「AI 的尽头是电力」——这句话从行业的段子变成了行业的共识。AI 的每一次训练与每一次推理都消耗真实的电力：数据中心的用电需求因 AI 而进入了多年来最快的增长轨道，科技巨头开始签订核电协议、投资自建电厂，电力公司第一次被当作 AI 产业链的「上游玩家」。本篇算清 AI 的能源账：电花在哪里、账单的量级、供给的约束，以及能源地图如何重塑算力的地理分布。
电花在哪：训练、推理与冷却的三本账
训练的账：一次前沿模型的训练，消耗的电力以千万度（GWh）级计（训练算力 × 芯片功耗 × 时间，再加上冷却的 overhead）——单次训练的电费绝对值已经可观，但训练是「一次性事件」，它的能耗在总账本里占小头。推理的账（增长最快的一本）：模型部署后的每一次调用都耗电——推理的总耗电 = 用户量 × 频次 × 单次调用的能耗；随着 AI 应用渗透到日常（搜索、办公、问答），推理正在超越训练成为数据中心 AI 用电的主力，且随应用增长没有上限。行业的一个关键认知更新在这里：「训练很贵」是 2023 年的叙事，「推理的电力账单」才是 2026 年起的主账本——推理用电的持续性与规模性，决定了它对电网与能源规划的意义远大于训练。冷却的账：芯片的功耗几乎全部变成热，散热的电力开销（传统风冷约占总功耗的三分之一量级，液冷可显著降低）是隐藏的第三本账——液冷技术的普及既是散热的解，也改变了数据中心的选址逻辑（液冷让数据中心可以建在更靠近电网枢纽而非气候凉爽之地）。三本账的合计：数据中心的用电在全球电力消费中的占比是个位数的百分比，但它的增速远超电力需求的整体增速——占比小、增速快，正是电力规划最头疼的组合。
供给的约束与科技巨头的能源动作
电力供给的约束有三条，对应的科技巨头动作已经蔚为大观。约束一：电网的接入与扩容周期。新建大型数据中心需要数百兆瓦的电力接入，而电网的扩容周期（审批、建设、并网）以年计——「并网排队」成为数据中心扩张的真瓶颈（比芯片缺货更难解决：芯片加钱能买到现货，电网扩容只能等）。约束二：清洁能源的要求。科技巨头普遍有碳中和承诺（数据中心 24/7 清洁供电的承诺是头部厂商的公开目标），AI 用电的激增与清洁承诺形成紧张——解法是多元的清洁能源采购（风电、太阳能的长期购电协议 PPA）与核电的回归（多家巨头签约核电——包括重启退役机组与小型模块化反应堆 SMR 的远期采购——核电的稳定基荷特性与数据中心的 24/7 需求天然匹配）。约束三：本地社区的抵触——数据中心的占地、噪音、水资源（冷却用水）与「不带来多少就业」的特征，让选址频繁遭遇本地阻力。巨头的应对组合已经超出「科技公司」的传统动作：签长期的清洁能源 PPA、投资能源初创（SMR 核电、地热）、自建电厂、甚至与电力公司联合规划电网扩容——科技公司正在用资本与订单，把自己变成能源产业的深度参与者；而电力公司第一次发现：最大的新客户不是工厂，是数据中心。
产业重构：算力向电力富集区迁移
能源约束正在重塑算力的地理分布，本库《算力治理》讲过「电力数据让算力可追踪」，本篇讲它的产业面。迁移的方向：数据中心向「电力富集 + 气候有利 + 政策友好」的区域迁移——能源便宜且过剩的地区（水电、核电、可再生富集区）成为新数据中心的热门选址；「离网自供」的模式（数据中心配套自建电厂、燃气轮机过渡）在并网排队过长时成为选项。迁移的产业含义：算力的成本结构里，电价的权重持续上升（芯片一次买断，电费月月交——长期运营成本里电力是最大科目之一），「哪里的电便宜且清洁」正在成为算力定价与选址的核心变量；能源富集的地区获得了新产业机会（把本地的电力优势转化为算力出口——算力特区的构想与落地）；地缘的再平衡（本库《台积电与算力供应链》讲的芯片集中是制造端，电力分散是能源端——能源的地理分布比芯片制造更分散，这为算力地理的多元化提供了天然的解耦点）。对企业的实操含义：大规模 AI 负载的选址决策（自建或租用）必须把「电力的价格、清洁度、并网周期」作为一级变量——算力的 TCO（总拥有成本）里，电力的权重已经大到可以翻转选址结论。
核电、SMR 与「算力-能源」的远期合约
科技巨头与能源的博弈里，最激进的一步是与核电的绑定，值得单独展开。签约的形态：与核电站运营方签长期购电协议（锁定未来数十年的基荷电力——数据中心的 24/7 需求与核电的稳定输出天然匹配）；更激进的形态是与核电厂「共址」（数据中心直接建在核电站旁边——省去电网传输，就地取电）；以及小型模块化反应堆（SMR）的远期采购（对尚在研发的下一代核电签购买意向——用订单为技术融资）。这个组合的信号意义：科技公司用「未来数十年的购电承诺」为能源基建融资——算力的资本开支，正在外溢为能源的资本开支；AI 的产业影响从「用电的人」升级为「改变电力投资逻辑的人」（电力投资以年十年计，AI 需求的确定性给了电力公司史上罕见的扩容信心）。风险与争议同在：SMR 技术的商业化时间表存疑（远期采购可能兑现不了）、核电的安全与民意、以及「科技巨头买断清洁电力」对其他用电者的挤出争议。这一节的大图景：AI 与能源的关系正在从「采购关系」走向「共建关系」——算力产业第一次深度参与了国家能源基建的规划，而这个绑定的解除方式，将定义下一个十年的算力地理。
电力的「并网经济学」：为什么排队比缺电更致命
数据中心的电力约束里，最微妙的环节是「并网排队」——它的经济学值得单独算。并网的流程与周期：大型负载接入电网需要申请（容量评估、接入方案、审批、建设、并网验收）——大容量接入的排队周期在电力需求激增的地区已达数年（本库正文的「并网排队是真瓶颈」）。排队为什么会致命：数据中心的建设周期（一年多）与并网周期（数年）严重错配——厂房建好了、设备装好了、电还没来——闲置的每一天都在烧钱；而「选址时没查清并网排队」的错误，是前期尽调最难发现的一类（排队名单是动态的，你前面的申请还在增加）。企业的应对菜单：选址的前置尽调（把目标区域电网的容量与排队情况写进选址的第一页尽调）；分期建设（先建小容量、分期扩容——用小容量的并网快对冲大容量的排队慢）；过渡电源（燃气轮机等自备电源做过渡——环保与成本的争议使其只是过渡）；需求响应（与电网签可中断协议——用「电网紧张时愿意被限电」换取接入的优先与费率的优惠——数据中心作为「可调节负载」参与电网调节的新角色）。并网经济学的元教训：AI 数据中心的选址，本质是一次「对电网未来容量」的投资判断——选址团队需要半个电力规划师的视野。
「算力特区」的实验：能源换产业的政策样本
算力向电力富集区迁移的趋势里，有一个政策实验值得单独观察：「算力特区」——用能源优势换取算力产业落地的政策安排。特区的逻辑：能源富集但产业匮乏的地区（水电、风电、煤炭基荷富集的区域），把廉价电力转化为「算力的招商引资」——数据中心落地的电价优惠、绿电指标、土地与税收的打包政策；对科技公司的吸引力：电价是 AI 算力 TCO 的长期大头（本篇正文的账），锁定长期低电价等于锁定未来十年的推理成本曲线。特区的现实约束：网络与人才的短板（算力特区多在偏远地区——网络延迟与运维人才的缺乏，使它适合训练与离线批处理、不适合低延迟的在线推理——本库《端云协同》的分工在地理上的重演：训练向电力富集区迁移，推理留在用户附近——算力的地理分工正在形成）；需求波动与电网的配套（训练负载的弹性与本地电网的承载力匹配问题）。特区的政策启示：能源换产业是历史上反复出现的区域发展模式（水电站与铝厂、廉价电力与电解铝的古典组合）——算力特区是这套模式在 AI 时代的翻版；它的成败取决于「电力优势」之外，网络、人才与服务生态能否跟上——便宜的电是入场券，不是全部答案。
小结
AI 的能源账收成四条：电花在三本账——训练一次性、推理持续增长（正在成为主账本）、冷却占三成，数据中心用电「占比小、增速快」是电力规划最头疼的组合；供给的三条约束——并网排队是真瓶颈、清洁承诺与用电激增紧张、本地社区有抵触，科技巨头的应对是签核电、买绿电、自建电厂的深度能源参与；算力向电力富集区迁移——电价在算力 TCO 中的权重已经能翻转选址结论，能源富集区获得算力特区的新机会；推理用电的持续性与规模性，决定了 AI 的能源账是十年级的产业议题。训练一次的钱可以预算，推理的电费单会随业务增长——AI 产业的下一场竞争，一半在芯片，一半在电网。
参考资料
- 国际能源署（IEA）关于数据中心与 AI 电力需求的公开报告
- 头部云厂商与科技公司的碳中和承诺及能源采购公告
- 本库前篇：《算力治理：出口管制的产业影响》《台积电与算力供应链》《大模型价格战的底层逻辑》
读者留言
COMMENTS 暂无还没有留言，来说第一句？