对话阿里云王朝阳：中国AI瓶颈不在缺电，而在源网荷协同与成本结构变化

事件概述

阿里云全球数据中心总经理王朝阳在接受钛媒体专访时，对当前关于“中国AI缺电”的共识进行了拆解。他认为，中国并不缺乏电力总量，真正的瓶颈在于如何将电力资源与算力需求高效协同，特别是在局部枢纽节点的承载能力以及单位算力能源成本的结构性变化上。

核心信息

1. 总量充裕，但局部存在结构性拥堵

• 发电量对比：2025年中国发电量约为10.58万亿千瓦时，超过美国、欧洲和日本发电量的总和（约8.5万亿千瓦时），总量优势明显。
• 局部矛盾：算力设施倾向于向绿电丰富、成本低廉的地区集中（如乌兰察布）。这种聚集导致局部地区的电力、土地和传输通道饱和，形成类似交通枢纽的“拥堵效应”。由于基础设施搬迁成本高，局部瓶颈难以通过简单的总量调配解决。

2. 数据中心具备柔性，但受限于零风险底线

• 柔性潜力：数据中心并非完全刚性负荷，可通过配置储能、备用电源及任务调度（如将非实时训练任务延后或迁移）来应对电力波动。
• 现实约束：在线推理等低时延业务无法大幅调整时间窗口。更重要的是，作为关键基础设施，数据中心必须在“零风险”前提下进行柔性调度，这增加了运营的安全成本和复杂性。

3. “能源沉淀”现象：单位算力能源账单加重

• 成本结构变化：虽然电力在包含芯片和服务器在内的IT总成本中占比仅约10%，但在纯基础设施层面占比可达60%。
• 剪刀差效应：随着技术进步，单位算力的硬件成本持续下降，而能源升级带来的刚性成本呈上升趋势。尽管能效技术（如液冷、ASIC）在提升效率，但AI算力需求的指数级增长抵消了能效提升的红利，导致单位算力的能源成本占比长期走高。

4. 解决方案：从“配储能”转向“源网荷储协同”**

• 储能局限：仅靠增加储能设备属于计划式思维，无法适应算力市场波动的特性，不能从根本上解决问题。
• 政策导向：2026年4月，国家发改委等四部门印发《关于促进人工智能与能源双向赋能的行动方案》，推动算力设施参与电能量与辅助服务市场交易，鼓励绿电直连和构网型储能应用。
• 核心路径：需在发电侧、电网侧和负荷侧之间建立动态平衡机制，利用AI优化全局调度，实现成本最优。

值得关注的关键信号

1. 用电占比趋势：跟踪中国数据中心用电量占全社会用电量的比例。据信通院数据，该比例从2024年的1.68%预计上升至2030年的3%左右，验证能源消耗的加速程度。
2. 总量优势稳定性：监测中国发电量相对于美欧日总和的比值是否稳定在1.2倍以上，以评估局部矛盾加剧的风险。
3. 政策落地实效：观察《行动方案》发布后，“源网荷储一体化”及“AI+能源”试点项目的实际落地速度和规模，判断协同机制是否真正从文件走向实践。