
進入2026年下半年,全球算力漲價潮持續發酵。
「讓全世界更多的人,像享受土豆一樣,享受Token。」
9月19日,央視《對話》走進遠景烏蘭察布星河基地,遠景科技集團創始人張雷用這個比方,提出了一個看似簡單的問題:AI怎樣才能更普惠?
這句「AI土豆論」很快在算力圈引發討論,背後是全行業共同的成本焦慮:AI算力的門檻,實在太高了。
就在節目播出三天後,小米發布MiMo-V2.6,並公開了全程直播的「煉丹」賬本,把這份昂貴具象化:MiMo-V2.6的Pro與Flash兩個版本,僅強化學習後訓練階段就跑了不到6天,合計燒掉了347萬美元,約合人民幣2344萬元。
這還只是後訓練環節。據測算,訓練萬億參數大模型GPT-4約需95天,總能耗高達38.2吉瓦時,相當於日均消耗4萬戶家庭的用電量。黃仁勳在2025年的電話會上曾分享,部署1GW的AI算力,含AI芯片在內的建設成本約500億美元,而其中電力成本已佔到數據中心運營成本的六成以上。
高昂的能源與基建成本,正成為AI從精英化走向普惠的核心門檻。
張雷提出的「AI土豆論」背後,是一套重構算力成本邏輯的思路:算力的本質是電力換智能,要讓Token便宜,不能只盯着芯片和算法迭代,還要從能源基礎設施端找答案。
今年8月正式投產的遠景烏蘭察布星河基地,正是這套思路的首次大規模落地。
園區總規劃容量超2GW,擁有全球最大的AI算力超級單體,全面建成後將成為全球Token 產出能力最強的AI數據中心。
遠景要做的,是把風光發電、電網、儲能、供電、散熱乃至計算負荷納入同一套調度系統,用一套「AI電力系統」從底層壓降Token成本。
這不是單點技術的突破,而是一場全鏈路的系統工程。從充沛的綠色電力到普惠Token,中間還有四道系統關。
一、第一關:破誤區——便宜綠電不等於算力競爭力
烏蘭察布坐擁全國頂級的風光資源,加上全年冷涼的氣候,天然適配大規模AI計算對低價電力、低冷卻成本的需求。但找到便宜的電,離交付便宜的算力還差得遠。
這裏還有一個行業普遍忽略的誤區:國家要求2025年底國家樞紐節點新建數據中心綠電佔比超80%,但達成這一指標的路徑不止一種,購買綠證是常見做法,但綠證並不等於綠電直連。遠景星河基地選擇自建風場、自建輸電線路、自建儲能,目標是實現80%甚至以上的綠電直連佔比。

算電協同的核心矛盾在於供需錯配。
風光發電隨天氣波動,計算任務卻有剛性交付期限;GPU集群功率可以短時間內快速起落,供電與散熱系統卻必須實時響應、穩定可靠。哪怕全年綠電總量充足,也必須解決每個時段的供需匹配問題。如果為了供電可靠性堆砌過多儲能、備用電源和冷卻設施,又會大幅推高投資與運營成本,喫掉低價綠電帶來的成本優勢。
遠景動力AIDC產品線聯席總經理楊堃此前提出,綠電是算力競爭力的必要條件,但遠非充分條件。從綠電到算力競爭力,中間隔着一整套需要被「打通」的系統。不解決全鏈條系統問題,資源優勢很難轉化為可用、經濟的算力。
對投資者和運營商而言,真正要算的是整個系統的長期成本賬:電能否按時接入、設備能否穩定運行、供電與冷卻能否匹配、昂貴的芯片能否滿負荷發揮性能。發電側的低成本,只有經過全鏈路的傳導,才能最終轉化為客戶拿到手的算力成本優勢。

▲遠景AI電力系統
因此,遠景把能源供給、電力架構、計算負荷和冷卻納入一體化設計。在統一架構下分期建設,讓供電能力與算力交付節奏相匹配,並為後續擴容和設備升級留出空間。
總的來說,Token成本有兩頭:一頭是投入,另一頭是有效產出。電價更低、轉換損耗更少、基礎設施配置更合理,可以降低投入;供電和散熱跟得上,減少基礎設施約束帶來的等待、限功率與中斷,則有助於釋放已有設備的計算能力。
因此,AI電力系統的價值,不只是省下多少電費,還在於能否在既定功率、空間和可靠性約束下,支撐更多有效計算。最終比較的,應是相同模型、任務與服務等級下的單位產出成本,而不只是一度電多少錢。
第二關:建預測——從天氣預報到可執行的調度計劃
氣象數據與能源電力業務的深度融合,正在催生一個規模可觀、增長迅速的產業新藍海。
中國氣象服務協會會長許小峯此前指出,新能源發電出力的隨機性、波動性和間歇性特徵,決定了氣象服務已從過去的輔助性保障,升級為新型電力系統安全穩定運行的剛性需求。
「風越大,任務越多。」在遠景星河基地控制中心,張雷向央視解釋能源與計算之間的雙向互動邏輯。

這意味着,對於具備調整空間的計算任務,能源供給本身也可以成為任務排程的依據。在客戶授權、交付期限和運行安全的邊界內,部分非緊急任務可以向綠電更充裕、電價更低的時段轉移,從而最大化綠電利用率,降低整體成本。
但要做到這一點,首先需要對未來的風光出力作出預測,並把預測的不確定性納入調度。
這正是氣象大模型的價值所在。
憑藉分鐘級、5公里分辨率的全球45天氣象預測,「遠景天機」氣象大模型可系統結合場站條件與設備特性,把風速、太陽輻射等氣象數據轉化為風電、光伏的出力預測,提前預判綠電充裕與短缺的時段,以此安排儲能充放電、電網補充量與計算任務調度。
近期,在國際排行榜WeatherBench 2評測中,「遠景天機」與谷歌WeatherNext 2同處第一梯隊,在風速等與新能源出力密切相關的指標上表現突出。

▲WeatherBench 2評測結果,藍色越深成績越好,「遠景天機」位列第一梯隊
預測的價值,不是消除天氣的不確定性,而是讓系統更早準備,並在變化發生時及時修正。而在此基礎上,「遠景天樞」能源大模型支撐的一體化調控系統,把發電、儲能、電網條件、計算負荷和散熱需求放在一起全局優化,隨着天氣預測和設備狀態的實時變化,持續修正運行計劃。
底層的EnOS智能物聯操作系統則打通所有設備的數據與控制鏈路,由各層級控制系統執行相應動作,核心的快速保護仍由專用硬件承擔。
這三層能力各司其職:預測層提前判斷趨勢,調控層制定最優策略,設備層保障可靠執行。
例如,當大模型預測未來某個時段風光出力會下降之後,系統就會提前考慮儲能預留多少電量、由電網獲取多少補充;如果客戶有可調整的計算任務,則可以進一步探索改變執行時段,而不是等供電緊張時臨時應對。
算電融合由此形成雙向關係:能源實時感知算力,算力實時理解能源。目標是在保障業務交付的前提下,更充分地利用綠電,減少不必要的資源配置與運行成本。
第三關:提效率——從供電到冷卻的全鏈路協同
電進入園區,系統優化還要繼續深入供配電、計算與冷卻。
高密度GPU集群需要在有限空間內獲得更大的供電功率,同時應對快速負荷變化和更集中的散熱需求。單純增加供電設備數量,會佔用更多空間,也可能增加轉換環節和系統複雜度。
這也是星河基地建設12萬平米「算力超級單體」的核心原因。
在遠景能源高級副總裁、儲能產品線總裁黃志勇看來,大不是目的,本質是把更多GPU集中到同一個物理空間裏——大模型訓練就像一千個人同時做一道拆成一千份的數學題,每個人算完自己的部分還要不斷交換結果,如果分散在不同樓裏,物理距離、通信成本和網絡時延都會大幅增加。
在此基礎上,遠景通過三層優化,實現了同等面積下算力輸出規模可達傳統數據中心的10倍:
一是算電冷統一規劃,為高密度GPU集群集中部署創造條件;
二是通過儲能、固態變壓器(SST)和新型供電架構,在保障可靠性的前提下讓供電及備用設施更緊湊,減少非算力空間,把更多面積留給計算設備;
三是綠電直供和新的供電架構拓寬電力「水管」、減少轉換損耗,讓更多電力高效送達GPU。

▲遠景烏蘭察布星河基地固態變壓器
其中,固態變壓器(SST)是當前支撐高密度AI計算的新型供電關鍵設備。相比傳統工頻變壓器,它將中壓交流電轉換為直流電,配合800V直流供電架構,減少中間轉換環節、降低損耗和設備佔地,讓有限的電力與空間支撐更多計算。
遠景算力中心工程總監弋萌向央視介紹,固態變壓器是實現電力和算力協同的「能量路由器」,這套方案可以把10千伏高壓電一步轉換成服務器能用的800伏直流電,砍掉傳統供電中的多層轉換設備。按設計,其供電效率可達98.5%以上,佔地面積可減少一半以上,用銅量最高可減少80%。
SST不是孤軍奮戰。在這套AI電力系統中,儲能的定位也早已超越了傳統認知。

▲遠景烏蘭察布星河基地儲能櫃
在黃志勇看來,此前行業對儲能的認知普遍侷限於電量調節、故障備用等最基礎的底層功能。在遠景的架構中,儲能是支撐全域系統穩定、經濟、高效運行的核心調控單元。
在星河基地,儲能要與供電架構和控制系統協同,精準緩衝GPU負荷的瞬時劇烈波動,平抑功率衝擊。儲能的價值不只看容量,更看系統站位、調控任務和全域協同能力。
此外,遠景強調的優勢,還包括新型直流配電系統的控制與保護設計:通過電力電子系統建模、控制穩定性分析和故障保護仿真,驗證SST、儲能及計算負荷如何協同。單台設備的高效率,只有與系統可靠性結合,才能形成持續運行的能力。
冷卻也可以從被動跟隨溫度,轉向提前準備,目標是讓電高效送達、波動得到緩衝、散熱及時跟上,在同一供電條件下支撐更多計算;供電系統小型化、低電流化為液冷騰出空間,供電效率每提升一點,散熱預算就寬鬆一點。兩套鏈路不再各自為戰,而是在同一套系統內聯合設計、聯合調度。
這也正是AI電力系統的核心邏輯:它不是幾台高效設備的簡單疊加,而是貫通「牆外」的能源輸送與「牆內」的高效供配、計算和冷卻,從規劃設計到運行調控進行系統優化。
通過端到端設計、前置電網合規仿真與驗證,縮短電力接入周期;通過預測、調度與控制協同,讓供電能力更好地匹配算力交付和持續運行的需求。
第四關:可複製——從場景驗證到規模化落地
星河基地的投產,是這套AI電力系統第一次在真實的AI負荷場景下接受檢驗——核心超級單體建築面積12萬平方米,園區總規劃容量超過2GW。這裏的面積約相當於17個標準足球場,相關設施全面建成後,最多可支持百萬枚AI加速芯片運行。

▲遠景烏蘭察布星河基地
但超大規模並非最核心的挑戰。星河基地真正的突破,在於用更高的系統要求證明:只有當大規模集群獲得匹配的供電、散熱與運行保障,風光資源才能真正轉化為實實在在的計算能力。
提供這套能力的價值,最終在於可複製。
黃志勇明確表示,遠景希望複製的不是一棟完全相同的建築,而是一套AI基礎設施交付能力。客戶可以帶自己的GPU、服務器、模型和算法進來,遠景把土地、綠電、基礎設施、供配電、製冷和AI電力系統準備好,就像一座「五星級酒店」,水、電、暖和基礎服務已經具備,客戶帶着自己的核心資產入住。
但與傳統的機房出租不同,這家「酒店」真正的核心不是房間,而是讓綠電穩定、經濟地變成算力的那套AI電力系統——客戶看重的,是這套系統能否讓昂貴的芯片持續滿負荷運轉。
《對話》節目中,來自騰訊的工程師介紹,選擇烏蘭察布,既看重當地冷涼氣候和風電資源,也看重星河基地承載大規模集群及持續擴展的能力。他表示,希望將騰訊的雲計算、AI能力,與遠景的新能源和AI電力系統能力結合起來。
事實上,遠景的參與不只停留在發電側,而是延伸至輸電、機房內部能量管理、直流供電與功率管理,最終深度匹配客戶的計算和模型需求。
這背後是遠景角色的悄然轉變:從提供電力設備的硬件廠商,進化為參與定義計算基礎設施如何建設、運行和擴展的整體解決方案提供商。
這套能力並非憑空而來,而是來自工程化的持續積累。

▲遠景赤峰綠氫零碳產業園
在內蒙古,遠景早在離網場景驗證過同一套能力:赤峰離網綠色氫氨園區去年率先完成了高波動新能源條件下的全鏈路調度驗證,打通新能源出力預測、電力調度與工業負荷調度,實現全鏈路高動態的實時調度。
到了烏蘭察布,遠景面對的是更高密度、更大規模的AI負荷,系統優化需要進一步深入供電、計算與冷卻之間。
兩類場景的經驗,還要靠持續運行和客戶反饋,才能沉澱為可複製的能力,並在不同項目中因地制宜地適配。AIDC這類項目考驗的是合作伙伴能否長期兌現交付與運營——而不只是設備性能。
土豆的普惠,背後有一整套成熟的農業生產與流通體系;Token的普惠,同樣不能只靠某一種芯片、某一個模型或某一項供電技術。
遠景星河提供的,是能源與基礎設施這一側的工程回答:讓高比例綠電可靠接入,讓供電與冷卻匹配計算,讓系統經驗能夠面向不同客戶持續複製。
它最終要接受的檢驗,不是園區有多大、設備參數有多亮眼,而是能否在滿足客戶業務要求的前提下,持續降低有效計算的成本。
讓AI像土豆一樣普惠,需要的不只是更便宜的電,更是一套能把能源優勢轉化為計算價值的系統。