AI的尽头是新能源——算力、电价与机器经济的重构

老马盯着屏幕上一行一行跳出来的AI预测数据，手里的笔在指间转了好几圈。

他是某省级电网调度中心的资深调度员，干了快三十年，调度台上什么样的曲线都见过，但今晚的曲线让他心里有点不踏实。气象模型预测明天有一场强对流天气，AI调度系统给出的建议很明确：启动备用的天然气机组。“根据风速骤降概率92%，光伏出力可能下降七成以上。”系统在建议栏里这样标注。

天然气机组的启动成本是风电的几倍，一旦开机，明天的电力现货价格必定大幅攀升。但如果不开，万一风光出力真的骤降，备用容量不够，电网频率就会往下掉。频率掉到临界值以下，整个电网都可能崩溃。

老马的师傅二十多年前教过他一句话：调度这行，安全是天。三十秒钟内，老马做了决定。他把笔啪地一声拍在桌上，拿起电话通知电厂启动天然气机组。保安全。

第二天，极端天气比模型预测的还猛烈。风电出力骤降，光伏更是几乎归零，但那几台天然气机组扛住了。事后调度中心开总结会，有人问他：“为什么不提前预判？”老马沉默了一会儿，说：“AI能预测风速，但预测不了极端天气什么时候来。当它来的时候，我只能选安全。”

他没有说出口的是另一层意思：这次AI建议对了。但他不能每次都相信AI，因为出了事故，签字的是他，不是AI。

这次决策之后，老马开始认真想一个问题：当AI承担了越来越多的调度决策，责任的边界在哪里？省级电网的AI调度系统已经能提前一到三天预测风光出力变化，以部分省份的次日预测为例，准确率可达85%以上（国能日新等主流功率预测服务商的全省次日预测准确率约85%，部分先进省份在特定条件下可达95%以上）。但在极端天气面前，这个准确率会骤降，统计模型在极端天气下的预测准确率可低于60%，AI模型同样会持续低估极端事件的强度。而极端天气，恰恰是电力系统最需要备用容量的时候。

他不知道的是，千里之外，一个叫小李的年轻人正面临一个相反的困惑。

小李在西北某新能源场站做运维工程师，三十岁，负责风电场的日常维护和AI系统管理。每天早晨他打开电脑，AI功率预测系统会自动算出未来72小时的逐小时风速和发电量，他审核一遍，上报给调度中心。系统越来越准了，年初升级的大模型版本将预测误差进一步压低，场长还在周会上表扬过。

但小李发现一个说不通的事：预测准了，弃风率却没怎么降。调度中心还是经常在风大的时候让他把风机停下来，因为电网消纳不了。“AI知道明天风有多大，”他有一次跟同事吐槽，“但AI不知道调度为什么不愿意收我们的电。”

两个人，两处困惑，指向同一个问题：AI让能源行业变“聪明”了，但变得更好了吗？

要回答这个问题，需要先看清这个行业正在经历什么。

过去五年，中国能源结构完成了一次关键跃迁。2026年4月，国家发改委副主任王昌林在国新办发布会上宣布，到“十四五”末，非化石能源消费占比达到21.7%，首次超过石油，形成煤炭、石油、天然气、非化石能源并行的“四足鼎立”新格局。同月，国家发改委、国家能源局等四部门联合印发《关于促进人工智能与能源双向赋能的行动方案》，部署了29项重点任务，核心逻辑是“两条腿走路”，能源支撑AI算力设施，AI赋能能源高价值应用场景。2025年，AI被首次写入政府工作报告，“算电协同”成为新的政策关键词。

更直观的数据来自国家能源局。截至2026年2月底，全国可再生能源发电装机达23.81亿千瓦，占全国电力总装机的60.3%。2025年底，风电光伏累计并网装机达到18.4亿千瓦，历史性超过火电装机。

老马刚入行时，调度台上全是火电机组的参数，现在屏幕上风光出力曲线像心电图，波峰波谷的振幅越来越大。“以前管几百个发电厂，”他说，“现在管的是天上的风和云。”

而AI正是管理这片“天上的风和云”的关键工具。国际可再生能源署（IRENA）预测，人工智能算法可以将风能和太阳能预测误差降低30%到50%，优化电网运营、减少计划外停机，每年有望在全球范围内节省数千亿千瓦时的电力。

但AI不止是能源的赋能者，它也是能源的巨大消耗者。据中国信通院数据，2025年国内算力中心用电量约1960亿千瓦时，同比增长18.1%，而同期全社会用电量增速仅为5.2%。世纪互联高级副总裁兼能源规划负责人戚野白指出：“算力项目已进入GW级时代，未来10年AI年用电量将达1.2万亿千瓦时，预计将占全社会用电的7%—9%，国内每年用电增量接近1个三峡电站的发电量。”与此同时，高比例风光出力的间歇性和波动性，让电网的调峰压力剧增。

这两股力量，算力需求拉动电力消费、风光波动考验电网调度，正在同时重塑能源行业。它们的叠加，催生了对更精细、更智能的电力调度方式的需求，而这种需求，恰好指向了一个正在加速到来的远景：当AI智能体不仅在辅助决策，还在能源市场上自主完成交易；当分布式光伏、储能电池、电动车组成的“产销者”网络可以彼此实时结算；当每一度电都有了独立的价格标签，整个经济的“时钟频率”将从月结、周结切换到秒级结算。IEA数据显示，2023至2026年间，全球数据中心电力消费年均增长率达18%，其中AI计算占比从2023年的15%激增至2026年的35%。AI不再是能源行业的“外部赋能者”，它正在成为这个行业的“内生变量”。

这就是老马和小李即将面对的未来。他们一个在调度台上守了快三十年，一个在风电场里管了几年AI系统，两人的困惑不同，但都指向同一个方向：AI来了之后，能源行业的底层逻辑正在被改写。这不只是技术升级，而是一次系统级的重构。

这篇文章，就是要讲清楚这场重构的故事。

一

老马干了快三十年调度，经历过这个行业最剧烈的变化。

他刚入行那会儿，调度台上全是火电机组的参数。机组编号、出力、煤耗、备用容量，一块屏幕就能装下。那时候管电，基本上是管煤。煤炭占一次能源消费的六成以上，电厂烧煤，调度调煤，全国的电力系统围着煤转。

后来事情开始变了。先是风电，戈壁滩上立起白色的风机，一开始只是个点缀。然后是光伏，从西部荒漠铺到东部屋顶。2015年之前，风光在老马的屏幕上只是几条几乎贴地的小曲线；到2020年，风电光伏累计装机达到5.3亿千瓦；到2025年底，这个数字变成了18.4亿千瓦，历史性超过了火电装机，超出约3亿千瓦。

五年翻了三倍多。

正如引言所述，到“十四五”末，中国能源消费结构从“一煤独大”正式进入煤炭、石油、天然气、非化石能源“四足鼎立”的新格局。在此基础上，“十五五”规划纲要提出了更具雄心的目标：到2030年，非化石能源占能源消费总量比重达到25%，较“十四五”末的21.7%提升3.3个百分点。“十五五”期间将实施非化石能源十年倍增行动。

老马不懂这些宏大的政策叙事。他只知道，他的屏幕上再也装不下所有发电单元了。以前管几百个电厂，现在管的是天上的风和云。风光出力的曲线像心电图，波峰波谷的振幅越来越大。风电是间歇性的，有风的时候电多得用不完，没风的时候一粒电都发不出来；光伏的脾气更极端，白天峰值冲上天，太阳一落山瞬间归零，逼着火电机组在一天之内反复爬坡、深调、再爬坡。他对徒弟说过一句很形象的话：“以前调度是管一条河，上游有水下游就有水。现在管的是天上的雨，它什么时候下、下在哪儿、下多大，我都得接着。”

这种结构性转变带来的是一个经典难题，能源行业的人叫它“不可能三角”：安全、经济、清洁，三个目标很难同时实现。

安全是天。电网的频率必须稳定在50赫兹左右，如果风光出力骤降而备用容量不够，频率就会往下掉，掉到临界值以下，整个电网可能崩溃。经济是地。清洁能源的边际成本极低，但为了应对它的间歇性，电网必须保持大量火电机组（以及其他可调电源）处于旋转备用状态。这些机组虽已并网，但出力被压低，随时准备爬坡以应对风光出力的骤变。这不仅增加了煤耗和运营成本，还在低负荷运行下加剧了设备磨损。清洁是方向。但越是追求清洁，电网的调峰压力就越大，安全和经济的平衡就越脆弱。

老马在引言中那次极端天气的决策，就是这个“不可能三角”在三十秒内的肉身呈现。启动天然气机组烧钱，不启动可能出事，AI给了他一个最优计算，但无法替他承担决策后果。

而这里还有一层更深的隐忧。石油和天然气是“不可能三角”中看不见的底座。中国的石油对外依存度超过70%，天然气对外依存度约40%。与此同时，中国能源自给率长期保持在80%以上，核心是靠煤炭这个“压舱石”，煤炭占能源消费结构的一半以上，且基本不需要进口。但随着碳排双控的推进，煤炭的退出是大势所趋。如何在减少对化石能源依赖的同时确保能源安全，是“十五五”乃至更长时期的核心挑战。

治理逻辑也在发生根本性转变。2025年，中共中央办公厅、国务院办公厅印发文件，明确推动全国碳排放权交易市场逐步由“强度控制”转向“配额总量控制”，标志着国家治理逻辑从“能耗双控”彻底转向“碳排放双控”。考核方式也在收紧，结果评定采用“达标/不达标”的二元模式，只要一项控制指标不达标，就“一票否决”。

碳市场也随之从“履约驱动”转向“制度驱动”。以2026年3月为例，全国碳市场碳价位于79元/吨至83元/吨的相对高位，“碳排放配额25”也已于1月5日正式上线交易。全国碳市场覆盖的碳排放量占比从40%提升至60%，未来将扩围至化工、石化等行业。到2027年，对碳排放总量相对稳定的行业将优先实施配额总量控制；配额分配方式也在转型，政府将稳妥推行免费和有偿相结合的分配方式，有序提高有偿分配比例。

对老马来说，“碳排放双控”和“碳价稳步抬升”这些词听起来离他的调度台很远，但他知道，这些变化的涟漪已经一圈一圈荡到了他的屏幕上。2026年1月，国家发改委、国家能源局联合印发《关于完善发电侧容量电价机制的通知》，分类完善煤电、天然气发电、抽水蓄能、新型储能容量电价机制，明确提出对机组可靠容量根据顶峰能力按统一原则进行补偿，标志着电力市场从“为电量付费”向“为可靠性付费”的转变正在加速落地。“十五五”电力规划明确提出，到2030年非化石能源消费占比达到25%，新能源发电装机占比超过50%，新增用电需求绝大部分由清洁能源满足。

老马自己的职业生涯，就是能源行业这三十年变化的一个注脚。他从管理几十台火电机组起步，现在盯着屏幕上几百万个分布式节点的实时数据。他知道更大的变化还在后面。但他不知道的是，千里之外的小李，正在面对一个相反的困惑，AI让他能更精准地预测风速，但预测准了，为什么弃风率却降不下来？而老马自己，也即将发现AI不仅是一种“赋能工具”，还是一个正在疯狂吞噬电力的庞然大物，AI对算力的渴求，正在成为驱动整个能源行业加速转型的关键变量。

二

2026年初春，小李在风电场的值班室里，看到了一则新闻。

“国家发改委、国家能源局、工信部、国家数据局联合印发《关于促进人工智能与能源双向赋能的行动方案》。”他一边滑着手机，一边念给旁边的同事听。“二十九项重点任务，核心逻辑两条腿走路，能源支撑AI算力设施，AI赋能能源高价值应用场景。”同事正在整理巡检记录，头也没抬：“对我们有什么影响？”小李想了想，说：“它说要开放能源领域的高价值应用场景，推动大模型在电网、发电等行业深度应用。我们风电场可能就在里面。”同事放下笔：“真的假的？”“真的，”小李把手机递过去，“你看，文件号都出来了，国能发科技〔2026〕34号。”

小李后来才知道，这份《行动方案》并不是凭空出现的。早在2025年9月，国家发改委、国家能源局就印发了《关于推进“人工智能+”能源高质量发展的实施意见》，首次提出到2027年推动五个以上专业大模型在电网、发电等行业深度应用的具体目标。2026年4月的《行动方案》是在此基础上的全面部署，将政策目标拆解为二十九项具体任务，明确了时间表、路线图和责任分工。

这份《行动方案》的出台，标志着能源与AI的关系从“技术工具”升级为“双向赋能”。国家发改委官网的解读文章引述业内专家评价称：“能源不再只是人工智能发展的‘被动供给者’，人工智能也不再只是能源转型的‘技术工具’，二者深度耦合将为我国数字经济高质量发展和新型能源体系建设注入强劲动力。”

小李所在的行业，正是这场“双向赋能”最直接的受益者。对新能源场站来说，AI帮他们解决的最大痛点就是功率预测。风电和光伏的出力受天气影响极大，风什么时候来、来多大、能持续多久，直接决定发电量。过去功率预测靠数值天气预报加上人工经验修正，误差不小。AI介入之后，情况变了。

行业研究普遍表明，人工智能算法可以将风能和太阳能预测误差降低30%到50%，优化电网运营，减少计划外停机，每年有望在全球范围内节省数千亿千瓦时的电力。中国电建所属江西电建公司自主研发的“基于AI的智慧能源一体化运营平台”，就是专门解决这个问题的。他们研发出了“智信小智”新能源运营大模型智能体，还配套了多模态设备故障预警系统、时序滞后自适应功率预测模型和多维融合电价预测算法，形成了从“感知”到“预测”到“决策”到“执行”的全链条智慧运维体系。

这套系统已经在国内外二十多个新能源场站落地应用。它不仅能预测发电量，还能提前预警设备风险、辅助交易决策，让风电场从“被动式运维”变成了“主动式智慧运维”。该项目已通过中国电力企业联合会科技成果鉴定，达到国际领先水平，累计斩获发明专利二十项、软件著作权十八项。

小李每天早晨打开的那个AI预测系统，大概就是这个逻辑，只是他用的版本可能没有“智信小智”那么先进。但即使是他现在用的这个系统，预测准确率也明显比两年前高了。年初升级的大模型版本，误差压得比以前更低，场长在周会上还专门表扬过数据质量。

但他在网上搜索同类系统时，也看到一些行业论坛里的不同声音。有人说，大模型预测确实越来越准，但系统部署和维护的成本也不低，一个中等规模的风电场，上一套全栈AI运维系统，投资回报周期可能要拉到三到五年，甚至更长。对大型央企来说这不是问题，但对很多民营新能源运营商来说，“AI赋能”首先意味着一笔不小的资本开支。

另一方面，预测准了，可弃风率却没怎么降。

调度中心还是经常在风大的时候让他把风机停下来。小李对这个困惑有自己的理解：“AI知道明天风有多大，但AI不知道调度为什么不愿意收我们的电。”他在值班日志里写过这句话，后来划掉了。他知道，问题不在AI，问题在于电网的消纳能力、调峰资源和市场机制。AI只是负责预测，但预测之后怎么办，决策链远比一条曲线复杂。

小李的困惑，其实恰好触及了AI在能源行业落地的另一个核心场景，源网荷储协同调控。

新型电力系统正从“可预测、强计划”加快演化为“高不确定、多主体协同”的复杂系统。发电侧有风光出力波动，用电侧有负荷峰谷，储能侧有充放电策略，电网侧有频率和电压稳定要求，这四个维度需要同时协调。传统的调度方式靠人工经验和离线模型，但“十五五”以后风光占比越来越高，波动的速度和幅度都超出了人工处理能力的极限。

AI正是在这里找到了不可替代的位置。2026年初发布的政策研究明确指出，要“部署电力大模型，开展多时间尺度负荷预测、新能源出力精算”，并“构建源网荷储协同优化决策系统，实现电力电量平衡柔性调节”，将调度控制从“经验驱动”转向“模型驱动”，从“事后响应”升级为“事前预演”。

说得直接一点，就是让AI来当调度的“副驾驶”，它比人算得快，比人看得远，能在几秒钟之内推演出几百种可能，然后给出最优解。

老马在调度台上已经用过类似的系统。AI给出的调度建议越来越准，平时他基本不反驳。那次极端天气，他按AI的建议启动了天然气机组，事后证明这个决策保住了电网。但这次“正确”并没有让他更信任AI，反而让他开始反思：这次AI对了，但如果下次AI在极端天气中建议不启动备用机组，他敢服从吗？他不敢。他知道，AI能预测风速，但预测不了极端天气什么时候来；能算出最优解，但算不出他这个调度员肩膀上的分量。

除了调度本身，AI还在改变电力设备的运维方式。

过去变电站巡检靠人，翻山越岭，一根杆一根杆地看，一张照片一张照片地审。效率低不说，还容易漏。现在AI无人机配上计算机视觉大模型，几分钟就能完成过去几个小时的工作量，精准度远超人工。南方电网广西电网公司把这个技术做到了极致，他们甚至把这套智能巡检大模型输出到了老挝。这套大模型融合人工智能、计算机视觉与电网巡检业务场景，可对无人机巡检采集的图像进行全自动智能分析，精准识别绝缘子、金具、导地线等各类输电设备的缺陷问题。

不过，AI在电网设备管理领域最前沿的应用，还不是无人机巡检，而是“设备健康诊断”。2026年5月，南方电网上线了全国电力行业首个设备健康诊断“数字医生”，部署于南方电网生产指挥中心。这个系统依托南方电网自主研发的“大瓦特”底座，创新构建了“手眼脑”一体化多智能体协同架构，“医生之手”采集设备状态数据，“医生之眼”实时观测与反馈，“医生之脑”实现多模态数据分析与融合。

几乎同一时间，中国电气装备集团在上海发布了“电擎”大模型，这是输配电装备领域首个行业专属大模型，涵盖语义理解、机器视觉、多模态融合、科学计算等多类模型，具备仿真科学计算、多模态监测诊断、知识理解生成、调度决策优化、具身操作执行五大核心能力。依托这个底座，他们构建了“智研、智造、智检、智维、智运”全域智能体体系，已形成十二项“AI+制造”创新应用，将大模型能力输出到研发、设计、制造、检测、运维等各个环节。

但对老马来说，AI在电网领域最让他震撼的应用，是虚拟电厂。

虚拟电厂不是真的电厂，它没有烟囱，没有锅炉，没有冷却塔。它是一套把分散在城市各个角落的用电资源聚合起来、统一调度的系统。楼宇空调、充换电站、数据中心、储能电池，这些分散的“灵活负载”，通过AI算法被“拧成一股绳”，在电网需要的时候同时降负荷或放储能，效果相当于一座实体发电厂。

上海是虚拟电厂应用的前沿阵地。2026年初，上海虚拟电厂在寒潮期间进行了一次大规模调度。研发团队开发了一套AI智能预测算法，将实时电量预测误差控制在3%以内，中长期现货电价预测准确率超过85%。

目前，这套系统已聚合两千多家优质用户，可调节容量超过160万千瓦，规模相当于一座大型传统火力发电站。2025年夏季，上海通过虚拟电厂实现了百万千瓦级的电力调用，同年8月的一次实测中，最大响应负荷突破100万千瓦。

当电网出现缺口时，AI系统能提前向接入的企业发送用电调整预警，企业配合压降负荷后还能拿到补贴。“从前是‘电网让怎么用就怎么用’，现在通过参与虚拟电厂调度，既能帮电网平衡供需，又能拿到补贴、降低用电成本，真正实现了从‘被动用电’到‘主动赚钱’的转变。”项目负责人说。

老马在调度中心见过虚拟电厂的运行数据。他惊讶的不是技术本身，而是AI对资源的聚合调度能力。以前调峰，靠的是火电机组深调、水电机组启停，反应慢、成本高、灵活性差。现在AI能把几万栋楼的空调、几万辆车的充电桩、几十座储能电站在几秒钟内协调起来，做出过去需要几十台火电机组才能完成的调峰效果。

但对小李来说，这些宏大叙事离他有点远，他更关心的是自己的风电场什么时候能不再“弃风”。

他算过一笔账。他的风电场装机十万千瓦，AI预测系统能将发电计划误差降到越来越低，但每年还有相当比例的“弃风率”。不是因为风不够，是因为调度中心通知他停机，电网消纳不了。这些被弃掉的风电，如果按实时电价计算，每年损失是相当大的。

“AI能告诉我明天风有多大，”他说，“但AI不能告诉我，为什么我预测得越准，调度却越难收我的电。”

小李的困惑，其实恰好触及了“十五五”电网发展的核心矛盾：新能源装机的增速远超电网消纳能力的增速。AI可以提高功率预测精度、优化调度策略、辅助虚拟电厂调度，但在储能大规模铺开之前、电力市场完全成熟之前、输电通道彻底打通之前，AI只能优化存量，无法突破物理瓶颈。

AI在能源行业的应用正在快速推进，但它能做到的事情和做不了的事情之间，有一条清晰的边界。这条边界意味着，AI在边界之外可能出错，而电网对出错的容忍度极低。当AI承担了越来越多的调度决策，一个无法回避的问题就浮现了：出了事谁负责？

老马对这个问题的回答很干脆：“AI做的调度决策越来越准，但出了事故，签字的是我，不是AI。所以每次遇到模型没见过的极端情况，我还是不敢放手。不是因为不信任AI，是因为我是最后兜底的那个人。”

就像我们之前在程序员那篇文章里讨论过的，当AI能写完基础代码，值钱的是“能调”的人。老马现在面对的，是能源行业的“能调”问题：当AI能预测风速和电价，值钱的是能判断“什么时候相信预测、什么时候违背预测”的人。老师傅的“火候”，在电网调度这里变成了“手感”，不是模型算出来的最优解，是三十年调度经验积累的对系统风险的直觉。

但老马即将发现，AI不仅是他的“副驾驶”，AI本身还是一个正在疯狂吞噬电力的庞然大物。AI对算力的渴求，正在成为驱动整个能源行业加速转型的关键变量。

三

老马是在一次行业培训上，第一次意识到AI不只是他的“副驾驶”。

培训材料上有一组数据，他盯着看了很久。中国信通院统计，2025年国内算力中心用电量1960亿千瓦时，同比增长18.1%，而同期全社会用电量增速仅为5.2%。预计到2030年，国内算力中心用电量在5000亿千瓦时左右，若AI爆发增长，甚至可能高达7000亿千瓦时，约占全社会用电量3.7%到5.3%。

“1960亿千瓦时是什么概念？”老马问坐在旁边的同事。同事摇摇头。他自己算了一下，三峡大坝的年发电量大概1000亿千瓦时。也就是说，2025年全国数据中心的用电量，接近两个三峡电站的全年出力。

培训结束后，他去网上搜了更多数据。国际能源署（IEA）的报告显示，2023至2026年间，全球数据中心电力消费年均增长率达18%，其中AI计算占比从2023年的15%激增至2026年的35%。IEA的报告同时显示，2024年全球数据中心总用电量约415 TWh，到2030年预计将翻倍至约945 TWh，相当于日本当前全年用电总量。

更让老马心惊的是AI推理负荷的变化。目前推理负荷占AI算力比重已达三分之二，AI应用对电力系统稳定性的要求发生了根本性改变。过去AI训练是“集中训练、间歇休息”，现在推理任务是“7×24小时连续运转”，数据中心从间歇性负载变为基荷性负载，对电力系统的要求从“买多少用多少”转变为“全天候稳定供电+峰谷柔性调度”。

全球科技巨头已经开始用脚投票。2026年4月，Meta、亚马逊、谷歌密集加码了对美国小型模块化反应堆项目的投资。科技巨头抢核电，这在一代人之前还是不可想象的事情。而现在，AI对电力的渴求，正在倒逼整个能源行业重新定义“稳定供电”的标准。

老马把IEA的那组数据截图存了下来。他忽然意识到，自己过去两年一直在关注“AI怎么帮电网调度”，却几乎没想过另一个问题：AI本身就是一个正在疯狂吞噬电力的庞然大物，而且这个庞然大物的胃口还在以远超预期的速度膨胀。

世纪互联高级副总裁兼能源规划负责人戚野白在2026年中国能源周上做过一个让老马印象深刻的发言：“国内数据中心每年将新增约1000亿千瓦时用电量，相当于三峡大坝的年发电量。未来十年，AIDC年用电量或达1.2万亿千瓦时，占全社会用电量7%-9%。”他说，算力不再是普通负荷，而是重塑能源消费格局的核心变量。

但这个“核心变量”带来的不仅是需求增长，更棘手的是需求特性的根本变化。国网冀北电科院电力系统研究所副所长王泽森指出：“算力发展对电网的影响，不是电量问题，而是电力（功率）问题。百万千瓦级数据中心可在0.5毫秒到毫秒间出现万千瓦级功率波动。”同时，电力基础设施的建设节奏也存在严重错配，“现在数据中心最快8个月就能建成投产，而一座变电站、一条输电线路完整建设需要3到5年，电网设施建设速度跟不上算力建设速度。”

2026年，“算电协同”这四个字首次写入了政府工作报告。它被列为国家级新基建工程，与超大规模智算集群、全国一体化算力监测调度同步部署。

随后，四部门《行动方案》进一步明确算电协同的具体路径：推动建立算力与电力互动机制，以电力市场价格信号引导算力设施优化能量管理和跨网跨区调度。行业共识将算电融合分为三个阶段：第一阶段“寄生”，算力作为用电单位与电网交互；第二阶段“共生”，通过市场机制引导能源与信息双向互动；第三阶段“新生”，电算双方在长期联动下对彼此的形态进行二次重塑。当前行业正处在从“共生”向“新生”跨越的关键阶段。

老马逐渐看懂了这套逻辑：AI不是简单地“消耗”电力，它正在重塑电力消费的结构。传统的电力消费以工业、居民、商业为主，增长曲线相对平缓；而算力中心带来了一个全新的消费类别，高度集中、高速增长、高可靠性需求，同时还能通过负荷的灵活调度反哺电网。

但看得懂逻辑，不代表能解决眼前的难题。

小李最近就遇到了一个让他头疼的问题。他所在的风电场附近，新建了一座大型数据中心。从规划上看，数据中心应该用风电场的绿电，远景和腾讯已经在内蒙古赤峰落地了被媒体称为全球首个100%绿电直供的数据中心，综合能源成本降低超过40%，年减少碳排放可达18万吨。远景还在乌兰察布打造全球最大零碳AIDC园区，项目预计今年交付。

但小李发现，理想和现实之间隔着一道巨大的鸿沟。风电是间歇性的，有风的时候电多得用不完，没风的时候一粒电都发不出来。而数据中心需要24小时稳定供电，GPU一秒钟都不能断电。真正实现“绿电直供”，需要在风电场和数据中心之间建设专用输电线路，投资巨大。目前绝大部分所谓“绿电交易”，实际上是风电场上网、数据中心从电网取电，两者在物理上并不直接连接。

小李在值班日志里写过一页账。他的风电场装机十万千瓦，年发电量约2.5亿度。按目前的绿电交易价格，每度电比火电多卖几分钱，全年溢价收入相当可观。但数据中心需要的不是“一年2.5亿度”，而是“每一秒都不能断”。风电做不到。要解决这个问题，必须配套储能，而储能的成本，目前仍然远高于绿电的溢价。

他把这个问题带到了场里的技术讨论会上。有人说，可以联合光伏，风电晚上有、白天少，光伏白天有、晚上无，两者叠加能平滑不少。有人说，可以上储能，但投资回报周期太长。有人说，可以接入虚拟电厂，通过AI调度，把风电场的出力曲线和数据中心的负荷曲线进行最优匹配。

小李听着大家的讨论，忽然想起了老马上次在培训中说过的一句话：“AI能预测风速，但预测不了极端天气什么时候来。”放在这里也适用：AI能算出力曲线和数据中心负荷怎么配，但它算不出谁来出储能的钱。

这场讨论最终没有结论。但小李隐约感觉到，他们正在讨论的问题，就是“算电协同”最核心的矛盾：不仅是发电特性上的不匹配，还有基础设施投资与回报之间的经济性鸿沟，以及数据中心建设速度远快于配套电网设施的建设节奏错配。而这些问题，目前还没有低成本的解法。

与此同时，在千里之外的调度中心，老马正面临另一个维度的算电协同挑战。他的屏幕上新增了好几座数据中心的负荷曲线，这些负荷与传统工业负荷完全不同。训练任务期间，GPU集群可以在极短时间内由低载快速攀升至满载，形成显著的功率冲击。一个万卡集群的功率波动，相当于一座中型城市的用电负荷在毫秒级内剧烈起伏。

老马把其中一条曲线放大，盯着看了很久。这个波动幅度，他在调度台上从来没有见过。“AI把电网变成了一个全新的东西，”他对徒弟说，“以前管的是工厂和居民，负荷曲线可以预测。现在管的是GPU集群，它的负荷在毫秒级内剧烈波动，我们的调度系统还没有完全准备好。”

徒弟问他：“那怎么办？”

老马想了想，说：“算电协同。”

这不是一个敷衍的回答。他最近一直在研究“算电协同”的具体实现路径。四部门《行动方案》明确提出，鼓励算力设施作为负荷侧灵活可调节资源参与电网运行。这意味着，数据中心不应该只是“用电大户”，而是应该成为电网的灵活调节资源。

更具体地说，当电网负荷高峰时，数据中心可以通过降低非核心计算任务的功耗、启动备用储能、或将计算任务迁移到电力富余地区来响应调度需求。当新能源大发、电网需要消纳时，数据中心可以增加计算任务、提前执行批处理作业，将富余的绿电“吃”掉。

但在实际操作中，这种灵活性也面临巨大挑战，主要表现为空间错配严峻。我国可再生能源集中在西部、西北部，算力需求超60%集中在东部、南部，形成“绿电在西、算力在东”的天然错配。面对这些挑战，政策层面已经开始行动。国家枢纽节点已明确要求新建数据中心绿电使用占比必须超过80%，但当前整体绿电消费比例仍未达到这一目标，提升绿电消纳面临结构性障碍。

老马把这些政策文件翻了好几遍。他从一个只知道“管电”的调度员，变成了一个必须理解AI算力特性的“新型调度员”。他的屏幕上，数据中心的负荷曲线和风电场的出力曲线交叠在一起，构成了一幅全新的电力调度图景。这幅图景里，AI既是驱动者，也是被驱动者，它疯狂吞噬电力，又反过来帮助电网更智能地调配电力。

这就是“双向赋能”的真正含义。AI不是能源行业的“外部变量”，它正在成为能源行业的“内生变量”。而老马和小李，正站在这个变量改变一切的前夜。

四

老马是在调度中心的内网上第一次看到“实时电价”这个词的。

那时候他正在翻一份关于国外电力市场改革的技术白皮书，里面提到了美国PJM市场的“5分钟节点电价”机制，就是每5分钟出清一次价格，发电机和用户可以根据实时价格信号自动调整出力和负荷。中国电力现货市场目前已经覆盖近20个省份，部分省份的出清间隔已缩短至15分钟，与“小时级出清”的早期模式相比前进了一大步，但距离PJM的5分钟节点电价机制仍有不小的距离。

他的手指在“每5分钟结算一次”这几个字上停了一下。他现在管的调度系统，电费是按月结算的。发电厂发了电，上网，电网统购统销，用户用了电，月底结账。每一度电从发出到收到钱，中间至少要隔一个月。每个月结算的时候，电网公司、电力交易中心、银行之间要对账、清算、划拨，一套流程走下来又是一段时间。

他盯着白皮书上的“5分钟结算”，忽然冒出一个念头：如果有一天，不是5分钟，而是5秒钟呢？

如果每一度电都能实时定价、实时交易、实时结算，他的调度台会变成什么样？电网公司、电力交易中心、银行之间的对账和清算环节，还需要存在吗？

他当时觉得这个问题太远，没有继续往下想，但他不知道的是，一群技术人员已经花了很长时间，把一个沉寂了三十余年的互联网协议重新激活，而这个协议正在让“每度电实时交易”从科幻变成技术上的可能。

1997年，HTTP/1.1 规范（RFC 2068）正式定义了一个状态码：402 Payment Required，标注为“预留供将来使用”。设计者的初衷很简单，互联网不应该是完全免费的，应该有一种原生的数字支付方式。但在那个时候，互联网没有原生的数字货币，银行转账需要好几天，信用卡支付需要填表、验证、对账，没有一种支付手段能跟得上HTTP 请求的速度。402 状态码从诞生那天起就被搁置了，互联网的支付功能近三十年间一直依赖信用卡表单、订阅系统和API 密钥这些外部拼凑方案。这个状态码在技术文档里也沉睡了近三十年。

最早激活402状态码的协议叫L402，它是由Lightning Labs开发的，将HTTP 402与比特币闪电网络结合，用闪电网络发票实现即时、低成本的机器间微支付。L402为AI代理支付开辟了第一条技术路线，但它深度依赖比特币生态，这与x402走向了不同的方向。

2025年5月，Coinbase首次发布x402协议，将402状态码的支付能力扩展到稳定币生态。2026年4月2日，Linux基金会在纽约MCP开发者峰会上宣布成立x402基金会，将协议纳入中立开源治理框架。基金会创始成员涵盖Google、Microsoft、AWS、Visa、Mastercard、American Express、Circle、Solana基金会、Polygon Labs等超过20家行业领导者，覆盖了从云服务到支付网络到区块链生态的完整产业链。4月20日，x402协议正式上线Agentic.market，这是首个面向AI智能体的去中心化应用市场。5月5日，Solana基金会与Google Cloud联合发布面向AI代理的支付网关Pay.sh，进一步将402微支付落地为云计算基础设施。

x402的技术逻辑简洁而彻底：客户端（可以是AI智能体，也可以是任何应用程序）发送HTTP请求访问某个受保护的资源；服务端不返回“403禁止访问”，而是返回402状态码，附带支付要求，比如多少钱、哪种稳定币、哪个链上地址；客户端用加密签名授权支付，把支付凭证塞进请求头重新发送；服务端在链上验证支付后，返回所请求的资源。整个过程约几秒钟完成，无需账户注册、无需API密钥、无需人工干预。

这意味着支付不再是“外部环节”，支付变成了HTTP请求生命周期的一部分。

如果把x402放在经济逻辑中来看，它的意义远比“支付快了”要深远，它真正改变的，是整个经济的“结算层时钟频率”。

当前经济体系的基本节奏是“先使用、后结算”。你用电，电力公司月结；你用信用卡，银行月结；企业之间的交易，账期以周或月计。这不是因为企业不想更快结算，而是因为结算成本太高，每一笔支付都需要经过清算、对账、划拨，这些摩擦成本决定了结算不能太频繁。但402协议把单笔支付的成本压到了几分之一美分，批量结算可低至0.0001美元。当支付成本趋近于零时，整个经济运行的时钟频率就会发生根本变化。

首先是从“月结”到“秒结”，企业的现金流不再是趴在账上的“应收账款”，而是实时流入的现金流。其次是从“总量定价”到“边际定价”，电价不再按“峰谷平”三个档位来定，而是按每一度电的实时供需来定价。再次是从“信用中介”到“即时清算”，交易不再需要银行或电网公司作为中间信用担保，智能合约自动执行清算。最后是从“先使用后付费”到“先付费后使用”，服务提供方不再需要承担“客户跑路”的风险，因为每一笔交易都是即时结算的。

需要说明的是，“秒结”目前是支付层的能力，而非电力市场已实现的现实。中国电力市场当前的法定模式仍是“日清月结”，每日对交易进行清算，以自然月为周期汇总后完成电费结算。

从“月结”到“秒结”，不仅是支付技术的升级，更是市场规则、结算制度、监管框架的全面重构。就像一个操作系统从“批处理系统”变成了“实时系统”，表面上看起来还是那些应用程序，但底层的调度逻辑已经完全变了。在此背景下，Circle于2026年5月正式上线了纳米支付网络，让AI智能体和软件系统可以完成低至0.000001美元的免Gas微交易，专门为机器间高频低值交易场景提供实时结算支持。与此同时，Stripe联合Tempo发布了机器支付协议，Visa推出了面向机器人的命令行支付工具，多条技术路线在同时推进，标准之争远未尘埃落定。

把这个逻辑放在能源行业里，图景就变得非常具体了。

传统能源交易的最小单位受限于结算成本，电费按月结算、油气按批次结算、碳配额按年履约。但当你把支付成本压到接近于零时，这些限制就消失了。分布式光伏、户用储能、V2G电动车，这些分散在千家万户的“产销者”之间，可以建立高频、小额、自动化的交易关系。老马的调度台上，未来可能不再只是几十个大型电厂的出力曲线，而是几百万个分布式节点的实时竞价。小李的风电场，不再依赖电网公司的统购统销，他的AI智能体可以自主决定把电卖给谁，比如某个急需绿电的数据中心，某个正在充电高峰的电动车集群，某个电价正在飙升的负荷中心。

这就是402微支付对能源行业最直接的影响：把交易颗粒度从“批发”打碎到“零售”，从“按月结算”加速到“实时竞价”。

当AI智能体拥有了独立的钱包和支付能力，它们就不再只是“辅助决策的工具”，而是能源市场上的独立交易主体。

一个负责管理数据中心能耗的AI智能体，可以实时监测电价波动，在电价低谷时自动购买电力、在电价高峰时自动将储能电池中的电卖回电网。一个负责管理虚拟电厂的AI智能体，可以根据电网调度信号，自动向数千个分布式储能节点发起微支付，购买它们暂时下调用电量的“负瓦特”，整个过程不需要任何人来审批，AI自主决策、自主交易、自主结算。这些AI智能体既是“电力消费者”，也是“电力交易者”，更是“电网平衡服务提供者”。

老马在培训材料里看到一份关于“能源智能体”的分类：第一类帮售电公司做负荷预测和交易策略，第二类帮企业做用电监测和节能建议，第三类专门面向数据中心做算电协同调度。他盯着这三个词看了很久，这意味着未来的调度台上，可能不再只有人类调度员和发电机组，还有数百万个自主决策的AI智能体。

老马把白皮书翻完，在心里画了一幅未来的调度台。大屏幕上不再是几百台发电机的出力曲线，而是几百万个分布式节点的实时竞价。AI交易智能体自动捕捉电价波动，在电价低谷时买入、高峰时卖出；小李的风电场接入了实时交易市场，发出来的每一度绿电都可以精准溯源、精准定价；电网本身正在从“集中调度平台”演变为“分布式交易协调平台”，它的职责不再是“告诉每个节点怎么做”，而是“确保这个市场不崩盘”。

但老马也知道，这幅画面还远没有成为现实。

到2026年4月，x402协议在一年内处理了超过1.69亿笔支付，覆盖59万购买者，年化交易金额可观。但OKX Ventures在2026年4月发布的研究报告揭示了一个被市场叙事掩盖的真相：x402协议日交易量从2025年12月峰值的约73万笔暴跌92%至2026年3月的约5.7万笔。更为关键的是，在剔除刷量行为后，真实日交易金额仅约1.4万美元，与年化数亿美元的叙事相去甚远。

目前绝大多数AI智能体的“自主交易”实际上仍处于极其初级的阶段，它们能做的通常是“付费调用API”之类的预设操作，而非真正的自主经济决策。真正拥有自主经济决策能力、能在市场上独立完成复杂交易协商的AI智能体，在产业中几乎还不存在。而愿意接受稳定币按次付费的服务提供方也极少，绝大多数商业API仍然以传统的订阅制或月结方式运作。

除了商业验证不足，技术路线的标准之争也为402微支付的未来增添了不确定性。除x402外，Stripe与Tempo联合发布了Machine Payments Protocol，Visa同步推出了面向机器人的命令行支付工具，多条技术路线在同时推进，标准之争远未尘埃落定。对于能源行业这样一个高度监管、高度标准化的领域来说，技术标准的不确定性本身就是最大的风险。

更现实的约束来自制度层面。国家发改委、国家能源局2025年4月印发的《关于全面加快电力现货市场建设工作的通知》（发改办体改〔2025〕394号）明确要求，2025年底前基本实现电力现货市场全覆盖，全面开展连续结算运行。目前，省间现货市场和山西、广东、山东、甘肃等省份现货市场已转入正式运行，其余省份也已启动不同周期的结算试运行。但即便如此，从“连续结算”到“秒级结算”，仍有很长的制度之路要走，不仅是技术协议的升级，更是市场规则、结算制度、监管框架的全面重构。

“比如，当AI智能体自主完成了一笔电力交易，这笔交易的合法性由谁来认定？”老马在白皮书的空白处写下这个问题。“如果交易出现纠纷，比如AI智能体误判了价格走势，导致风电场遭受损失，责任应该归属于谁？是AI智能体的开发者，是部署AI的企业，还是批准使用AI的监管部门？”

这不是一个技术问题，而是一个制度问题。402微支付描绘的未来图景令人兴奋，但它真正落地到能源行业，需要的不仅是支付协议和算力基础设施，更是一场关于责任、信任和市场秩序的深刻变革。

老马把白皮书合上。窗外，城市已经入夜，灯火通明。在千里之外的风电场，小李刚和同事讨论完“绿电直供”的难题，他们还没有意识到，有一群技术人员正在建设一个他们未来可能每天都要打交道的支付层，一个能让AI智能体完成秒级支付的底层协议。而老马已经隐隐感觉到了什么，这个支付层一旦成熟，改变的将不只是支付的速度，而是整个电力系统乃至整个经济运行的结算层，从“先用电、后付钱”变成“先付钱、后用电”，结算周期从一个月缩到几秒钟。当AI智能体不仅在做调度决策，还能在几秒内自主完成交易和结算，他守了近三十年的调度台，恐怕会变成一个他认不出来的东西。

五

窗外，城市已经入夜，灯火通明。千里之外，小李刚结束和同事关于“绿电直供”的讨论，正走出风电场的值班室。西北的夜晚风很大，风机叶片在头顶缓慢转动，发出低沉而均匀的嗡鸣。他掏出手机，看到一条行业新闻推送：国家能源局发布《关于加快推进分布式新能源参与市场交易的通知》，要求推动分散式风电、分布式光伏通过聚合方式参与现货市场交易。

他盯着这条新闻看了很久。他想起几个月前老马跟他说过的那句话：“AI能预测风速，但预测不了极端天气什么时候来。”现在他忽然意识到，问题的关键不是预测本身，预测已经在变得越来越准；真正的问题是，预测之后怎么办。当他的风电场也能直接参与现货市场交易，他发出来的绿电就不再是“统购统销”的一篮子电力中的一个模糊分子，而是一个独立的、有价格的、可追溯的商品。这将彻底改变他的工作方式，改变他的风电场在电力市场中的位置，改变他每天早晨打开功率预测系统时所面对的那个问题的答案：“预测准了，为什么还要弃风？”

他不知道自己什么时候会接入这样一个市场。但他知道，变化正在加速。就在他所在的风电场附近，那个新建的数据中心已经开始试运行，第一批GPU集群正在上架。他的风电场的绿电，理论上应该能通过某种方式直供给它，而困扰他的储能成本问题，那个让“绿电直供”算不过账来的核心瓶颈，也许在实时市场里会有新的解法：如果每一度电都能实时定价，风电就不需要“等储能”来平滑出力了，波动本身就可以被市场定价，被市场上的其他参与者，比如数据中心、虚拟电厂、电动车充电网络，实时消化。

老马翻到那份技术白皮书的最后一页。附录里列着几个正在进行的试点项目：某省的电力现货市场已经实现了一个小时的出清间隔，正在向更短时间冲刺；某城市的虚拟电厂已经接入了数万个分布式节点，AI智能体在实验环境中完成了多笔自主电力交易；某头部支付协议已经在试验环境中跑通了“每一度电独立定价、独立结算”的完整交易链条，交易颗粒度细化到单度电、交易时间压缩到秒级。

老马看着这些试点项目的清单，在心里画了一幅未来的调度台。大屏幕上不再是几百台发电机的出力曲线，而是几百万个分布式节点的实时竞价。AI交易智能体自动捕捉电价波动，在电价低谷时买入、高峰时卖出；储能电站在电网频率波动的瞬间自动响应；电动车充电桩集群在电价信号引导下自动调整充电功率。电网本身从“集中调度平台”演变为“分布式交易协调平台”，它的职责不再是“告诉每个节点怎么做”，而是“确保这个市场不崩盘”。

但他也知道，这幅画面还远没有成为现实。支付层正在被重新发明，但市场制度、监管框架和信任体系的构建才刚刚起步。他想起自己上一次调度中心培训时，老师讲过的一句话：“电力系统不是一个纯技术系统，它是社会信任的载体。任何一项技术要进入电力系统，必须通过安全验证、制度适配和责任归属三道关卡。”他意识到，402微支付描绘的未来图景虽然令人兴奋，但它真正落地到能源行业，需要的不仅是支付协议和算力基础设施，更是一场关于责任、信任和市场秩序的深刻变革。当AI智能体自主完成了交易，出现纠纷时责任归谁，这个问题还没有答案。

他合上白皮书，靠在椅背上，在笔记本上写下了一行字：“不是AI替代了人，是整个能源系统换了一个操作系统。”但他也知道，这幅画面还远没有成为现实。支付层正在被重新发明，但市场制度、监管框架和信任体系的构建才刚刚起步。他想起自己上一次调度中心培训时，老师讲过的一句话：“电力系统不是一个纯技术系统，它是社会信任的载体。任何一项技术要进入电力系统，必须通过安全验证、制度适配和责任归属三道关卡。”他意识到，402微支付描绘的未来图景虽然令人兴奋，但它真正落地到能源行业，需要的不仅是支付协议和算力基础设施，更是一场关于责任、信任和市场秩序的深刻变革。当AI智能体自主完成了交易，出现纠纷时责任归谁，这个问题还没有答案。

他不知道自己还能在这个调度台上坐几年，但他知道，他正在经历的，不是一次简单的技术升级，不是“AI帮人管电网”，而是整个电力系统从底层逻辑上被重新定义。从“先使用、后结算”到“先付费、后使用”，从“总量定价”到“边际定价”，从“统购统销”到“点对点交易”，从“人管机器”到“机器自主交易”。这些转变不是在同一个系统里修修补补，而是一个操作系统被另一个操作系统替换。而老马和小李，正站在这个替换过程的最前沿。

窗外，城市的灯火一直延伸到地平线。千里之外，小李已经回到值班室，正在填写今天的最后一页值班日志。他写下了明天的计划：早上八点检查AI预测报告，九点安排无人机巡检，十点和数据中心运营团队开视频会，讨论绿电直供的可行性。他在日志末尾加了一行小字：“今天风大，弃了一些。什么时候能不弃？”

老马也正准备下班。他最后看了一眼屏幕上跳动的数据，心里想着那个即将到来的未来：每一度电都有独立的价格，每一笔交易都能在几秒钟内完成结算。这个未来可能要在好几年后才能完全实现，但它正在一点一点地渗透进他每天面对的那些曲线和数据里。

他关掉电脑，走出调度中心的大门。夜空中，几颗星星在城市的灯光之外微弱地闪烁。远处，输电铁塔排成一行，向着地平线延伸。他想起多年前师傅跟他说过的一句话：“干调度的人，守的不只是电网，更是一个社会的底线。”他当时没有完全理解这句话的分量，现在他明白了。当整个能源系统换了一个操作系统，那个在极端天气的夜里、在AI给出最优计算之后、在几秒钟必须做决定的时候，仍然需要有人签字。那个人，还是他。

AI时代，猎头的生存空间是被压缩还是被重塑？

三线城市的软件公司，在AI时代如何活下去？

当筛选信号全面失效：AI时代的评估真空与个人价值重估

老师傅的“火候”：AI时代最容易被低估的资产

当毕业论文变成真实问题

程序员：在AI定义一切的时代，“能调”比“能写”更值钱

不是白领和蓝领，而是数据可用性和任务标准化程度

同一个“AI”，不同场景下的底层技术完全不同

没有社保的一人公司，如何构建自己的安全网？

一人公司完全指南：AI时代的超级个体，都在怎么赚钱？

这个暑假，别去刷实习，去造一个属于你的“作品”

三个人，一个项目频道，没有一张工位