商湯在第二十屆中國IDC產業年度大典上分享的算電協同實踐，說白了就是給智算中心這個“AI算力工廠”解決了用電的大難題——現在跑大模型的智算中心就是個巨型“電老虎”，不僅耗電多、電費貴，還經常因為電力供應不穩導致算力任務中斷。商湯靠一套“能源大模型+智慧儲能系統”的組合拳，讓算力和電力精準配合，實現了“算隨電用、電隨算動”，既降了成本，又保了穩定，還貼合了“雙碳”目標，下面就用最接地氣的話把這事拆明白。
一、為啥智算中心非得搞“算電協同”？—— 電力已經成了AI發展的“卡脖子”難題
現在AI大模型越做越大，訓練一個千億引數的模型，需要成千上萬的伺服器連軸轉，這些伺服器堆在一起的智算中心，就是個實打實的“電老虎”。但行業裡一直有兩個繞不開的用電痛點，不解決的話，AI算力想發展根本無從談起。
1. 資料“各玩各的”，電力浪費嚴重
智算中心裡有三類關鍵資料：一是AI訓練任務的資料，比如今天要跑影片生成模型、明天要做資料分析；二是伺服器叢集的負載資料，比如現在有多少伺服器在幹活、負載有多高；三是電力排程的資料，比如電網甚麼時候電價便宜、甚麼時候綠電（風電、光伏）多、電網能提供多少電力。
但現在這三類資料就像三個互不搭理的“部門”，電力系統不知道智算中心接下來要幹啥、需要多少電，智算中心也不知道電網的電力情況，只能“瞎用電”。比如電網深夜電價低、綠電充足時，智算中心的算力任務可能正處於低谷，白白浪費了便宜電；而白天電網用電高峰、電價高時，智算中心又剛好要跑大模型，需要大量電力，不僅電費飆升，還可能因為電網供電不足導致任務中斷。這種資料孤島，讓智算中心的電力使用效率大打折扣，錢花了不少，還沒辦好事。
2. 電力波動太坑，算力穩定沒保障
大模型訓練和推理時，算力負載就像坐過山車，可能上一秒還很平穩，下一秒因為要處理海量資料，負載突然飆升，瞬間需要巨量電力。電網的供電能力是相對固定的，根本跟不上這種“尖峰需求”，很容易導致伺服器電壓不穩甚至宕機，辛苦跑了幾天的大模型訓練任務可能直接歸零，損失難以估量。
反過來，當算力任務進入低谷，伺服器負載驟降，智算中心的電力需求也跟著減少，這時候電網的電力又沒處用，造成資源閒置。而且現在國家在推“雙碳”目標，智算中心作為高耗能場所，要是不能降低能耗、減少碳排放，後續發展也會受政策限制。
3. 全球都在搶賽道，這是國家層面的戰略佈局
不只是國內有這問題，全球科技強國都在盯著“算力-能源”一體化的佈局。比如美國的大資料企業Palantir推出了“Chain Reaction”平臺，把它定位成“美國人工智慧基礎設施的作業系統”，核心就是把算力排程、電力預測和晶片管理揉到一起，打造國家級的AI基礎設施。商湯搞算電協同，不只是為了解決自己智算中心的運營問題，更是在國家戰略層面，補齊我國AI基礎設施的能源短板，避免在全球AI競爭中落後。
二、商湯怎麼破解難題？—— 兩大核心抓手，讓算力和電力“心有靈犀”
商湯沒有簡單地給智算中心裝個電錶或者買個充電寶，而是從底層邏輯入手，打造了“能源大模型+智慧儲能系統”的閉環，讓算力和電力能雙向適配，真正實現“算隨電用、電隨算動”。
1. 能源大模型：智算中心的“電力預言家+總排程”
商湯自研的能源大模型，就像給智算中心裝了個超級聰明的大腦，既能精準預測未來的電力需求，又能實時指揮電力怎麼用，核心靠三個獨門絕技。
（1）把所有資料串起來，實現“任務-算力-功耗”精準對應
以前智算中心的任務、算力、功耗資料是割裂的，現在商湯透過獨創的“能量塊”資料模型和“算電功耗模型”，把這些資料全打通了。比如跑一個千億引數的多模態大模型，能源大模型能精準算出需要啟動多少臺伺服器、每臺伺服器每小時耗多少電、整個算力叢集的總功耗是多少，甚至能對應到配電系統的每一條線路。
簡單說，只要輸入一個算力任務，能源大模型就能立刻算出“要花多少電”，就像你點能精準算出配送時間和費用一樣，再也不用“盲猜”電力需求了。
（2）“能量塊”加持，複雜場景也能精準預測
為了讓預測更準，商湯把能源本身的資料（比如風電、光伏的發電效率）、使用者的用能習慣（比如智算中心甚麼時候跑大任務）、能源平衡規則（比如電網的供電限制），和算力伺服器的資訊綁在一起，做成一個個“能量塊”，作為分析的基礎單元。
就像玩積木時，用不同的積木塊能拼出不同造型，這些“能量塊”能根據實際情況組合分析，再結合多輪訓練最佳化的演算法，哪怕遇到極端天氣（比如陰天光伏發電少）、算力任務臨時調整等複雜場景，能源大模型也能精準預測未來的能源需求。目前這個模型的能源需求預測準確率已經超過88%，決策準確率超93%，未來還能達到90%-95%的行業頂尖水平。
（3）高頻次動態排程，讓電力使用“利益最大化”
能源大模型不是一天只預測一次，而是每15分鐘更新一次電力需求預測，每5分鐘調整一次排程策略，相當於每分鐘都在“精打細算”怎麼用電。
它會綜合考慮各種因素：比如電網的實時電價（低谷電便宜就多用電）、綠電比例（綠電多就優先用，貼合雙碳）、儲能系統的電量（儲能滿了就少充，儲能空了就補）、電網的供電要求（電網高峰就少用點），然後自動生成最優的排程策略。比如電網深夜電價低、綠電足，就安排跑算力密集型任務；白天電網高峰，就把非緊急任務暫停，用儲能系統的電支撐基礎算力，真正讓智算中心從“只能被動用電的剛性負荷”，變成“能靈活調節的電力資源”。
2. 聯合寧德時代做智慧儲能：智算中心的“超級充電寶”
光有預測和排程還不夠，得有實際的電力儲備來應對算力負載的突然波動，商湯找了寧德時代合作，打造了一個規模達的儲能系統，相當於給智算中心裝了個超大號的“充電寶”，而且還是帶智慧大腦的。
（1）毫秒級響應，解決電力“瞬時缺口”
這個儲能系統最厲害的地方是響應速度快，能在毫秒級內釋放電力。比如智算中心的萬卡級伺服器叢集突然啟動，算力負載瞬間飆升，電網供電跟不上時，儲能系統能立刻補上電，就像汽車爬坡時渦輪增壓突然發力，保證伺服器不會因為電力不足宕機，大模型訓練任務也能順利進行。
（2）分季節調模式，安全和效率兩手抓
這個儲能系統不是一成不變地充放電，而是會根據季節調整策略。在冬春秋季，智算中心的PUE（能耗效率指標，數值越低越節能）比較低，能耗壓力小，就用傳統的兩充兩放模式，簡單又高效；到了夏季，氣溫高導致PUE升高、電力冗餘少，就切換成能源大模型驅動的智慧排程模式，精準控制充放電節奏，確保系統在安全紅線內執行，不會因為過熱出問題。
（3）還能參與電力交易，賺額外收益
這個儲能系統不只是個“備胎”，還能幫智算中心賺錢。它可以參與電網的削峰填谷：電網用電高峰時，把儲存的電賣給電網，賺差價；電網低谷時，再低價買電存起來，降低用電成本。同時還能參與電力市場交易，根據市場價格調整充放電策略，讓智算中心從“用電方”變成“電力市場參與者”，多了一筆額外收入。
三、實際效果咋樣？—— 上海臨港AIDC成“樣板間”，省錢又環保
商湯把這套算電協同方案落地在了上海臨港的智算中心，這也是全國首個5A級智算中心，實際運營效果特別亮眼，成了行業裡的綠色智算中心“樣板間”。
1. 能耗大幅降低：整體PUE降到了，比最初的設計值還低3%。PUE這個數越低，說明智算中心的能源利用效率越高，的水平在行業裡已經屬於頂尖了，全年還節電超過1000萬度，相當於少燒了幾千噸煤。
2. 電費成本大減：年化電費成本節約了7%，對於動輒一年上億電費的智算中心來說，這可是一筆不小的開支，直接降低了AI算力的運營成本。
3. 碳排放顯著減少：一年下來碳減排3000噸，實實在在地響應了國家的“雙碳”目標，讓AI發展不再以高汙染為代價。
4. 獲得行業認可：這個智算中心還拿到了“2025年度中國IDC產業算電協同先鋒獎”，證明商湯的這套方案已經得到了行業的認可，具備複製推廣的價值。
四、這佈局對整個AI產業有啥意義？
商湯的算電協同實踐，不只是解決了自己智算中心的用電問題，更給整個AI產業帶來了深遠的影響。
首先，降低了全行業的算力運營成本。智算中心是AI產業的基礎設施，電費是其最大的運營成本之一。商湯的方案能讓智算中心的電力使用效率大幅提升，電費成本下降，整個AI產業的算力成本都會跟著降低，中小企業也能更輕鬆地用上高階AI算力。
其次，推動了AI產業的綠色發展。透過綠電利用、儲能最佳化和能耗降低，讓AI技術的發展和環境保護實現了雙贏，避免AI成為新的高汙染產業，符合未來產業發展的趨勢。
最後，鞏固了我國AI基礎設施的優勢。在全球都在佈局“算力-能源”一體化的背景下，商湯提前掌握了核心技術，打造了可複製的算電協同正規化，讓我國的AI基礎設施更自主、更高效，在全球AI競爭中佔據了有利位置。
未來，隨著能源大模型和儲能系統的不斷最佳化，商湯的這套方案還會在更多智算中心落地，讓AI算力真正實現“高效、穩定、綠色”的發展，為整個AI產業的進步提供堅實的支撐。