构的统计口径可能不一样，因此会存在争议。我们也在联合一些高校和标准组织，希望能够建立一个相对中立的基准，形成一个大家都可以参照的标准。

《零碳时代》：度电Token成本是否会成为一个收费基准？如果一家企业的Token成本更低，就可以提供更低的AI产品价格。阿里云是否已经形成了一套测算度电Token成本的方法？

王朝阳：逐渐形成中，内部已经有初步的一些测算了。

《零碳时代》：能不能大概讲下测算的方法？

王朝阳：我们和清华大学有一个项目，这个项目会拆分整个电力架构，并采用碳流理论，对碳排放和能耗进行比较精准的刻画和跟踪。通过这种方法，可以追踪每一个Token在产生过程中消耗了多少电，以及产生了多少碳排放。

《零碳时代》：不光要计算耗电，还要计算碳排放，也就是说要把Token生产过程中的绿色成本计算进去。

王朝阳：是的，绿色也是竞争力。

《零碳时代》：您觉得多久之后能形成比较成熟的方法？

王朝阳：希望在一年之内能够基本形成一套成果，并推动合作单位、标准组织等各方达成共识。我们也会发布一份相关报告。

《零碳时代》：Token经济现在是一个比较受关注的概念。计算出Token的经济成本和绿色成本是Token经济的基础，非常期待你们这项工作的进展。

您觉得未来三年，智算行业最大的变革可能发生在哪个环节？是技术环节、能源环节，还是商业模式环节？

王朝阳：大概率三个方面都会有突破。我对未来有几个判断，其中一个就是算电协同。今天的AIDC只是在数据中心的基础上增加了部分能源要素。但按照我们的逻辑，未来算和电应该实现一体化协同。

我们两年前开始探索算电协同的时候，出现过很多不同的声音。算力和电力、能源和AI，是两个差别非常大的行业：一个周期很长，一个周期很短；一个发展很慢，一个发展很快。两者之间存在一些根深蒂固的矛盾。

但这两年下来，双方的沟通已经越来越顺利。最初大家有很多不同观点，现在至少已经开始互相了解。尤其是今年5月四部委发布“双向赋能”政策，我认为这是一个起点。

这两个行业过去就像泾河和渭河，泾渭分明，汇在一起的时候，一半清、一半浊。但我的观点是，不管是泾河还是渭河，最后都会汇入黄河。算和电最终也一定会融合出一个新的状态，这个过程才刚刚开始。

《零碳时代》：刚才我们讨论了很多Token的产出效率。我想这个效率一定与GPU利用率直接相关。但GPU又需要保留一定的冗余备份，那么如何让GPU的利用率达到最佳状态？

王朝阳：三件事最关键：一是要有充沛的任务来利用GPU；二是模型要充分优化，尽可能压榨GPU的性能；三是要平衡算力、存储和网络，避免出现资源浪费。我们也观测到不同模型之间的GPU利用率存在差异，我认为这种差异会成为未来不同模型相互提升和追赶的关键点。

《零碳时代》：核心是模型设计的效率问题吗？

王朝阳：模型设计和算力架构需要协同优化。要充分发挥算力，需要网络和存储与之匹配。具体采用什么样的配比，要根据任务特征和模型设计来决定。因此这不是某一个单独环节的问题，而是一整套系统性的优化。

《零碳时代》：也就是说模型需要迅速识别任务类型，判断它是快速问答任务、深度思考任务，还是长程Coding（编程）任务。

王朝阳：是的，不同场景对存储、网络和算力的消耗是不一样的，因此需要识别和分类不同类型的任务。

《零碳时代》：现在有一种观点认为，对不同任务进行识别、分类和匹配，是中国AI企业的优势。您认为这个判断是否成立？

王朝阳：从效率和成本的角度来看，这个判断是成立的。如果能够做好这类优化，尤其是工程层面的优化，确实可以在效率和成本方面带来很大的提升。这也是我们的信心所在。

《零碳时代》：也可以弥补一下中国算力上的短板。

王朝阳：可以弥补一部分，但根源是芯片产能问题。

▌AIDC配储要因地制宜

《零碳时代》：通算时代数据中心的供电平衡主要依靠电网，自身只需要配置能够支撑15分钟的柴油发电机作为备用。但到了吉瓦级AIDC阶段，如果仍然完全依赖电网，是否已经不太现实？是否需要通过自行配置储能等方式来保障电源的稳定性？

王朝阳：这个问题一直存在讨论：到底是依靠大电网解决，还是发展分布式能源。以美国为代表的市场正在走向分布式能源。美国经历了页岩气革命，天然气供应充沛，因此能够比较方便地发展分布式能源。

中国因为一直有提前规划、提前投资的习惯，所以电网非常强大。迄今为止中国算力的发展仍然受益于过去电力系统的超前规划和投资。

但AI发展速度太快了，比建电厂建电网的速度快得多，因此一定会形成局部矛盾。我认为应该停止争论到底选择分布式能源还是集中式能源，而是因地制宜。我们既支持算力随着电力走，也支持电力随着算力走。只要一个地方适合建设数据中心，综合方案能够落地，而且成本可控，就应该推动。

如果按照这个方向去做，就能形成真正的算电协同。至于具体采用哪种协同方式，是新能源还是传统发电，要不要配置储能，以及负荷、电网和发展之间如何实现平衡，都会成为新的课题。当发展速度继续提高时，一定会形成新的矛盾，而这些矛盾也会促成新的模式和解决方案出现。

《零碳时代》：阿里云新建智算中心的配储比例一般是多少？

王朝阳：按照国家相关政策要求，算力公司需要配置储能以平抑对电网的冲击。不同政策下，配储比例大概在15%到20%。

如果让算力企业自己来测算，一定会根据当地的能源形式、资源禀赋以及负荷特征来确定。如果负荷波动很大，同时储能成本又比较低，那么多配置一些储能反而更划算。

《零碳时代》：不一定智算中心规模越大配储需求也越大？

王朝阳：是的，具体要看能源形式。如果采用核电，供电非常平稳，就不需要配置储能。再比如燃气轮机，相对来说也是可控的。如果是新能源，波动就会比较大。因此，储能到底应该怎么配，一定要根据实际情况进行测算。

《零碳时代》：如果您对储能行业讲一句话您会讲什么？

王朝阳：当前的数据中心配储更多还是由政策引导，由电网或国家提出相关要求。未来一定会逐步转向AIDC企业主动、自主地配置储能。具体配多少，需要根据刚才提到的几个输入条件进行测算。

我想强调的是，储能未来一定会越来越重要。但它不会只是按照今天这种固定比例去配置，也不是简单地按照某个百分比去测算市场空间。

《零碳时代》：这个信息我觉得非常重要。

▌AIDC需要行业标准

《零碳时代》：您之前提到用直流供电来替代交流供电，目前直流供电在数据中心的应用是不是非常少？

王朝阳：在传统数据中心或者通算时代，大家主要采用交流供电，所有设备和系统也都是围绕交流来设计的。但到了智算时代直流供电已经是一个确定性的方向。

从400伏直流到800伏，甚至更高的电压等级，这个趋势是确定的。因为如果没有更高的电压等级和直流供电，就很难解决效率问题。过去大家还有一些犹豫，会考虑交流和直流如何兼容。但现在来看这个方向已经非常明确。

《零碳时代》：直流供电省去了多重变压的环节，对降低数据中心成本肯定有好处。

王朝阳：直流供电减少了很多中间环节，因此能够提升效率。服务器最终使用的都是直流电，没有必要先采用交流供电，再转换成直流。数据中心供电的发展规律，本身也是不断减少中间环节。最理想的状态是直接把电送入服务器。

《零碳时代》：那目前一次变压技术过关了吗？

王朝阳：现在相关技术已经做得差不多了。但如果要进一步提高电压等级，还需要继续研发。比如从800伏提升到1500伏，甚至更高。

《零碳时代》：英伟达提出了一整套AIDC建设标准。阿里云也提出了Cube5.0建造模式， Cube5.0是与英伟达DSX同等量级的标准体系吗？

王朝阳：两者有一些相似性，但侧重点有很大不同。

Cube5.0是基于仿真和验证之后形成的一套可以大规模部署的标准化产品。DSX是在2025年6月提出的，之后又经过几次升级，主要包括数字孪生仿真系统、逻辑仿真系统以及运营系统。经过不断完善之后，它能够帮助企业围绕英伟达的标准和产业链建立一套完整体系。

从实际使用情况来看，目前采用英伟达这套标准的主要有两类企业。第一类是服务器企业，它们在生产服务器时遵循这套标准；第二类是新兴的云计算公司。

客观来看，大型云计算公司在上一个时代就已经形成了自己的一套标准和体系，而且已经非常成熟。

《零碳时代》：是不是可以把阿里云的Cube5.0理解为AIDC建设标准？

王朝阳：对。它是阿里云自己的标准，我们也非常高兴看到海内外同行都在学习跟进。

《零碳时代》：行业标准往往由主流企业的标准发展完善而来。您觉得AIDC是否需要行业标准？

王朝阳：AIDC一定需要标准。科技行业往往是先把产品和技术做出来，再去看哪种方案最好，最后在几个主要的行业领导者之间形成默契和平衡。这是科技行业形成标准的一般规律。

今天行业内已经开始讨论AIDC的标准。现在可以看到很多关于AIDC标准的文章，但这些内容是否真正被一线从业者认真对待，我认为也需要打一个问号。接下来我认为AIDC新标准的建立需要行业同仁共同参与。因为AIDC的规模、起量速度、建设难度以及技术核心点，都已经发生了变化。

《零碳时代》：在移动通信行业，3G/4G/5G是全球化标准。可能存在AIDC的全球建设标准吗？

王朝阳：大概率不会，可能会出现多种标准。我们正在努力让标准兼容性更强，

《零碳时代》：采用单一厂商与多家厂商的GPU建设智算中心，在建设和运营两个维度上分别有哪些不同？

王朝阳：阿里云一直以来坚持“一云多芯、异构兼容”的方向。我们有一个很重要的理念，就是算力中心除了交付速度要快，还一定要足够灵活能够方便地进行调整。

《零碳时代》：也就是说在同一列机柜，可以同时部署不同厂商的GPU，这在技术上是没有问题的？

王朝阳：只要把电压等级、冷却方式搞定就行。

《零碳时代》：多卡组合会不会增加耗电量？

王朝阳：我们不只关注耗电量，更关注每一度电能够产生多少价值。其中一个非常重要的指标就是Token：一度电到底能够产生多少Token，以及这些Token的性价比如何。

▌东数西算没过时但需要调适

《零碳时代》：您提到吉瓦级算力基地如果布局在沿海地区，与布局在乌兰察布这样的地区相比，每年的电费差额能达到数十亿。AI算力需求中，有很多任务对时延要求很高。阿里云在布局算力基地时，如何平衡时延和电费之间的关系？

王朝阳：算力中心的布局一直遵循几个逻辑。第一，客户逻辑：客户在哪里，我们就布局在客户周边。尤其是小规模算力中心，主要遵循这个逻辑。第二，成本逻辑：哪里成本更低，就更倾向于建在哪里。第三，技术依赖逻辑：业务系统、数据在哪里，算力也只能布局在那里，这样整体成本最优。

当然，还要寻求一定的平衡，比如南北平衡、东西平衡等。不同场景下，这几个逻辑的优先级会有所不同。

从去年开始，随着模型能力大幅提升，Token进入爆发式增长阶段。在中国，Token用户主要还是城市圈里的个人和企业。这种情况下，我们就需要适当降低成本的优先级，更加考虑客户逻辑，把算力中心布局得更靠近客户。因此京津冀、长三角、大湾区如何覆盖，是我们重点考虑的问题。

不过今天来看，时延和成本之间的矛盾还没有特别突出。AI目前主要有三类应用：第一是Chatbot对话；第二是多模态；第三是Coding。我们做过分析，绝大部分应用10毫秒的延迟是足够的。

10毫秒意味着大约1000公里的传输距离。在中国的版图上，在1000公里范围内找到一个电价洼地，是非常有可能的。所以我们现在在选址过程中，包括国家“东数西算”的一些节点，都是比较好的选择。它们既能够覆盖主要经济圈的需求，又处在电价相对较低的区域。

《零碳时代》：这倒是一个澄清。比较流行的说法是AI推理需求，无论是游戏、自动驾驶，还是金融交易，都需要很低的时延，甚至接近零时延。

王朝阳：这类需求可以通过一些边缘计算场景来解决，并不是特别大的问题。计算本身也是分层的，有些放在算力中心，有些放在边缘侧，还有一些放在端侧。

《零碳时代》：进入AI时代后，“东数西算”的逻辑依然成立吗？

王朝阳：“东数西算”概念从大的方向上看没有问题。它比较好地覆盖了东部和西部，也能够覆盖主要经济带，以及不同资源禀赋分布的区域，这是一个比较好的规划。

但“东数西算”的出台时间早于这一轮算力爆发。当算力中心规模变得更大，与能源耦合的需求更加迫切之后，“东数西算”的内涵和范围也需要随之调整。现在可能有更多城市适合建设超大规模算力中心，一些现有的大节点也在希望进一步扩大范围。我认为这对整个行业是有好处的。

《零碳时代》：什么地方适合建超大规模数据中心？

王朝阳：第一类是绿色能源和新能源资源非常丰沛的区域。即使今天还没有现成的电力，未来也有开发空间，而且能够提供绿色、清洁的电力。第二类是东南沿海。这里的海上风电潜力很大，同时还有核电容量，这些条件对于发展算力都有好处。四部委人工智能与能源双向赋能的文件中，对大规模绿电、源网荷储、海上风电和核电都有明确指示。

《零碳时代》：当年规划的全国算力网实际上是与时俱进了。

王朝阳：要尊重算力行业的规律，毕竟规模变大，密度变高，产业规律也会发生改变。

《零碳时代》：现在布局新算力中心时，已经不受当年的算力规划约束了？

王朝阳：还不能完全脱离现有框架嘛，毕竟中国的整体规划是非常明确的。更可行的方式，是在原有范围内与政府及相关部门充分沟通，在此基础上形成一定的扩展。（周源、吴俊宇、尹路对本文亦有贡献）