中国储能网讯：当你对着手机喊出 “帮我查查明天天气”—— 这个看似简单的指令，背后也需要庞大计算能力的支撑。数据显示，一次普通搜索耗电 0.3 瓦时，而调用 ChatGPT 一次的耗电量竟达 2.9 瓦时。若将全球每年 90 亿次谷歌搜索全部替换为 ChatGPT，能耗将突破 10 太瓦时。即便 DeepSeek V3 模型采用 FP8 混合精度技术优化，通过降低计算精度、减少内存带宽需求来降低功耗，其训练耗电量仍相当于 3000 户家庭的年用电量。

AI 对电力的需求也不仅仅只有“电量” 维度。电力波动会带来高额成本损耗，AI 依赖稳定电源，而另一方面，AI 训练与推理长期处于高负载率，用电波动性远低于传统数据中心，对电源连续性要求更为苛刻。报告显示，到 2028 年全球 AI 电力需求将达 14-18.7GW，年复合增长率高达 25%-33%。当算力需求呈指数级增长，如何在满足供电稳定的同时实现低碳化？尤其在新能源占比持续提升的当下，如何将绿电纳入算力体系，构建新型电力系统的可持续发展模式？

国家能源局 6 月 4 日发布的《新型电力系统建设第一批试点工作通知》中提出，在青海、新疆、黑龙江等新能源资源富集区，数据中心可直接对接当地光伏、风电设施，实现绿色电力的就地消纳。通过算力负荷与新能源功率的联合预测、柔性控制和智能化调度，能够有效应对电力需求的峰值，避免电网过载。

全球科技巨头为了训练和运行当今应用背后的大型生成性AI模型，走在了能源转型的前沿，成为可再生能源的“头号推手”。谷歌至2024年已成为美国最大的储能投资企业，微软在爱尔兰的数据中心通过“太阳能+风能+储能”系统减少化石燃料发电机的使用，阿里巴巴张北数据中心则采用“光伏+储能”模式，实现本地绿电的高效供应。

随着AI技术的快速发展，算力不仅消耗电力，还能通过智能调度提高新型电力系统的运行效率。南方电网基于云南3500个节点数据训练的AI大模型，能够智能生成海量电网运行方案，算力效率提升千倍，并支撑70%渗透率的实时模拟，误差控制在1.5%以内。这种“算力调度电力、储能调节波动”的互动模式，正推动电网规划与调度迈向更精准的新时代。

这正是能源转型与科技革命相遇的未来图景，新型电力系统在加速向智能化和绿色化演进的同时，也能为数字经济注入源源不断的动力。