79
4这一期，我们和长期从事通信电源、数据中心建设与算力基础设施工作的华迪，聊了一个 AI 产业里经常被低估的问题：电。
过去谈 AI 基础设施，大家更容易关注 GPU、服务器、大模型和 Token。但在真实的数据中心建设现场，供电能力、机柜功率、液冷系统、UPS 冗余、储能配置、绿电消纳和跨区域调度，正在成为决定 AI 算力中心能否落地、能否稳定运行、能否赚钱的核心变量。
华迪从早年通信基站建设中的“缺电”问题讲起，延伸到今天 AI 算力中心的高功率机柜、算电协同、源网荷储、高压直流、SST、新型电力电子，以及运营商和互联网大厂在算力产业链中的位置变化。
本期我们重点讨论：
- 为什么 AI 算力中心的瓶颈正在从服务器转向供电系统？
- 算电协同到底不只是“配绿电”，它在国家、电网、企业三个层面分别意味着什么？
- 为什么数据中心负荷太稳定，反而让储能峰谷套利不好算账？
- AI 任务负载的剧烈波动，会怎样冲击 UPS 和传统供电架构？
- 高压直流、SST、超级电容、液冷、铜排等新型电力电子和基础设施环节，机会在哪里？
- 运营商为什么在算力时代既有基础设施优势，也面临 Token 和人才机制的压力？
如果说 AI 的上一轮竞争发生在模型和芯片里，那么下一轮基础设施竞争，很可能会发生在电力电子深处。
## 时间轴
开场：为什么这一期要从“算电协同”切入 AI 基础设施
华迪的经历：从 TD-SCDMA、通信站点，到通信电源和数据中心
早年创业的教训：平台资源不是个人资源，电源行业需要技术底层能力
从通信备电到算力中心：供电从配套变成核心要素
ChatGPT 之后的算力需求爆发：数据中心从找业务变成排队交付
为什么 AI 算力越来越头部化：大模型需要数据、资金和人才
运营商在算力产业链中的位置：基础设施提供者，还是 Token 玩家？
Token 对运营商商业模式的冲击：大厂能全球卖，运营商很难出海
算电融合的底层逻辑：把备电这种沉没成本变成可调度资产
国家层面的算电协同：八大节点、电网能力和新能源资源匹配
任务跟着电价走：大厂如何在不同区域调度算力任务
东数西算和算电协同的区别：从“建在西部”到“算力与能源动态匹配”
当前算力项目的真实需求：90% 仍然来自互联网大厂
算力中心不是想建就能建：发改委窗口指导和项目审批
算力项目回报期：很火、很卷，但基础设施端利润并不厚
大厂、运营商、供应链的利益分配：谁拿走了最大收益？
AI 负载的剧烈波动：为什么会冲击 UPS 和供电系统
高压直流的价值：为什么直流供电更适合应对 AI 负载跳变
三级备电架构：电容、高倍率锂电和大型储能分别解决什么问题
绿电直连为什么难：新能源波动、储能平滑和数据中心安全要求
SST 的机会与误区：电网产品不能直接搬进数据中心
英伟达兆瓦机柜之后：国内高功率机柜路线会怎样演进
AI 基础设施的供应链机会：铜排、液冷、材料、电容和运维工具
民营企业参与算电协同的机会：储能、光伏和源网荷储为什么还在试点
东部缺地、西部电多：绿电直连项目的现实约束
数据中心负荷太稳定：为什么储能峰谷套利很难跑通
边缘算力会不会大规模出现：车、手机、电脑都可能变成算力节点
类 CDN 的边缘算力：为什么运营商仍有机会承接一部分基础设施
一度电、一份 Token：电费如何成为 AI 推理成本的重要组成
收尾：运营商的焦虑，来自基础设施优势和人才机制短板之间的错位
