作者 | 辰纹

来源 | 洞见新研社

过去三年，全球AI 赛道的胜负标尺似乎只有一个：芯片。英伟达GPU成为科技公司争抢的硬通货，OpenAI、Google、Meta、xAI等千亿参数大模型轮番登场，不断刷新算力需求。

但进入2026 年，一个更底层的约束浮出水面：决定 AI 增长天花板的，早已从芯片产能转向稳定、低成本、低碳且可持续扩张的电力供应。

这是正在发生的现实。大型AI数据中心动辄需要数百兆瓦甚至吉瓦级持续供电，联合国大学的最新报告警告称，全球数据中心的能源消耗将在短短四年内翻一番，到2030年用电量将达945 TWh，堪比全球第六大用电国。 与此同时，居民生活、工业电气化、新能源汽车、城市公共服务也都在不断推高用电需求。

远景科技集团创始人兼董事长张雷近期在接受彭博新能源财经专访时提出了一个判断：“AI正在与广大民众争夺能源资源。”这句话点出了一个核心问题：AI未来的发展方式应该是什么？

如果AI始终依赖城市电网扩容，算力增长终将被电网建设速度锁死。AI产业的繁荣，也将以普通民众、工业和公共服务承担更高的能源成本为代价。

这也是今年VivaTech展会释放出的重要信号。这场欧洲最大的科技盛会不再只聊模型与芯片，讨论重心全面下沉到AI 基础设施：AI 从哪获取能源、如何降本、怎样突破传统电网约束，已成为全球科技行业的共同命题。

正是在这场展会上，中国绿色能源科技企业远景发布“Mission Gobi”计划，提出到2030年在全球戈壁和荒漠地区建设5GW绿色AI算力基础设施。

很多人把它对标马斯克的Space X，称之为中国版“GobiX”，但这套计划的核心远不止新建一批数据中心。它要回答一个更本质的问题：AI能否在持续扩张的同时，不和普通人争抢能源与电网的使用权？换句话说，GobiX在尝试重构一套新的AI能源基础设施。

01

欧洲，最先撞上了这堵墙

如果说AI最先改变的是硅谷，那么最先感受到能源压力的，很可能是欧洲。

过去一年，欧盟持续加码AI产业。《AI大陆行动计划》提出，要在未来五至七年内将欧盟数据中心容量提升三倍；随后公布的《云与人工智能发展法案》，也再次确认了这一目标。

政策信号释放之后，资本迅速涌入。软银宣布将在法国投资建设总规划5GW的AI数据中心集群，法国电力公司EDF也开始开放旧电厂场址，用于承接大型AI数据中心项目。

这些项目表面上是数据中心投资，实质上是在争夺电力入口。AI 数据中心需要长期、稳定、高密度的电力供应，不能因天气、电价或电网拥堵频繁波动。法国凭借核电资源与稳定的低碳电力体系，成为欧洲 AI 基建的热门目的地，但发电能力和电网接入能力是两回事。

算力扩张不能只看有没有服务器，还要看有没有足够的电网承载能力。

如今，都柏林、阿姆斯特丹、法兰克福等欧洲多地数据中心枢纽已出现电网拥堵和接入瓶颈。随着云计算与工业电气化需求同步上涨，传统电网剩余容量被快速消耗，部分地区电网接入排队时间已长达数年，而AI数据中心的用电规模远超过普通商业项目。

问题的本质在于，过去的数据中心只是城市数字经济的配套设施，现在已成为可以改变区域能源结构的超级负荷，其增长快、密度高、稳定性要求强，大规模接入既有电网后，必然与居民、工业、交通争抢有限的电网容量。

当并网审批动辄拖延数年，当多方同时向同一张电网要电，AI数据中心唯一的出路，是在传统电网之外重构一套新的供电系统。

这正是“Mission Gobi”试图解决的问题。

02

Mission Gobi：不抢存量，创造增量

当大多数据中心还在想办法向传统电网要容量时，“Mission Gobi”给出的解法是，让AI在风光资源富集、人烟稀少、土地广阔的戈壁荒漠地区，直接建立一套高比例绿电直供、储能和氢能兜底、AI调度协同的新型能源系统，不仅降低算力成本，更创造了新的电力基础设施，不必抢夺存量。

过去，数据中心遵循的是同一种建设逻辑：先找到城市，再接入电网，然后建设机房，能源只是配套设施。而Mission Gobi恰恰把这个逻辑反了过来——不是让能源追着算力走，而是让算力来到能源最丰富的地方。

这不只是选址的变化，本质上却意味着AI基础设施的一次重构。

如今欧洲AI产业的关键掣肘境是有限的电网容量有限，每新增一座大型数据中心，都在挤占民生与工业的用电空间。Mission Gobi 直接在风光富集区搭建建设风电、光伏、储能和算力一体化系统，不挤占原有电网资源。

换句话说，它不是重新分配蛋糕，而是在把蛋糕做大。

其次，算力主动靠近能源，不与民生负荷争空间。选址戈壁的核心考量，不止是土地便宜、风光充足，更因为这里几乎没有大规模居民与工业负荷，也因此导致大量绿色能源的闲置，而AI数据中心恰恰具备可规模化部署、数字化运行的特点，可以主动向能源靠近。

Mission Gobi实际上改变了一种长期以来默认的逻辑。对于未来的AI产业而言，最优的算力布局，未必离城市最近，但一定离能源最近。

第三，算力反向提升新能源利用效率。相比传统工业负荷，AI具有更强的数字化特征，其训练任务、推理任务以及不同业务负载都具备一定的调度空间。配合能源系统对新能源出力的精准预测，算力负载可以主动适配不稳定的新能源发电节奏，融入新能源消纳体系，重构能源利用逻辑。

真正被改变的，不只是发电方式，而是能源利用方式。

更重要的是，Mission Gobi这套系统是开放的公共能源底座，无论是云服务商、模型公司，还是未来更多需要大规模算力的企业，都可以在这套基础设施之上部署自己的绿色算力。

从这个意义上说，它输出的不是一座数据中心，而是一种新的基础设施能力。如果说传统电网服务的是城市，那么Mission Gobi试图服务的是AI时代的新型产业集群；如果说传统能源系统解决的是“有没有电”，那么Mission Gobi更关心的是“如何让AI持续获得低成本、低碳、可调度的电”。

03

最难一关：驯化供需波动

时至今日，GPU、风机、光伏、储能都已是成熟产业，难点在于让这些天然带波动的系统，输出稳定、可靠、可调度的工业级电力。

GPU 训练需要持续高密度供电，风电光伏却天生带有间歇性；同时，模型训练、参数更新、推理高峰也会让AI负荷快速起伏，但AI业务不能中断。如何驯服供需两端的双重波动输出稳定的工业级电力，是Mission Gobi 的核心技术挑战。

远景AI电力系统的思路是把不同时间尺度的波动逐层拆解，分层应对，不靠单一设备覆盖全部问题：

首先是毫秒级挑战。

新能源比例越高，传统电网提供的天然惯量越少，系统首先要“站得住”。构网型储能承担的正是这个角色：在弱网、离网或高比例新能源环境下，快速建立电压和频率基准，为整个AI电力系统提供稳定支撑。它解决的不是简单的电量问题，而是让这套系统具备独立稳定运行的基础。

随后是秒级到分钟级。这一层真正的主角，是钠离子电池。

AI训练过程中，GPU集群负荷会随着任务变化快速起伏；与此同时，风速变化、云层遮挡也会让新能源出力不断波动。远景采用高功率钠离子储能快速吸收这些高频波动。凭借较高的热稳定性和快速充放电能力，钠电可以承担数分钟级的瞬时充放任务，既平抑新能源出力，也响应AI负荷变化，让发电侧和用电侧实现更快的同步协同。

再到小时级和日内响应。

锂电储能开始承担削峰填谷的任务。白天光伏发电充裕时储能充电，夜间释放；有风时优先利用风电，无风或弱光时由储能补充。风电、光伏和储能在AI调度下协同运行，把昼夜之间的能源波动尽可能拉平，让新能源逐步接近传统电网的稳定供电能力。

真正困难的是跨天、跨周乃至跨季节。

连续低风、持续阴雨等极端天气，仅靠电池并不经济，也无法支撑长时间供电。这也是为什么，绿色氢氨成为AI电力系统最后一道能源保障。当新能源富余时，多余绿电被用于电解水制氢，并进一步合成绿色氨，以化学能形式长期储存；当连续低风、弱光来临，再重新转化为电能或其他形式的能源释放出来，为整个系统提供跨周期能源保障。

简单概括，钠电主打快速响应，锂电负责日内平稳，绿色氢氨承担长时保障，三层搭配覆盖全时间尺度的波动。

AI电力系统的特别之处，在于不止调控供给侧，也同步优化需求侧。过去数据中心属于被动用电，电网必须适配负荷曲线；如今算力任务可根据新能源出力、储能状态与电力成本动态调整节奏，负荷从被动消耗转向主动响应。

这也是这套系统和传统“风光储 + 数据中心”拼装模式的核心差异：供需两端接入同一套智能调度系统，能源与算力不再彼此割裂，共同构成同一系统的有机两端。

除了驯化波动，远景还在重构电力进入数据中心的路径。AI数据中心的功率密度正在快速提升，传统交流供电需要经过多级转换，不仅带来损耗，也增加了系统复杂度。远景采用800V直流供电架构和固态变压器，将中压电网与数据中心侧更直接地连接起来，缩短“从能源到芯片”的供电路径，在提升转换效率的同时，也更适应下一代AI基础设施对高密度供电的需求。

真正让这些设备变成一个系统的，是AI调度系统。

远景自研的EnOS智能物联操作系统，相当于整个AI电力系统的“神经中枢”。它连接风电、光伏、储能、电网、氢能以及数据中心负荷，实现能源流、数据流和算力流的实时协同。在此基础上，“远景天机”气象大模型持续预测未来天气变化，“远景天枢”能源大模型则根据新能源出力、储能状态和算力需求，提前安排发电、储电、供电和算力任务，让系统始终运行在更优状态。

过去，人们说新能源“靠天吃饭”；而AI电力系统正在让新能源变成“看天安排”。真正被AI管理的，不只是发电设备，而是整个能源供给和用电负荷之间的关系。

这一切并不是停留在实验室里的设想。

在内蒙古赤峰零碳产业园，远景已经建成全球首个2GW级100%新能源独立电力系统，并与腾讯共同验证了全球首个“算电协同”应用场景，已连续稳定运行超过30个月。

AI电力系统的能力已经得到验证——同时驯化能源供给和用电负荷，让原本充满波动的两端实现实时协同，将不稳定的绿电转化为数据中心可用的工业级电力。

过去人类驯化的是煤炭、石油与天然气；今天，AI 正在驯化风、太阳，以及它们与生俱来的波动性。

04

当AI不再向电网“乞讨”

赤峰项目的意义，在于验证了一种新可能：AI可以建立在一套新的能源基础设施之上，而不必继续依赖传统电网的不断扩容。

过去，数据中心的发展逻辑是：哪里有电，我就去哪；电不够？那就扩建电网。“Mission Gobi”要改写这个逻辑。不是让AI等电，而是让AI去找电；不是在城市里抢资源，而是到资源最富集的地方去，创造新的供给体系。

从风光发电到储能、氢能，再到AI 能源调度，Mission Gobi 打造的不止是一座数据中心，更是一套可持续产出绿色算力的能源基础设施，一种可复制的发展模式。

目前，远景在乌兰察布建设规模更大规模的“远景星河基地”，验证 GW 级能源与算力一体化运行能力。从赤峰到乌兰察布，再到未来覆盖全球戈壁荒漠的 Mission Gobi，可复制的是整套 AI 电力系统的能力。

它回答了一个核心问题：AI如何获取更多能源，同时不必与普通人争夺同一张电网？

今年以来，全球都在寻找AI基础设施的下一条路径。

Space X把目光投向太空，希望突破地球能源和土地资源的约束；Mission Gobi扎根地球，重新组织能源、算力和电网之间的关系。前者探索新的物理空间，后者探索新的能源空间，二者回应着同一个问题：AI 指数级增长的时代，人类如何持续为它提供能源支撑。

过去几十年，互联网改变了信息流动方式；今天，AI正在重新定义能源流动方式。真正决定下一代AI基础设施竞争力的，或许不只是拥有多少GPU、训练出多大的模型，而是谁能够建立一套更稳定、更低成本、更可持续的能源系统。

Mission Gobi不只带来了中国方案，更打开了一条全新的增长路径：AI 的发展，不必建立在与普通人争夺能源的基础上。用新增的绿色能源，支撑新增的智能能力——或许，这才是AI时代最关键的一次基础设施创新。