AI的第四個要素：電力，正在決定下一輪算力競爭的上限

| 本文作者譚寅亮，來自中歐國際工商學院，系福布斯中國撰稿人，表達觀點僅代表個人。

現在，華爾街的投資人聊起人工智能（AI），不是在聊“模型參數”或“GPU供給”，而多的是在聊“電網能不能扛得住”。過去兩年，生成式AI將計算從一種“偶發的大任務”變成了“全天候的高頻調用”，而電力恰恰是這類新型負荷最硬的約束。

于是，一項新的判斷正在浮出水面——如果說數據、算法與算力構成了AI的前三要素，那么今天的第四要素是電力。更進一步說，電力不再只是損益表里的成本項，而是決定AI擴張速度、空間分布乃至巨頭生死的物理上限。

美國正用現實給全球上一堂昂貴的物理課。北美最大的電網運營機構PJM，正被數據中心的新增負荷推向壓力邊緣。作為覆蓋美國13個州、服務約6700萬人的關鍵樞紐，PJM一直是美國電力系統的“心臟”。

然而，這顆心臟正面臨“心律失?！?。在長期需求基本平穩的背景下，PJM預計未來十年用電需求年均增長4.8%。這個數字在電力行業，意味著電網的運行邏輯被徹底改變：從相對可預測的平滑曲線，轉向了由數據中心驅動的、更加陡峭且極難調度的負荷上升通道。

更直觀的沖擊來自美國最典型的數據中心集聚區——北弗吉尼亞，當地電力公司Dominion Energy收到的數據中心接入申請已超過40GW，這足以供至少1000萬戶家庭使用，接近弗吉尼亞電網既有容量的兩倍。當海量需求集中爆發在同一片地理區域時，問題早已不是“美國有沒有電”，而是這片區域的輸電通道、變電容量、配電系統，能不能在物理上把電送到機房。

現在的美國電網，就像快要散架的老舊機器。數據顯示，美國目前最高用電負荷約820GW，而備用率僅剩17%，處于極度緊平衡狀態。更重要的是存量資產的老化，據統計，60%的發電機組運行時間超過20年，約250GW的設備機齡已近50歲，即將面臨強制退役。一邊是AI產生的巨大需求，如OpenAI甚至提出到2033年要建設250GW的數據中心，這相當于給整個美國電網增加30%的負荷；另一邊是步履蹣跚的老舊電網和漫長的基建周期，新建煤電、核電通常需要5至6年。如此供需錯配，最終引發了民眾擔憂。當科技巨頭為了訓練模型而擠占民用電力資源，導致電費飆升甚至停電風險時，技術問題就變成了社會問題。

面對潛在的失控風險，監管開始明顯收緊。近日，美國政府釋放出一項具有方向性意義的政策信號：新建的大規模 AI 數據中心將被要求具備自供電能力，以避免人工智能的發展推高普通居民和企業的用電成本。這一政策背后的考量并不復雜。隨著 AI 算力需求快速膨脹，如果繼續允許科技巨頭無序接入公共電網，美國現有的電力系統在未來數年內將面臨嚴重壓力，甚至出現結構性瓶頸。換言之，AI 的快速擴張，不能以公共電力系統“兜底”為前提。

在這一背景下，擁有充足現金流的大型科技公司，角色正在發生變化：它們不再只是電力的終端消費者，而被迫走向自建電源、簽署長期電力采購協議，或直接投資發電與能源基礎設施。這意味著，AI 產業的競爭邊界，正在從算力與模型，延伸至能源與基礎設施層面。

對于微軟、谷歌、亞馬遜等這些科技巨頭來說，不想被斷電，擺在面前的大致有三條路。

第一條路是燃氣發電，這是目前最快、最穩的方案。然而，核心設備燃氣輪機的產能已被鎖死。GE Vernova和西門子的燃氣輪機訂單已經翻倍。特別是GE Vernova，其產能排期已經排到了2030年。

第二條路是重啟核能與SMR（小型模塊化反應堆），這是硅谷最喜歡的敘事，并都在瘋搶核電資源。亞馬遜直接買下了與三里島核電站相連的數據中心園區，并計劃重啟部分退役機組。雖然核能清潔、穩定，但其核電審批與建設周期往往以“五年”甚至“十年”計，對于按“周”迭代的AI模型來說，遠水解不了近渴。

第三條路則是固體氧化物燃料電池（SOFC），這是目前最值得關注的黑馬。SOFC能直接將天然氣轉化為電能，效率高達60%以上，且建設周期僅需1至2年，非常適合作為數據中心的分布式電源。美國的Bloom Energy公司已經因此拿到了Meta和谷歌的大單，股價隨之暴漲。在

AI的盡頭是能源，能源的核心是設備。當電力成為關鍵變量，AI產業鏈的敘事也會隨之改寫。過去市場更關注芯片、服務器、云服務；現在，一條從電廠到機柜的鏈條正在被重新定價。對于AI數據中心而言，真正的瓶頸往往出現在并網、輸電、變電、配電這些環節。變壓器、開關設備、繼電保護與調度自動化系統，原本屬于基礎設施的常規配置，如今成為決定數據中心交付速度的關鍵。

再往機房內部看，UPS、電力電子、PDU、母線槽、電能質量治理、備用電源與儲能系統的重要性顯著上升，因為它們共同決定了“高功率密度負荷能否穩定運行”。與此同時，冷卻系統與供配電深度耦合，液冷的普及不僅改變散熱方式，也會改變機房的電力架構與運維方式。換句話說，AI基礎設施正在更像一套“數字工業系統”，而不是傳統意義上“放幾排服務器”的信息化項目。

得益于我國擁有全球最完整的電力裝備與電力電子產業鏈，2024年中國變壓器對美出口增長了44%。隨著美國本土缺口從89GW擴大至182GW（據券商保守估算，對應投資超千億美元），全球買家不得不將目光投向東方。

此外，在數據中心內部的“最后一米”供電上，技術路線也在發生革命。英偉達最新白皮書明確指出，為了適應Blackwell等新一代芯片，800V直流架構（HVDC）將是終極方案。而支撐這一架構的核心部件——固態變壓器（SST），目前全球能做的企業屈指可數，中國企業早已在此布局。當美國急需“物理基建”來承載AI之夢時，中國制造的工程交付能力和規模效應，成了全球產業鏈中無法繞開的一環。

有人會說，計算能效不是一直在提升嗎？這就必須提到庫梅定律（Koomey’s Law）。庫梅定律指出，計算能效長期呈指數級提升，經典說法是單位能耗可完成的計算量大約每18個月翻倍。 在很長一段時間里，這條規律幫助技術行業用更少的電完成更多的計算，使得“數字化升級”與“能源約束”之間的矛盾被推遲。然而，生成式AI正在改變需求曲線的形狀。過去，計算需求更多來自搜索、推薦、交易等相對“稀疏”的請求；今天，AI把請求拆成細粒度的token流水，并把這種流水嵌入客服、辦公、內容生產、研發、工業質檢、視頻生成等越來越多的場景。即便每一次計算更省電，總調用量的躍遷仍會把總能耗推上去。外部研究機構也在反復上修電力需求預期，例如關于美國到2030年前用電增長的預測中，“數據中心”幾乎總是最重要的驅動因素之一。 這意味著，庫梅定律并沒有失效，但它帶來的節能紅利正在被token洪水“用完”，電力重新回到AI擴張的硬約束位置。

視野回到國內，很多人認為中國“電多、不缺”，這可能是一個危險的誤判。如果中國在AI領域的投資規模追隨美國，到2030年，國內數據中心同樣需要新增100至150GW的負荷。屆時，國內電力投資將重回緊張周期，必須新建大量的火電、核電與儲能設施。

PJM的案例給中國的最大啟示，是要把AI當成“新型工業負荷”來規劃，而不是把算力中心當作孤立的互聯網項目。AI負荷的集中爆發，會同時觸發可靠性、價格與協同治理的壓力；而在跨州政策分歧更大的體系里，這種協同更難，PJM轄區內不同州在能源轉型與新電源建設上的立場差異，就讓問題更復雜。 因此，真正的前瞻不是等瓶頸出現再補課，而是提前把并網擴容、變電站規劃、需求響應、自備電與儲能、峰谷管理等機制設計為可復制的“基礎設施制度包”，讓AI擴張從一開始就走在可控的軌道上。

歸根結底，AI時代會出現一個新的衡量尺度：每度電能產出多少“可用智能”。在移動互聯網時代，我們談DAU（日活）、用戶時長、轉化率；在生成式AI時代，電力將成為最底層的生產要素，直接決定智能產出的上限與邊際成本。未來的算力競爭，將越來越像一場電力與基礎設施的系統戰。這不再是簡單的“買幾塊卡”的游戲，而是誰能搞定燃氣輪機、誰能簽下核電站、誰能買到變壓器、誰能更穩更經濟地交付“可用電”。對于中國制造業來說，這可能是一次千載難逢的產業鏈重構機遇。AI的第四個要素，正在重新定價全球的工業資產。

封面來源：視覺中國