行业投资评级 - 看好（维持） [6] 报告核心观点 - 算电协同已从“行业探索”走向“国家基建”，在2026年3月首次被写入政府工作报告，列为国家级新基建工程，标志着其战略地位实现跃升 [2] - 算电协同是解决AI时代“电力成本”与“绿电消纳”两大核心瓶颈的必由之路，其核心逻辑在于破解我国“能源-算力”在时空分布上的根本性错配 [2][3] - 算电协同通过“算随电调”与“电随算用”两大模式，构建算力资源与电力资源动态匹配的桥梁，是“东数西算”工程的深化 [2][3][7] - 该趋势将驱动电力设备、智慧调度软件、储能、项目运营四大核心赛道迎来价值重估，是长期的产业趋势而非短期主题 [5][27] 算电协同战略升级与政策背景 - **战略地位提升**：2026年3月，算电协同首次写入政府工作报告，列为国家级新基建工程 [2][14] - **政策持续加码**：自2023年《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》提出“算力电力协同”后，相关政策密集出台，目标到2025年底国家枢纽节点新建数据中心绿电占比超过80% [2][16] - **现实驱动因素**： - 算力用电增速远超全社会：2024—2030年，全国数据中心用电量年均增速将达约20%，2025年数据中心电耗将占全国电耗的2.4%，部分节点城市占比超20% [16] - 资源分布错配：算力中心多部署在东部，而新能源发电主要在西部。2023年底，八大枢纽节点机架数占全国七成以上，其中京津冀和长三角在用机架数全国占比分别为21.5%和24.5% [18] - 绿电消纳需求：西部存在“弃风弃光”现象，算力任务具有“可转移、可延迟”特性，可主动适配新能源出力波动 [3][16] 核心模式：“算随电调”与“电随算用” - **算随电调**：利用算力任务的“可转移、可延迟”特性，主动适配风光出力的波动性，将“弃风弃光”转化为低成本算力 [3][7] - 应用实例：Tesla自动驾驶训练集群调度、字节跳动“清洁能源算力迁移”项目（内蒙古乌兰察布）等 [23] - 实施效果：以西北风光基地与“绿电算力集群”协同调度为例，风光弃电率从原3% ~ 5%降至1%以下，年增新能源利用量超1亿度，算力成本降低20% ~ 30% [23] - **电随算用**：通过构建“灵活电力池”（如源网荷储一体化），为高波动的算力负荷提供稳定、绿色的电力支撑 [7][24] - 应用实例：根据算力负荷高峰、低谷等不同时段，动态调整基荷电源、调节电源及储能系统的配置策略，以保障供电稳定并降低成本 [25] 产业机遇与核心赛道 - **电力设备**：算力中心对供电可靠性要求极致，催生对耐灾型配电设备、特高压变压器、高效UPS/HVDC的刚性需求 [5][28] - **智慧调度软件**：协同的关键在于打通算力与电力系统，并对发电与算力使用进行预测。AI调度平台、虚拟电厂聚合系统、新能源功率预测软件将成为新型电力系统的“操作系统” [5] - **储能**：是解决新能源发电不稳定与算力耗电不稳定之间时间矛盾的关键，也是“源网荷储”一体化的核心环节 [5][28] - **项目运营**：具备“电力资源+算力运营”双重能力的一体化项目有望崛起。自建绿电的数据中心更具成本优势，并有望参与绿电交易、通过储能赚取价差进一步降低算力成本 [5][28] 八大算力枢纽节点建设情况（部分摘要） - **京津冀枢纽（张家口集群）**：截至2025年，算力规模达2.91万P，投运服务器172万台，集群平均PUE控制在1.30左右 [21] - **长三角枢纽（芜湖集群）**：智算规模已超3.5万P，应用液冷技术实现节能30% [21] - **粤港澳枢纽（韶关集群）**：已形成12万标准机架承载能力，可承载18万P算力 [21] - **内蒙古枢纽（和林格尔集群）**：截至2025年底算力规模达23.7万P，集群内数据中心绿电占比高达86% [21] - **贵州枢纽（贵安集群）**：2025年全省算力总规模突破15万P，较2024年增长近2倍，其中智算占比超过90% [21] - **甘肃枢纽（庆阳集群）**：截至2025年12月，智算规模达11.4万P，是全国算力增速最快、增量最大的标杆集群之一 [21] - **宁夏枢纽（中卫集群）**：2025年算力规模达13万P，稳居全国十大智算集群前三 [21] 相关上市公司标的 - **智算中心**：润泽科技、智微智能、数据港、奥飞数据、光环新网等 [6] - **云计算**：优刻得-W、深信服、金山云、云赛智联等 [6] - **电力信息化**：国网信通、国电南瑞、南网科技、威胜信息等 [6] - **电源与电力**：科华数据、特变电工、协鑫能科、金开新能等 [6]

文章核心观点 - 人工智能技术为精准破解养老金金融、养老产业金融和养老服务金融三大领域的痛点，推动领域间协同联动，促进养老金融高质量发展注入了强劲动能 [1][5] 发展养老金融面临的挑战 - **总量缺口与结构矛盾并存**：2024年末65周岁及以上人口达2.2亿，占比15.6% 2024年养老金三支柱总规模约15万亿元，占GDP比重不足12% 养老社区、智能养老设备等产业资金缺口显著，养老服务金融普惠产品覆盖有限 养老金体系呈现“一柱独大、二柱薄弱、三柱起步”的失衡格局，不同群体需求分化 [3] - **养老金跨期配置精准性不足**：传统养老基金调度基于年度静态数据，应对动态变化灵活性不足 个人决策时难以精准预判长寿风险、通胀率、医疗成本等信息，多依赖主观判断 三支柱间数据不通、衔接机制不健全，加剧了跨期配置的盲目性 [3] - **养老产业资金供需错配、服务普惠度不够**：传统养老产业重资产模式投资周期长、部分领域运营微利，对追求短期收益的金融资本吸引力有限，资金缺口大 传统金融机构服务成本高、覆盖范围有限，难以触达低收入群体 老年群体金融素养不高，对产品风险收益认知不足，易受误导性销售影响 [4] AI赋能养老金融发展的具体路径 - **动态优化跨期配置，补齐精准适配短板**：通过构建全国统一的养老金融数据平台，打通社保、税务、金融机构、医疗机构跨部门数据，实现三支柱信息“一账通查” AI利用智能算法自动核对缴费信息、计算税收优惠额度，动态推荐第三支柱参与比例与缴费金额，强化三支柱协同联动 整合个人健康、经济与宏观数据构建个性化养老资金需求模型，精准预判长寿风险、医疗成本等信息，将传统“一次性规划”升级为“动态适配方案” [5] - **赋能银发产业，夯实养老金融内在价值基础**：AI赋能催生高成长性、高回报率的银发产业形态，为养老金融资金提供优质投资标的 例如，智慧健康领域的AI辅助诊断系统、可穿戴监测设备等产品已形成千亿级市场 养老服务领域的AI调度平台可整合居家、社区、机构养老资源，实现“按需派单、精准服务” 形成“AI赋能产业—产业创造价值—金融分享收益—资金反哺产业”的可持续产融联动循环机制 [6][7] - **精准匹配供需，拓宽普惠服务边界**：通过手机端“AI养老金融顾问”等轻量化工具，为零边际成本破解养老金融服务高成本、难触达困境 整合多源数据构建用户画像，以算法推荐实现供需智能精准契合，例如为中青年推荐增值型养老目标基金，为高龄老人匹配稳健型理财，为失能老人设计“保险+护理服务”一体化方案 通过自然语言处理技术将复杂金融条款通俗化，配合语音交互降低老年群体使用门槛 开发智能风控模型实时监测产品收益波动、隐性收费等情况，保障用户权益 [7]