AI算力競賽正在將美國電網推向臨界點。

SemiAnalysis最新發布的能源研究報告指出，美國電網可用于承載新增大型負荷的"剩余容量（Headroom）"最快將在2027年降至負值，這意味著未來新建AI數據中心將越來越難依賴公共電網獲得穩定供電。

隨著電網擴容速度遠遠落后于AI算力需求增長，越來越多的數據中心將不得不建設自己的發電系統（Behind-the-Meter，BTM），美國AI基礎設施或由此進入"自備電源"時代。

報告預計，到2028年以后，美國超過一半的新建數據中心將采用BTM模式供電；到2029年，僅數據中心BTM設備市場規模便有望突破每年50GW，成為整個AI基礎設施投資鏈中增長最快的新領域之一。

AI需求激增，而電網擴容跟不上

SemiAnalysis認為，當前美國數據中心建設速度已經遠遠超過電網能夠提供新增容量的速度。

報告預計，美國數據中心新增電力需求將從2026年的21GW快速增長至2030年的84GW，但同期美國電網每年能夠新增、并真正具備可靠供電能力（ELCC）的容量僅約15GW，直到本世紀末才可能逐步提高至20GW以上。

更重要的是，這部分新增容量并非全部供給數據中心，還需要滿足制造業、半導體工廠以及居民等其他新增負荷。

換言之，未來幾年，美國新增電力供應將越來越難覆蓋AI數據中心爆發式增長的需求。

SemiAnalysis建立的模型顯示，在扣除峰值負荷和備用容量要求之后，美國電網剩余可承載新增大型負荷的容量已接近耗盡，并將在2027年前后正式轉為負值。這意味著，繼續依賴傳統電網建設大型AI園區，將越來越受到電力瓶頸限制。

問題不僅是發電，更是整個電網建設速度

報告指出，市場普遍低估了美國電網建設的復雜程度。

目前最大的約束并不僅僅來自發電能力，而是貫穿整個供應鏈。

一方面，天然氣電廠建設周期普遍長達4至6年，而未來兩年美國新增天然氣發電項目十分有限。SemiAnalysis跟蹤約4萬個發電資產后預計，2026年至2027年，美國每年新增天然氣裝機不足10GW，要到2028年以后才會明顯改善。

另一方面，高壓變壓器、燃氣輪機、斷路器等關鍵設備交貨周期普遍延長至3至4年，遠高于歷史平均水平。同時，項目審批、并網排隊、融資和社區許可等問題進一步拖慢了建設節奏。

不少數據中心開發商已經遇到類似情況：電力公司最初承諾2027年即可提供數百兆瓦負荷，但隨后又通知只能推遲至2029年甚至更晚，而且電力公司往往無需承擔延期責任。

對于以算力換收入的AI公司而言，這種不確定性幾乎不可接受。

可再生能源難以填補AI負荷缺口

SemiAnalysis特別強調，雖然美國未來幾年太陽能和儲能裝機仍將快速增長，但這些裝機容量并不能等同于真正可用于支撐大型數據中心持續運行的電力供應。

報告采用電力行業普遍使用的ELCC（有效負荷承載能力）指標進行測算發現，由于太陽能和風電具有明顯間歇性，且發電時間高度一致，其新增裝機對系統可靠供電能力的貢獻遠低于名義裝機容量。

隨著可再生能源占比不斷提升，其邊際貢獻還將持續下降。

儲能系統雖然能夠緩解短時間負荷波動，但同樣存在邊際效益遞減問題。當大量4小時儲能投入運行后，系統風險將逐漸轉向持續時間更長的供電缺口，僅依靠儲能已難以滿足AI數據中心全天候運行需求。

因此，在未來幾年，天然氣等可調度電源仍將是支撐AI基礎設施擴張的核心。

"自備電源"成為最快、最確定的解決方案

在公共電網越來越難滿足需求的背景下，Behind-the-Meter正迅速成為大型AI數據中心的新選擇。

所謂BTM，是指數據中心直接建設或配套專屬發電設施，在園區內部完成供電，而不是完全依賴公共電網。

SemiAnalysis認為，相比等待漫長且充滿不確定性的電網接入，BTM最大的優勢在于速度和確定性。

對于OpenAI、Anthropic等AI實驗室而言，算力直接決定模型訓練和推理能力，也決定未來收入增長。報告指出，在AI云業務總體擁有成本（TCO）中，電力成本占比并不高，但獲得穩定供電卻可能對應數十億美元甚至更高的收入，因此企業更愿意承擔建設自備電源的成本，也不愿等待數年的并網進程。

與此同時，部分AI數據中心也開始降低傳統數據中心對"五個9"（99.999%）供電可靠性的要求，以換取更快上線速度。例如，一些超大規模AI數據中心正在接受較低等級的供電冗余，進一步改善BTM方案的經濟性。

AI基礎設施競爭正從GPU轉向能源

SemiAnalysis認為，未來幾年，美國AI產業競爭的關鍵約束將不再只是GPU供應，而是電力資源獲取能力。

報告預計，隨著電網容量持續趨緊，越來越多AI數據中心將采用"自備發電+公共電網"的混合模式，美國電力基礎設施也將隨之重構。圍繞燃氣發電設備、燃料電池、現場發電系統及相關電力設備的投資機會，有望成為下一階段AI資本開支的重要受益方向。

對于整個AI產業而言，這意味著競爭焦點正在從芯片、服務器逐步延伸至能源基礎設施。未來誰能夠率先鎖定穩定、可靠且可擴展的電力資源，誰就更有可能在下一輪AI算力競爭中占據優勢。