2026年世界人工智能大会上，穿戴式智能终端、量产级具身机器人等应用集中亮相，AI正在从虚拟算法加速走向实体世界。但在机器人和大模型成为现场焦点的同时，一个此前并不彰显的话题正在升温——能源。

未来AI最大的瓶颈，也许不仅仅是算法。WAIC期间，两个能源相关论坛释放出明确信号：一个是"AI与先进核能共筑可持续智能未来"论坛，另一个是"人工智能与能源双向赋能"论坛。能源不再只是AI产业发展的配套条件，而正在成为决定人工智能规模化发展的关键基础设施。

事实上，过去几年，全球AI竞争围绕模型能力、芯片性能和算力规模展开。但随着大模型训练和应用进入产业化阶段，算力增长正在遭遇现实世界的能源约束。算力竞赛的下半场，竞争焦点正在从“谁拥有更强模型”，进一步延伸到“谁拥有支撑AI规模化运行的能源体系”。

算力狂奔，正在撞上能源天花板

在WAIC开启之前，两个行业事件已经提前释放信号。一方面，国家能源局局长王宏志在公开场合表示，人工智能生成短时长高清视频的耗电量相当于多部手机充电，未来需要统筹能源资源配置与算力设施建设。另一方面，美国投资研究机构Melius Research的数据显示，过去三年，燃气轮机价格累计上涨约300%，GE Vernova股价过去六个月上涨超过70%，卡特彼勒、西门子等同类企业股价也同步走高。

这一变化背后，是全球科技企业正在加速建设AI数据中心。亚马逊、谷歌、Meta等企业不断扩大AI基础设施投入，但部分地区开始面临新的现实问题：当地电网扩容速度难以匹配数据中心建设速度。为了获得更加稳定的电力供应，一些科技企业开始转向自建能源设施，燃气发电因此成为阶段性选择。

不过，多位业内人士指出，燃气轮机并不能成为AI时代能源需求的最终答案。随着算力规模继续扩大，未来需要更加多元、稳定、高效的能源体系共同支撑。这也意味着，AI产业的竞争边界，正在从数字世界延伸到实体基础设施。

澳洲会计师公会华东和华中区委员会会长金科提出了一个产业框架：如果把AI生成的Token视为标准化数字产品，算力是生产设备，电力就是核心原料。换句话说，芯片决定算力能力的上限，而电力决定算力规模化发展的空间。这意味着，未来AI产业竞争不仅是模型和芯片竞争，也是生产成本和基础设施效率竞争。

施耐德电气执行副总裁、中国及东亚区总裁尹正也提出类似判断：“算力的尽头是电力。在AI时代，能源成本、供电稳定性以及能源结构，都可能成为影响算力基础设施竞争力的重要因素。”

能效破局，算电协同的产业实践

算力增长带来的能源压力，仅依靠扩大能源供应并不能完全解决。如何提高能源利用效率，让有限电力支撑更多算力，成为产业探索的重要方向。

尹正接受环球网记者采访时表示，人工智能正加速融入产业，而算力需求的爆发式增长正在“遭遇”能源系统的深刻转型，二者需要建立融合发展的新范式。过去，能源更多是工业生产背后的成本因素。进入AI时代，能源正在走向产业前台，成为数字基础设施的重要组成部分。

不同于传统数据中心相对稳定的负载模式，智算中心需要全年持续运行，同时计算任务变化更加复杂，对电力供应稳定性和智能响应能力提出更高要求。据彭博新能源财经预计，到2035年，全球数据中心耗电将占全球电力使用的4%以上。如果把它当作一个“虚拟国家”，其用电量将排在全球第四，仅次于中国、美国和印度。

面对这一趋势，产业端正在探索“算电协同”。要提升单位算力能源效率，施耐德电气认为关键在于打造覆盖数据中心全生命周期的数智化体系，并提供了一套成熟的实践路径：在设计阶段，通过数字孪生技术模拟能源供给与算力负载变化，优化供配电架构；在运营阶段，通过智能配电、能源管理以及AI节能技术，实现电力供给与算力负载动态匹配；在运维阶段，利用AI工具分析运行数据，实现智能诊断和主动维护。这套体系正在应用于万卡集群等高密度算力场景，助力数据中心提升全生命周期效率。

与此同时，AI时代的数据中心能效评价体系也正在发生变化。过去，数据中心主要关注PUE（电源使用效率），重点衡量能源损耗水平。但随着AI算力需求快速增长，行业开始关注"一度电能够产生多少智能价值"。本届WAIC上，商汤科技提出TPW（单位电力产出Token数）概念，试图从AI应用产出的角度重新衡量能源效率。这意味着，能源效率正在从传统的数据中心运营指标，转变为AI产业竞争力的重要组成部分。

算电协同正在从概念走向实际应用。以上海临港为例，当地正在探索根据电网负荷变化、新能源出力情况动态调整计算任务，通过储能系统平滑电力波动，提高算力资源与能源资源之间的匹配效率。可以看到，未来AI基础设施竞争，不仅取决于算力规模，也取决于能源系统是否能够更加高效地支撑算力运行。

全球AI竞争进入“能源博弈”阶段

能源约束正在重塑全球AI产业竞争格局。金科介绍，面对同一个问题，中美欧三个主要经济体正在根据自身产业基础和资源禀赋，探索不同路径。

金科认为，美国拥有全球领先的AI芯片、云计算企业和资本优势，但能源基础设施正在成为新的制约因素。由于部分地区电网升级速度较慢，大规模数据中心建设面临供电压力。因此，美国科技企业正在从单纯的算力投资者，逐渐成为能源基础设施的参与者。

谷歌、微软、亚马逊等企业开始通过长期购电协议、投资新能源项目、布局储能设施等方式保障未来电力供应。在金科看来，这种模式能够帮助头部企业一定程度上解决自身能源需求，但能否推动整个能源基础设施体系升级，仍然取决于美国电网的整体改造速度。

相比美国，金科认为欧洲在AI芯片和超大规模云计算领域缺乏优势，同时面临较高能源成本。因此，欧洲并未单纯追求算力规模扩张，而是试图通过绿色能源标准、AI治理规则和数据监管体系提高市场准入门槛。

金科强调，欧洲的目标并非成为最大的算力中心，而是在绿色算力、能源标准和AI治理领域建立影响力。

与美国和欧洲不同，中国正在探索能源体系与算力体系协同发展的路径。金科分析称，中国的优势不仅在于新能源资源丰富，更在于完整的能源体系和产业体系：一方面，中国拥有全球规模领先的能源基础设施、特高压输电体系以及快速发展的新能源产业；另一方面，中国具备完整的算力基础设施制造能力，可以推动能源与算力形成更高效率的匹配。

依托“东数西算”工程，中国正在探索将东部算力需求与西部绿色能源资源结合。随着全国一体化算力监测调度体系推进，未来算力资源和能源资源之间的动态匹配能力有望进一步提升。

多元供给，稳定基荷是长期方向

随着新能源占比提升，能源系统的波动性挑战本就存在；而算力负荷的持续增长，进一步对供电稳定性提出了更高要求。构建多元协同的能源供给体系，正在成为行业共识。

在这一背景下，本届WAIC首次设立“AI与先进核能”垂直主题论坛，全球首个“AI for ADANES”技术路线正式发布。该路线首创"数据+物理模型+专家经验三重驱动"范式，试图破解AI“黑箱不可控”与核工业“安全零容错”的核心矛盾，为高安全等级能源领域的智能化探路。

西安工业大学交叉创新研究院先进超导材料研究中心博士师江涛对环球网记者表示，AI大模型训练与运行具有"高载荷、高连续性"的特点，对稳定基荷电力提出更高要求。相比风电、光伏等受自然条件影响较大的能源形式，核能具备稳定输出、高能量密度等特点，有望成为未来支撑大型智算中心的重要能源选择。

不过，核能大规模应用于AI基础设施仍需要解决技术、安全以及经济性等问题。从这一角度看，未来支撑AI发展的能源体系，不会是单一能源形式，而是由稳定基荷能源、新能源和储能共同组成的多元协同体系。

从WAIC释放出的信号来看，AI产业正在进入一个新的竞争阶段。过去几年，全球AI竞争的核心关键词是模型、芯片和算力规模；但随着人工智能进入产业化阶段，能源正在成为决定产业上限的重要变量。金科提出，未来数字经济竞争可以理解为一条完整产业链：Token是前台数字产品，算力是生产设备，而电力与能源体系，则是支撑整个产业运行的底层能力。

算力竞赛的上半场，拼的是芯片技术与模型能力；下半场，拼的是能源体系的承载力、运行效率与协同韧性。AI时代的下一场竞争，表面上发生在数字世界，本质上已经延伸到了支撑数字世界运行的能源底座。