芯耀
954
01
美国弗吉尼亚州的数据中心巷，这个处理着全球70%互联网流量的心脏地带——价值数十亿美元、崭新的NVIDIA H100服务器集群，已经整齐地安装在机架上，却无法启动——它们静静地趴窝，等待着变电站的建设排期。
无独有偶，在硅谷的心脏、英伟达总部所在的圣克拉拉，两座新建的巨型数据中心拔地而起，也发现自己成了孤岛。因为当地电网已经饱和，它们可能需要空置数年才能通上电。
中国AI公司为买不到最先进的GPU而发愁，而一些美国同行——哪怕是微软、Meta这种级别的，却正对着仓库里堆积如山的顶级GPU头疼。这些显卡他们买得起，也买到了，但居然因为没电装不上去，或者装上去了也没法开机。
这事儿听起来简直像是段子，但它却是正在发生的现实。根据最近的行业报道，微软就公开确认，他们确实有一批GPU库存处于闲置状态，无法安装运行，核心原因就是数据中心的电力供应跟不上。
原本以为AI竞赛是比拼算法、比拼人才、比拼芯片的高科技战争，怎么打到下半场，变成了一场比拼烧开水、比拼拉电线的土木工程了？
很多人可能还没意识到这个问题的严重性。在AI这头吞金兽面前，人类现有的基础设施，尤其是以美国为代表的发达国家的基础设施，正在遭遇一场前所未有的撞击。
02
很多人对AI耗电这件事其实没什么概念。
咱们平时的直觉是这样的：AI嘛，不就是运行在电脑里的一串程序代码吗？虽然它聪明点，但跟我用Word写文档、用Excel做表格，或者打一局“黑神话：悟空”相比，能费多少电？顶多也就是电脑风扇转得快一点呗。
如果你这么想，那就把问题想简单了。现在的生成式AI，它根本不是传统的程序，它更像是一个用硅基材料堆出来的人造大脑。要理解它为啥耗电，咱们得先复习一点初中物理。
所谓的算力，在物理层面到底是什么？无论多么复杂的AI模型，拆解到最底层，其实就是无数个微小的晶体管在做开和关的动作。每一次开和关，代表着0和1的切换，这个过程必然伴随着电流的通过和电阻的发热。
物理学里有个著名的兰道尔原理，简单说就是：任何信息的处理和擦除，本质上都是能量转换的过程。你让AI思考，就是让它在微观层面进行天文数字级别的开关运动，这必须得烧电，而且会产生巨大的废热。
现在的AI模型有多夸张呢？
先说训练这个环节。训练一个像GPT-4这样的大模型，你可以理解为把一个什么都不懂的婴儿，关进图书馆，让他把人类几千年的书全部背下来，还得融会贯通。
为了做到这一点，AI模型里有上万亿个参数。训练的过程，就是通过数万万亿次的计算，去反复调整这一万亿个连接点的权重，让它们达到最佳状态。这个过程消耗的能量是惊人的。有数据显示，GPT-4的一次训练，消耗的电量高达2.4亿度。
2.4亿度电是什么概念？一个普通的中国三口之家，一年大概用电2000-3000度。这一次训练，就相当于烧掉了一个十万人口的小县城一整年的生活用电。
但这还只是首付，真正的耗电大头在后面——推理。
所谓推理，就是训练好了之后，你拿它来用。你问ChatGPT一个问题，它给你生成一段回答，这就是一次推理。训练是一次性的，但推理是7x24小时不间断的。
你想想，全球有多少人在用AI？每一秒钟都有无数个请求发给服务器。每一次请求，后台的GPU都要火力全开地运转一遍。根据估算，在推理阶段，GPU的计算能耗虽然占比会有所下降，但冷却和辅助设备的能耗比例反而会上升。
这就引出了另一个被忽视的吃电怪兽——散热。
你在家里玩游戏，显卡热了风扇会响。在数据中心里，成千上万块像砖头一样厚重的高端显卡挤在一起全速运转，那个热量是毁灭性的。如果散热系统停摆，几分钟内这些昂贵的芯片就会烧毁。
所以，数据中心必须配备巨大的冷却系统——也就是超大号的空调或者液冷设备。在训练阶段，大概只有70%-80%的电是真正用在计算上的，剩下的10%-15%全用来给芯片洗澡降温了，还有10%-20%耗在了各种辅助设施上。
总结一下：AI电老虎 = 训练（一次性巨额投入）+ 推理（永久性海量消耗）+ 冷却（高额附加税）
这就是为什么现在的AI数据中心，哪怕只是新建一个，总功率都动辄接近百兆瓦。这哪里是机房，这分明就是一座座伪装成写字楼的炼钢厂。
当这种炼钢厂式的需求指数级爆发时，撞上美国那套年久失修的电网系统，出问题几乎是必然的。那么，美国的电网到底烂在哪里？
03
按理说，美国作为老牌工业国，电力底子应该很厚才对。这事儿如果搁在几十年前，确实不是问题。但现在的美国电网，正面临着多年老化的压力。
美国的电网系统起步早，这原本是优势，现在却成了劣势。很多输电线路和变压器都是上世纪五六十年代建的，甚至还有二战前的古董在服役。
这就像是一个老旧小区的自来水管网，当初设计的时候，只是为了让你刷牙洗脸。现在好了，你突然在小区里盖了一座用水量巨大的化工厂，然后指望那根锈迹斑斑的细水管能供得上水？那结果只能是水管爆裂，或者根本流不出水。
AI数据中心是典型的高功率、高负载用户，它需要的不是普通的电，而是高压专线接入。但美国目前的电网升级极其缓慢，完全跟不上AI扩张的节奏。这就是为什么硅谷那边很多数据中心建好了，变电站却告诉你要排队等几年的原因——电网扩容的速度，被AI需求甩开了好几个身位。
这可能是美国特色的体制病了。在美国，你想建一个数据中心，只要有钱，找块地，买设备，大概1-2年就能建成。但是，你要想给这个数据中心拉一根跨州的高压输电线？那简直是地狱难度。
为什么？因为你要经过联邦、州、县、市各级政府的层层审批，还要面对沿途无数环保组织、社区居民的听证会和诉讼。
美国人有个词叫NIMBY，别建在我家后院。大家都喜欢用AI，都喜欢清洁能源，但谁也不希望自家门口竖着巨大的高压线塔，或者建一座变电站。
这就导致了一个尴尬的时间错位：AI技术是按周迭代的，数据中心是按年建设的，而美国的电网基础设施建设，是按十年起步的。这种时间维度上的错配，直接把科技巨头们搞崩溃了。
众所周知，加州这帮科技巨头，微软、谷歌、苹果，平时最讲究政治正确，口号喊得最响的就是碳中和和100%清洁能源。为了环保，美国很多地方关停了稳定的燃煤电厂，大力发展风能和太阳能。但这玩意儿有个致命弱点——靠天吃饭。风停了、太阳下山了，电就没了。
可AI不行啊。我们前面说了，AI数据中心是7x24小时连轴转的，它需要的是极其稳定、一秒钟都不能断的基荷电力。
这里就出现了一个巨大的矛盾：电网里不稳定的绿电比例越来越高，导致电网的抗压能力越来越差；而接入电网的AI巨兽，偏偏又是对稳定性要求最高的客户。这种供需属性上的八字不合，让局部电网经常处于过载的边缘。
说白了，需求端的指数级爆发，正面撞上了供给端那如同蜗牛般爬行的基础设施，再加上环保和审批这两道紧箍咒，最终酿成了这场让硅谷精英们束手无策的电荒。
被逼急了的AI巨头们，也不得不开始自救了。
04
在商界有一条铁律：当一项业务的利润足够高，资本就会不惜一切代价去击穿所有的物理障碍。既然指望不上老旧的电网，也等不起漫长的政府审批，巨头们干脆心一横：求人不如求己，我自己搞电还不行吗？
这就带来了这场AI竞赛中最魔幻的一幕——为了搞定最前沿的AI，科技巨头们正在悄悄复活旧能源。
最典型的案例就是微软。前段时间有报道披露，为了解决电力瓶颈，微软等科技巨头已经开始在那边自建燃气发电厂了。你没听错，就是烧天然气的火电厂。
这事儿要是细品，简直充满了黑色幽默。这些科技公司，以前在发布会上PPT做得最漂亮，满嘴都是2030年实现碳负排放、100%绿色能源。结果真到了抢算力的节骨眼上，身体却很诚实。
为了让那一排排GPU亮起来，什么碳排放，什么环保承诺，先往后稍一稍，把火电厂建起来再说。这其实就是一种向现实低头的无奈：在活下去和抢占市场面前，情怀是不值钱的。
当然，烧气只是权宜之计，有些AI公司看得更远。比如OpenAI的掌门人山姆·奥特曼，他心里很清楚，靠风能和太阳能这种看天吃饭的能源，根本喂不饱未来的通用人工智能。所以，他在搞AI的同时，把大量的钱砸向了核能。
他不仅投资了核聚变公司，还在推动像Oklo这样的微型核裂变电站项目。现在的趋势很明显，电力公司甚至开始尝试利用AI来加速核电站的建设审批和设计。现在硅谷的共识基本可以认为是：AI的终极能源解决方案，大概率是核能。
除了自建电厂，巨头们的第二招是逐水草而居。
既然硅谷和东海岸的数据中心因为电网接入延迟而不得不闲置，既然在那边排队要排到好几年后，那我就搬家。
现在的AI算力基础设施，正在上演一场大逃离。它们正在逃离寸土寸金、电网拥堵的加州和弗吉尼亚北部，疯狂涌向美国的内陆——比如俄亥俄州、威斯康星州，甚至亚特兰大。
为什么去这些地方？因为那里是美国的铁锈地带或者传统工业区，虽然不时髦，但那里有老牌的工业底子，有相对充裕的电力配额，甚至有现成的核电站。
这其实正在重塑美国的经济版图。以前，高科技公司跟着人才走，哪里程序员多去哪里；现在，AI数据中心跟着电走，哪里电费便宜、哪里能马上通电，就去哪里。
最后一招，自然是倒逼政府。科技巨头们正在华盛顿疯狂游说，试图推动国会和白宫加速电网升级的审批，利用联邦资金来修补破碎的基础设施。
虽然政府也出台了一些政策，试图加强电网和AI的协同，但在美国那个复杂的利益博弈体系下，想让大象跳舞，短时间内恐怕很难看到立竿见影的效果。
所以看来看去，美国的这场电荒，短期内大概率是无解的。这不仅仅是缺钱的问题，这是体制效率和物理基建的双重瓶颈。
既然美国这边愁云惨淡，那很多人肯定会好奇：咱们中国呢？我们在AI算力和电力这场博弈中，现在到底是个什么段位？
05
说实话，中国的情况完全不同。如果说美国是在为有锅没米发愁，那咱们面临的则是另一套截然不同的逻辑。
首先得承认，在搞基建，特别是电力基建这块，中国确实有着独特的优势。咱们国家在电力上的家底是很厚的。不管是总装机容量还是发电量，中国都是全球第一。
更重要的是，咱们有一张全球最先进、最年轻的电网。相比于美国那些还在服役的二战前老古董设备，中国近些年大规模建设的特高压输电网络，就像是一条条电力高速公路，调度能力极强。
所以，单纯从能不能供上电这个维度看，中国目前并不存在美国那种有电送不到的系统性危机。但这还不是最关键的。最体现中国式智慧的，其实是一个很多人都没听过的战略——东数西算。
在美国，数据中心的建设逻辑是市场导向的无序扩张。硅谷人多、钱多，大家就一股脑往硅谷挤，结果把当地电网挤爆了。
这方面，中国在AI大爆发之前预判到了算力和能源的矛盾，提前做了规划。简单说，就是把东部（像上海、深圳、杭州）那些需要大量消耗算力的任务，通过光缆扔到西部去处理。
为什么要扔到西部？因为那里有两样东西最不缺：一是绿电，二是冷风。
你去看看中国的西部，像青海、内蒙、贵州这些地方，有着极其丰富的风能、太阳能和水电资源。与其费劲把这些电千里迢迢输送到东部给数据中心用，不如直接把数据中心建在发电站旁边。这不仅解决了能源消纳问题，还顺手把碳排放的问题给解了。
特别是青藏高原周边区域，还有一个绝佳的物理优势——天然空调。
前面咱们说了，AI数据中心有接近一半的电是用来散热的。而在青海这种高海拔地区，年平均气温低，空气干燥洁净。把服务器放在这儿，甚至不需要开压缩机空调，直接引入室外的自然风冷却，能源利用效率能做到极低，光冷却能耗这一项，就能比平原地区降低约40%。
这就像是给数据中心找了一个天然的避暑山庄。所以，当美国巨头们还在为了这一度电是烧煤还是烧气而争吵时，中国的算力网络正在尝试用西部的风和光，去点亮东部的AI模型。
也许有人会敏锐地发现一个漏洞：既然美国那边的绿电因为“靠天吃饭”导致电网不稳，那咱们西部的风能和太阳能难道就不受物理规律限制了？青海的太阳难道晚上不落山？
这就得提到中国手里握着的另一张王牌了——大规模储能，俗称“超级充电宝”。
这方面，中国又是全球独一档的存在。作为世界最大的锂电池生产国和最大的抽水蓄能建设国，我们在西部搞的不仅仅是发电厂，而是“风光储一体化”。
简单说，就是在大漠戈壁上建起无数个巨型电池组或者抽水蓄能电站。白天光照强、半夜风大电发不完的时候，把电存进去；等风停了、阴天了，再把电稳稳地放出来。这一点，美国虽然技术也没问题，但受限于制造产业链和成本，很难像我们这样在荒漠里“饱和式”地铺开。
但是，切记不要盲目乐观。虽然我们在能源和基建上拿了一手好牌，但我们手里也有自己的烂牌。
这场竞赛在中美之间形成了一个有趣的镜像对比：美国AI巨头的痛点在电网，他们手里握着最先进的显卡（万卡俱备），但被老旧的电网和缓慢的基建拖了后腿（只欠东电）。
中国的痛点在芯，我们有充沛的电力，有强大的基建，甚至连散热的冷风都准备好了（电力充沛），但我们被卡在了最核心的算力引擎——高端GPU上。
由于地缘政治的原因，中国公司现在很难买到最顶级的AI芯片。这就意味着，虽然我们的电管够，但我们将电能转化为智能的效率可能不如别人。用同样的电，别人算得比你快、比你准，这就是我们在下半场必须面对的严峻挑战。
所以，这不是简单的谁赢谁输，而是双方都在自己的短板上玩命补课。美国在疯狂补基建，中国在疯狂补芯片。
06
写到这里，得做个总结了。
很多人可能觉得，人工智能是一场属于程序员、算法天才和数学家的狂欢。我们以为它是轻盈的，是漂浮在云端的代码，是虚拟世界的纯粹逻辑。但在这个物质世界里，没有任何一种智慧是可以脱离物理实体而存在的。
不管那个大模型有多聪明，不管它能通过多少次图灵测试，它依然要遵循最底层的物理铁律：要思考，就得消耗能量；要快，就得发热。
这场AI革命，既是代码层面的竞赛，也是重资产基建的竞赛。谁能以最低的成本、最稳定的供应、最环保的方式，为这头吞金兽提供源源不断的能量，谁才能待在牌桌上。
从这个角度看，美国在补课，补它那落下半个世纪的基建课；中国也在补课，补我们在高端制造上缺失的那一环。
全文完，感谢耐心阅读。感觉有价值请转发或点个在看吧~
参考文献
[1] Fitch, Asa. AI Data Centers Desperate for Electricity Are Building Their Own Power Plants. The Wall Street Journal, 2025.[2] Swearingen, Jake. Microsoft has AI GPUs sitting in inventory because it lacks the power necessary to install them. Datacenter Dynamics, 2025.[3] Bradsher, Keith. China’s Quest for Clean Energy Leads to the High Mountains. The New York Times, 2025.[4] 澎湃新闻. 《训练AI为何如此耗电？揭秘大模型背后的“能源账单”》. 澎湃科技, 2024.[5] 中华人民共和国中央人民政府. 《全国一体化大数据中心协同创新体系算力枢纽实施方案》. 中国政府网, 2024.
