行业与公司 * 涉及的行业：人工智能（AI）算力、数据中心、电力系统（新型电力系统）、储能、可再生能源 * 涉及的公司：阿里巴巴（自建数据中心）、万国数据、腾讯[1][9] 核心观点与论据 * 算力需求与能源挑战 * AI驱动下，全球算力规模年均增速超过30%[1] * 预计到2030年，中国数据中心年耗电量将突破4,000亿千瓦时，占全社会用电量的4%[1] * 前沿AI模型训练的峰值电力需求每年以2.2至2.9倍的速度增长[1] * 2024年全球数据中心用电量已占全球总用电量的1.5%，预计到2030年将接近日本全年用电总量[6] * “算电协同”的定义与价值 * 核心定义：算力系统与电力系统深度融合，使算力中心从被动用能方转变为具备时间和空间调节能力的柔性负荷[2] * 本质逻辑：算力系统对电力系统的深度感知、动态响应和反向驱动[2] * 核心价值：通过AI调度算法，将非实时计算任务转移至绿电富集时段，理论上可提升新能源消纳率15%以上[1] * 政策与产业驱动 * 政策驱动：2026年政府工作报告明确提出实施算电协同等新基建工程[6] 国家发改委要求，到2025年底，国家枢纽节点新建数据中心绿电使用占比要超过80%[1] * 产业承诺：多家互联网和ICT企业承诺在2030年实现100%使用可再生能源电力[9] * 产业链实现路径 * 源（发电）侧：融合风、光、水等可再生能源，通过“荷随源转”（算力西迁）和“源随荷建”（东部自建绿电）解决东西部供需失衡[4][7] * 网（电网）侧：构建广域智能输电网络，实现电能跨区协调和精准传输[4] 电网需针对算力中心开展高可靠供配电网设计[8] * 荷（负荷）侧：算力中心成为特殊柔性负荷，通过智能调度平台动态转移算力负载，实现电力与算力的时空匹配[4][8] * 储（储能）侧：储能正由柴油发电机向锂电池、液流电池等新型储能系统转变，以平滑新能源波动并提供应急电力，同时可通过参与电网调峰获取收益[1][7] 其他重要内容 * 当前绿电应用现状：根据2023年ESG报告，阿里巴巴自建数据中心清洁能源占比为53.9%，万国数据为38%，腾讯为12.4%[1][9] * 面临的挑战： * 储能侧面临容量难以匹配兆瓦级需求、初期投资成本较高的瓶颈[7] * 算力基础设施集中在东部（依赖化石能源）与西部新能源富集区（算力需求不足）存在地域性供需失衡[3] * 投资侧重点： * 电力侧：关注中证全指电力公用事业指数及电力ETF（稳健高股息）[10] * 储能侧：关注国证新能源电池指数及储能电池ETF（高弹性景气）[10] * 算力侧：关注中证云计算与大数据主题指数及云计算ETF（AI收益弹性）[10][11]