“算力P”啥意思？1P的算力有多强？需要多少张算力卡呢？
2025年，中国算力中心总用电量达到1700亿千瓦时，占全社会用电量的1.6%。国家能源局预计，“十五五”期间全国算力用电量每年将新增1000亿千瓦时以上，到2030年达到8000亿千瓦时左右。另一组来自国际能源署2026年的预测显示，到2030年全球数据中心用电量将较目前翻倍至约950TWh，其中AI数据中心的用电增速更快，预计将增至当前水平的三倍。
两组数据指向同一个事实：电力正在成为算力扩张中最直接的物理约束。过去散落在光伏、储能、充电基础设施、检测认证等不同环节的新能源企业，因为“如何给AI数据中心稳定供电”这一个问题，开始涌向同一条产业链。8月20日，据公开信息，阳光电源、上能电气、三晶电气、优优绿能及TÜV莱茵等企业在一场行业交流中，不约而同地谈到了AIDC——AI数据中心——对电力设备和能源系统提出的新需求。
从产业分工看，这些公司原来的位置并不重叠。阳光电源和上能电气长期覆盖光伏逆变器、储能及电力电子业务；三晶电气更靠近工商业光储场景；优优绿能主要做新能源汽车充电模块；TÜV莱茵则提供测试、检验与认证服务。现在，AIDC把它们拉进了同一个市场。
算力需求沿电力链条向外传导
AIDC对电力的消耗并不只发生在机柜内部。随着单柜功率密度从传统的几kW跃升至数十kW甚至更高，电力压力沿链条逐级向外传导：从服务器电源模块，到机柜配电、中压供配电系统，再到储能、电网稳定和能源管理。阳光电源相关业务负责人将这种变化概括为“从源到芯”——从发电、储能、电网，到数据中心电源，再到最终消耗电力的AI芯片。
这种传导带来的是技术路线的重新适配。阳光电源正在从固态变压器（SST）向800V高压直流和板载电源方向延伸，试图把电力电子能力嵌入数据中心供电架构的更前端。优优绿能则把新能源汽车高压大功率充电模块积累的技术迁移至AIDC电源场景，并将其定义为公司的“第二增长曲线”。两家公司都选择了直接进入AIDC供电设备市场，但切入点不同：一个靠近电网侧，一个靠近负载侧。
上能电气的路径更间接。其构网型储能和弱电网技术，原本面向新能源并网场景，现在开始与大型算力负荷接入后的电网稳定需求重合。三晶电气关注的问题则更偏经济性：当光伏、储能与AI数据中心这类新型高功率负荷结合，收益率模型能否成立。TÜV莱茵看到的是另一个问题——产品功率越来越高、系统越来越复杂，现有标准和检测能力正在追赶产品迭代的速度。
AI内容生产加速算力消耗
推动这轮变化的核心变量，是AI应用对算力的消耗仍在加速。据DataEye数据，2026年上半年仅抖音端就新增22.19万部原生AI剧漫剧，平均每天超过1200部新作品上线；同期播放增量超过5157亿次，国内AI短剧用户规模突破6亿。一段AI短剧的生成需要持续调用云端算力，而视频生成恰恰是当前单位能耗最高的AI应用之一。
国家能源局局长王宏志2026年6月在国新办发布会上给出过一个具体例子：每让人工智能生成5秒高清视频，用电量相当于给10部手机充电。仅一个平台每天新增的1200多部AI剧，叠加数亿用户的播放行为，其背后的算力电力消耗已经从边缘场景进入主流用电统计。
一位业内人士对当前景气度给出的判断是“暂时看不到泡沫”。其逻辑在于，AIGC仍在从文字、图片向视频等高算力消耗场景扩展，自动驾驶与具身智能尚未进入成熟阶段。而AI工具的使用习惯一旦形成，具备较强的不可逆性。该人士举例称，海外部分头部企业曾低估算力资源需求，实际需求出现后反而面临供给不足。这正是其判断算力基础设施仍需“适度超前”建设的原因。
电力建设周期追不上算力增速
AIDC当前的核心矛盾，并不在于算力需求不够，而在于电力基础设施的建设速度无法匹配算力增长的斜率。上述业内人士将其称为“时间差之间的矛盾”：大模型算力需求呈几何级数增长，但海外电力项目从规划到并网往往需要数年，“一个新的这么大容量的电力需求，从申报到审批到真正并网，可能至少两三年”。
国际能源署也指出了同样的结构性错配：一座数据中心通常可以在两三年内投入运营，而支撑它的能源系统需要更长的规划和建设周期。这意味着，在电网扩容和大型发电项目落地之前，数据中心运营商不得不寻找过渡性供能方案。
这也是海外数据中心供能方式开始多元化的背景。燃料电池、燃气轮机，甚至部分曾经退出主流的发电设备，重新进入大型算力基础设施的讨论范围。多元供能可能会在相当长一段时间内并存，直到电力系统完成适应性调整。
新能源企业的机会与风险并存
对经历了价格下行、供需失衡和盈利压力的新能源产业链而言，AIDC提供了一个新的需求出口。光伏逆变器、储能系统、充电模块、检测认证等能力，与数据中心供电、备电、电网支撑、标准验证等需求之间，存在技术迁移的可行性。这种迁移成本相对可控，市场空间则与算力用电增速直接挂钩。
但机会的另一面是风险。AIDC电源和能源系统对可靠性、响应速度、功率密度的要求，远高于常规新能源场景。进入这一市场的企业需要面对数据中心行业既有的供应链格局，以及头部云厂商和运营商对供应商认证的高门槛。此外，算力用电的增长预期建立在AI应用持续扩张的前提上，如果生成式AI的商业化速度低于预期，相关电力基础设施投资可能面临回报周期拉长的问题。
从更大的产业图景看，新能源与算力基础设施的耦合仍在早期阶段。电力系统建设周期与算力增速之间的时间差，既为新能源企业打开了窗口，也要求它们在一个标准尚未完全定型、技术路线仍在收敛的市场中做出投入决策。这个窗口期的长度，取决于电网扩容速度、AI应用能耗效率以及算力需求本身的演进节奏。
本文由AI辅助生成
