国际能源署发布《推动人工智能发展：将数据中心融入电力系统的策略》

2026年10月，国际能源署（IEA）发布《推动人工智能发展：将数据中心融入电力系统的策略》。随着全球数据中心投资的激增，对数据中心对本地电力系统、电价、排放和用水的影响日益担忧。应七国集团（G7）主席国法国的要求编制，本报告梳理了34个政策辖区的政策、监管举措和企业战略现状，覆盖全球90%的数据中心容量，分析了数据中心融入电力系统过程中政策与监管层面的主要挑战、制约因素和机遇，并为决策者提出相关原则，以助力人工智能时代的能源可负担性、可持续性与能源安全。

一、数据中心投资激增，机遇与复杂权衡并存

随着人工智能成为主要市场经济政策的重要内容，全球大型数据中心运营商，即“超大规模运营商”，2026年资本支出预计超过7000亿美元，主要用于新建数据中心。许多地区希望吸引数字基础设施投资，为本土人工智能和数字服务创新奠定基础，并将其作为经济安全与数字主权的重要支柱。

与此同时，数据中心对电价、排放和水资源的影响日益受到关注，尤其引发当地社区担忧。人工智能驱动的投资热潮正在加重局部电网压力，拉紧关键电力设备供应链。一些地区还面临电网容量不足、接入排队时间长、许可审批缓慢等约束。但这一过程也在推动能源技术、电力采购方式及政策监管框架加快创新。

二、政策制定者与运营商加快适应变化

国际能源署识别出全球134项引导数据中心融入电力系统的政策和法规，其中近40%在过去12个月内公布或实施，反映出这一领域的快速变化。

政策最集中于提高数据中心用电规模、时间和地点的可见度，以支持电网提前规划并接纳新增大型负荷。促进数据中心平稳参与电网运行的政策相对较少，但已有措施要求其通过“自带电力”等方式保障发电容量充足，或为电网稳定性和灵活性作出贡献。

运营商也在调整采购与电网互动方式。2026年上半年，其签订的购电协议对应电量达450亿千瓦时，同比增加近20%，其中近70%位于美国。涉及先进地热、小型模块化核反应堆、长时储能、虚拟电厂和电池储能的协议数量虽少，但正在增长。现场发电项目也大量公布，美国的天然气发电项目尤为突出。

三、提升需求透明度，完善电网接入管理

在美国得克萨斯州、弗吉尼亚州以及芬兰、英国等地，排队申请接入的数据中心累计容量已超过当地当前的用电峰值。然而，申请中存在重复或投机性项目，最终能够落地的容量并不明确。高估需求可能造成电网投资闲置或利用不足，低估则可能引发瓶颈和延误。

数据中心项目规模大，且可能布局于原本并非用电中心的地区，从而改变既有电网布局。即使项目实施，随着建筑、服务器和客户工作负载逐步投入运行，用电需求通常也会逐渐释放。人工智能技术的发展、应用普及和盈利能力仍存在不确定性，进一步增加了预测难度。

各地接入排队改革主要围绕三个方向展开：通过更严格的准入要求、成熟度评估、资金承诺和按里程碑释放容量，提高项目可信度；从“先到先得”转向兼顾成熟度、战略价值、经济贡献和可持续性的排序方式，同时保持标准透明、可预期；探索加快安全接入电网所需研究评估的方法。

四、推动部分数据中心从能源消耗者转向能源生产者

面对电网压力和接入瓶颈，运营商、电力项目开发商与政策制定者正在重新界定数据中心与电网的关系。不过，各类数据中心的主动参与能力并不相同，取决于客户构成、企业规模、财务状况、运营能力及当地政策条件。

一些地区正通过非保障性接入加快项目并网，即在特定条件下允许限制或削减用电。电力系统承压通常只发生于每年较少的时段。国际能源署分析认为，此类接入方式可在全球额外释放750至900吉瓦的电网承载能力。其推广需要标准化、透明的条件，便于运营商理解并管理运营风险。

算力负荷主动调节仍较少见。许多运营商向第三方提供服务，对实际工作负载缺乏充分了解和控制；同时，削减算力运行的成本很高。人工智能优化型数据中心每吉瓦容量的年度租赁费用可达200亿至300亿美元，约为同等容量电池成本的100倍。打通算力需求、算力供给与电网之间的信息交换，是释放灵活性的关键。

“自带电力”也逐渐成为政策要求和企业战略。爱尔兰要求部分新建数据中心通过建设或签约新增可调度电源，支持系统容量充足。美国提出了大量现场燃气发电项目，但建设技术复杂，也受设备交付周期制约；许多项目因此配置电池储能，并仍寻求最终接入电网。中国、西班牙等地则已要求或正在考虑要求新建数据中心采购可再生能源。相关采购选择可为能源安全、供电充足性和可持续性目标作出贡献。

五、持续关注排放、用水效率与物理风险

目前，数据中心用电相关二氧化碳排放约为每年1.5亿吨。在国际能源署的中心情景下，到2035年可能增至约3.5亿吨，占全球能源相关排放约1.5%。现场天然气使用增加，使近期预测有所上调。已识别的人工智能专用数据中心容量中，近40%位于基准水资源压力较高或极高的地区。

各地正在加强能源和用水效率要求，但制定标准并不简单。现有能效标准主要针对设备，尚未覆盖人工智能模型。模型技术迭代快、服务差异大、评估基准不确定，使统一标准难以实施。市场既推动企业提高模型效率，也促使其扩大客户和使用规模，提供性能更强的模型，即使更小、更高效的模型已能满足许多任务。

节水与节能之间同样存在权衡：更节水的冷却设备往往消耗更多能源，反之亦然，且价值链中最大部分的用水发生在上游发电环节。此外，数据中心在狭小空间内集中大量经济价值，面临极端天气等物理风险。其高昂成本已造成保险保障缺口，政策制定者需关注单个项目及集群风险的更广泛影响。

六、运用成本与风险分担工具，回应可负担性关切

数据中心对电费的影响并非单向。如果新增负荷需要扩建电网或电源，且成本由所有用户承担，其他消费者电费可能上升；如果能够充分利用现有容量并合理分担成本，则可能通过扩大用电量分摊固定成本，缓解电费压力。

电价和电网收费框架既分配成本，也分配风险。对于大型负荷，成本反映原则通常意味着按其预留容量收费，而非仅按实际用电量收费。最低付款承诺、与资产寿命相匹配的长期合同、退出费用、担保和分阶段接入等措施，可降低其他消费者承担的风险；接入阶段的资金承诺则有助于筛除难以实施的项目。

这些工具分别应对实际用量低于预留容量、提前退出以及最终未接入等风险。政策设计需要兼顾成本合理分担、消费者保护、规则简明、投资确定性和竞争力，并统筹评估各项措施，避免向现有用户转嫁不合理成本，也避免就同一风险向数据中心重复收费。

七、人工智能时代数据中心接入电力系统的六项原则

随着部分地区对数据中心建设的反对增加，接入电网正越来越多地与其承担系统责任相联系。国际能源署为决策者提出六项原则：

（1）提高拟建数据中心地理位置和用电特征的清晰度与透明度。

（2）建立透明、可预期的接入流程，优先考虑可信、成熟的项目，并在适当情况下体现战略重点。

（3）统筹能源与用水效率，考虑其使用时间、地点和方式的复杂性。

（4）设计透明、协调的收费框架，公平分配大型负荷带来的成本与风险。

（5）建立清晰的机制，使数据中心主动支持电网灵活性、安全性、稳定性和可持续性。

（6）将对话与经验分享置于决策核心，为快速变化中的政策制定提供支持。 

参考文献：

[1] IEA (2026), Powering Artificial Intelligence, IEA, Paris.[EB/OL].(2026-10-14）.https://iea.blob.core.windows.net/assets/cd360a30-aaef-43cd-84e6-a125c3a0bc67/PoweringArtificialIntelligence.pdf.