算力

天合光能副总裁吴肖出席2026可持续全球领导者大会，分享AI驱动算电协同的前沿实践：自研天盈AI大模型与“天工智云”平台实现绿电智算全周期运营；落地高原零碳算力示范项目，验证100%绿电供给；首创“风险前置+生态共担”ESG治理模式，推动绿色算力规模化落地。

本文介绍了工业和信息化部印发的《加快构建工业和信息化领域碳排放双控工作体系实施方案（2026—2030年）》的核心内容。方案以落实国家“双碳”战略为目标，提出建立覆盖地方考核、行业管控、企业管理和项目评价的碳排放总量与强度“双控”体系。重点任务包括：强化重点行业节能监察与诊断服务，加快先进节能降碳技术研发推广，完善相关标准规范；推动工业园区绿色转型，到2030年建成约500个国家级零碳工厂和零碳算力设施；构建工业产品碳足迹管理体系，制定约400项核算规则标准，建设统一数据库并拓展标识认证等应用场景；健全碳排放核算、项目碳评价及综合考核机制。方案设定了2030年规模以上工业单位增加值二氧化碳排放较2025年下降17%以上等量化目标，系统部署了未来五年工业绿色低碳转型路径。（199字）

乌兰察布依托风光资源丰富、气候冷凉、毗邻京津冀等独特禀赋，因地制宜发展绿色算力产业，已签约数据中心项目超百个，投运算力达17.2万P，智算占比逾95%，成为全国算力高地。文章系统阐述其成功路径：通过绿电直连、电价机制改革保障低碳低成本能源供给；建设低时延专用光缆提升网络效能；推动算电协同与“源网荷储”一体化夯实发展基础；并以绿色算力为牵引，带动铁合金等传统产业绿电替代、新能源装备制造延伸及马铃薯等特色农业数字化升级。同时，拓展数字渲染、AI应用、智慧医疗等多元场景，促进就业扩容与治理提质。全文强调，乌兰察布实践印证了“因地制宜发展新质生产力”的科学性，为全国落实“东数西算”、避免同质化竞争提供了可复制的区域发展范式。（198字）

远景凭“戈壁使命”与乌兰察布星河绿色算力基地，双登《麻省理工科技评论》全球十大气候科技企业及《财富》“改变世界50强”。其首创风光储算一体化模式，以AI驱动绿电直连与能源优化，探索算力与可再生能源深度协同新路径，为AI时代构建永续、智能、普惠的能源底座。

天合光能亮相新加坡Data Centre World Asia展会，发布AIDC 800V高压直流供电解决方案及“双轨交付”策略，打造“即用型电力”；依托光伏、储能与电力电子融合能力，构建覆盖设计、交付、融资、运维的端到端绿色算力能源方案，加速算电协同落地。

本文介绍美国初创公司Rune如何将被弃用的可再生能源电力转化为AI算力。面对得州、加州等地因输电瓶颈导致的大量弃风弃光问题（如得州年弃电近1万吉瓦时），Rune联合创始人帕利维拉与莱登于2022年底创立公司，开发模块化系统RELIC——直接接入风电场或太阳能电站逆变器后端，在电力并网前就地消纳过剩绿电。该系统集成GPU服务器、液冷与定制电力电子设备，六周内即可部署，无需传统电网改造。目前已在三州落地1兆瓦项目，储备数百兆瓦合作意向，客户聚焦AI推理与模型微调等中低功耗场景。公司通过购电协议获取低价绿电，向AI实验室等出售算力盈利，已获4000万美元A轮融资。

2026光储大会聚焦AIDC能源挑战，天合储能发布构网型储能全域融合方案：覆盖脉冲耐受电芯、构网型PCS、电算协同EMS及800V HVDC配电，实现秒级响应、PUE<1.15、TCO降20%，推动储能从“支撑电网”迈向“赋能算力”新纪元。

近日，秦淮数据、张北云联、张北榕泰、中明能源四个算力中心申报的绿电直连项目获省级发改委批复。该项目通过建设专用输电线路，实现可再生能源发电企业与数据中心之间的电力直供，使企业用电成本每千瓦时降低约0.1元，有效缓解算力产业高耗能、高成本的发展瓶颈。依托张家口作为国家级可再生能源示范区和京津冀国家算力枢纽节点的双重优势，当地可再生能源装机已达4500万千瓦，占总装机比重88.85%；已投运53个算力中心、标准机架107万架，集聚字节跳动、阿里云等龙头企业。目前全市算力企业均具备绿电接入条件，其中中明科技、合盈数据入选全国算电协同示范项目，合盈数据更通过聚合多县区风光资源，探索绿电就近匹配与就地消纳新模式，为全省算电融合提供实践样板。（199字）

本文探讨算力中心通过虚拟电厂实现降本增效的实践路径与行业发展趋势。在算电协同加速落地和电力市场化改革深化背景下，大型数据中心作为柔性负荷资源，正以虚拟电厂形式参与电力现货市场，提升用电灵活性与经济性。协鑫能科依托自研“聚星AIVP”人工智能虚拟电厂平台，构建“城市—运营商—企业”三级智慧架构，提供负荷预测、智能调度、电能量交易与结算等全链条服务，目前已实现秒级响应、超95%预测准确率及130万千瓦可调负荷规模，覆盖全国十余重点区域，并获三大电网虚拟电厂资质。文章同时指出，行业发展仍面临技术异构、标准缺位、SLA保障难等瓶颈。多地正加快试点建设，上市公司则积极布局，推动虚拟电厂向规模化、智能化、商业化发展。（198字）

本文探讨了在人工智能大模型加速演进背景下，企业构建算力基础设施时面临的关键抉择：传统互联网数据中心（IDC）与面向AI的智能算力中心（AIDC）的适配性问题。文章首先剖析二者本质差异——IDC以CPU为主、侧重通用存储与网络，而AIDC以GPU/ASIC为核心，专为大规模并行训练与推理设计，强调高密计算与价值输出。继而从单机柜功率密度、散热技术（液冷主导）、网络架构（无损IB/RoCE）、资产与能源自主权四大维度，系统揭示AIDC的技术代差。最后横向对比协鑫能科、万国数据、秦淮数据等五家主流服务商的定位与优势，指出选择应基于业务负载类型：常规应用仍适用IDC；大模型训练、高密度AI推理等场景则必须转向AIDC，并优先考量绿电供给、算电协同及AI电力交易等深度降本能力。（198字）