随着大模型训练规模扩大、推理应用加速落地，国内智算中心（AIDC）正在上演一场与时间赛跑的交付竞赛，交付周期从“按年建设”转向“按月交付”。

对算力服务商而言，抢出的每一个月时间，意味着更早承接大模型客户订单、减少昂贵AI服务器的闲置折旧。但极速交付背后，压力也层层传导。一方面考验服务商预制化、模块化工程能力，机房内部供电、温控以及园区负荷侧电机系统整套架构面临重构；另一方面，吉瓦（GW）级算力园区拔地而起，海量用电需求与新能源波动供电的矛盾浮现，算电协同不再是纸上谈兵，而成为落到资源规划、项目建设的现实命题。

未来AIDC怎么建

“AI服务器单价步入百万美元级，交付节奏匹配变得至关重要。”华为数据中心能源及关键供电全球Marketing与解决方案销售经理于俊祥在日前召开的2026开放数据中心大会暨首届算博会上表示，若算力卡到货时间先于数据中心就绪时间，可能造成商业投资的一些折旧损失。目前，数据中心交付周期正从去年的18个月压缩至10~12个月甚至更短。算力服务行业竞争从拿订单向拼交付延伸。

标准化、预制化、模块化是快速交付的必经之路，但也考验算力服务商的工程能力。比如，将服务器机柜、制冷系统、电力模组、水力模块等基础设施集成的集装箱式数据中心，其建设过程表面看是“搭箱子”，实则对现场管控要求极高。中金数据集团副总裁仇倩举例称，集装箱方舱长度在8~14米不等，不同模块生产排期、现场到货时序、吊装顺序，均考验精细化管理能力。供应链风险如影随形，例如液冷环节不锈钢管路紧缺时，单一企业难以保障交期，亟须开放合作、整合上下游资源。

同时，传统电力系统的渐进规划、线性投资模式，难以适配AI时代建设节奏。远景动力AIDC产品线联席总经理杨堃告诉第一财经，AIDC在设计冻结后的预期交付周期为6~9个月，而常规电力系统从接入到交付往往要12~24个月，涉及电网审批、技术方案确认等环节，两者存在明显的节奏错配。

并且算力增长不仅是电量问题，还在电力层面对电网形成非线性冲击。不同于钢铁等传统工业负荷，AI服务器主要由电力电子设备构成，负荷波动速率快。随着GPU（图形处理单元）功率增长，其在训练、推理等不同任务阶段的功耗波动剧烈，负载曲线在高低频、宽窄频间不规则波动。这种毫秒级的功率跳变，对基础偏弱的区域电网构成巨大冲击。

既要建设快，又要扛住高密度负载对电网的扰动，行业究竟需要怎样的AIDC？于俊祥表示，随着电源侧新能源占比超过30%，强电网正走向局部弱电网，支撑力、抗扰能力降低，AI算力爆发增长推动数据中心转变为需要主动参与电网平衡的“源网荷储”协同节点，未来AIDC需具备适配弱电网、平滑AI负载对电网冲击的能力。

行业认为，数据中心单机柜功率向兆瓦级攀升，将推动供电体系从交流转向直流。嘉实多全球热管理与数据中心事业部总裁黄建棠指出，传统交流架构电力需经过多级转换，每层会产生约5%的损耗。高压直流供电能减少转换环节，降低损耗，固态变压器（SST）因体积、效率及电力电子化程度优势，将作为核心装备站上风口。国盛证券预测，未来5~10年内，全球SST市场将以25%~35%的年均复合增长率扩容。

供电体系重构还将改变备用电源逻辑，未来储能电池或将替代柴油发电机，接入直流侧实现长时供电。天合储能全球产品管理负责人李明表示，储能除了解决能量和功率问题，还能解决GPU负载剧烈波动对电网造成的跳变冲击，预计到2030年全球算力中心储能需求将达到200GW，接近现有全球储能装机规模。

但李明强调，普通电化学储能难以跟上GPU秒级甚至百毫秒级的脉冲式负载波动，因此行业需引入超级电容参与调节，这对储能变流器（PCS）的响应速度、电芯抗脉冲式充放电能力、热管理系统，都提出了与传统IDC不曾有的严苛标准。

过去大型项目多采取层层分包模式，发电、输电、储能、算力分属不同厂商，系统割裂难以深度协同。8月初投产的远景乌兰察布星河基地，展现出下一代AIDC内部技术架构重构的建设思路。

据杨堃介绍，星河基地采用端到端的电力系统设计，将风光发电、110kV（千伏）/220kV输电线路设计、储能、算力负荷统筹规划。项目部还部署了SST，将10千伏高压电直接转换成服务器能用的800伏直流电，供电效率超过98.5%。

算电双向基建

AI浪潮下，电力系统运行逻辑被改写。过去算力中心只是电网中占比有限的边际负荷，现今成为影响区域电力需求结构的重要变量。同时，国内电源结构加速向高比例新能源转型，风电、光伏的间歇、波动发电特性给电力系统带来较大不确定性。算电协同势在必行。

杨堃将算电协同拆解为宏观、中观、微观三层尺度。宏观对应国家与区域层面，统筹电源、网络、算力布局和容量规划，“东数西算”正是该思路的典型体现，目标是减少资源错配带来的系统拥堵与闲置；中观落在场站之间，依靠负荷迁移、能源组合、市场协同，提升系统组合韧性与效率；微观则下沉至机房内部，实现电力、储能、冷却、服务器实时协同控制，降低冗余的同时守住SLA（服务等级协议）可靠性底线。

宏观规划层面，算力枢纽率先感受到新能源高比例接入与算力负荷叠加的压力。冀北电网是典例。据中国信通院数据，冀北电网新能源装机、发电量占比分别超过81%、56%，在全国省级电网中居前，且辖区内廊坊、张家口算力规模亦长期位居全国前列。据冀北电网实测，单个百万千瓦级数据中心瞬时波动规模可达1万千瓦，若多个智算中心集中接入，局部区域瞬时波动规模或超10万千瓦，将极限施压区域电网调频能力。

随着国家推动算力资源向八大枢纽节点集中，更高的机架利用率、电能利用效率、绿电消纳标准被提出，乌兰察布、中卫等风光资源富集地区由此迎来算力建设热潮。一名电力行业人士告诉第一财经，过去是建好算力再找电，现在行业更关注一地能提供多少绿电、电网承载上限、储能调节资源。“越来越多新建数据中心建在西部，因为当地风光资源充沛、土地辽阔，低温气候还能降低机房散热，一些对时延容忍度高的训练类业务可向西部转移。”

不过，源荷协同绕不开行业公认难题，即如何准确预测算力负荷。西门子中国数据中心行业总经理朱诚实举例称，大模型训练阶段，做数据整理时的用电量可骤降至平时的25%，运算时则又迅速飙升至满负荷状态，难以稳定预测。另外，电源和负荷存在波动性差异，新能源发电波动在分钟、小时级甚至季节性，而AI算力负荷波动频率在毫秒级，网侧对负载动态响应匹配不足。

如何破局？业内形成两套落地思路。在园区内部，远景科技集团AIDC首席技术官胡兴赞建议，将负荷基于GPU、CPU、训练、推理等业务做分类切片，让客户区分高实时推理任务和可延后的训练任务，根据电源侧风光出力动态调度。他还建议负荷侧部分业务做时间迁移，通过设置分时Token定价，用价格杠杆引导用户错峰使用算力，增强负荷可预测性。

负荷可预测后，如何调度算力，推动算电协同，离不开顶层机制支持。朱诚实表示，不同GPU架构带来算力系统调度互通难题，建议企业在建设中尽量选用统一生态的算力架构，避免异构系统调度壁垒。他还提到国家算力互联互通节点建设推行的“三统一”运行机制，即统一标识，各算力节点从国家节点获取唯一编码；统一标准，所有节点统一遵循建设规范、对接接口；统一规则，算力交易、互联调度在统一规则下运行。通过这套机制打通算力网，为算电协同奠定调度底座。

行业认为，AIDC作为新物种，其电力系统建设尚无成熟运行样本可参照，需在实践中不断打磨迭代。杨堃将其类比为大模型训练，走的是“预估—验证—反馈—迭代”的双轮驱动路径：先做方案预估，落地项目开展验证，从实际运行中暴露问题，再反馈回技术架构模型做持续优化。

必须正视的是，算电协同是一场双向基建投资。国网冀北电科院电力系统研究所副所长王泽森提醒，算电协同发展初期，算力侧改造投入、电网扩容投资将同步增加，不存在单方面降本捷径。只有不断开展联合仿真，反复磨合算力、电网双方的信号机制和约束边界，产业才有望迎来成本拐点，真正实现“算随电动、电随算优”。