AI下半场，算力产业需要重新回答四个问题

聊到AI，大家关注最多的是各种大模型与“一卡难求”的芯片，但最近有个挺反直觉的观点：未来真正制约AI发展的会是能源与算力，而非芯片。

一个月前，马斯克在得克萨斯州特斯拉工厂接受了《经济学人》总编的深度访谈，他在采访中就直言，AI竞争归根结底取决于“有多少AI算力、有多少芯片，以及有多少电力”。在他看来，当前全球AI发展的制约因素已经更多转向电力和散热，而非AI芯片本身。

这种变化，产业界也已经有所察觉。随着大模型从集中训练走向大规模推理，智能体广泛应用，算力、能源与Token，正在成为AI下半场的关键变量。

它们如何影响AI下半场的竞争，其中蕴藏了哪些机遇与挑战，算力产业各方可以怎么做？近日在举办的乌兰察布（北京）绿色算力产业人才交流座谈会暨产业招商引资推介会上，来自院士专家以及来自算力、能源、芯片等产业环节的企业和政府代表各抒己见。

这场会议也提供了一个观察AI下半场算力产业的窗口：从算力向哪里布局，到智算中心规模与架构如何演进，再到能源协同和算力服务模式的变化，一些新的趋势已经越来越清晰。

布局之变：新增算力落在哪？

最先发生变化的，是算力布局。

此前，传统数据中心集中在北上广深这些需求旺盛的城市及周边。如今AI正带来新一轮的算力增长。据国家发改委介绍，截至到今年3月底，我国已建成智能算力规模188.2万P，这相当于去年同期的2.5倍，预计还将保持高速增长态势。

新增的智能算力往哪里布局？

布局不能简单地只算经济账，“哪里电便宜，哪里更冷，就把数据中心建到哪里”，要考虑政策方向——“东数西算”战略与大型算力项目窗口指导机制，还要综合衡量可再生能源、电价、网络、土地和应用场景等等因素。

在这套选址逻辑下，乌兰察布等“东数西算”枢纽节点的优势更加凸显。据座谈会上介绍，乌兰察布当地新能源装机已超过2100万千瓦，年均气温仅4.3℃，一年近10个月可以利用自然冷源；同时，乌兰察布建成了直通北京的点对点双回路光缆，为承接京津冀算力需求提供了网络基础。

这些优势让乌兰察布成为发展智算的“风水宝地”，算力企业纷纷在此布局。

今年年初，企商在线在乌兰察布智能算力中心顺利通过国家合规指导与项目备案，项目规划电力容量600MW。此次会上，企商在线又与乌兰察布市签约1249MW智算中心项目。至此，公司在当地备案和签约算力规模已合计达1.8GW，将在当地建成智能算力中心集群，形成规模化优势。

“英雄所见略同”，同样看好乌兰察布的还有这些算力企业：今年6月万国数据与乌兰察布签署战略合作协议，将于未来五年在乌兰察布投资超过300亿元，打造多个高密度数据中心园区和GW级数据中心园区；7月，普洛斯与乌兰察布签署战略合作协议，双方将共建GW级超大规模绿电智算产业基地；8月底乌兰察布与火山引擎等企业签约，协鑫算电协同一体化、火山引擎乌兰察布算力中心、察哈尔1号零碳算力中心等5个项目将在当地落地。

这些企业最看重的是如何将乌兰察布的能源等优势转化成稳定的智能算力供给，承接不断增长的东部地区AI计算需求。

规模与架构之变：从智算中心走向超大规模智算集群

随着算力新布局的不断落地，智算中心本身也在迎来改变。

首先是智算中心的规模。大模型训练规模扩大，推理和智能体应用快速增长，AI所需的计算量持续增加，与此同时高性能GPU芯片功率不断提高，更多加速卡组成更大规模的计算集群，智算中心单机柜功率与整体IT规模随之增长。以前数据中心多为十几、几十兆瓦，现在几百MW乃至GW级智算中心项目开始出现。

规模变大后，智算中心内部也变得更加复杂。数千乃至数万张加速卡组成计算集群，不仅需要更高密度的供电和制冷，还需要通过高速网络协同计算，计算、存储和网络之间的数据交换也大幅增加。随着集群扩大，功耗、访存和互连逐渐成为影响算力效率的重要问题。清微智能在会上将其概括为AI计算面临的“功耗墙、内存墙和互连墙”

这也意味着，智算中心的建设正在从单一的基础设施建设，进一步走向集群级的系统建设。企商在线在此次会上提出了“从AIDC到异构算力集群”的方向，将服务范围延伸到机房规划、集群建设、网络组网、训推平台和持续运维等环节。

智算集群的难点不只是服务器本身，而在于多个系统能否协同。企商在线产品总监蔡媛在会上指出：高密GPU需要与供电、制冷和柜位匹配，训练网络要处理大规模GPU通信与存储I/O，集群交付还涉及系统、驱动、网络性能验证以及后续模型部署和运维。

当智算中心走到GW级，看的不只是它能建多大，更看这个复杂的算力集群能否稳定、高效地运行起来。

用能之变：算电协同成为必然

一个GW算力智算中心满负荷运行，年耗电量可达80~90亿度，相当于一座中型地级市全年居民用电量。这些电从哪来？

今年，“算电协同”首次写入政府工作报告，与超大规模智算集群一同被列为新基建工程。随后，国家发改委、国家能源局、工信部、国家数据局四部门联合印发《关于促进人工智能与能源双向赋能的行动方案》，算力与电力的协同开始从产业讨论进入国家层面的系统部署。

背后的政策逻辑并不复杂：一边是快速增长的AI算力需求，一边是不断扩大的新能源需要消纳，算电协同要解决的，就是如何让电力供给与算力负荷更好地匹配。

怎么匹配？可以让风电、光伏等新能源发电不用经过电网，直接向智算中心供电，这就是“绿电直连”。

当一个园区聚集多个算力和新能源发电项目时，还可以通过增量配电网统一接入和调配。过去独立建设的可再生能源发电和算力设施，从此可以放在一起规划和建设，实现更好的绿色低碳效果。

从顶层设计到工程化实施，算电协同制度框架已成体系。乌兰察布市发改委副主任陈志刚在会上对这一趋势给出了更直接的概括：“绿电即竞争力”。

“算电协同”在智算中心具体怎么落地？

以中金数据乌兰察布低碳算力基地为例，该项目在2025年7月全容量并网，是全国首个建成投产的数据中心配套源网荷储项目。项目配套20万千瓦风电和10万千瓦光伏，配建4.5万千瓦4小时储能。全容量投产后，年可产出自发自用绿电8.48亿千瓦时，绿电用能替代比例接近40%。

在新规划的智算中心中，绿电占比还在进一步提高。企商在线在乌兰察布规划的智算中心目标是100%绿电供应。该项目定位为全国首批“绿电直连”智算中心，将从风电场、光伏电站通过专用220千伏线路或微电网，直接联通智算中心，降低输电损耗，实现绿电直接供应和精准溯源。

但算电协同不只是“拉一根电线接上绿电”就行了。风、光等新能源发电存在波动，算力中心却最强调持续运行，稳定供电，因此智算中心还需要考虑电网、供配电、储能以及算力负荷之间的配合。

智算中心落地算电协同面临哪些挑战？企商在线副总经理赵玉兵总结为两方面：规划层面，电力和算力分属不同管理体系，绿电资源与算力需求又存在地域差异；技术上，算力中心还需要进一步区分刚性和柔性负荷，与电网调峰之间的接口和标准也尚未完全统一。

这些挑战并非算力企业能够独立解决，算电协同走向规模化，还有待能源、电网、政府等多方共同参与。

产品之变：从“输出算力”到“输出Token”

随着AI走向大规模推理和应用，算力的价值也开始被重新衡量。

中国工程院院士张平提出，AI价值链的重心，正从“算力供给”转向“Token生产与分发”，通过Agent将Token转化为业务结果与用户价值，打通Token生成、分发到应用的完整价值链。

这种变化也反映在AI用户关注点的变化上。会上，基流科技副总裁徐海鹏将其概括为：从“FLOPS”到Token。在预训练阶段，模型参数、训练数据量和GPU浮点算力基本可以用来估算训练时间，因此AI用户更关注FLOPS；而进入大规模推理阶段后，衡量算力的重点开始转向Token产出能力，以及输入、输出Token的效率。

用户对Token有需求，为什么不自己生产？

因为自建智算中心需要较长时间和高固定资产投入，还面临技术和人才壁垒，AI应用的算力需求又存在周期性。对很多AI用户来说，如果自己购买GPU、建设智算集群，不仅要承担模型部署、调度和运维等工作，在需求低谷期还会造成算力资源闲置。

企商在线此次发布的“Token工厂”，正是针对这种需求变化推出的新产品。在自建异构算力集群基础上，企商在线部署开源模型，通过智能调度和推理优化，将底层算力转化为可计量、可交付的Token服务。据企商在线介绍，通过跨节点优化、PD分离、MTP等技术，其单机Token产出效率可从200 Token/秒提升至2万Token/秒。

“Token工厂”的意义是把复杂的工作留给企商在线解决，用户不用关心底层使用哪种GPU、集群怎么组建和调度，只需要根据模型、性能和用量需求购买和使用Token。他们的目标是，让用户使用AI算力像用水用电一样便捷。

“Token工厂”这个新探索的背后，正是算力服务商从“输出算力”走向“生产Token、输出Token”的转变。