2026年4月，DeepSeek官网放出的新一批招聘岗位里，出现了一个不太寻常的地点：内蒙古乌兰察布。两个岗位——数据中心高级运维工程师、数据中心高级交付经理——月薪开到了1.5万至3万元。
这件事在行业里没有引起太大波澜，但值得仔细琢磨。DeepSeek是国内大模型赛道上跑得最快的公司之一，过去它和绝大多数AI创业公司一样，靠租用云厂商的GPU算力完成模型训练。现在它要去乌兰察布自己建数据中心了。这个动作背后，藏着一个正在加速的产业逻辑：算力的竞争，归根结底是电力的竞争。
乌兰察布这张牌，DeepSeek不是第一个翻开的。
苹果、华为、阿里巴巴、快手，这几家都已经在当地落了数据中心。到2026年，这座被称为"草原云谷"的城市已经集聚了60多家算力相关企业、89个数据中心项目，总算力规模14.5万P，其中智算占比超过90%。放眼整个内蒙古，数字更夸张——全区算力总规模28万P，智算26万P，数据中心的绿电使用比例超过80%。
这些数字为什么重要？因为算力这东西，说到底是电变来的。
一个大型数据中心一年耗电可以达到数亿度。乌兰察布到户电价大约0.25-0.3元/度，北上广深则在0.6-0.8元/度，差价意味着每年数千万元乃至上亿元的成本差距。再加上乌兰察布年均气温只有3-4℃，GPU服务器散发的热量天然有一个"冷源"可以借用，不用全天候开着空调拼命降温——冷却成本通常占数据中心总能耗的30%到40%，这一项就能再砍掉一大块。
便宜，再加上冷，乌兰察布就这么成了。
但真正让这件事从"几个公司各自选址"变成"国家战略"的，是政策层的推动。2026年3月，"算电协同"四个字第一次出现在政府工作报告里。4月，它又被写进了"十五五"规划。5月8日，四部门——国家发改委、国家能源局、工信部、国家数据局——联合印发了一份文件，名字很长，《关于促进人工智能与能源双向赋能的行动方案》，里面列了29项具体任务，时间节点划到了2030年。
这份文件其实是在说一件事：过去我们建数据中心，先找网络、找人才、找市场，电不够就找电网扩容。现在逻辑反过来了——先找电，再谈算力。 哪里风光资源丰富、电价低、绿电供给充足，算力就往哪里搬。
"算电协同"这个词，拆开看有两层意思。
一层是"以电强算"，就是让数据中心用上更便宜、更绿色的电力，最直接的做法是"绿电直连"——发电端和算力端直接对接，绕过部分电网中间环节，电价还能再压一压。
另一层是"以算促电"，这个稍微绕一点：数据中心其实可以成为电网的"弹性负荷"，用电价信号引导算力在电价低、风光出力多的时候多跑，在用电高峰时少跑，帮电网削峰填谷。两层叠在一起，就是一个"源网荷储一体化"的闭环。
这套逻辑在乌兰察布已经跑出了实际案例。中金数据的零碳算力基地2025年7月并网，是全国第一个数据中心绿电直连的源网荷储一体化项目。2026年，二期又要开工。优刻得也在扩产，智算中心三期力争今年11月投运。呼和浩特的和林格尔新区更夸张，累计签了429个算力及关联产业项目，从上游设备制造到中游算力中心再到下游应用，产业链条已经串起来了。
这一波浪潮里，DeepSeek只是一个最新的入局者。把视野拉大，过去一年里，宁夏中卫、甘肃庆阳、新疆克拉玛依，各地的算电协同项目密集落地，累计装机规模已经逼近千万千瓦。
大模型公司为什么开始自己建数据中心？最直接的原因是规模化之后的成本压力。租用算力在起步阶段很合理，弹性大、前期投入小。但当你的模型参数从千亿级往万亿级走，长期租算力的账就越来越算不过来。自建虽然前期烧钱，但摊薄之后边际成本要低得多，而且训练节奏、数据安全完全自己掌控，不用再看云厂商的脸色。
还有一个更深的趋势值得注意：当算力需求足够大，电力成本会压倒一切其他选址因素。 网络延迟？对于大模型训练来说，不是最关键的。人才密度？算法团队可以放在北京和杭州，算力中心没必要跟着走。剩下来的决定性变量，就是电价和绿电供给。这意味着未来几年，会有越来越多的AI公司出现在内蒙古、甘肃、宁夏这些"能源洼地"，而不是北上深。
这波算电协同的浪潮里，谁是真正的受益者？这条产业链其实可以拆成三段来看。
上游是能源侧——风光发电企业、储能厂商、电网企业；
中游是协同侧——做源网荷储系统集成、微电网解决方案、算力调度平台的那些公司；
下游是算力侧——数据中心运营商、大模型公司、云服务商。每一段都有人在抢跑，但也都有各自的门槛和壁垒。
四部门的行动方案给了一个时间表：到2027年，清洁能源与算力设施互动能力显著提升；到2030年，人工智能与能源双向赋能取得明显成效。这个时间维度，差不多对应着中国AI产业从"追赶到并跑"的关键窗口期。
DeepSeek乌兰察布招聘那两个岗位，放在这张地图上，只是一个很小的标注。但它指向的方向是清晰的：算力正在跟着电力走，而且越走越远。
这波算电协同的浪潮里，谁是真正的受益者？这条产业链其实可以拆成三段来看。
上游是能源侧。风光发电企业是最直接的供给方，内蒙古风电、光伏装机全国第一，弃风弃光曾经是包袱，现在变成了算力产业的"低价燃料"。储能厂商也在快速获益——算电协同项目普遍要配储能，甘肃庆阳的项目就配了1GWh的磷酸铁锂储能电站。电网企业则在重塑角色，从"卖电的"变成"算电协同系统的调度者"。
中游是协同侧，这一段的门槛最高，也最容易出"隐形冠军"。做源网荷储系统集成的公司，需要同时懂电力系统和算力调度，两个领域的知识和资源都不好打通。微电网解决方案、算力调度平台，也都是类似的逻辑——技术壁垒不低，但一旦跑通，客户黏性极强。
下游是算力侧。数据中心运营商是最直接的承接方，中金数据、秦淮数据、万国数据这几家都在疯狂扩产。大模型公司正在从"租客"变成"房东"，字节跳动走得最远，火山引擎已经把自己的算力反向出租给其他公司。华为则走了一条更集成的路线，昇腾芯片+数字能源+华为云，一锅端。
这里面有一个值得细想的问题：算电协同会不会改变芯片层面的竞争格局？答案是很有可能会。因为当算力选址向能源洼地集中，数据中心对芯片的功耗、散热、能效比的要求会进一步提高。这也解释了为什么东吴证券在最近的报告里，把GPU芯片和昇腾产业链列为AI信创最核心的两条主线——算力规模化之后，芯片不只是算力的基础，也是电力效率的关键变量。
回到政策层面，四部门的行动方案给出了一个2030年的时间节点。这个时间点值得认真对待。到2030年，中国AI产业大概率已经完成从"追赶"到"并跑"甚至部分"领跑"的转换，而算电协同将是支撑这一转换的基础设施底座。届时，数据中心的绿电使用比例、算力参与电网调度的规模、源网荷储一体化项目的覆盖度，都会成为衡量一个国家AI产业竞争力的硬指标。
从这个角度看，DeepSeek去乌兰察布招人，不只是一次选址决策，更是中国AI产业从"模型创新"走向"基础设施创新"的一个注脚。只有把算力成本真正降下来，大模型才有可能从实验室走向千行百业。 而把算力成本降下来的钥匙，不在算法里，在电里。
热门跟贴