8 分钟理解报告 · 全文 67 页 · 解读 1786 字 · 8 张图 · 23 个数据点
当2026年全球日均Token调用量突破500万亿次,市场争论的焦点已从“要不要建智算中心”变成“怎么建”。这份由正泰智算与电投综能等七方联合发布的白皮书,把答案指向一个关键变量:绿电。它提出用“绿电直连”把波动的光伏变成稳定的Token产能,并用TPW(每瓦Token吞吐量)取代PUE成为核心标尺。如果你关心算力项目的电从哪来、碳怎么算、钱怎么赚,下文逐层拆解这套五层技术体系。
核心判断
- Token工厂竞争焦点已从算力规模转向绿电转化效率与全链路电力架构。
- 白皮书以绿电消费占比、碳排放强度、TPW三项指标判定绿色词元工厂。
- 绿电直连通过物理专线实现逐度溯源,综合降低用电成本10%-20%。
- AI自适应算电协同系统以HDEB、EFM、多智能体和能量控制器四层闭环运行。
- Token交易采用批发—零售双层定价,利用率从40%提至65%可增产出62.5%。
脱水解读
从“为什么建”到“如何建”:Token工厂成确定性赛道
白皮书开篇给出需求侧的硬数据:2026年3月中国日均Token调用量突破140万亿次,到8月又突破500万亿次,较3月再增约2.6倍。供给端同样在加码,2026年全球九大云服务商合计资本支出预计约8300亿美元,我国智能算力规模截至2026年3月底达1882 EFLOPS。
在需求、资本与政策同向共振下,白皮书判断“是否建设Token工厂”已无需论证,真正的瓶颈转向能源:绿电能否以可溯源、低成本、高比例的方式稳定供给。Token工厂的竞争,正在从“算力规模之争”深化为“绿电转化效率与全链路电力架构之争”。这也解释了白皮书为何把大量篇幅放在能源基础设施层。
什么是绿色词元工厂:三项标尺与三类形态
白皮书把“绿色词元工厂”定义为以高比例绿色电力为能源底座,通过算电协同实现“绿电瓦特→智能词元”高效转化,并将算力产能、能耗成本、SLA打包为可计量、可调度、可交易Token化服务单元的新型智算基础设施。
判定标尺不是供电的物理形态,而是绿电消费占比、碳排放强度与TPW三项指标。按绿电获取方式,白皮书划分三类形态:绿电直连型溯源颗粒度最高、碳合规能力最强;绿电交易型通过绿电交易与绿证组合获取合规绿电;源网荷储协同型以智能微网聚合分布式资源参与虚拟电厂。三类形态共享“算电协同+Token生产”的核心技术体系,差异主要在能源层的绿电获取与溯源方式。
政策组合拳:688号文与算电协同的国家战略
2026年5月,国家发改委、国家能源局联合印发《关于有序推动多用户绿电直连发展有关事项的通知》(发改能源〔2026〕688号),明确允许多用户通过同一绿电直连项目获取绿电,并建立绿电直连与电力市场的衔接机制,要求双向分时计量、支持小时级新能源发用电量匹配。
同年,政府工作报告首次提出“实施超大规模智算集群、算电协同等新基建工程”,中央政治局会议将算力网纳入“六张网”战略性基础设施。国能发科技〔2026〕34号文则提出到2027年初步构建安全、绿色、经济的能源保障体系。地方层面,江苏常州提出到2028年全市智能算力规模超3000PFLOPS。
绿电直连:三条路径与三种技术模式
白皮书梳理绿电获取三条路径:绿电直连、绿电交易与绿证组合、源网荷储协同与虚拟电厂聚合。其中绿电直连聚焦园区就地消纳形态,依托屋顶光伏、用户侧储能及就近分布式新能源,通过配电网或微网实现电源与算力负荷电气直连,综合降低用电成本10%-20%。
技术上分为三种模式:园区光伏+储能就地消纳、新能源电站专线直供、智能微网互联。白皮书特别区分了绿电直连与绿证采购的本质差异——后者实际用电仍来自区域电网混合电源,可再生能源与算力负载之间不存在物理对应关系。绿电直连的战略价值由此从成本优化维度扩展至国际贸易合规维度。 CBAM虽不直接覆盖算力服务,但出口制造企业在产品碳足迹核算中将优先采购可溯源的绿色算力。
五层架构与TPW:一条从瓦特到词元的价值链
白皮书提出纵向五层技术架构:能源基础设施、算力基础设施、Token生产、Token运营、Token流通,遵循“电-算-Token”的价值转化逻辑,逐层封装能力。能源层把太阳能转为稳定绿电,算力层把电力转为标准化算力,生产层把算力封装为Token产品,运营层赋予市场定价,流通层最终转化为用户可感知的智能服务。
贯穿五层的北极星指标是TPW(每瓦Token吞吐量)。白皮书直言:在推理时代,Token工厂之间的竞争,归根结底是TPW之争。 TPW被分解为绿电转化效率、供电链路效率、芯片能效、互连通信效率、软件栈效率与模型算法效率等相乘因子,任一层提升k%即TPW等比提升k%,而牺牲他层的局部优化会被抵消。白皮书称,跨层协同相较传统方案TPW可提升10%以上。
算电协同:四层闭环如何把波动绿电变成稳定Token
算电协同被定义为在统一感知算力负载、电力供给、储能状态、冷却能力、电价信号与碳排约束基础上,通过物理AI、预测控制和多目标优化,实现动态匹配与闭环调度。其技术内核是四层闭环:高维能量块(HDEB)统一表征源网荷储多维数据,能源基础模型(EFM)做多时间尺度预测与优化求解,多智能体系统分解策略,能量控制器精准执行并边缘自治。
EFM通过物理信息神经网络(PINN)把潮流方程、储能SOC、温控安全等约束嵌入模型训练,白皮书称PINN机制保证稀疏数据场景下物理一致性达99.5%以上(测试值)。系统还设计了三级Checkpoint:置信度≥0.95的常规指令自动放行,涉及关键安全边界或置信度<0.80的指令执行前强制人工确认,阻断延迟≤5秒。
Token运营与交易:双层定价与两类样板项目
运营侧,白皮书设计批发—零售双层定价:批发层面向大型企业与分销商,以3-5年长期合约锁定部分产能;零售层面向中小开发者按实际调用量付费,剩余产能进入现货市场。交易品种分为即时交易、预留实例与竞价实例三类。经济模型的核心是利用率提升——传统自建集群行业平均利用率约40%,通过统一调度与多租户共享可提至65%以上,等效Token产出增加62.5%。
场景层面给出两个样板:江苏常州4MW项目由七方共建,5.5MW分布式光伏加15MW渔光互补,光伏年发电约2200万kWh,约占满载年用电量六成;浙江海宁7MW项目依托正泰集团分布式光伏集中汇流直连,全年绿电消费占比超80%。两个项目设计PUE≤1.25,运行PUE目标≤1.2。
图说解读
五层架构逐层封装
白皮书把绿色词元工厂拆成自下而上的五层:能源层把太阳能转为稳定绿电,算力层把电力转为标准化算力,生产层封装为可计量Token产品,运营层赋予定价与流通属性,流通层转化为终端智能服务。
每一层都对下层“原材料”做能力封装与价值增值,下层技术复杂性被屏蔽,上层只需关注本层消费接口。五层架构并非简单的功能叠加,而是遵循“电-算-Token”的价值转化逻辑。 这一设计使从绿电到Token的全链路具备了工程上可解耦、可复制的基础。
算电协同四层闭环
AI自适应电力与算力协同调度系统的运转逻辑是一个四层闭环。能量控制器采集源网荷储数据,经HDEB统一表征为标准化能量对象;EFM在物理AI约束下做趋势预测与优化求解,生成全局调度策略;多智能体系统把策略分解为各专业智能体的协同动作;最后由能量控制器生成设备控制指令执行,结果再通过HDEB回流至EFM。
白皮书强调,每个HDEB携带时间戳、功率量级、来源标签、碳强度、绿证编号、SLA等级与价格信号等多维属性。在语言空间中,通用模型预测下一个 Token;在物理空间中,深度动力能源大模型预测下一个能量块。 这一闭环使绿电、储能、机柜功率与任务队列被纳入同一调度框架。
绿电获取三条路径
白皮书把绿色词元工厂的绿电获取方式分为三条路径。绿电直连通过专用线路和变电设施向用户直接供电,电量可清晰溯源,满足CBAM等碳溯源要求,同时通过就近消纳降低线损、参与现货市场获取价差,综合降低用电成本10%-20%。
绿电交易与绿证组合适用于不具备直连条件的区域,部署灵活但碳溯源颗粒度和国际认可度弱于物理直连。源网荷储协同则以智能微网聚合分布式资源,以虚拟电厂形态参与市场。白皮书以绿电直连型为重点阐述对象,其技术架构对另两类形态同样具有参考价值。
核心指标之争
白皮书指出,传统数据中心以PUE衡量电力、以FLOPS衡量算力,但二者都无法回答Token时代最本质的问题:每一瓦电力最终转化为了多少智能。因此白皮书引入TPW作为核心效率指标,把“绿电瓦特到智能词元”的转化效率凝练为单一可测量、可对标、可持续优化的北极星指标。
这一取向与信通院报告一致:智算基础设施的核心效益指标正从总算力规模、机柜上架率转向每瓦Token产出、单位Token成本与服务SLA。白皮书进一步把TPW分解为六层相乘的效率因子,乘法结构下,任一层提升 k% 即 TPW 等比提升 k%,而牺牲他层的局部优化会被抵消甚至反噬。
中国AIDC三阶段演进
白皮书把中国AIDC产业划分为三个阶段。第一阶段以深度学习革命为起点,GPU从图形渲染向通用计算转型,CUDA生态逐步成熟,AI训练负载从本地工作站向高密度集群迁移。第二阶段以GPT-3、ChatGPT为引爆点,单体大于100MW的超大规模智算集群成为标配,液冷散热与高速互联成为核心技术要件。
第三阶段自2025年起进入推理主导期,AIDC从“重训练、轻推理”转向“训推一体、以推为主”。白皮书援引科智咨询预测,2026年中国智算需求将占新增算力需求的71%,其中推理算力占比将超过50%。分布式园区化AIDC因贴近负荷中心、灵活扩容,成为推理算力主流建设形态。
Token交易三类品种
Token交易体系借鉴云计算资源市场结构,设计为批发层与零售层双层价格模式,价差覆盖渠道成本与服务溢价。批发层面向大型企业客户与分销商,采用基准价与阶梯折扣,基础负载通过3-5年长期合约锁定部分产能;零售层面向中小开发者,按实际调用量付费,剩余产能进入现货市场自动定价。
交易品种直接类比云实例购买:即时交易按实际调用量计费、无最低消费承诺;预留实例承诺包月包年购买量、享受大幅折扣;竞价实例在算力闲置时以低于成本价自动成交。该设计使平台能够在任何负载水平下实现算力资源的“清零出清”。 SLA则按TTFT与TPOT划分为基础级、专业级、企业级。
Token经济中的利用率跃升
白皮书给出Token经济模型的核心机制:传统自建AI加速计算集群的行业平均利用率约为40%,主要受限于需求波动与资源配置刚性;通过Token工厂的统一调度与多租户共享,利用率可提升至65%以上。
从40%到65%意味着等效Token产出增加62.5%(按(65%-40%)÷40%计算),而边际成本趋近于零——设备折旧与机房资本性支出为沉没成本,仅需额外承担能耗与运维增量。这一经济特征与电力系统中“基荷机组利用小时数提升”的边际成本递减逻辑完全吻合。 需求侧则使中小企业把AI推理成本从资本性支出转为运营性支出。
常州与海宁两个样板
白皮书给出两个可量化样板。江苏常州项目为存量厂房改造,由常州市数据局、常州高新区、电投综能、山铁数科、阿里云、网宿科技、深度动力七方共建,采用5.5MW分布式光伏加15MW渔光互补,光伏年发电约2200万kWh,约占满载年用电量六成,绿电消费占比稳定超过50%。
浙江海宁项目由正泰智算、网宿科技、山铁数科、深度动力四方共建,绿电直连采用“集中汇流—绿电直连—算力中心”模式,依托正泰集团区域分布式光伏资源集中汇流直供,日间绿电渗透率预计超60%,全年绿电消费占比超80%。两个项目设计PUE≤1.25,运行 PUE 目标≤1.2(按 GB 40879-2021,设计值满足二级、运行值可达一级能效标准)。
数据解读
| 指标 | 数值 | 单位 | 出处 |
|---|---|---|---|
| 中国日均Token调用量(2026年3月) | 140 | 万亿次 | 第一章1.1.2 |
| 中国日均词元调用量(2026年8月) | 500 | 万亿 | 第一章1.1.2 |
| 全球九大云服务商资本支出(2026年) | 8300 | 亿美元 | 第一章1.1.2 |
| 我国智能算力规模(2026年3月底) | 1882 | EFLOPS | 第一章1.1.2 |
| 智能算力服务市场规模(2025年) | 1300 | 亿元 | 第一章1.1.2 |
| 推理算力占比预测(2028年) | 73 | % | 第一章1.2 |
| 全球AI数据中心市场规模预测(2033年) | 8106 | 亿美元 | 第一章1.1.2 |
这组数据勾勒出Token工厂的需求底色。2026年3月中国日均Token调用量突破140万亿次,到8月进一步突破500万亿次,半年多时间再增约2.6倍。需求爆发的同时,资本也在加码:2026年全球九大云服务商合计资本支出预计约8300亿美元。 供给侧的算力规模同样在快速扩张,截至2026年3月底我国智能算力规模达1882 EFLOPS,较2025年6月底增长约140%。推理占比的持续攀升是关键趋势——头部云厂商推理算力占比已从2023年约30%提升至2025年50%-70%区间,IDC预计2028年推理占比将提升至73%。这意味着以推理服务为对象的Token工厂具备长期需求基础。
| 指标 | 数值 | 单位 | 出处 |
|---|---|---|---|
| 绿电直连综合用电成本降幅 | 10-20 | % | 第一章1.4 |
| 常州项目光伏年发电量 | 2200 | 万kWh | 第八章8.1 |
| 常州项目绿电消费占比 | 50 | %以上 | 第八章8.1 |
| 海宁项目全年绿电消费占比 | 80 | %以上 | 第八章8.2 |
| 算力利用率提升后水平 | 65 | %以上 | 第六章6.3 |
| 等效Token产出增幅 | 62.5 | % | 第六章6.3 |
| 设计PUE | 1.25 | — | 第八章8.1 |
| 运行PUE目标 | 1.2 | — | 第八章8.1 |
绿电直连的经济性在数据上体现得较为直接:通过就近消纳降低输电线损、参与电力现货市场获取价差收益,综合降低用电成本10%-20%。这一降幅对能耗占运营成本大头的智算中心而言,直接作用于TCO结构。 两个样板项目的绿电占比路径不同。常州以园区自有光伏为主,光伏年发电约2200万kWh,约占满载年用电量六成,绿电消费占比稳定超过50%,叠加绿电PPA与绿电交易后可进一步提升;海宁依托集团分布式光伏集中汇流直连,全年绿电消费占比超80%。项目建成后,预计年产 Token 不低于 60 万亿个。 运营侧则通过利用率从40%提至65%以上,带来等效Token产出62.5%的增幅。
| 指标 | 数值 | 单位 | 出处 |
|---|---|---|---|
| PINN物理一致性(测试值) | 99.5 | %以上 | 第五章5.2.3 |
| 频率响应闭环控制时间(设计目标) | 200 | ms以内 | 第五章5.2.3 |
| L1自动通过层置信度阈值 | 0.95 | — | 第二章2.2.1 |
| L3同步阻断延迟 | 5 | 秒以内 | 第二章2.2.1 |
| 全闪存存储端到端读写延迟 | 100 | μs以内 | 第四章4.2 |
| 供配电故障自动切换时间 | 4 | ms以内 | 第四章4.5 |
| 设施可用性目标 | 99.999 | % | 第四章4.5 |
| 审计账本保存期限 | 7 | 年以上 | 第二章2.2.4 |
算电协同的技术可信度依赖一系列可量化指标。EFM通过物理信息神经网络把电力系统约束嵌入模型,白皮书称PINN机制保证稀疏数据场景下物理一致性达99.5%以上(测试值),频率响应闭环控制时间设计目标为200ms以内。 安全侧采用三级Checkpoint:置信度≥0.95且历史通过率100%的常规指令自动放行,可覆盖约85%日常决策;涉及关键安全边界或置信度<0.80的指令执行前强制暂停等待人工确认,阻断延迟≤5秒,且安全功能运行在DPU独立环境中。基础设施侧,存储端到端读写延迟控制在100μs以内,供配电故障切换时间≤4ms,整体可用性目标为99.999%。
附件资料
正泰智算 x 电投综能:2026绿色词元(Token)工厂技术白皮书-261021.pdf
pdf 文件 · 1.5 MB
附件来自原发布机构;如涉版权,请联系我们,我们将立即下架。
本页解读由 AI 依据报告原文辅助生成,经碳通通作者编辑整理,旨在帮助读者快速把握文件要点,不代表原文件发布方的观点。受节选范围与理解差异所限,解读与图表可能与原文表述存在出入,也可能存在疏漏或不够准确之处,请以报告原文为准。如需核对,请查阅报告原文。附件资料均来自原发布机构或公开渠道,版权归原作者及发布机构所有,本页仅提供学习查阅便利;如涉及版权问题,请联系管理员下架。
