谁能让每一瓦电产生更多Token，谁就更有可能掌握下一阶段AI基础设施竞争中的主动权。
作者｜麦子
编辑｜栗子
“AI的尽头是电力”，正在从一句调侃，变成越来越现实的产业判断。因为AI的算力扩张和产业发展正受到电力供应的刚性约束，电力正在从AI基础设施的配套条件，走到决定算力能不能落地的核心位置。
这种约束在AIDC上表现得尤其明显。数据中心正在从百兆瓦走向GW级，单机柜功率也从十几千瓦提升到百千瓦甚至更高。规模上来以后，供电系统承受的压力迅速增加。训练启动、任务切换会带来快速功率波动，风电、光伏占比提升之后，电源侧本身也存在波动。于是，电力获取、电能质量、高密供电、散热和快速交付，开始同时成为AIDC建设的新瓶颈。
华为较早看到了这一变化，并开始从整个系统层面重新设计AIDC。华为提出的“源网荷储AIDC”，希望把原本分散的能源、电网、储能、供电、液冷和算力调度重新组织起来，让这些环节能够围绕高密算力协同运行。同时，通过模块化、预制化和产品化交付，缩短AIDC从建设到上线的周期。
面对AI时代的电力和算力困境，华为为什么提出“源网荷储”是必然？而华为又为什么有能力把这套系统真正做起来？
1.AI越跑越快，
算力开始受到电力供应的约束
随着AI算力持续扩张，电力变成决定算力扩张速度的硬约束。这件事正在发生得比很多人预想得更快。
Gartner预测，2026年全球数据中心电力消耗将达到565太瓦时，同比增长26%。国际能源署（IEA）预计，在乐观情景下，2026年算力相关用电有望突破1000太瓦时。其基准情景显示，全球数据中心用电量将从2025年485太瓦时增长至2030年的945太瓦时，占全球用电接近3%。
可以看到，这些新增负荷正在以一种过去很少见的方式集中出现。
过去，一个传统数据中心的功率通常在10—25MW左右，而超大规模的、专注于人工智能的数据中心容量可达100兆瓦甚至更高，其年耗电量相当于10万户家庭的用电量。数据中心在空间上往往高度集中，这对当地电网构成了严峻的挑战。
现在难题恰恰出现在这里。电力与芯片有着很大不同，芯片可以从全球采购，但电力却只能依赖当地的电源、电网和变电能力。
因此，各国政府为了应对能耗压力，西班牙、德国、新加坡、爱尔兰等国家陆续出台AIDC用电要求，以降低碳排放和电网依赖。中国也在鼓励具备灵活调节能力的算力设施开展绿电直连。2024年7月，国家发展改革委等四部门曾印发《数据中心绿色低碳发展专项行动计划》，要求国家枢纽节点，如京津冀、长三角、粤港澳大湾区、成渝及贵州、内蒙古等“东数西算”枢纽，新建数据中心绿电占比超80%。
可问题在于，绿电和算力负荷并不会天然同步。
风电、光伏的出力受天气影响，而GPU什么时候满载，则取决于训练和推理任务。更复杂的是，AI负载本身还具有高频、快速跳变的特征，功率可能在短时间内剧烈波动，进一步增加电网运行压力，严重时甚至可能带来脱网、宽频振荡等稳定性问题。
因此，当AIDC开始大规模接入绿电，真正需要解决问题的是，整套系统能不能保持动态平衡。
也正是在这个背景下，华为提出“源网荷储AIDC”。它背后的判断很明确，随着AI算力密度和新能源占比不断提升，AI数据中心正在从传统机房，变成一个大型、动态的能源系统。
传统数据中心的设计逻辑相对清楚，电网负责供电，UPS、柴油机和蓄电池负责兜底。进入AIDC以后，这套关系变复杂了。上游要处理新能源和电网波动，中间需要储能调节，往下还要面对百千瓦级机柜、液冷和高频变化的GPU负载。任何一个环节掉链子，最终影响的都是Token产出。
因此，华为把能源来源、电网、储能、散热、算力调度，这些过去分散的几件事重新放到一起统筹考虑。
这套思路背后的判断其实很直接。当算力进入GW时代，AIDC的竞争已经开始从“谁有更多芯片”，往“谁能把能源系统组织得更好”延伸。
华为就是想证明，凭借自己在电力、芯片、储能、热管理和AI上的积累，可以把这套越来越复杂的系统真正连起来。
2.从单点设备到系统重构，
华为怎么做“源网荷储AIDC”
当算力负载成为核心变量，AIDC又该如何从传统的单一供电，进一步走向源、网、储与算力之间的系统协同？
在华为AIDC基础设施峰会上，华为数字能源首次公布了源网荷储AIDC解决方案，围绕“3+1”创新重构，打造高可靠、高能效、快交付、电网友好的源网荷储AIDC。这么做的背后的目标很直接，就是让“每一瓦特产出更多Token”。
最先要解决的是，电怎么进来的问题。
过去数据中心的供电路径相对固定，电网进来以后经过变压、配电、UPS，再送到服务器。可是，AI机柜功率越来越高，这条链路里的每一次转换、每一段线缆都会放大损耗和空间压力。更麻烦的是，上游能源来源也在变，既有传统电网，也可能接入绿电、储能。而下游服务器又在快速迭代，不同代际算力对供电制式的要求并不一样。
于是，在Watt领域，华为提出MIMO供电架构，把过去相对固定的供电链路做得更灵活。上游可以接入多种能源，下游适配不同代际算力，中间再通过多级储能进行调节。
在供电侧，华为推出了泰山UPS、恒山直流UPS和电力模块5.0。泰山UPS单柜达到1280kVA、双变换效率最高98%；恒山直流UPS一套硬件支持270V、400V、800V多种直流制式，希望适配不同代际算力架构。UPS5000E、UPS5000H还完成了电网宽频阻抗现场实测，华为希望把UPS从“可靠供电”进一步推向“可靠供电+电网友好”。
紧接着，华为直面了当下极为棘手的储能问题。
AIDC时代，储能已经成为了算力中心的核心基建。GPU负荷会跳，训练启动、任务切换、推理请求变化，都可能让功率在很短时间里快速升降。如果这些变化全部直接传给电网，规模越大的AIDC，对外部电力系统的冲击就越明显。
于是，华为提出“从芯到网”的多层混合储能，希望用不同层级处理不同时间尺度的波动。靠近负载的一侧先消化更快的变化，园区级储能则承担更大功率、更长时间的调节。
华为发布的SmartLi 5.0更靠近负载端，强化储能密度、负载平滑和安全；而LUNA2000构网型储能则从园区层面承担弱电网支撑、AI负载平滑和多能源协同。两者对应的正是华为提出的多层储能思路。
这一步很关键。未来AIDC之间的差距，很可能会越来越体现在储能这里。因为，储能已经变成电网和GPU之间的一层缓冲，直接影响供电稳定性、绿电消纳和用能成本。
当电稳住了，散热问题也绝对不能忽视。高密算力有一个非常直接的物理结果，就是送进服务器的大量电力最后都会变成热。机柜从十几千瓦走向百千瓦以后，液冷不能只作为一套独立的制冷设备存在。
华为这次把传统CDU进一步做成TMU。它除了负责输送冷量，还加入微小漏液检测、工质健康预测和预测性维护，并且和昇腾服务器做了联动。算力负载变化，功率跟着变，热量也跟着变，冷却系统随之响应。
这其实不难看出，华为设计这套架构始终离不开一个核心：基础设施始终围绕算力负载运行。
可是“算电协同”究竟需要怎么做呢？过去数据中心基本按照业务需求用电，算力在哪里，就想办法把电送过去。如今，华为提出“以算就电”，希望让部分算力向能源富集地区布局，同时通过源荷互动，让AIDC具备更多主动调节能力。
这里的变化很微妙。这意味着，以后AIDC选址可能要看当地的能源条件，电网容量、绿电、能源成本等因素都可能影响算力的布局。与此同时，对于部分实时性要求不高的训练任务，什么时候跑、在哪里跑，也开始有机会和电价、绿电供应、电网状态结合起来考虑。如此一来，能源供给、电网、储能和算力彼此开始影响，“源网荷储”才真正连起来了。
最后还有一个很现实的问题就是，AIDC不仅能建得出来，还得建得快。
AI芯片更新太快了，GPU已经买回来，如果机房还要等几个月才能投运，意味着昂贵的算力资产只能闲着。所以华为把模块化、预制化和产品化也放进AIDC的整体设计里，尽量把设计、组装、测试和验证提前搬到工厂。
譬如商汤的项目采用了工厂预制与室外部署的创新模式，仅用45天便完成18MW供配电系统的全流程交付，同时实现楼内IT机房空间的全面释放，打造国内AIDC供配电系统快速交付标杆。
把这些动作放在一起看，华为数字能源正在把新能源发电、构网并网、高密算力供电、液冷散热和算电协同逐步连成一套完整体系。
支撑这套体系的，是华为数字能源长期积累下来的几类能力。Bit、Watt、Heat和Battery，分别对应数字技术、电力电子、热管理和储能管理。过去这些能力分布在不同业务里，到了AIDC时代，随着算力和能源开始深度耦合，它们被重新组合到了一套系统里。
一环套着一环，华为数字能源力争让每一瓦特产出更多Token，创造更大的价值。
3.全球AI公司开始抢电，
华为为什么更有机会？
如果把视角放到全球，你会发现科技公司越来越担心“缺电”。
可以看到，Google开始提前锁定核电，在芬兰签下22年购电协议，还在美国又与Kairos Power合作小型模块化反应堆；微软通过20年购电协议支持835MW核电机组重启；Meta计划到2035年支持最高约6.6GW核电容量；亚马逊则投资X-energy，目标在美国落地超过5GW新一代小型核反应堆。
面对缺电的现实问题，AI公司等不起，英伟达更是其中的代表公司之一。
2026年9月，英伟达联合Firmus、IREN、NEXTDC、AirTrunk等公司，计划到2027年在澳大利亚推动最高2GW AI基础设施建设。这意味着英伟达已经不满足于卖GPU，而是在试图成为AI基础设施的规则制定者，把算力架构、电力、液冷、储能和数据中心企业组织统统纳入到自己的生态。
可以看到，全球竞争正在从“谁有更多GPU”，走向“谁能够把更多电稳定、快速地变成算力”。
放到中国，这个问题又有另一层特殊性。中国其实不缺任何一个单项能力。光伏、储能、电力电子产业全球领先，UPS、液冷、服务器也拥有完整供应链。真正稀缺的，是如何把原本分散在不同产业、不同企业里的能源、电网、储能和算力能力放进同一个系统。
而这正是华为最具优势的地方，因为它同时站在“电”和“算”两端。
一边是数字能源。华为在能源领域已经积累十多年。根据华为《2025年年度报告》，2025年，华为数字能源业务收入达到773亿元，同比增长12.7%。过去十多年里，华为围绕数字技术、电力电子、热管理和储能管理持续投入，并逐步形成了其所称的Bit、Watt、Heat、Battery“4T”技术体系
所以，当GW级算力中心第一次要求它们在同一个系统里同时工作的时候，这一点的价值在AIDC时代才真正显现出来。
另一边，则是算力优势。华为已经形成从昇腾芯片、Atlas服务器、SuperPoD超节点，到网络和华为云的一整套算力基础设施。到2025年底，华为云通过全球34个地理区域、101个可用区，为170多个国家和地区的客户提供优质的云服务。
AI的快速发展，第一次让华为过去分别积累在数字能源和ICT两条业务线上的能力，在同一个场景里真正汇合。这种横跨能源与算力的能力组合，也逐渐成为华为做AIDC时最独特的资源禀赋之一。
放到全球来看，这一点会更加明显。英伟达正在从GPU进一步走向AI Factory，但在电力、液冷和储能等环节，仍然需要ABB、Eaton、施耐德、Vertiv等合作伙伴共同参与。而Google、微软、Meta为了获得稳定的长期电力，也在不断向核电、发电和电网环节延伸，只是这些能源基础设施的建设周期，往往远慢于AI算力扩张的速度。
而华为既能从能源系统理解算力需求，也能从算力负载反过来理解电力系统需要如何响应。再叠加多年数据中心建设和工程交付经验，让能源、基础设施和计算之间具备了进一步协同的基础。
从这个角度看，华为布局源网荷储AIDC，背后押注了AI基础设施竞争规则的变化趋势，更是掌握了抢夺未来AI产业话语权的关键。
过去大家更多争芯片、争GPU、争算力规模。现在，电力正在成为新的约束条件。再往后，真正拉开差距的，很可能是拿到电之后，谁能够把每一瓦电用得更稳定、更高效，最终转化出更多有效算力。
这背后考验的是整套系统的效率。因为，供电、储能、散热、网络和算力运行任何一环出现损耗，最后都会体现在Token产出上。
（封面图来源：华为数字能源）
END.
