算电协同的运行逻辑

算电协同的核心，不是简单地把“算力”和“电力”放在同一张规划表上，而是让电源建设、电网配置、算力部署与负荷调度形成闭环。其运行逻辑可以概括为：以能源供给决定部分算力布局，以算力负荷反向参与电力系统调节，再通过绿电交易、储能和配电网改造平衡成本、稳定性与低碳目标。

从空间匹配到系统协同

传统数据中心更重视网络条件、客户距离和人才资源，智算中心则必须同时评估电力可得性。风光资源富集地区能够提供更大规模的绿色电力，但新能源具有波动性，不能单独承担连续稳定的计算负荷。因此，算电协同并非“算力跟着风光走”这么简单，而是需要把电源、电网、储能和负荷作为一个整体设计。

在这一体系中，源网荷储一体化承担着缓冲作用：电源侧扩大绿电供给，电网侧提升输配能力，储能侧弥补发电波动，算力侧则通过任务编排和负荷调整适应电力变化。训练任务、部分推理任务具有一定可调度空间，可以在电力充裕时提高运行强度，在供电紧张时降低非关键负荷，从而减少对电网峰值容量的冲击。

运行的关键是负荷柔性

算力中心并不是被动用电设施。对于实时性要求较低的模型训练，可以根据电价、绿电出力和电网负荷进行时间迁移；对实时推理，则需要优先保障服务连续性。由此形成分层调度：刚性负荷保持稳定，弹性负荷参与削峰填谷，储能在短时波动中提供支撑。

这也解释了为什么算电协同会改变智算中心的成本结构。电力供给不仅影响日常运营费用，还影响并网容量、备用系统和长期扩容能力。机构测算我国算力与电力协同相关投资约为2万亿元，覆盖绿电直供、配电网改造和储能配套，实质上是在建设一套面向算力负荷的能源基础设施。

判断协同效率的标准

算电协同是否有效，不能只看绿电比例，还要看四个环节是否匹配：电源是否稳定可获得，电网是否具备承载能力，算力任务是否具有调度弹性，储能是否能够覆盖关键波动。芯片供给增速达到40%—50%，而电力供给增速约为10%—20%时，单纯扩大服务器规模会放大供需错配。真正具备竞争力的方案，应当同时提升单位算力能效、能源利用率和负荷调节能力。算力扩张因此从设备竞赛，转向电源、网络、调度与模型效率共同决定的系统工程。