开场：政策跃迁的三个台阶

要理解今天这个话题为什么重要，先看清楚过去六个月发生了什么。

2025 年 12 月，"十五五"规划建议发布，"算电协同"被列为新质生产力相关的战略性基础设施任务。2026 年 3 月，国务院总理李强的《政府工作报告》第一次在最高层级文件里写入"算电协同"四个字——这是政策跃迁的关键节点。同月，三部门联合发布《关于开展氢能综合应用试点工作的通知》，新能源、AI 算力、氢能的协同框架成型。

2026 年 4 月 27 日，国家能源局发文《关于结合新型电力系统建设加快推进算电协同发展的指导意见（征求意见稿）》——这份文件把方向落到具体机制：枢纽节点 80% 绿电使用率硬指标、绿电直供项目审批绿色通道、新型储能与算力负荷匹配、跨省消纳市场机制。

到 5 月 8 日，政策框架已经走完三个台阶——从"概念"到"国家战略"再到"主管部门细则"。这是中国式政策推进的标准节奏：理念在"十四五"末段出现，到"十五五"开局成为战略，到具体年度任务落地。从业者和投资人现在面对的，是一个已经板上钉钉的政策方向。问题不再是"会不会做"，而是"怎么分配价值"。

问题不再是"会不会做"，而是"怎么分配价值"。三个台阶走完，算电协同已经从概念变成强制指标。

中美对比：两条根本不同的路径

把这条线和美国对比一下，差异极其鲜明。美国 PJM 电网 2026 年 4 月 29 日发布的 Cycle 1 队列结果：220 GW 新增电源中，48% 是天然气，30% 是储能，仅 7% 是单独光伏。德州走另一条路——58 GW 新建天然气几乎一半专供数据中心，建在私有电网里。结论：未来六年美国 AI 数据中心电源主要靠天然气。

中国的结论是在同一时间窗口里把数据中心绿电直连写进国家战略，要求枢纽节点 80% 绿电使用率，84 个绿电直供项目已批复 32.59 GW 新能源容量。

这不是单纯的技术路线差异，是两种政策能力的体现。中国在 AI 算力供给侧和电力供给侧都有强大的国家级协调工具，于是采取"在源头让二者绑定"的解法。美国靠市场信号、跨州输电要协调数十个州，结果只能"谁能最快盖出来谁赢"，赢的就是天然气。

本期不评判哪种路径更优——这种比较容易陷入立场预设。本期拆解的是：算电协同的政策工具怎么运作？谁是受益方、谁要被淘汰、对中国电力行业从业者和投资人意味着什么？以及当 AI 算力革命撞上能源转型的关键窗口，中国这条和美国完全不同的应对路径会怎么塑造未来五到十年中国新能源、电力设备、IDC 三个产业的格局。

政策线索的来龙去脉

2021 年 5 月，国家发改委首次提出"东数西算"——把东部一线城市的数据中心算力需求向西部转移，利用西部丰富的绿电资源、土地和气候条件降低数据中心 PUE 和电力成本。八大国家枢纽节点确立：京津冀、长三角、粤港澳大湾区、成渝（东四节点）；内蒙古、贵州、甘肃、宁夏（西四节点）。

2023 年 12 月，"算电协同"概念在《关于深入实施"东数西算"工程加快构建全国一体化算力网的实施意见》中首次出现。但当时还是次级概念，主线仍是空间布局。

2024 年起，《加快构建新型电力系统行动方案（2024-2027 年）》落地，把数据中心绿电直供列为新型电力系统试点的一类。绿电直供的法律性质明确——专线连接新能源场站和数据中心，电量不进入公网平衡，不计入电网售电量，避开了过去用绿证拼凑的"伪绿"问题。

到 2025 年 12 月，"十五五"规划建议把"算电协同"上升为新质生产力相关的战略性基础设施。2026 年 3 月写进政府工作报告。2026 年 4 月国家能源局出指导意见。这条政策线的脉络非常清晰：从"东数西算"的空间布局工程，进化为"算电协同"的电力系统协同政策。空间布局是表层；底层逻辑是把 AI 算力这个高速增长的新型负荷，作为新能源消纳的一个工具，反过来用产业政策塑造电源结构。

四个政策机制叠加的杀器

算电协同不是一个单一政策，是四个机制叠加。每一个机制单看都很普通，组合起来才是杀器。

机制一：枢纽节点 80% 绿电使用率硬指标

国家数据局明确要求新建国家枢纽节点数据中心绿电使用比例超过 80%。这个指标比所有省级要求都高——江苏、广东、浙江省级要求是 50 到 65%。要满足 80%，企业的选项是：绿电直供（最干净的路径）、集中式绿电交易、自建分布式光伏储能、跨省绿电消纳证、绿电加绿证组合（"伪绿"路径，正在被淘汰）。

枢纽节点的所有新建数据中心都必须达标，已建的有 3 到 5 年过渡期。这个硬指标把"伪绿"路径切断了。这是算电协同最锐利的一刀。

机制二：绿电直供制度——核心政策工具

绿电直供，也叫绿电直连，是这套体系的关键发明。法律定义是：新能源发电企业通过专用输电线路直接向特定用户供电，不进入电网平衡，不参与电力市场调度，电量按双方协议结算，电价市场化谈判。

为什么这是关键？三个理由。第一，绿色属性可追溯。每一度电都对应明确的新能源发电资产，集中式绿电交易里"绿色属性归谁"的扯皮被消除。第二，价格市场化。绕开了煤电基准价的羁绊，能在新能源边际成本和煤电基准价之间形成竞争性定价——卖方拿到比电网回购更高的价格，买方拿到比煤电基准价更低的价格。第三，不增加电网负担。专线不占用主网容量，不需要大规模输电扩建配套。

截至 2026 年 2 月，84 个绿电直供项目已批复，配套新能源装机 32.59 GW。规模在迅速扩大。"十五五"期间预计批复 200 多个项目，新能源装机超过 15 GW。

机制三：东数西算的空间套利

东数西算原本是降低数据中心电费成本的空间策略，现在和算电协同结合后多了一层逻辑：把"耗电高、绿电贵"的东部 AI 训练负荷迁到"绿电便宜、新能源消纳压力大"的西部，同时解决两个问题。

具体走向：内蒙古和林格尔新区——中金数据乌兰察布零碳算力基地（345 MW 新能源专供，年自用电量 8.5 亿度，已运营，是样板项目）；甘肃庆阳、宁夏中卫——风光大基地配 AI 数据中心组合，2026 到 2027 年陆续投产；贵州贵安、云南——水电配小负荷数据中心，存量已大；青海格尔木——光伏配储能配中国移动微网，100% 绿电直供，是另一个模式样板。

东部枢纽继续承担推理负荷和金融、政务等延迟敏感型业务；训练负荷和大模型预训练向西部迁移。这是一个 5 到 7 年的产业地理重构。

机制四：AI 能耗的国家集中度优势

中国 AI 算力建设有一个美国没有的结构特征：高度集中。三大 AI 玩家——华为昇腾、字节跳动豆包、阿里通义——加上百度、腾讯、智谱、深度求索（DeepSeek），头部 7 到 8 家就占了 70% 以上的训练算力需求。

这个结构带来一个政策红利：让 7 到 8 家头部企业去配合 80% 绿电硬指标，比让美国几十家分散的 hyperscaler 去做协同要容易得多。中国互联网巨头的机房选址决策已经从"哪里电费低"变成"哪里能拿到绿电直供专线指标"——这是非常明显的政策响应。

四个机制叠加在一起，中国 AI 数据中心的电力问题就从"市场决定的不可控变量"变成了"产业政策可塑造的对象"。

四个机制叠加在一起，中国 AI 数据中心的电力问题就从"市场决定的不可控变量"变成了"产业政策可塑造的对象"。

产业地图：受益方与被淘汰方

直接受益方

第一类：西部新能源开发商。内蒙、甘肃、宁夏、青海、贵州的风光大基地有了"既定买家"，绿电直供项目能锁定 10 到 15 年长协，融资方非常喜欢。三峡能源、华润电力、中广核新能源、龙源电力、协鑫能科是头部受益方。这是一个长期的现金流确定性提升故事。

第二类：电力设备厂商，特别是储能和虚拟电厂方向。宁德时代、比亚迪储能、阳光电源、华为数字能源、亿纬锂能。AI 负荷的脉冲特性需要储能配套，分钟级调频和小时级调峰都有需求。储能电池在这套体系里从"可选项"变成"必选项"。

第三类：西部 IDC 运营商。万国数据（GDS）、世纪互联、秦淮数据。已经在内蒙、甘肃布局的玩家拿到先发优势。这是一个"占位决定胜负"的赛道。

第四类：超级电网设备。特高压输电——中国西电、平高电气；柔性直流输电；储能 PCS 功率转换系统。西部的电力要送到东部、要在西部本地消化，都需要电力设备的物理基础。

第五类：电解水制氢和绿氢经济链。算电协同释放出来的绿电消纳空间，部分会流向制氢——氢能也是政府工作报告新增的"绿色燃料"。这条线和 DD007 中国光伏出口退税话题里讨论的"中国制造业全球化 2.0"也连着。

第六类：AI 基础设施厂商。华为昇腾的西部部署、字节跳动豆包的国家级训练集群，是政策受益方。

被淘汰或承压方

第一类：东部高碳数据中心。江苏、广东、浙江以煤电为主电源的数据中心面临 80% 绿电硬指标。要么改造、要么迁移、要么被关停。这是一个非常实在的产业出清。

第二类：依赖绿证拼凑的"伪绿"运营商。80% 门槛让单纯买绿证的路径走不通，被迫升级为绿电直供或者迁西部。

第三类：小型独立 IDC 运营商。拿不到绿电直供专线指标，没有规模做西部投资。被夹在中间。中小 IDC 的整合并购可能加速。

第四类：传统燃煤发电厂。在 AI 负荷增量的争夺中输给绿电直供。这部分是中美最大的差异点——美国天然气赢，中国煤电没法赢。

第五类：中部传统电网公司。绿电直供绕开公网平衡，电量不进入网损分摊，对电网公司收入有侵蚀效应。电网公司在政策博弈中并不完全主动，需要观察后续如何让电网公司分到一杯羹。这可能是算电协同后续推进里最大的内部博弈。

经济性测算与约束

电价测算：西部风光一体化 LCOE 0.18-0.25 元/度；东部煤电基准价 0.40-0.45 元/度；绿电直供谈判区间 0.28-0.35 元/度——既高于风光 LCOE 又低于煤电基准价，双方共赢。加专线投资分摊 0.02-0.04 元/度，到户 0.30-0.39 元/度，比东部数据中心当前电价（0.55-0.70 元/度）便宜 30-40%。

AI 训练耗电特性：单个超大规模数据中心 500-1000 MW，接近中型城市高峰用电。AI 训练负荷 70-90% 稳定运行，不像传统云计算有高低峰。这种负荷曲线和风光出力天然不匹配，必须配储能（增加约 0.03-0.05 元/度），但整体经济性仍优于煤电加绿证。

约束和瓶颈：专线投资周期 18 到 30 个月，跟数据中心建设匹配，但慢于 AI 企业 6 到 12 个月用电的期望；新能源出力波动让单纯绿电直供做不到 100%，需要"绿电+储能+少量公网备用"组合；跨省消纳市场不成熟，东部消纳西部绿电的省间结算机制还在试点；西部输电瓶颈仍在，特高压建设周期长；AI 市场需求不确定性——如果 AI 泡沫调整、训练需求下降，已建项目的负荷利用率会下来。

常见误区

误区一：算电协同就是让数据中心用绿电。错。算电协同是把 AI 算力建设和新能源消纳作为同一个政策对象，强制二者在源头协同。绿电使用只是结果之一。它本质是供给侧的产业政策，不是需求侧的环保政策。

误区二：80% 绿电是行业自愿目标。错。这是国家枢纽节点的硬指标。达不到不发牌照、不批新增容量。已经在内蒙、甘肃落地的项目都达到了 90% 以上。

误区三：东数西算等于把所有数据中心搬到西部。错。延迟敏感的推理负荷必须留在东部一线城市附近。搬到西部的主要是训练负荷和数据存储。"东数"也包括存量数据。这是负荷分层而非简单空间转移。

误区四：绿电直供电价比传统电价高。在大多数情况下错。西部绿电直供综合到户电价显著低于东部煤电基准价。东部本地绿电直供（屋顶光伏加储能）可能贵一些但仍有政策溢价。

误区五：AI 数据中心是中国新能源消纳的"救命稻草"。夸张了。AI 算力到 2030 年的电力需求增量约 150 到 200 TWh——相当于 2024 年中国总用电量的 1.5 到 2%。重要但不是救命。中国新能源消纳的最大问题仍然是电网灵活性和东西部空间不匹配。

2026–2030 现实展望

短期（2026-2027）：国家能源局《算电协同指导意见》正式发布。"十五五"绿电直供项目第一批集中批复，至少 60 到 80 个项目，新增风光装机 12 到 18 GW。三大头部 AI 玩家——字节、阿里、华为——至少各有 1 个西部超大规模训练集群投产。80% 绿电硬指标对枢纽节点新建数据中心强制执行，东部存量数据中心进入改造或迁移决策窗口。

中期（2028-2030）：算电协同模式成熟，从枢纽节点向更多数据中心园区扩展。跨省绿电消纳市场化运转，全国统一电力市场配套。中国 AI 数据中心整体绿电使用率从当前 40 到 50% 升至 75 到 85%。西部新能源消纳率提升 5 到 8 个百分点（仅靠 AI 负荷拉动）。储能商业模式从政策驱动转向市场驱动，调频/调峰收入显著扩大。相关上市公司——储能（宁德时代、比亚迪、亿纬锂能）、光伏运营（三峡能源、华润电力）、IDC（万国、秦淮）出现集中度提升。

长期（2030-2035）：中国 AI 算力的"碳含量"显著低于美国（同等算力下）。这成为中国 AI 产品/服务在欧盟 CBAM 类政策下的竞争优势。算电协同模式可能向工业算力（量子计算、生物计算）扩展。能源行业和数字经济行业的边界进一步模糊，IT 巨头持有发电资产成为常态。

中国 AI 算力的"碳含量"显著低于美国——这点最终会通过 CBAM 类工具反过来影响中国制造业的外贸竞争力。算电协同把能源转型和外贸竞争力连在了一起。

底线判断

中国把 AI 算力建设这个"全球最难协调的产业问题之一"，转化成了一个国家级强制协同任务。代价是高政策协调成本、对电网公司利益的阶段性侵蚀、对 AI 市场需求增速的高度依赖；红利是中国 AI 算力"碳含量"显著低于美国同行、新能源消纳需求侧画像被改写、储能和电力设备扩容、西部新能源开发商和西部 IDC 运营商的产业重塑机会。

对从业者：不要再问"会不会做"——已经做了。要问的是：在你所在的环节里，80% 硬指标、绿电直供专线、东数西算空间套利如何重塑你的客户、对手、定价和成本结构？

对投资人：在锂电储能、新能源运营、IDC、电力设备、特高压几条线上找受益主体。同时观察电网公司的政策博弈——它们的反应会在未来 12 到 18 个月里塑造执行节奏。

对中国制造业：如果产品出口欧盟被 CBAM 覆盖，AI 赋能环节用绿电直供，会成为 CBAM 核算时的实质优势——这把算电协同和外贸竞争力连在了一起。

5 月 8 日这一刻看似只是一份征求意见稿和概念的成熟过程。但拉长十年看，2026 年很可能是中国电力系统需求侧画像彻底转向"以 AI 算力为最大单一新增负荷"的拐点年份。

记住这一刻。