哪裡電便宜，算力就往哪裡跑？沒那麼簡單

候鳥遷徙，是為了追逐適宜生存的氣候。一項AI計算任務的遷徙，則可能因為另一座數據中心擁有更充足、更便宜的電力，被送往數百甚至上千公里之外。過去，算力的運行位置大多隨著機房選址而確定。如今，電力供給的變化，開始成為計算任務選擇落腳點的新理由。“用電需求通常不能移動，但計算任務卻可以遷移。”共績科技創始人兼CEO付智說。只是，與候鳥不同，AI任務無法獨自完成這場遷徙。它所依賴的模型、數據與運行環境，也需要在另一座集群中得到妥善安排。算電協同想讓算力隨電而動，但這場遷徙，遠沒有候鳥振翅那麼輕盈。

01算力不必搬家，任務卻有遷移成本據此前公開報道，一項跨區域算電協同實測在三天內累計調度28萬餘次AI推理請求，單位Token的算力用電成本下降約31%。類似的探索也出現在海外，Google、英偉達和Emerald AI共同發起AI能源管理聯盟，嘗試讓數據中心根據電網狀態靈活調整用電負荷。當電力系統開始嘗試調動計算任務，另一批企業則正在建設讓任務跨集群流動的基礎設施。在共績科技辦公室見到了創始人兼CEO付智，這位有著“00後創業者”標籤的年輕創始人，談起行業頻繁提及的算力調度，措辭相當直接。“調度這個詞，已經被用爛了。”付智說。

在他看來，行業裡不少企業所說的算力調度，主要圍繞單個集群展開，更偏向已有GPU資源的管理。而共績關注的是不同集群之間的任務流轉，兩者雖然都屬於算力調度的範疇，但側重點並不相同。計算任務的遷移，付智用了一個簡單的比喻：“比如我需要調用你大腦的計算能力，我當然不可能把你的大腦借走，那我就把數學題給你，你算完再把計算答案給我。”分散在不同地方的計算資源，也是如此——機器留在原地，任務和結果通過網絡傳輸。共績科技創始人兼CEO 付智（共績科技供圖）在過去，這種跨集群調度主要是為了撮合算力供需。一邊有閒置資源，另一邊有計算需求，任務可以被分配到其他集群執行。

而算電協同又給跨集群調度增加了一項用途：當不同地區、不同時段的電力供給、電價和電網負荷出現差異，任務的執行地點可以按需進行調整。自2023年起，共績科技開始探索分佈式算力。付智當時判斷，隨著AI應用增加，未來的推理任務不會全部集中在大型集群，一部分需求可能由不同地區、不同主體建設的中小集群承擔。要把這些分散的資源組織起來，就需要讓計算任務能夠跨集群分配。付智提到，自己從2023年開始思考另一個問題：中國一些地區的風電、光伏存在消納、傳輸和儲存難題，如果電力不方便送到需要計算的地方，能不能反過來，把計算任務送到有電的地方？他把這一思路概括為“用網線代替電線”。

在付智的設想裡，未來分佈式算力網絡可以進一步與分佈式風光電結合。哪裡新能源供應充裕，就更多調用當地算力；電力緊張時，則減少安排在當地執行的任務。（關於分佈式算力的更多信息，歡迎添加作者微信 treelog10 交流）隨著算力用電佔比繼續提高，付智認為，隨著AI算力用電需求增加，算力調度與能源系統之間的聯繫還會進一步加深。不過，要讓算力真正跟隨電力流動，僅僅能夠把任務發送到另一座集群，還遠遠不夠。02任務遷得快，功夫卻花在遷移之前一道數學題，發給別人只需要一張寫著題目的紙。那一項AI任務的遷移，需要調度系統提前做多少準備？

在付智看來，算電協同可以沿著兩條路徑展開：一是在不同地區之間遷移任務，利用各地電力供給和價格的差異；二是在單個數據中心內部調整計算負荷，使其適應電網的供電節奏。向付智提出一個假設問題：如果一座智算中心收到電網指令，需要在五分鐘內降低10%的用電負荷，該怎麼辦？付智給出了兩種辦法：如果有其他機房協同，可以將部分計算任務轉移出去；如果只能依靠自身調節，則可以適當降低任務的吞吐速度，減少功率需求。他更傾向於前者，因為對用戶體驗的影響相對較小。但要讓其他機房在短時間內接手任務，首先需要把分散在不同地方的算力組織起來。共績科技CTO許鍾子珩向介紹，不同集群的接入條件差異很大。

不同集群可能運行在裸金屬服務器、雲平臺或第三方企業的生產環境中，開放的接口、管理權限和硬件條件各不相同。調度平臺必須根據這些差異完成接入，並儘量避免干擾原有業務。“這件事其實決定了你到底能連接到多少GPU。”許鍾子珩說。共績科技CTO 許鍾子珩（共績科技供圖）獲得使用權限是第一步，任務能否迅速運行，則取決於模型和數據是否已經準備好。“任務配套的數據，它可能不是能自由調度的數據，是有很強的引力的。”許鍾子珩表示。例如，一項AI業務可能需要幾十GB的軟件鏡像。如果等到任務抵達另一座集群后才開始下載，就難以迅速啟動。共績採用鏡像預熱、模型分發和緩存等方式，提前在目標集群準備所需文件。

許鍾子珩還提到，共績接觸的一家AI創作平臺擁有超過10TB的模型倉庫，包含成千上萬個模型。要讓業務在不同集群之間切換，需要提前完成模型分發，並讓目標集群能夠及時訪問所需文件。這些準備完成後，部分在線推理任務的遷移便可以主要通過切換後續請求流量實現，而不必每次重新傳輸大量模型文件。“這個網絡帶寬成本我們已經提前付過了。”許鍾子珩說。不同硬件之間的切換也依賴事先準備。共績已針對英偉達、昇騰、海光等計算平臺開展模型適配。許鍾子珩認為，異構調度最繁重的工作發生在適配階段，完成之後，資源分配本身相對簡單。對共績而言，提前完成模型和硬件適配只是第一步。

要讓更多任務能夠在不同集群之間流動，調度平臺還需要持續擴大可連接的算力資源範圍。付智把今天的數字世界形容為“田園時代”。“今天我們現實世界已經是鋼筋叢林，高樓大廈，非常現代化了。但虛擬世界還屬於田園時代，它的高速公路，它的網絡都還沒修。”付智說。在他看來，建設分佈式算力網絡可能是一門持續幾十年的生意，但行業早期的機會窗口或許只有兩三年。誰能率先連接足夠多的算力資源、佔據網絡中的關鍵位置，誰就更有機會在未來的競爭中獲得優勢。03電價變了，調度平臺未必感知建設分佈式算力網絡是一場爭取先機的競爭。但即使這張網絡逐漸建成，能否讓計算任務真正跟隨電力供給變化，仍取決於參與者能從中獲得多少商業收益。

對於算電協同的商業化困境，付智首先談到了數據中心參與負荷調節的經濟動力。他認為，在國內，不少機房目前通過調節計算負荷獲得的收益尚不明顯。如果相關設備和調度投入超過節省的電費，運營商就缺乏主動參與的動力。在付智看來，這也是國內算電協同尚未形成大規模商業閉環的原因之一。中美市場的差異，也讓算電協同走向了不同的探索路徑。許鍾子珩也向談到了這一差異，他介紹，國內不少數據中心目前採用協議電價。在他看來，美國市場當前更關注如何應對電力供應限制，國內則可能隨著電力市場機制進一步完善，以及價格信號向算力運營環節傳導，更加關注電價預測、負荷預測，以及如何降低算力運營的平均用電成本。

技術上，付智此前提出的“以算代儲”，除了跨區域轉移計算負荷，也包括調整任務的執行節奏，在時間維度上適應電力供給變化。但技術上能夠實現負荷調節，並不意味著調度平臺已經具備根據電價變化分配任務的能力。許鍾子珩介紹，目前共績在分配任務時，主要考慮集群剩餘資源和計算實例成本。如果某座集群有空閒算力，租用價格又比較低，平臺就可能優先將任務安排到那裡。不過，這裡的成本仍是算力使用價格，而非電網實時電價。“目前還沒有實現真正的，就是讓卡時成本能感知電網的實時電價。”許鍾子珩說。即便某地電價下降，如果這一變化沒有反映在算力實例報價中，調度平臺也未必有動力將任務轉移過去。

（關於算電協同中電價對企業的影響，歡迎添加作者微信 treelog10 交流）隨著國內電力現貨市場等機制逐步發展，不同時段、不同地區的電價差異可能為算力調度提供新的成本優化空間。但要讓這些差異真正影響任務去向，還需要電力價格變化進一步傳導至算力運營和交易環節。許鍾子珩認為，未來算力運營商可能需要結合電價和負荷預測，決定何時增加計算、何時降低運行速度，或者將部分任務安排到電力成本更低的地區。屆時，算力調度能否進一步考慮能源成本，將取決於電價變化能在多大程度上傳導至算力運營和交易環節。秋風習習，候鳥已經踏上遷徙的旅途。而算力要真正追隨電力流動，還需要跨過技術之外的成本與市場門檻。

（關於算電協同的更多資訊，歡迎添加作者微信 treelog10 分享、交流。）▼推薦閱讀▼華為已為KV Cache單獨做存儲，專用SSD規格卻還沒定下來2026-10-02新雲廠商發現，最賺錢的可能不是賣GPU2026-08-25