ARTICLE · 986818
AI 到底有多耗电?一场正在逼近的全球＂抢电战＂
我们总以为，卡住 AI 脖子的会是芯片、是资本、是技术上限。直到越来越多的信号指向另一个答案——电。
一个扎心的数字：ChatGPT 每天要烧掉超过 50 万千瓦时的电，够 1.7 万个美国家庭用一整天。你随手在对话框里敲下的一句话，背后可能就是你家里那盏灯亮一整晚的代价。
当全世界都在凑算力、堆 GPU 的时候，真正让大佬们睡不着觉的，其实是电网深处那几个字：电不够了。
一、AI 到底有多耗电？
先摆一组硬数据（口径我标清楚，避免"看起来吓人"）：
注意：945 TWh 是全球预测，95~325 TWh 是美国一国预测，两者范围不同、不冲突。但共同点是：增速都是翻倍级，远超电网扩容速度。
二、为什么电网开始慌了
缺电不是"电不够用"，而是供需节奏错配：
• 建得快，造得慢。 一个数据中心两年能投产；一座核电站动辄十年起步。GPU 一批批往上堆，电站却跟不上。 • 区域先爆。 缺电是区域性的。美国的弗吉尼亚，数据中心扎堆，局部电网已逼近承载极限——"电荒"会最先从这里冒出来。 • 结构之困。 美国约 39% 的电力靠天然气。能源转型期清洁能源还没完全接棒，AI 跑来抢电，把紧绷的电力盘子又撬开了一条缝。
三、科技巨头们，慌成什么样了？
面对这台"电老虎"，硅谷各显神通：
买电。 微软、谷歌、亚马逊下场签十年二十年的购电协议（PPA），把核电、风电、光伏的电提前"锁死"。电，成了比芯片更抢手的期货。
造电。 光买不够，巨头直接下场造——微软绑定小型模块化反应堆（SMR），谷歌、亚马逊的投资一路跟进，甚至押注核聚变。
省电。 液冷技术把数据中心总能耗压下来 10%~30%，英伟达还在推近乎零用水的液冷方案。连"老掉牙"的燃气轮机，因为能快速部署、稳定供电，被资本重新捧上了桌。
黄仁勋那句引发争议的话也是这个意思——他说 AI 未来要烧掉"14 个地球的能源"。说法夸张，但背后的焦虑是真的。
四、电之外，还有水
电的事还没理清，水又冒出来了。
数据中心散热主要靠冷却，冷却要大量用水。AI 服务器越堆越密、发热越来越猛，"喝水"也越来越多，在一些地区已经开始和民用抢水。有机构的估算里，训练一个大模型耗水以百万升计（加州大学河滨分校研究显示，训练 GPT-3 耗水约 70 万升）。
当然，声音并不一边倒：有人认为 AI 能耗的很多估算被媒体放大了，是"惯性恐慌"；美国能源部则提醒，真实情况更复杂——AI 训练的能耗很快会超过推理，区域性的缺电风险可能被低估。悲观和乐观，吵得不可开交。
五、中国是怎么接招的
放在全球看，中国有个独一份的解法："东数西算"——把高耗电、高耗水的数据中心，搬到西部电多、电价便宜、水也相对充裕的地方去，让算力跟着能源走。
但也要冷静看占比。AI 那点电，放到中国一年 56000 亿千瓦时的全社会用电量面前，目前占比还很小。那些"吓死人"的标题，往往只顾放大绝对值，没放进总量里比较。
所以对普通人来说，短期不用担心电价被 AI 拉高。真正值得盯的，是数据中心扎堆区域的电网压力，以及"谁能先拿到电"这个资源再分配的问题。
六、抢电之外，还在"抢技术"
聊完抢电，我想再往深一层——这场"抢电战"真正比拼的筹码，其实不只是电本身，而是谁先掌握把电高效供到芯片上的技术。
现在数据中心供电系统正在经历一次代际升级，两个关键词值得记住：SST（固态变压器）和 800V 直流供电。
过去数据中心用的是笨重的工频变压器，电压要经过好几级变换才能到芯片。而固态变压器用高频电力电子，能把 10kV 甚至更高的中压交流，一步直接变成 800V 直流，中间集成了隔离、调压、电能质量和储能接口。它体积更小、效率更高，正逐步替代传统变压器。
为什么数据中心功率密度一下子冲这么高？因为 AI 训练芯片的单卡功耗已经突破 2000W，一个机柜的功率负荷超过 100kW，未来还要往兆瓦级冲。老式供电架构根本喂不饱，于是英伟达在秋季 GTC 上直接确立了800V 直流供电的方向，固态变压器成了 AI 数据中心的供电新底座。
这一轮升级，和芯片、算力一样，都是 AI 的地基。半导体在往前跑，电力系统也必须跟上——算力要多少电，供电技术就得供得上多少电。半导体、电力、AI，三者不是并行的三条线，而是环环相扣的一条链：芯片吃电，电要够稳够快，才养得起这头"电老虎"。
七、尾声
打到今天，AI 这场竞赛比的已经不是谁模型更大、谁芯片更多，而是——谁能先握住电。
这背后藏着一个更值得琢磨的信号：当行业的胜负手，从算法、代码一路延伸到发电厂和输电线，说明 AI 已经从"写代码的游戏"变成了"重工业"。它要抢的，不只是几块显卡，而是电网里有限的每一度电。
AI 要烧掉多少电，才配得上我们期待的未来？这个问题的答案，可能比模型参数更能决定谁能活到最后。