GPU算力為何引發全球電荒？

當下，一場電力饑渴正席卷全球AI產業。2025年，OpenAI在德州阿比林規劃4.5GW電力接入，相當于五座核電站的發電量；微軟GPU集群因電力不足而“吃灰”；北弗吉尼亞數據中心的項目排隊“等電”長達數年……這些現象指向一個殘酷現實：AI競賽的核心正從算力芯片轉向電力基建。

01

從“缺芯片”變為“缺電”

“我們現在面臨的最大問題，不再是算力資源過剩，而是電力——以及能否夠快地在有電力的地方完成設施建置。”微軟首席執行官薩提亞·納德拉在最近與OpenAI首席執行官薩姆·奧特曼對話的播客節目中坦言。他補充道：“如果做不到這點，我們可能會有一堆芯片躺在倉庫里卻插不上電。”

缺電，讓微軟高價購買的顯卡在倉庫里吃灰

“一年多以前短缺的是芯片，接下來短缺的將是電力。”而就在一年之前，埃隆·馬斯克在“博世互聯世界2024”大會上的警告言猶在耳。幾乎在同一時間，薩姆·奧特曼在達沃斯論壇上也表達了類似擔憂，承認人工智能行業正走向能源危機。

曾經，AI行業最頭疼的問題是缺乏先進芯片。如今，情況正在發生根本性轉變。隨著科技巨頭爭相購買高性能GPU，電力供應已成為制約AI發展的新瓶頸。

國際能源署預測，到2026年，AI行業的電力消耗將至少是2023年的10倍。更嚴峻的數據顯示，AI消耗的算力每6個月就會增加10倍，遠快于芯片制造能力的提升速度。生成式AI的年度耗電量將從2023年的7TWh激增至2028年的393TWh，年復合增長率超出行業預期。與此同時，美國數據中心電力缺口預計在2025-2028年間達到49GW。

這一數字相當于多少？摩根士丹利指出，這可能造成相當于3300萬美國家庭用電的短缺。美國最大電網PJM互聯電網的預測更為激進：到2035年，夏季峰值需求將比2023年增長38%，新增近58吉瓦的電力需求，相當于“在未來10年安裝兩個新英格蘭電網”。

電路老化、新增發電容量增長緩慢讓歐美“缺電”問題嚴重

大洋彼岸的歐洲，“缺電”問題更為嚴重。

2025年初，歐盟委員會公布了雄心勃勃的《人工智能白皮書》，決定在域內投資300億歐元，創建13個區域性AI工廠網絡與千兆瓦級超級數據中心。這些AI超級工廠計劃由歐盟委員會主席馮德萊恩在上月公布，目標是幫助歐洲在AI領域追趕美國和中國。然而，歐洲的AI夢想正撞上冰冷的能源現實。每個千兆瓦級數據中心需約1吉瓦電力，相當于一座中型城市的用電需求，而歐洲電網當前設計并未考慮如此高密度、集中式的負載。

數據中心咨詢公司世邦魏理仕的凱文·雷斯特維托直言不諱：這些AI超級工廠將面臨與歐洲私人項目相同的問題——難以獲得英偉達芯片，缺乏滿足大規模運算所需的電力供應。

02

全球電網基建危機全面爆發

回顧過去幾年，AI的能耗增長速度令人震驚。據國際能源署數據，2022年全球數據中心總耗電量約460太瓦時，占全球用電量的2%；到2026年，這一數據將超過1000太瓦時，大約是整個日本2022年全年的用電量。

具體到AI應用，能耗更為驚人。訓練GPT-3一次訓練的耗電量就達1287兆瓦時，相當于3000輛特斯拉電動汽車共同開跑、每輛車跑20萬英里所耗電量的總和。而ChatGPT每天響應約2億個請求，消耗超過50萬度電。

更直觀的比較是：一次AI搜索的耗電量是谷歌搜索的10倍。一個數據中心的耗電量可與1000家沃爾瑪門店相當。高盛預測，到2030年，全球數據中心耗電量將較2023年大幅增長175%，相當于再增加一個“全球前十耗電大國”的電力資源負荷。

與AI迅猛發展形成鮮明對比的是歐美老化的電力基礎設施。美國超過70%的變壓器已超齡服役25年，三分之一的超過50年。這些設計壽命40年的設備，在颶風、野火等自然災害面前變得愈加脆弱。同時，美國電網呈現分散化特征，各州電網獨立運行，缺乏統一協調的調度體系。

全球主要地區AI電力危機表現對比

而同樣的問題也出現在歐洲，高盛在最近的深度研報中詳細分析了歐洲能源系統根深蒂固的三大脆弱性：化石燃料依賴、低碳供應鏈瓶頸和老化的電網。高盛指出，歐洲的電網普遍老舊，平均“年齡”高達50年，已接近其設計壽命終點，電網的碎片化則導致地區間電價差距巨大且不斷擴大。

03

努力自救的科技企業

面對嚴峻的缺電形勢，科技公司紛紛展開自救。良心點的做法，是到處修發電廠。像OpenAI和甲骨文在德州合建天然氣發電廠，xAI也在田納西大力搞基建，結果把發動機都給搞缺貨了，訂單直接排到2029年后。

另一種做法是將數據中心搬到國外。墨西哥、智利還有一些南非國家，都成了AI發展的輸電泵。可這些地區電力供給本來就不發達，現在更是雪上加霜。

在愛爾蘭，數據中心消耗了全國20%的電力，停電、耗水，都對當地居民生活和生態環境造成了影響。更富創意的是，科技公司甚至將目光投向了太空。

谷歌在2025年11月初公布了一個名為“捕光者計劃”的項目，該計劃的運作方式是把TPU芯片送入太空，使用太陽能為其發電。谷歌并不是唯一有這種想法的公司，一家名為Starcloud的初創公司已經發射了搭載英偉達H100芯片的衛星，并宣稱要建設一個擁有5吉瓦功率的天基數據中心，而埃隆·馬斯克也曾表示SpaceX“將會做”太空數據中心。

04

電力稀缺時代，中國的機會

在全球AI產業因電力短缺而陷入焦慮之際，中國卻憑借其長期積累的能源基建優勢與戰略前瞻性，悄然站上了新一輪產業競爭的高地。與歐美老舊的電網和分散的能源體系形成鮮明對比的是，中國擁有全球規模最大、電壓等級最高、調控能力最強的統一電網，并已在清潔能源布局上走在世界前列。

“東數西算”國家工程為中國AI成長提供

與此同時，中國在新能源領域的壓倒性產能，為AI的“綠色電力饑渴”提供了潛在的解決方案。全球最大的光伏和風電產業鏈在中國，這意味著在獲取清潔、低成本能源方面，中國AI產業擁有更穩定、更具彈性的供應鏈。

目前，中國多家科技巨頭，如華為、阿里巴巴、騰訊，已在內蒙古、寧夏、貴州等可再生能源豐富的地區布局數據中心，實施“東數西算”國家工程，這本身就是對未來能源約束的未雨綢繆。

在這場剛剛開始的電力霸權競爭中，中國不僅手握能源底牌，更在重新定義增長與可持續的邊界。而全球AI產業的未來格局，或許正取決于誰能率先解開能源這道終極難題。

05

破局之戰：清潔能源誰主沉浮

在“碳中和”時間表的督促下，誰都想讓電力既降本又減碳，最終實現綠色、高效、可持續的數據中心算力發展路徑，新型清潔能源能否堪當大任？又該如何圍繞數據中心的“電算協同”，將電力市場推向更靈活、更開放的新地帶？

戰略押注小型核電

面對AI數據中心的算力需求，核電正成為科技巨頭們的首選解決方案。

去年9月，微軟與Constellation Energy簽署了價值16億美元的購電協議，重啟三哩島核電站已關停的反應堆，為其云計算和人工智能項目提供穩定能源。此舉被視為科技圈轉向能源賽道的標志，更是顯示出頭部科技企業對于核電成為未來能源支柱的押注之意，尤其是亞馬遜、谷歌等科技巨頭迅速跟進。

亞馬遜、谷歌都選擇和電力基礎設施公司合作，不僅要買核電，還要參與到核電站的建設中，尤其是小型模塊化反應堆（SMR，Small Modular Reactors）。

亞馬遜曾放出招聘首席核工程師的需求，且特別強調工程師要在SMR技術上有豐富的經驗；谷歌則緊跟著宣布與核能初創公司凱洛斯能源（Kairos Power）簽署了一項新協議，計劃在2030年前建造7座SMR，為其數據中心提供電力支持，至2035年將部署更多反應堆，總體將在美國電網新增高達500兆瓦的全天候無碳電力。

亞馬遜在建的SMR工程

最近，谷歌還宣布與北美能源公司NextEra達成合作，將于2029年第一季度重啟位于美國愛荷華州的杜安·阿諾德（Duane Arnold）核電站，直接為谷歌在當地擴張的云計算和AI基礎設施提供全天候零碳電力。

有意思的是，就在2023年，愛荷華州的全美首個SMR項目，還沒實現首堆投運，就因為電力買家太少而終止了。真是時移勢易。

核電之所以受到科技巨頭青睞，關鍵在于其獨特的優勢。核電具有發電量大且穩定、成本相對可控的特點，對于無間斷運行的數據中心來說，核電無疑是最可靠的能源選擇。

而SMR的出現更是完美契合了數據中心的需求，它的設計功率較傳統反應堆小，是可模塊化生產、在工廠制造、于現場組裝的核反應堆類型，比普通核電站建設周期短了太多。這意味著它的建造時間短、安全性能更高，可以靈活部署在數據中心附近，減少輸電損耗。

然而，核電之路并非一帆風順。安全性能更高不意味著百分百安全。在以往核電站事故的陰影下，怎么提升建造地社區居民的接受度就是大問題。再加上美國脆弱的電網基礎設施，數據中心很有可能會使本地配電網負荷劇增，危及電網可靠性并增加其他用戶成本。

風光電之外的穩定選擇

其實想要穩定的清潔能源還有其他選擇，比如“地熱發電”。

“地熱發電”聽起來像是“從地球肚子里掏電”，其實也差不多。地理學告訴我們，地球內部處于極高溫狀態，地殼下幾公里就是數百度的巖漿熱源，偶爾會隨著熔巖被帶至地表附近。

人類其實很早就懂得怎么利用地熱資源，比如我們曾泡過的溫泉，其實就是被地熱加熱后的地下水。“地熱能”就是地球自然產生的干凈再生能源，如果拿來發電就是所謂的“地熱發電”。

地熱能我們并不陌生，溫泉的存在就是一個證明

地熱發電擁有不少優點，包括碳排放低、低污染、抗天災等，更沒有目前太陽能光伏發電和風力發電最為人詬病的不穩定問題，可以24小時全天候提供電力。若能妥善開發和利用，不失為未來全球再生能源供給的重要選項。

通過鉆井取出高溫蒸汽或熱水，驅動渦輪機發電，這就是地熱能發電的核心原理。就傳統的地熱發電來說，地底需要同時滿足三個條件：豐富的熱源、充足的地下水和良好的滲透率，滲透率好才能讓水可以在其中流動，這三者缺一不可。在具備這些條件的地方，汲取地熱能量相對容易。

但如果從地底出來的水是蒸汽形態，我們可以如上所述直接利用，這被稱為干蒸汽（Dry Steam）發電，這也是最古老的地熱發電方式。只不過，這么好的條件可遇不可求。

位于冰島的地熱發電廠

近來，許多新建地熱發電廠采用所謂的雙循環（Binary-Cycle）發電方式。當溫度沒那么高的地下水到達地表后，會在熱交換器與另一種沸點很低的流體交換熱能，比如正戊烷（Pentane）或丁烷（Butane）；在接收到地下水的熱能后，這個流體會轉變成氣態并推動渦輪，產生電力。

雙循環系統的好處是適用更廣大的區域，而且對溫度的要求不高，甚至有57攝氏度就成功發電的紀錄，但缺點就是發電效率較低。

以上就是目前地熱發電廠主要用的三種方式，開采深度一般在地下1.5公里到2.5公里。

不僅美國的科技企業在考慮去那些位于地球構造板塊邊界地區，利用地熱發電，我國同樣在地熱資源開發利用方面走在世界前列。據中國石化集團2024年的公開數據，中國地熱直接利用規模長期穩居世界第一，已建成地熱供暖和制冷面積13.3億平方米，折合裝機92.4吉瓦。

只不過全球都面臨著地熱開發利用技術水平有待全面提升的問題，畢竟地熱發電不像風能、太陽能等可再生能源技術，它們在過去十多年中不僅證明了可行性，并且技術進步明顯，使得建設成本不斷降低。地熱開發利用能否大規模商用和技術、成本息息相關。

06

“電算協同”的中國方案

除了開發新能源，頭部科技公司也在不斷通過算法優化、算力調度等方式，從需求端降低能源消耗，并且一直在探索算力與電力協同發展的新模式。

“東數西算”為算力、電力協同發展提供了一種新思路

通過走訪業內相關企業，我們發現在數據中心，節能并不只是“省電”那么簡單，而是要從“算力架構”，包括硬件、算法、冷卻和封裝；以及“電力供應”，包括電網耦合、熱回收等維度共同優化。

在算法層面，業界和學界的研究都表明，通過剪枝、量化、蒸餾等技術優化算法，可以讓AI模型更快、更節能。

另外，現實中電力資源分布與產業需求往往存在錯位，兩者如何真正實現協同發展仍是一道難題。“我們最大希望是電力既綠色又便宜”，這是采訪中數據中心負責人的共同心聲。

這方面，前文所述的“東數西算”戰略提供了一種新思路。該戰略旨在吸納西部地區的風電和太陽能發電資源，實現算力資源的全國優化配置。

據了解，我國算力需求集中在東部地區，但東部地區電力自給率不足40%，而西部擁有中國70%的可再生能源裝機。

另一方面，AI大模型的訓練并不需要靠近東部沿海主要應用端，這些區域的電價成本較高，反而可以將訓練工作放在電價成本更低的西部省份；待訓練完成后，大模型進入應用階段時，再把對即時反饋要求極高的應用型數據中心放在東部。

不過這也要考慮到現實因素。目前綠電交易機制不健全，綠電溯源和綠證交易存在諸多障礙；西部基礎設施不完善，實際的運營、技術支撐都缺人才……這些因素仍制約著數據中心綠色轉型的進程。

微信訂閱

歡迎郵局訂閱2026年《電腦報》

訂閱代號：77-19

全年訂價：400.00元 零售單價：8元

郵局服務熱線：11185

編輯｜張毅

主編｜黎坤

總編輯｜吳新

爆料聯系：cpcfan1874（微信）

壹零社：用圖文、視頻記錄科技互聯網新鮮事、電商生活、云計算、ICT領域、消費電子，商業故事。《中國知網》每周全文收錄；中國科技報刊100強；2021年微博百萬粉絲俱樂部成員；2022年抖音優質科技內容創作者