一家新能源大厂，如何撑起全球最大AI算力超级单体？

8月6日，远景科技集团在这里宣布 「远景乌兰察布星河基地」 正式投产，园区内全球最大的AI算力超级单体同步亮相。

这座超级单体建筑面积超过12万平方米，相当于20个标准足球场，其所在的星河基地总规划容量达到2GW，规划支持百万卡并行和百万P级算力。

当时，AI行业的注意力更多集中在模型参数、GPU数量和单卡算力上。如今，单个集群正在从万卡迈向十万卡、百万卡，IT负荷也从兆瓦级走向百兆瓦乃至GW级。

这时候，一座AI数据中心能不能真正跑起来，已经不只取决于「有没有芯片」。

电从哪里来、能不能稳定供应；数十万张芯片瞬间拉升负荷时，供电系统能不能接得住；更高的功率密度带来的热量，又能不能及时带走。

这些过去位于后台的基础设施问题，正在走到AI竞争的前台。

而这也带来了一个有意思的问题：做AI数据中心的，过去通常是电信运营商、专业数据中心开发商和互联网大厂。

为什么这一次，造出全球最大AI算力超级单体的，却是一家新能源企业？

随着单个集群的规模从万卡迈向十万卡、百万卡，功耗也从兆瓦级跳到吉瓦级。一座大型AI数据中心的用电量，已经接近一座中型城市。

电力正在从后台配套，变成决定算力扩张速度的前台变量、变成能不能持续扩张的前置条件。

英伟达CEO黄仁勋曾把AI拆解成五层：能源、芯片、基础设施、模型和应用。能源被放在最底层，因为没有它，后面几层都无从谈起。

全球数据中心持续扩张，规模已达32吉瓦，但输电线路、变电站和电源设施的建设周期，通常远长于服务器的采购和数据中心土建周期。

不少项目都面临服务器已经到货，配套电力却没有同步就绪的情况。

对于十万卡乃至百万卡集群来说， 供电的稳定性同样重要 。

训练任务往往持续数周甚至更久，电压波动、瞬时中断都可能影响集群利用率。

一旦任务被迫中断，重新加载检查点、恢复集群同步状态，本身就是额外的时间和计算成本。

更重要的是，AI负荷也变得越来越「难伺候」。

数万张甚至更多芯片同步启动、训练阶段切换以及推理请求的实时变化，都会让负荷快速波动。

AIDC的规模来到GW级之后，普通意义上的「不断电」已经不足以满足数据中心的需要，必须要有一套可以同时处理容量、稳定性、动态响应和效率的能源系统。

过去，能源企业更多向数据中心提供电力或单一设备；但当IT负荷进入百兆瓦乃至GW级，能源获取、储能、供配电和热管理便开始成为基础设施上限的决定性因素。

中国长期积累的风光资源、电力装备、储能制造和大规模工程建设能力，也因此获得了新的使用场景。

国家能源局数据显示，2026年中国风电光伏新增装机约3亿千瓦，新型储能装机规模也已突破1亿千瓦。

这些原本服务于电网侧的产能，正在变成算力基础设施可以直接调用的资源。

但有风、有光、有储能，并不意味着就能直接给GPU用。

要让这些资源真正在AIDC中落地，还必须 把新能源资源转化成稳定、高质量、可连续供应的「算力能源」 。

中国拥有丰富的风和光资源，并不意味着这些能源可以直接供给AI。新能源具有波动性，百万卡集群却要求持续稳定运行，两者天然存在矛盾。

远景乌兰察布星河基地要完成的核心转换，就是把波动的绿色能源，变成可预测、可调度、可连续供应的算力能源。

过去二十年，从风机、储能、电力电子到能源管理，远景长期面对的就是同一道物理问题，那就是 如何预测自然能源的波动、如何储存和调度电力，以及如何让不稳定的新能源最终成为工业系统可以依赖的稳定能源 。

当AI数据中心进入GW级时代，这套能力第一次与算力基础设施发生了高度重合。

这场转换首先需要资源基础，为了满足这一需求，远景把其AIDC的选址，落在了乌兰察布。

这里风、光资源丰富，全域绿电占比高达67%，远景通过自建风电场和专线，把绿电直接送进了数据中心。

有了资源，接下来要解决的是， 怎么让这些资源真正适应AI 。

远景的做法，是形成一套「预测—决策—执行」的实时闭环。

与此同时，储能承担了绿电与GPU之间的缓冲作用。

经过这几层处理，波动的新能源才有可能变成算力负荷可以持续使用的稳定能源。

此外，数据中心的供电链路长期存在一笔隐性成本。

电以中压交流形式进入机房，直到变成芯片最终使用的直流电，中间需要经过多级变换，每一次转换都会产生损耗。

过去机柜功率较低时，这些损耗并不算显眼。但随着AI机柜进入数百千瓦级，转换效率、设备占地和铜耗都被同步放大。

远景采用SST加BESS的800V直流供电方案，进而减少中间转换环节，提高GPU侧供电效率，避免将电能损耗在供电链路上。

对GW级AIDC来说，哪怕只有几个百分点的效率差异，放到整个园区规模上，也会变成巨大的能源和运营成本增长。