最近，英伟达、英国国家电网、Emerald AI、Nebius 等联合团队进行了一项首创试验：通过智能调节 AI 算力负载的运行节奏，在不影响核心业务的前提下实现了更优的能耗调控效果。

　　值得关注的是，在实际测试条件下，数据中心收到电网调度信号后 1 分钟内可主动降耗约三分之一，用电量连续 10 小时稳定降低 10%，在此期间工作负载仍然持续。

　　这意味着，数据中心的耗电有望像充电宝一样反哺电网。该结果对于全球争抢算力的 AI 公司来说是一种更具经济性的策略：通过对算力负载进行柔性调节配合电网调度，换取数据中心的电力快速接入资格。

　　这种灵活性得益于 Emerald 公司的 Conductor 系统，其相当于电网和数据中心之间的智能中介。

　　为测试 Emerald Conductor 的动态调整数据中心功耗的能力，在 2025 年 12 月的五天中，团队成员向该站点共发布了 200 余个电力调节目标，模拟了 22 次实时电网事件。结果显示，在测试过程中苏州开锁，该平台能够 100% 成功将功耗调整到目标水平，并在关键工作负载继续正常运行的情况下，将需求降低高达 40%。

　　更具挑战性的是，联合团队对 2020 年加州电网紧急事件进行了模拟重演，结果证明 AI 可抵消用户临时的用电激增。

　　在长时间负荷转移方面，该系统能响应电网需求，连续 10 小时稳定降低功耗，助力电网应对低风速、极端高温等供电紧张或用电高峰场景。此外，他们还模拟了系统压力事件，在大约 30 秒内削减 30% 的负荷，以帮助维持电网弹性。

　　类似的能力并非首次验证。早在 2025 年 7 月，英伟达等联合团队就聚焦全球 AI 数据中心与电网的共性矛盾，发表了相关论文 [2]。

　　他们在美国亚利桑那州凤凰城进行了现场测试，并证明在电网压力事件期间，Emerald Conductor 平台能够在保持计算服务质量的条件下，在 3 个小时内将运行在 256 个 NVIDIA GPU 集群上的 AI 工作负载的功耗降低 25%。

　　这是 Emerald 通过协调 AI 工厂运行的各种不同工作负载来实现的。AI 工作负载的运行方式通常具有潜在的灵活性，某些作业可以暂停或减慢速度，例如用于学术研究的大模型的训练或微调；而另一些作业，例如为数百万用户提供的 AI 服务的推理查询，则无法重新调度，但可重定向到本地电网压力较小的其他数据中心。

　　Emerald Conductor 协调数据中心网络中的这些 AI 工作负载，来满足电网需求，确保对时延敏感的工作负载保持满额性能，同时在可接受范围内，动态降低非核心柔性负载的处理吞吐量。

　　图丨APS 事件显示 Emerald Conductor 实现的功率降低曲线，通过混合使用控制参数（未采用功率上限）实现降低功率（来源：arXiv）

　　除了帮助 AI 工厂利用现有电力系统上线之外，这种调节用电量的能力还可以帮助城市避免轮流停电，保护社区免受不断上涨的公用事业费率的影响，并使电网更容易整合清洁能源。

　　更深远的意义在于长期容量释放。据杜克大学一项研究结果，如果新的 AI 数据中心每次能将用电量减少 25%，持续 2 个小时，有可能释放 100 吉瓦的新容量来连接数据中心，相当于超过 2 万亿美元的数据中心投资。

　　这项研究的意义不仅在于降低能耗，更在于灵活性。从试验结果可以看到，AI 工作负载几乎能够实时地进行调整，这意味着数据中心可能不再需要完全稳定的电力供应，而是可根据电网状况做出响应，在系统压力期间缓解电力需求，消纳可再生能源。

　　从更本质的角度来看这项研究，它不是简单降频，而是对不同类型的 AI 任务进行分级管理：延迟敏感型保持性能，弹性训练任务降速，叠加功率上限控制，进而实现可预测的功率下降。当然也需要看到的是，这种方式并不能替代电网扩容，但可大幅度降低按峰值建设的必要性。

　　“可再生能源具有间歇性和波动性，如果电网拥有大量能够随着电力供应变化而调整的缓冲装置，那么更容易将其并入电网，”Emerald AI 首席科学家、波士顿大学艾谢·科斯昆（Ayse Coskun）教授表示，“数据中心可以成为它们的缓冲装置之一。”

　　这种转变能够减少连接这类 AI 数据中心所需的电网加固工程量。未来，如果获得运营商许可在高峰时段限制用电量，电网可能无需持续按照其理论最大需求进行建设。

　　反过来，它可以降低平衡成本，并有可能加快并网进度。假设该模式跑得通，全球电网扩建成本有望显著下降，AI 和电网也将从竞争电力资源转向协同调度。

　　据国际能源署预测，到 2030 年，全球数据中心的电力需求可能会翻一番以上。在英国，一些新项目甚至需要排队数年才能接上电网。美国德克萨斯州通过了一项法律，要求数据中心在电力公司要求下，于限电期间降低用电量或与电网断开连接。

　　在此背景下，这项试验的成功表明，通过纯软件解决方案，AI 数据中心有望从电力瓶颈转变为可控的电网资产。当算力成为可调节资源，电网调度的逻辑或将被重新书写。