编者按
智能化与绿色化，是当今世界经济格局重塑的两股深沉力量。它们究竟是互不相干的平行线，还是相互激荡的浪潮？丹尼尔.卡门给出了一个颇具启发性的答案：人工智能（885728）(AI)与能源（850101）不是“谁消耗谁”的关系，而是“双向赋能”的关系。从“石油国家”到“电力国家”，算力将逐绿而行；从“利润增长”到“包容性增长”，AI须向普惠而生。这是卡门给出的全球观。
不过，让技术向善、使能源（850101）正义，都不能只靠好的理念，更要靠政策、法规与市场化机制。对于中国而言，真正的“考题”不只是能源（850101）转型和技术发展本身，更是如何让绿色算力成为新的国家竞争力、让能源（850101）转型的收益更公平地惠及更多人。
深度对话
——访国家发展改革委国家信息中心信息化和产业发展部副处长、研究员张晓兰
■中国经济时报见习记者姚俊臣
AI是“能耗怪兽”，还是能源（850101）转型的“有效工具”？打开全球视角，美国国家科学院院士卡门教授的答案是：两者不是零和博弈，而是“双向赋能”。立足中国实践，“以能源（850101）支撑AI”与“以AI赋能能源（850101）”进展怎么样？瓶颈怎么破？算力东密、绿电西富的空间错配问题怎么解决？围绕上述问题，中国经济时报记者日前专访了国家发展改革委国家信息中心信息化和产业发展部副处长、研究员张晓兰。
“双向赋能”抓住了
AI与能源协同演化的本质
中国经济时报：卡门教授认为，AI与能源（850101）不是零和博弈的关系，而是“双向赋能”的关系。您如何看待这种观点？
张晓兰：我非常认同卡门教授的观点。这一论断跳出了单一能耗视角，打破了“算力等同于能耗负担”的片面认知，抓住了AI与能源（850101）协同演化的本质。
能源（850101）是AI产业发展的底层支撑。大规模数据中心、智算集群需要持续、稳定、高品质的电力供给，对电网承载能力、供电可靠性、用能成本提出更高要求，稳定、充足、低成本的电力供给是AI产业发展的基础。AI是能源（850101）转型最重要的技术工具之一。能源（850101）系统调度、新能源（850101）预测、电网故障预警、储能（885921）集群优化、电力市场竞价等问题，都可以依托AI提质增效，降低整个能源（850101）系统调度损耗，提升清洁能源（850101）消纳水平，破解风光间歇性、波动性难题。二者并非对立，而是可以相互推动的。
卡门教授提出从“石油国家”向“电力国家”转型，对我国具有重要的启示意义。
在传统工业化阶段，国家竞争力的核心是掌握石油、天然气（885430）等化石燃料资源；而在清洁能源（850101）时代，谁能提供更低成本、更大规模、更安全稳定的清洁电力，并构建适配算力产业的绿电供给体系，谁就有望在人工智能（885728）、先进材料等高耗能新兴赛道掌握主动。
同时也要看到，“双向赋能”需要制度、市场、规划共同搭建协同机制。如果缺少制度设计，算力扩张可能持续挤占绿电消纳空间，加剧区域供电压力；如果搭建好联动机制，那么算力产业的新增用电需求，反而可以成为拉动风光储投资、推动能源（850101）转型的新引擎。但这一框架也暗含价值约束，就是卡门教授强调的“包容性增长”，AI与能源（850101）协同的最终目标，不能只服务商业利润，还要服务气候治理、普惠发展，推动技术红利向更多的国家和地区覆盖。
“以能源（850101）支撑AI”跑得更快，
“以AI赋能能源”仍在探索
中国经济时报：从中国的实践看，“以能源（850101）支撑AI发展”与“以AI赋能能源（850101）系统”目前进展如何？各自的短板在哪里？应该如何协同推进？
张晓兰：从国内的实践看，“以能源（850101）支撑AI发展”的进展相对更快。依托“东数西算”工程，全国智算中心、超算集群加速布局，能耗指标、电网接入、配套变电站等硬件保障推进顺畅。各地在布局算力园区时优先保障算力项目供电，配套电源电网同步建设，支撑算力产业落地的硬件保障体系基本成形，一批国家级算力枢纽陆续投产，算力供给规模持续扩容。不过，这个发展逻辑的短板也比较突出：一是算力项目用能结构不均衡，不少算力项目火电（884146）占比偏高，绿电占比偏低。二是跨区域绿电交易、绿证全链条溯源仍存堵点，算力企业获取长期稳定绿电合约的成本偏高。三是部分算力项目的布局优先考量产业集聚、区位优势，没有与区域新能源（850101）开发规划绑定，缺少长期源荷匹配方案。
相比之下，“以AI赋能能源（850101）系统”更多还处在示范探索阶段。当前，AI在电力领域的应用主要集中于新能源（850101）功率预测、设备缺陷识别等单点场景，在全网协同调度、虚拟电厂（886004）集群调控、储能（885921）联合优化、电力市场一体化决策等复杂场景，大规模常态化应用较少。这主要来自行业自身的约束：一方面，能源（850101）属于关键基础设施，安全底线高、容错空间小，对模型的稳定性、可靠性、可解释性要求远高于互联网场景；另一方面，行业数据壁垒明显，发电、电网、储能（885921）、负荷主体之间的数据流通机制尚不健全。同时，通用大模型适配工业电力场景的改造成本高，行业标准、安全规范仍在完善中，很多成果还停留在实验室和示范阶段，难以实现跨区域复制推广。
推动二者协同共进，关键要搭建“算力—电力”一体化统筹机制。一是将算力规划纳入区域能源（850101）规划，在算力项目立项阶段同步开展能源（850101）承载力评估，把绿电配套、储能（885921）方案作为重要审查内容。二是搭建能源（850101）AI场景对接平台，将电力系统作为AI优先落地的垂直赛道，建立能源（850101）AI场景库，以能源（850101）转型真实需求牵引算法模型迭代。三是完善市场化激励机制，优化绿电价格、需求响应政策，让算力主体主动选择绿电，在守住安全底线前提下有序开放合规行业数据，降低AI能源（850101）应用落地门槛。
算力向东、绿电向西：
空间错位如何匹配
中国经济时报：在我国的算力版图中，东部占比较高，而绿电资源却主要集中在西部。在“双向赋能”框架下，这种空间错位的问题如何解决？“算随电调、电随算用”在空间上具体怎么落地？
张晓兰：算力集聚在东部、风光资源富集在西部，这种空间错位是“东数西算”工程要破解的核心问题。“算随电调、电随算用”不是简单地把算力搬到西部，而是要设计一套分层分类、市场联动、柔性调度的空间匹配方案。
算随电调，核心是按时延要求分配算力。离线训练、冷存储等低实时性任务优先布局西部风光基地，就地消纳绿电；政务、工业实时推理等低延迟算力留在东部，配套分布式光伏、用户储能（885921）就近调峰，兼顾服务质量。电随算用，就是把稳定可调的算力负荷作为新能源（850101）消纳锚点，在算力园区周边布局风光储，依托持续负荷平滑新能源（850101）出力波动。
“算随电调、电随算用”的空间落地，需要依托两大支撑体系。第一，依托特高压（885425）和跨区域电力市场，实现西部绿电外送、绿电价值跨区域流转。第二，搭建柔性算力调度体系，发展可迁移算力、弹性算力池，风光大发时向西部调度算力任务，风光出力不足时转移至稳定节点，实现源荷时空动态匹配。
