截至2025年1月底，浙江省内电源总装机突破1.5亿千瓦大关，达1.52亿千瓦。其中新能源装机容量达5908万千瓦，占比近四成。风电光伏发电合计装机达到5596万千瓦，成为电源装机增长的主力，并超越煤电成为浙江第一大电源。

伴随装机规模增长，风电光伏发电等新能源在电力保障上的作用进一步凸显。数据显示，2025年2月8日，浙江风电光伏发电最大出力3215万千瓦，首次超过3000万千瓦，其中光伏最大出力2864万千瓦，创历史新高。

近年来，以创建全国清洁能源示范省为契机，浙江省持续优化能源结构，新能源发电能力稳步增长。2024年，浙江新能源发电量达717.8亿千瓦时，同比增长29.24%。

这个信息不一般。作为工业大省，能够做到这一点，非常不容易。

截至2023年12月，全国已有多个省份在风电和光伏发电方面超越了煤电。具体来说，青海和甘肃是其中的代表省份。

青海省在清洁能源发电量方面占比接近九成，显示出其风电和光伏发电的显著优势。而甘肃省的新能源发电量也超过了煤电，进一步证明了这些地区在可再生能源领域的领先地位。

全国范围内新能源的装机规模也在2023年实现了历史性跨越，突破了2亿千瓦。这一成就标志着我国在新能源发电领域取得了重要进展，为实现绿色低碳发展目标奠定了坚实基础。

作为内陆省份，湖北人最羡慕浙江的海上风电。

根据浙江省能源局发布的《浙江省海上风电发展规划（2021-2035年）》，到2035年海上风电装机容量达到1000万千瓦以上。

在具体实施方面，浙江省已经启动了多个海上风电项目。例如，浙能嘉兴1号海上风电场是浙江省首个开工建设的海上风电项目，该项目位于杭州湾平湖海域，装机容量达301.2兆瓦。还积极推进其他海上风电项目的建设，如华能苍南4号海上风电项目等。

尽管如此，浙江只能是排在第四位。

截至2023年12月，中国海上风电装机容量持续领跑全球，具体排名如下：

江苏省：作为中国海上风电的领头羊，江苏省的海上风电装机容量稳居全国第一。其丰富的海上风电资源和强大的产业基础为这一成就提供了坚实支撑。

广东省：广东省在海上风电领域也取得了显著进展，装机容量紧随江苏省之后，位列全国第二。

福建省：福建省凭借其优越的海域条件和政策支持，海上风电装机容量在全国排名中占据重要位置。

浙江省第四。

山东省：充分利用其沿海地区的风能资源，大力发展海上风电。

我们知道，人工智能（AI）的快速发展对电力需求提出了新的挑战和要求。AI技术的广泛应用，尤其是在数据中心、机器学习训练和推理任务中，消耗了大量电力。

1. 高计算能力需求

AI模型（如深度学习）的训练和推理需要大量的计算资源，尤其是GPU、TPU等高性能硬件。高性能计算设备通常功耗极高，单个GPU的功耗可达数百瓦，而大型AI训练集群的功耗可能达到兆瓦级别。训练一个大型语言模型（如GPT-3）可能消耗数十万度电，相当于数百个家庭一年的用电量。

2. 数据中心电力消耗

AI依赖于大规模的数据中心来存储和处理数据。数据中心需要持续供电以支持服务器、冷却系统和网络设备。全球数据中心的电力消耗约占全球总用电量的1-2%，而AI相关计算正在成为数据中心电力消耗的主要驱动力。

3. 持续性和稳定性

AI任务（如云计算、实时推理）需要不间断的电力供应。电力供应的稳定性至关重要，任何中断都可能导致服务中断或数据丢失。需要配备备用电源（如UPS）和可再生能源储能系统。

4. 能效优化

随着AI规模的扩大，电力消耗的快速增长引发了能效问题。需要更高效的硬件（如低功耗芯片）和算法优化，以减少单位计算任务的能耗。业界正在开发专门针对AI的能效优化技术，如稀疏计算、量化训练和低精度计算。

5. 绿色电力需求

AI的高能耗引发了环境担忧，尤其是碳排放问题。越来越多的企业和研究机构要求使用可再生能源（如风电、光伏）为AI计算供电。谷歌、微软等科技巨头承诺使用100%可再生能源为其数据中心供电。

6. 分布式计算和边缘计算

为了减少数据传输和集中化计算的能耗，边缘计算和分布式AI正在兴起。边缘设备（如智能手机、物联网设备）需要低功耗设计，以延长电池寿命并减少整体电力消耗。

7. 未来挑战

随着AI模型规模（如大语言模型、多模态模型）的不断扩大，电力需求将持续增长。现有的电网和能源基础设施可能难以满足AI的快速增长需求，需要升级和改造。政府和行业需要制定政策，推动AI与可再生能源的结合，并鼓励能效优化。