在2026年3月全国两会《政府工作报告》中，“算电协同”首次被纳入国家级新基建工程范畴，标志着这一于2023年提出的协同机制正式上升为国家战略。“算电协同”是指算力与电力之间的双向互动机制，其核心价值在于精准匹配二者需求，实现算力端与电力端的双向共赢。

算力和电力目标诉求趋同、协同基础良好

算力是指数据处理能力，其目标诉求首先是安全。算力可以降频减速，但绝不能中断运行，尤其是在执行实时响应类计算任务时。其次是经济，电费通常占数据中心运营成本的60%～70%，因此，降本增效的内在动力较强。最后是绿色，为满足CUE（碳利用效率）等考核指标，算力需尽可能使用绿色电力。

相应地，电力的首要目标诉求也是安全。在任何情况下电力都必须可靠供应，充足的灵活性调节资源是保障电力安全的基础。其次是经济，电力市场化改革的终极目标是社会福利最大化，简言之，就是为社会提供最低成本的电力供应。最后是绿色，按照新型电力系统建设要求，风、光等新能源发电占比将逐步提高，最终成为电力供应的主体。

可见，算力与电力的目标诉求基本相同，仅在具体涵义上略有差异。在安全层面，算力的调节能力可助力电力安全，而电力安全则从源头上保障算力安全；在经济层面，双方目标一致，算力需要低价电，电力致力于提供低价电；在绿色层面，算力需尽可能使用绿色电力，电力需尽可能消纳绿色电力，互补性极强。从某种意义上说，算力与电力是天生的合作伙伴，协同基础良好。“算电协同”机制的核心任务，是设计合理的运行机制，使协同收益最大化，创造“1+1远大于2”的增值空间，实现算力与电力的发展共赢。

从电力角度分析，算力本质上是可调节负荷

算力的基本特征主要有两个：一是计算强度可调节，对应的算力负荷调节范围最大可达40%，为其散热的制冷系统也具备20%～30%的调节空间；二是计算任务可转移，依托光纤通信网，任务可在节点间乃至跨省转移，从而实现算力负荷的相应迁移。需注意的是，算力转移的范围取决于通信网，可与电网覆盖范围不同，例如任务可转移至未与电网直连的数据中心，即算力负荷可进入孤网系统。

从电网运行角度看，算力本质上仅是一种可调节负荷，与其他可调节负荷相比并无特异性。当前之所以高度重视算力，是因为在AI时代它代表先进生产力，不仅用电负荷增速惊人，而且属于优质的可调节资源，是新型电力系统建设的重要抓手。

算力负荷的基本特征如下：首先，通过GPU调频实现的负荷调节响应时间为毫秒级，理论上可为电网提供虚拟转动惯量、一次调频等辅助服务；其次，通过计算任务转移实现的负荷调节响应时间为分钟级，例如2025年7月4日，上海电网在3分钟内将部分算力负荷转移至福建电网；再次，通过制冷系统实现的负荷调节响应时间跨度较大，空调风扇响应为秒级，调节冷冻水温为分钟级，启停冷水机组则为小时级。实际上，受通信系统自然延时及必要人工干预影响，目前算力负荷调节的实际响应时间通常为数分钟至十分钟，因此，其对电网运行的主要价值贡献更多体现在调峰方面。

当然，算力负荷的可调节性能也存在局限。一方面，部分训练与推理任务不可中断，限制了调节幅度，如自动驾驶等实时响应类计算任务对低延时要求较高，制约了GPU降频运行。另一方面，计算任务转移涉及基础模型的本地部署及交互数据的来回迁移，加之长距离转移带来的延时问题，这些因素共同决定了算力转移只能是部分性、时段性的。

现阶段“算电协同”的基础必然是电力现货市场，核心指挥棒是出清电价

客观评价，电力和算力之间并不存在孰轻孰重的问题，也没有谁围绕谁转的主从关系，电力是基础设施，算力代表先进生产力。但“算电协同”需要一个协同基础，以及一个能够同时指挥算力和电力的核心工具。笔者认为，至少在现阶段，这个协同基础必然是电力现货市场，这个核心工具必然是出清电价。

作出这一判断的逻辑如下：

第一，算力目前仍呈分散状态，全国统一的算力调度运行网尚未建成，算力之间的协同调度尚需人工辅助；而电力已初步建成全国统一电力市场，分散的算力可借助这一市场实现优化调度。

第二，算力的市场化程度较低。例如，目前国内几乎所有主流AI大模型均按词元（Token）数量收费，收费标准由各厂商自行设定，未能体现算力成本的差异性（如不同时段的电价差异）。相比之下，电力的市场化程度要高得多，电力现货市场每15分钟形成一个出清电价，且该价格由市场竞争决定，非人为设定。

算力对出清电价作出响应，以算力成本最小化为目标调整算力负荷，这一调整既有利于算力降本增效，也有利于电力的优化运行，从而在经济和物理两个层面同时实现“算电协同”。

“算电协同”落地路径关键问题分析

算力响应时间是影响“算电协同”效率的主要瓶颈之一

算力负荷的理论响应时间横跨毫秒级至小时级，理论上既能参与电能量市场，也能覆盖全部辅助服务市场，堪称电力市场中优质的新型经营主体。然而，目前其实际响应时间为数分钟至十分钟，仅能参与电能量市场和备用辅助服务市场，这不仅削弱了算力的预期收益，也浪费了响应时间尺度更小的稀缺调节资源，更从源头上制约了“算电协同”整体效益的充分发挥。

究其原因，一是算力市场化程度不高，算力负荷的外部转移需依赖人工协调；二是缺乏合理的经济激励机制，使得算力负荷内部调节的时延问题未得到足够重视。针对前者，需由政府相关部门加快推动全国统一算力调度运行网的建设；针对后者，在算力负荷参与电力市场后，市场机制将通过价格信号倒逼算力企业优化内部流程，从而加以解决。

储能在“算电协同”上具有不可替代的作用

算力的发展面临两大目标诉求：一是绿色化，优先使用绿色电力；二是经济性，追求用电成本最小化。当前，算力使用绿电是大势所趋，其中绿电直连更是国家政策鼓励的模式。然而，以风、光为代表的绿电具有随机性和波动性，其发电曲线难以自然匹配算力负荷曲线。虽然算力负荷可通过自身调节来适配风、光发电曲线，但这种调节能力有限，且在经济上未必划算，从而与成本最小化目标形成矛盾。引入储能后，这一矛盾有望得到缓解。从资源特性看，算力属于部分可调节负荷，储能则属于完全可调节负荷，二者结合可实现优势互补，释放更大的社会福利。当算力负荷调节能力不足时，可由储能进行弥补；当算力负荷调节能力充裕时，富余的调节能力还可与储能协同，为外部电网提供支撑。

需要强调的是，算力配备储能不应作强制要求，而应完全是经营主体自愿选择的行为。是否配置储能、配置多大容量，均应由算力企业自主决定。从当前国内省级电力现货市场的运营情况来看，在风、光新能源大发时段，节点电价较低甚至趋近于零；而在新能源发电不足时段，节点电价则明显上升，可供套利的差价空间呈现扩大趋势。因此，算力配储应当是一项有利可图的选择。只要算力企业是理性的，自然会根据自身利益最大化的原则，作出是否配储的决策。

对“算电协同”发展方向的展望与建议

截至2026年3月15日，中国AI大模型周调用量已连续两周超越美国，跃居全球首位，全球调用量前三名均被中国模型包揽。摩根大通预测，2025～2030年，中国AI推理Token消耗量或将增长370倍。这些数据充分彰显了中国算力的先进性与竞争力，未来我国算力发展空间依然广阔。

2025年，我国算力设施用电量约为3600亿千瓦时，占全社会用电量的3.47%。假设未来五年全社会用电量年均增长5%，算力用电量年均增长35%，到2030年，算力用电量占比将达12.19%，这仍属相对保守的测算。若按Token消耗量增长所对应的算力用电量增幅推算，该占比将远超全社会用电量。可见，在不远的将来，算力对电力的影响或将超乎预期，“算电协同”这一国家战略的前瞻性与重要性正在日益凸显。

为了进一步促进“算电协同”国家战略落地，笔者提出以下政策建议：

加速推进电力现货市场负荷侧改革

目前，电力现货市场在负荷侧的改革进展相对滞后。负荷侧目前只能报量、不能报价，其电价通常采用统一的发电节点加权平均电价。对于算力而言，市场出清电价存在滞后性，算力负荷无法在事前获知出清电价，也难以对其进行及时响应。同时，统一的加权平均电价掩盖了电价的地理差异，不同节点的负荷电价趋同，既限制了算力负荷跨节点转移的灵活性，也使节点电价失去了引导算力建设选址的投资激励功能。建议加快电力市场改革，将电力现货市场的出清电价及时、有效地传导至算力负荷，使算力负荷能够事前获取完整的节点电价时间与空间信息。在此基础上，算力负荷方可及时响应电价，真正实现“算力随电力而动”，为“算电协同”奠定扎实的落地基础。

尽快提高算力市场化程度

目前，算力的市场化程度较低，算力定价由企业各自为政，未能真实反映算力负荷的实际成本。例如，算力负荷在高峰时段承担较高电费，在低谷时段电费较低，但调用AI大模型的付费完全按Token消耗量计算，与算力负荷的电费成本无关，这意味着电费成本未能有效传导至算力消费者。其后果是，算力消费者对使用时段不敏感，直接影响算力对电力的响应能力，削弱了“算电协同”的实施效果。

事实上，算力企业可借鉴市场化程度更高的电力零售公司做法，为不同算力消费者设计可供选择的算力消费套餐，使收费标准同时考虑Token消耗量与电费成本：相同Token消耗量，若发生在高电价时段则适当加价，反之则适当减价。这种做法既符合市场的公平原则，也有助于引导价格敏感型消费者主动将算力任务调整至低电价时段，从而提升算力企业的电力响应能力与经济效益，进一步夯实“算电协同”的实施基础。