AI还没统治人类,先“喝光”了地球的电

数字本身有时候让人麻木。

换一种说法或许更有感知：2030 年，全球数据中心的用电量将增长至约 945 太瓦时。这个数字，与日本，一个拥有 1.2 亿人口的发达国家，全年的用电量大致相当。驱动这场消耗的，不是工厂，不是城市，是服务器。

更准确地说，是 AI。

国际能源署的数据描绘了一条陡峭的曲线。2024 年，全球数据中心用电量约为 415 太瓦时。到 2030 年，这个数字将攀升至 945 太瓦时，接近翻倍。仅 AI 专用加速服务器的耗电量，就从 2024 年的约 100 太瓦时猛增近四倍，达到 465 太瓦时。在全部数据中心 945 太瓦时的总量中，AI 专用算力的占比将从不足四分之一跃升至近二分之一。

图片来源：IEA 《Energy and AI》

这不是线性增长，而是另一种量级的跃迁。

背后的物理逻辑是清晰的。2020 年，一个采用英伟达 Ampere 架构的服务器机架，功率约为 10-25 千瓦。如今，最新的 Blackwell 架构机架功率已达 120-150 千瓦。五年，增长了 11 倍。机架还是那个机架，占据的空间没有变，吞噬的电力已换了一个量级。

还有一个变量在加速这条曲线：应用形态的迁移。

早期的 AI 交互，主要是文本查询。用户打下一行字，模型就返回一段话，电力的消耗相对有限。随着多模态 AI 的普及，如今的 AI 系统越来越多地承担视频生成、长链推理乃至 Agent 等复杂任务。这类应用的能耗，是普通文本查询的数百乃至数千倍。模型的能效在进步，需求的膨胀速度更快。两条曲线的走向，让“效率提升可以对冲能耗增长”的乐观预期，变得越来越像一种自我安慰。

Gartner 给出了一个具体预判：到 2027 年，AI 服务器的合计功耗将超过所有在役传统服务器之和。这意味着，历史上积累的所有计算基础设施消耗的电力总和，将被新一轮 AI 浪潮在短短几年内赶超。

大型科技公司感知到了这道账单的重量。2026 年，微软、谷歌、Meta、亚马逊等巨头的 AI 基础设施支出预计合计达到 7150 亿美元。这个数字超过了美国整个能源行业 2024 年的年度投资总额。

钱流向了哪里？很大一部分，流向了电。

有一种困局，不是因为资源不够，而是因为系统太慢。

美国的电力危机，属于后者。

按东吴证券的预测，到 2030 年，美国累计 AI 算力需求对应的发电装机将达到近 1800 吉瓦，未来五年每年需要新增发电装机 100 吉瓦。现实是：2026 年至 2030 年间，美国已备案的新增装机累计不足 200 吉瓦，年均仅 50 吉瓦，只有需求的一半。

这个缺口叠加了美国电网的结构性痼疾。三大电网互连性差，跨区调度能力有限；老旧火电机组持续退役；新建项目从规划到并网的周期，动辄以十年计。数据中心的需求是指数级的，电网的响应是线性的，两者之间有一道越来越宽的裂缝。

美国能源部有过一个估算：到 2027 年，50%的新数据中心将面临电力不足的困境。

欧洲的情况同样严峻。阿姆斯特丹、法兰克福、都柏林，这三座城市是欧洲数据中心密度最高的枢纽。如今，它们的电网容量已接近极限。爱尔兰有过一段时间完全暂停新数据中心的电力连接申请，荷兰在阿姆斯特丹周边设立了严格的数据中心建设限制区。“欢迎来投资”的牌匾背后，是“但我们没有电给你”的现实。

还有一个细节，经常被忽略。

全球电力变压器的供应缺口，目前高达 30%。变压器是发电与用电之间的枢纽设备，没有足够的变压器，再多的发电装机也无法把电力传送到数据中心的服务器机柜里。这个老旧的工业品，意外成了 AI 时代的隐形瓶颈。

软件世界的速度，撞上了硬件世界的墙。

中国处境有所不同，但并非没有压力。国家电网的特高压线路输电损耗仅 1.5%，相比之下美国私有电网区域损耗约 6%。“东数西算”工程把数据中心引导到贵州的水电、西北的风光资源富集区，从规划层面就把能耗问题纳入了空间布局。单位能耗比美国低约 40%的数字，体现的是集中调度体制的优势。

但中国的算力需求同样在指数级攀升。31 台在建核电机组是全世界最多的在建核电规模。即便如此，在能源需求的增速面前，依然只是追赶。

1979 年 3 月 28 日，宾夕法尼亚州中部的萨斯奎汉纳河岸，一座反应堆的冷却系统发生故障，导致堆芯部分熔毁。这场事故没有造成直接死亡，辐射外泄量也低于部分官方容忍标准，但它的心理冲击是毁灭性的。

三哩岛之后，美国基本停止了新核电项目的审批。此后的四十年，全国核电装机数量持续下滑，运营中的反应堆一座座走向退役，而新机组的建设几乎停滞。

2024 年，星座能源公司宣布，作为与微软供电协议的一部分，将重启三哩岛 1 号机组，目标 2028 年商业运营。

消息发布时，许多人的第一反应是惊讶：那个三哩岛？是的，就是那个三哩岛。

微软不是孤例。谷歌与 Kairos 电力公司签订协议，自 2030 年开始部署 500 兆瓦的先进核电项目，这是美国历史上第一个企业主导的小型模块化反应堆批量采购协议。亚马逊斥资逾 200 亿美元，在核电站周边大规模布局数据中心园区。Meta 发出 1 至 4 吉瓦的核电采购招标，等待供应商来竞争。

按照公开信息汇总，到 2035 年，微软、谷歌、Meta、亚马逊等巨头直接或间接锁定的核电装机规模将超过 10 吉瓦。还有新的协议在持续签署。

为什么是核能？

答案指向稳定性。风电、光伏解决了碳排放问题，但解决不了持续稳定出力的问题。一座大型 AI 数据中心需要 100 至 300 兆瓦的持续功率，全天候、全年无休。太阳不总是照耀，风不总是在吹，储能技术可以弥补部分缺口，但在这个量级上的成本和技术可行性还远未到位。核电是目前唯一既低碳又能 7×24 小时稳定供电的选项。

特朗普政府在 2025 年签署了四项“核能复兴”行政令。目标：25 年内将美国核电产能提升至原来四倍，许可周期从传统的十年以上压缩至 18 个月。核能这个话题在美国政治上难得出现两党共识，被 AI 带来的能源压力催化成了政策行动。

但这里藏着一个时间悖论。

从协议签署到核电机组真正并网发电，时间窗口至少还有 5 到 8 年。现实中许多项目的延期记录，让这个估算偏乐观。在这段空档期里，大型数据中心的电力需求不会等待。天然气自建电厂成为过渡方案，反应快，部署灵活，但它燃烧的是化石燃料。

科技巨头解决能源问题的答案，在短期内是：多烧天然气，等待核电。

绿色的终点，需要一段并不那么绿色的路程。

图片由AI生成

谷歌的可持续发展报告曾经是科技行业 ESG 叙事的标杆文件。

多年来，谷歌、微软、亚马逊在企业减排领域是最积极的倡导者。购买可再生能源证书，签署长期绿色购电协议，设定净零排放目标，并以具体年份作为承诺。这套组合拳既是企业的真实行动，也是向投资者、监管机构和公众展示的信号。

2026 年，这套叙事没有被公开撤回，但它开始遭遇真正的压力测试。

变化不在于口号，而在于现实含义的偏移。

过去，减排更多是一套采购逻辑。企业在某个时间段内购买了足够多的可再生能源证书，账面上可以宣称“用电 100%匹配清洁电力”。这套方法在负荷增长相对可控时是有效的，它解决了企业层面的碳核算问题。微软 2026 年 2 月宣布，已在 2025 年实现“年度用电 100%可再生匹配”。

但“匹配”和“实时清洁”之间有一道鸿沟。

企业买了全年等量的绿电证书，不代表它的数据中心在用电高峰时刻用的是清洁电力。电网不在乎年度账面平衡，它在乎的是晚高峰那两个小时谁来顶峰，备用容量谁来承担，新增大负荷接入后整个区域的排放强度如何变化。

AI 让减排从一套采购逻辑变成了一套系统约束问题。

还有一个更深的裂缝：计量标准的缺失。

AI 的实际碳足迹目前没有统一的测量规范。训练一个顶级大模型消耗多少电力，推理阶段的持续功耗如何核算，数据中心的冷却水耗如何纳入碳排放口径。各家企业在不同维度上有不同的核算方式，监管机构尚未形成强制性的统一标准。这意味着，企业在 ESG 报告中拥有相当大的口径选择空间。

其中最具讽刺意味的一个细节：AI 被大量用于帮助企业精准核算碳排放，自动生成 ESG 报告，优化能源使用效率。它同时是减排的工具和增排的来源。

碳账本里有一道 AI 自己划出来的裂缝。

这场能源消耗并没有均匀分布在世界各地。

拥有廉价、稳定、清洁电力的地方正在成为 AI 时代的新型战略资源地。冰岛的地热，挪威的水电，中东的太阳能，加拿大的水电。这些曾经只在能源图上有意义的地理优势，正在向算力地图转移。数据中心的选址决策越来越像一道能源驱使的数学题。

那些有电、有地、有政策的地方，正在拿到 AI 时代的入场券。

离普通用户最近的影响，往往是最晚被注意到的那一层。

数据中心需要大量稳定可靠的电力接入，它们倾向于选择靠近大型变电站的地区，与居民区、工厂争夺有限的电网容量。在北美一些 AI 数据中心密集的地区，当地居民用电价格已经受到波及。在部分欧洲城市，规划部门开始收到居民对数据中心电力抢占的投诉。

“AI 与民争电”从一个行业议题慢慢变成了一个地方政治议题。

那条能耗曲线，什么时候会拐头？

乐观者有他们的理由。历史上不止一次出现过类似的预言，结果是技术突破改变了方程式。上世纪九十年代互联网普及时，有人预言到 2000 年互联网用电将消耗美国全部电力的一半。实际上，效率提升和需求结构调整让这个预言彻底落空。

DeepSeek 的效率革命隐约是同一类叙事的当代版本。如果同等智能输出可以用少十倍的电力实现，能源账单就会以另一种速度增长，或许在某个节点实现收敛。

但这一次有一些不同。

互联网时代的效率提升主要靠软件优化和硬件迭代。AI 时代，模型的能力跃迁本身就依赖规模扩张，而规模扩张与能耗增长是高度耦合的。更大的模型，更复杂的推理，更多的模态，更长的上下文。每一次能力的提升都在以某种比例拉高算力需求。效率与规模是同向奔跑的两匹马，不是方向相反的力量。

IEA 预测，AI 在能源系统优化方面可以贡献 3%到 10%的节能率，用于电网调度、预测性维护、需求响应。这个贡献是真实的，也是有限的。与 AI 自身带来的能耗增速相比，它是杯水车薪。

2026 年 2 月，中国国务院发布《关于完善全国统一电力市场体系的实施意见》，目标 2030 年基本建成全国统一电力市场。文件发布的时机耐人寻味，恰好在全球讨论 AI 能耗问题最热烈的时期。这说明，不只是企业，决策层也意识到：AI 带来的电力需求不是线性增长，现有的能源市场机制需要提前重构。

三哩岛核电站预计在 2028 年重启，届时它将为微软的服务器供电，驱动那些每天处理亿级请求的语言模型。一座因核事故被封存四十年的电站，在 AI 时代找到了新的使命。

这个场景里有一种奇异的历史感。人类花了几十年时间试图摆脱对核能的依赖，理由是风险太高、代价太重。现在，为了喂饱 AI 的胃口，又回头叩响了它的大门。

没有人知道那条能耗曲线什么时候会弯曲。在它弯曲之前，人类文明正在用越来越多的电，换取越来越难以定价的智能。

账单在跑，时钟在转。

参考资料：

1. IEA 《Energy and AI》

2. 东吴证券《AI数据中心加剧电力短缺，各类电源需求大增》

1. IEA 《Electricity 2026》