股票
板块
用户
资讯
首页
天眼
自选
发现
开户
首页
天眼
自选
发现
我的

鑫洞见·政策解码|从数据要素到算电协同:AI基础设施进入系统效率时代

AI竞争正在从单一模型能力竞争,转向数据、算力、电力与应用场景协同发展的系统效率竞争。本月全球数字经济大会上,国家数据局局长刘烈宏的发言,恰恰为这场转向落下了注脚——他明确提出,要以数据基础制度、数据基础设施、数据融合应用和场景建设、全国一体化数据市场建设、数据产业培育五大方向为政策支点,核心就一条:让数据要素真正赋能AI创新。


过去,行业更关注“模型有多大、芯片有多少、算力有多强”;未来,产业更要回答的是:数据能不能合规流通,算力能不能高效调用,电力能不能稳定低碳供应,AI服务能不能以更低成本持续交付。


从这个意义上看,“算电协同”不再只是数据中心建设中的能源配套问题,而是AI基础设施进入深水区后的关键底层能力。


·


政策主线:AI要继续增长,先要让数据真正流起来


理解这轮政策信号,首先要回到“数据要素”本身。通俗来说,数据要素就是能够参与生产、创造价值的数据资源。


医院的影像数据、工厂的设备运行数据、电力系统的负荷和交易数据,如果只是躺在系统里,只能算“数据资源”。


只有经过治理、授权、流通和应用,真正用于训练模型、优化流程、提升效率,才真正变成“数据要素”。


刘烈宏在讲话中强调,要打通数据供给、流通、应用全链条,推动“数据要素×”与“人工智能+”双向赋能,并以“模数共振”驱动“数据飞轮”加速运转。


这意味着,AI竞争正在从“模型热”走向“数据飞轮”:高质量数据提升模型能力,模型进入场景产生反馈,反馈再推动数据治理、应用和价值释放。


这个循环跑得越顺,AI应用越容易规模化;这个循环越割裂,投入再多算力,也可能只是把成本烧得更亮一点。



·


产业转向:Token让AI服务从“能力秀”进入“成本账”


AI从模型训练走向行业应用后,一个更细的计量单位开始变得重要:Token。


国家数据局此前召开的词元经济座谈会指出,词元是大模型处理信息时采用的最小运算单元,正在成为人工智能服务的计量单位、结算单位和统计单位。


这句话背后的产业含义很直接:AI服务不再只是抽象的“模型能力”,而开始变成可计量、可定价、可运营的经济活动。


一次智能客服对话、一次代码生成、一次智能体任务拆解,背后都对应着Token消耗。Token消耗越大,对算力、存储和电力的需求就越强;单位Token成本越低,AI应用越容易从试点走向规模化。


更重要的是,AI负载结构正在变化。


过去行业更关注训练,因为训练集中、昂贵、显眼。但真正进入应用阶段后,推理、评测、智能体调用会变得更高频、更分散,也更难预测。企业一旦把AI嵌入日常运营,算力需求就不再只发生在少数训练窗口,而是藏进每一次业务交互里。


尤其是智能体场景,一次请求背后可能包含多轮规划、检索、工具调用和结果校验。用户看到的是一个回答,基础设施承受的是一串复杂的推理链路。


所以行业的问题已经从“有多少张卡”,变成了“这些卡能不能在正确时间、正确地点,以合理成本服务真实业务负载”。


AI基础设施的矛盾,也正在从“缺算力”扩展为“缺可用算力、好用算力、可持续运营的算力”。


·


底层约束:有效算力,最终要落到电力系统


Token需求增长,最终会转化为算力需求;而真正有价值的算力,是能够被持续调用、稳定交付,并形成真实业务价值的有效算力。


“东数西算”工程第一阶段,解决的是“有没有节点”的问题。进入2026年,行业更需要解决的是“节点能不能被高效使用”的问题。


低电价、绿电资源和大规模机房,并不会自动转化为有效AI算力。AI算力不是标准化商品,它还受到时延、数据合规、异构硬件适配、软件生态和运营机制的共同影响。



比如,训练、离线推理、批量生成和数据清洗,可以更多利用低成本、低碳资源;但交互式推理、工业闭环控制、交易风控和行业智能应用,更依赖靠近用户、数据源和业务现场的区域节点。


未来评价一个智算中心,不能只看投资额、机柜数和名义算力,而要看有效利用率、单位能耗产出、客户负载结构和单位Token成本。


更关键的是,有效算力背后是越来越刚性的电力约束。AI数据中心负载更集中、功率密度更高、变化更快。算力和电力之间,也不再是简单的“供电”和“用电”关系,而是高度耦合的新型基础设施关系。


·


系统解法:算电协同重构AIDC运营逻辑


在这个背景下,AI数据中心不再只是用电大户,也可以成为电力系统中的可调节数字负荷。


算电协同的本质,不是简单“买绿电”,也不是把AIDC搬到低电价地区,而是把AI任务、电力负荷、储能、液冷、网络时延、碳约束和电力市场机制纳入同一个运营系统里动态优化。


未来的算力调度系统,不能只回答“任务分配给哪台服务器”,还要回答:


在当前电价、碳强度、网络状态、芯片资源和任务优先级下,哪一种资源组合能以更低系统成本完成任务?


从实践路径看,算电协同至少包括三层能力。


第一是规划协同。智算中心选址不能只看土地和电价,还要看电力接入条件、绿电资源、网络时延、数据源距离和客户负载类型是否匹配。


第二是运行协同。训练、微调、批量推理、实时推理等不同任务,需要根据电价、绿电出力、芯片资源和服务等级动态调度。


第三是市场协同。具备负荷柔性的AIDC,可以通过储能、虚拟电厂、需求响应、绿电交易等机制,参与电力系统调节,从单纯“消耗电力”转向“参与系统优化”。


·


AI下半场,跑出Token才算数


未来一到两年,AI基础设施的评价标准会越来越现实。


第一,投资会从“建得快”转向“跑得满”。市场不会只看规划规模,而会更关注有效利用率、客户负载和现金流质量。


第二,推理侧会成为算力消耗增长的主战场。模型训练仍然重要,但真正决定AI应用能否大规模落地的,是推理成本能否持续下降,尤其是单位Token成本。


第三,国产异构栈的工程化能力会决定国产替代速度。硬件只是起点,真正难的是软件适配、任务调度、生态兼容和稳定交付。



第四,算电协同会成为AIDC项目的重要门槛。电力接入、绿电比例、负荷柔性、储能配置、碳核算能力,都会越来越多地影响项目审批、融资和客户采购。


所以,AI产业的下半场,拼的不是把机器堆得更高,而是把每一度电、每一张卡、每一个Token,都跑成真正的价值。


·


协鑫能科:从“瓦特”到“Token”的价值通道


对协鑫能科而言,算电协同正是连接“瓦特”与“Token”的关键通道。


6月中旬,新华社财经频道【高端访谈】刊发对协鑫能科总裁费智的独家专访,指出协鑫能科抓住“算电协同”机遇,向Token交易服务商转型,为客户提供从物理空间到异构算力租赁、再到定制化智算解决方案的全栈服务。



从这个意义上看,协鑫能科并不是简单进入算力领域,而是基于能源资产运营、综合能源服务、电力交易、虚拟电厂、储能调节和AI能源调度等能力,连接绿色电力、有效算力与AI服务之间的价值通道。


7月上旬,协鑫能科战略发展中心总经理曾凡中受邀参加中国投资协会培训中心在西安举办的“算电协同项目谋划、绿电直连与源网荷储一体化模式应用暨Token产业布局专项培训班”,围绕算电协同趋势及公司布局实践作专题分享。协鑫能科受邀在这一专业平台输出实践经验,表明公司在算电协同领域的布局,正成为行业关注的参考样本。


从“瓦特”到“Token”,变化的不只是计量单位,更是价值链位置。协鑫能科的机会,在于依托能源资产运营、综合能源服务、电力交易、虚拟电厂、储能调节和AI能源调度等能力,把绿色电力转化为更稳定、更低碳、更具成本优势的有效算力供给。


未来AI基础设施的胜负手,不只是GPU数量,而是谁能把单位Token成本降下来,把绿色电力保障做扎实,把系统运营效率跑出来。算电协同,正是协鑫能科参与这场系统效率竞争的关键入口。


本文部分观点、数据及案例参考以下公开资料:

1.《刘烈宏出席“2026年全球数字经济大会”开幕式及“数据要素发展论坛”并致辞》

2.《“数据要素×”三年行动计划(2024—2026年)》

3.《数字中国建设整体布局规划》

4.《算力基础设施高质量发展行动计划》

5.《全国一体化算力网建设相关政策文件》

6. 国家数据局关于“人工智能+”、数据要素、词元经济相关公开信息

7. 国家能源局关于算力基础设施能源需求相关公开信息



鑫洞见往期回顾




十五五能源规划,重在系统协同
绿证交易生态成型,绿色价值加速释放
解码四部委新政背后的“能源+AI”万亿级协同生态







原文链接
多空观点 观点仅供交流,不构成投资建议
点赞
踩一踩
收藏
分享

评论 (0)

0/200
声明:社区内容仅代表用户个人观点,不构成任何投资建议。投资有风险,入市需谨慎。