AI算力狂飙背后：电力只是冰山一角

一个冰箱大小的服务器机柜，重量超过一辆皮卡；到2027年，其峰值功率将相当于65户家庭同时用电；每个机柜需排出的热量相当于30台燃气锅炉。这是国际能源署（IEA）2026年4月报告对下一代AI数据中心的描述。报告还给出另一组数字：2025年五家科技巨头资本开支超4000亿美元，2026年再涨75%，已超过全球油气开采年度投资总额。

“算力的尽头是电力”只说对了一半。电是必要条件，但真正卡住AI扩张的，是一整条由发电、电网、变压器、散热、存储、封装和资本串起的链条，以及各环节截然不同的建设速度。

从物理层面看，AI做的事是把电能送进晶体管，驱动比特翻转，完成矩阵乘法，吐出Token。有效智能可粗略写成四个因子的乘积：可用电力×硬件能效×算法效率×利用率。每个因子对应一层基础设施，任何一环掉链子都会拖累其余。因此瓶颈不断迁移：从GPU短缺，到先进封装和高带宽内存产能，再到变压器、燃气轮机和并网排队。

两个物理事实值得注意。一是能量守恒：数据中心吃进多少电，几乎全部变成热，供电与散热是同一问题的两面。二是“搬数据比算数据贵”：从片外DRAM读取数据的能耗比一次浮点加法高两到三个数量级，现代AI芯片能耗大头往往在“搬”而非“算”，HBM、CoWoS封装、NVLink、共封装光学等创新都指向缩短数据距离。按朗道尔原理，室温下擦除一比特最小能耗约3×10⁻²¹焦耳，今天芯片离理论下限仍有多个数量级空间。所以AI能耗问题不是撞上物理墙，而是工程、供应链和制度问题。

需求端，IEA测算2025年全球数据中心用电增长17%，AI为主的数据中心用电暴增50%，同期全球总用电仅增3%。基准情景下，数据中心用电将从2025年485太瓦时翻倍至2030年950太瓦时，约占全球用电3%；AI专用数据中心用电同期增至三倍。单次任务能效每年至少下降一个数量级，但总量狂涨，这是杰文斯悖论：效率提升、使用量激增、能力跃迁解锁新用例三股力量同时加速。视频生成、推理模型和智能体任务单次能耗可达简单文本生成的数百到数千倍。Epoch AI统计，前沿模型训练算力自2020年以来每年增长约4到5倍，单次前沿训练所需功率每年约增2.2倍，目前最大规模训练已超100兆瓦，若趋势延续，2030年单次训练可能需4到16吉瓦；全球AI芯片存量总算力每年约增3.4倍。中国方面，截至2026年3月底日均Token调用量突破140万亿，较2024年底增长超千倍；截至2026年7月底全国智能算力总规模达245万PFLOPS。全球占比3%看似不吓人，但压力来自集中：到2030年美国数据中心将贡献全美用电增长近一半，用电量超过铝、钢铁、水泥、化工等高耗能产业之和。

问题不在总量而在速度。吉瓦级数据中心约两到三年建成，而大型电力变压器交付周期在美国最长四年，燃气轮机交货期超三年，新建核电以十年计。芯片按年迭代，数据中心按两年建成，电网按十年规划，三种时钟严重错配。2025年全球燃气轮机订单激增70%，GE Vernova在手订单加产能预留已达116吉瓦，年底至少125吉瓦，而年产能2026年三季度才爬至20吉瓦，2028年24吉瓦，2030年向30吉瓦推进，现有积压约相当于近六年产量。变压器在数据中心总成本中占比很小，却可能决定项目能否按期通电；美国大型变压器交付周期最长四年，取向硅钢仅一家本土生产商。据彭博社报道，美国原定2026年投运的约12吉瓦数据中心容量中，仅约三分之一处于实际施工阶段。面对并网排队，美国开发商主流选择“自带电源”，IEA卫星追踪显示约五分之一现场燃气项目已开始清场或施工，到2030年现场燃气可能为数据中心提供15到27吉瓦电力，但AI负载波动剧烈，发电能力需超配30%到70%。核电是更长线押注：微软与Constellation签20年购电协议重启三里岛1号机组，最早2027年恢复发电；Meta签约从2027年中起采购Clinton核电站1.1吉瓦电力；亚马逊与Talen扩大协议锁定最高……