美国要应对电力需求从停滞到增长，中国要提高绿电比例同时保障廉价稳定供应

文｜《财经》记者 徐沛宇

编辑｜韩舒淋

能源和人工智能的关系正越来越紧密。

国际能源署（IEA）4月11日发布《能源和人工智能：世界能源展望特别报告》（下称“IEA报告”）称，能源是人工智能技术革命的核心之一，但人们缺乏对能源和人工智能利害关系的理解。负担得起、可靠和可持续的电力供应将是人工智能发展的关键决定因素。

人工智能（Artificial Intelligence，下称AI）建立在庞大的数据中心之上。据IEA统计，2024年，数据中心约占全球用电量的1.5%，即415太瓦时（TWh）。其中，美国占全球数据中心用电量的份额为45%，其次是中国（25%）和欧洲（15%）。自2017年以来，全球数据中心用电量每年增长约12%，比总用电量增长速度快4倍多。

目前AI用电量占全社会用电总量比例并不高，但从增长速度、密集性等特点上看，AI对电力系统可能造成的冲击将越来越大。美国近一半的数据中心位于五个区域集群，其占当地用电总量的比重在10%-25%，当地电网因此产生的风险已开始凸显。

据IEA报告统计，从现在到2030年，美国数据中心用电增量将占电力总需求增量的近一半。彭博新能源财经预计，未来五年，美国数据中心的能源需求增长将超过新能源汽车、氢和所有其他需求类别。

美国目前的数据中心用能由天然气发电主导，中国则由煤电主导。中美为未来更庞大的数据中心用电规模都在提前布局和谋划。

特朗普政府已发布两项相关政策，2025年2月14日，特朗普成立国家能源委员会，增加更多电力供应；4月9日，特朗普签署行政命令扩大美国煤炭开采和使用。特朗普及其幕僚强调，美国必须有更多、可靠、廉价的电力，以使美国在人工智能的全球竞争中获胜。

中国近30年的电力消费和装机都在快速增长，AI用电增长的风险相对更可控，政策重点是引导其使用更多可再生能源。2024年7月，国家发展改革委等四部门发布《数据中心绿色低碳发展专项行动计划》；2025年3月，国家发展改革委等部门下发《关于促进可再生能源绿色电力证书市场高质量发展的意见》，要求国家枢纽节点新建数据中心绿色电力消费比例要在80%基础上进一步提升。

华北电力大学教授丁肇豪在《知识分子·科学四十人》座谈上表示，AI和数据中心的快速增长，要求电力能源行业必须做中长期的预测和规划，要从总量上评估电源供应和输电通道建设等方面是否能够满足需求。此外，基于数据中心未来对电网产生的系统影响，要考虑是否拥有足够多的手段保障电网安全。

AI对电力系统的冲击几何？

AI的出现，让数字技术对电力的需求剧增。在AI出现之前，传统数据中心的IT负载容量（是指数据中心中所有IT设备，如服务器、存储设备、网络设备等在正常运行时所需的电力总和）约为5兆瓦（MW）-25兆瓦。一个以AI为重点的超大规模数据中心IT负载容量可达到100兆瓦或更多，每年消耗的电力相当于10万个家庭。

IEA报告预计，到2030年，全球数据中心的用电量将是2024年的2倍以上，达到945TWh左右，略高于日本目前的总用电量。按照目前的发展趋势，到2035年，全球数据中心的用电量将上升到1200TWh左右。

2005年以来全球数据中心用电情况

（来源：IEA）

目前美国有六个州的数据中心已经消耗了当地超过10%的电力供应，最高的弗吉尼亚州达到25%。全球数据中心耗电量占比最高的国家是爱尔兰，已达到约20%。

算力带来的电力需求呈现集中的特点，使得算力枢纽地区的电力负荷占比和影响更加突出。

中国信通院云计算与大数据研究所有关专家发表的《算力协同发展内涵与关键举措研究》一文指出，随着“东数西算”政策推进，新建的大型、超大型算力中心向八大枢纽节点转移，截至2023年底，八大枢纽节点机架数占全国七成以上，其中京津冀和长三角占比分别为21.5%和24.5%，枢纽节点呈现负荷聚集度高、密度大的特点，在夏季等用电高峰时段对局地、局时电网安全稳定运行带来挑战。张家口市数据中心用电量占全社会用电量的比重已经从2019年的6.8%增长至2023年的20.1%。

在2024年IEEE（电气电子工程师学会）电力与能源协会年会上，PJM（美国最大的电网运营商，负责美国13个州以及华盛顿特区的电力系统运行与管理）电力规划负责人介绍说，PJM涵盖了美国主要数据中心的富集区，近期突然发现需要对电力规划做出重大调整，因为许多新的数据中心需要接入电网，而现有的输电能力和电能供应能力无法满足这些新的需求。

彭博新能源财经预计，到2035年，PJM所辖地区将占美国数据中心总容量的49%。该地区包括弗吉尼亚州（“数据中心巷”所在地）和俄亥俄州（新兴增长枢纽）等数据中心大州。

埃隆·马斯克在旗下xAI公司推出Grok-3大模型的发布会上说，研发大模型最大的困难是为自建数据中心提供能源。因为该数据中心所在地区的能源供应不足，马斯克不得不租用了全美国四分之一的移动冷却设施，在数据中心的建筑外围临时补充了一排又一排的小型发电机，才使该模型的训练得以完成。

彭博新能源财经发布的报告称，为了AI庞大的计算需求，GPU等专用芯片安装于服务器机架——容纳一排排计算设备的高大金属框架里。与非AI服务器机架相比，这些机架目前消耗多达10倍的电力。这种电力和密度的激增正在改变数据中心的设计、冷却和供电方式。

中国信通院发布的《中国绿色算力发展研究报告（2024）》指出，生成式人工智能（AIGC）要求服务器提供高密度的算力服务，传统的2.5KW（千瓦）-4KW的单柜已经不能满足AIGC市场的需求，20KW-40KW的高密度服务逐渐成为主流。

数据中心激增的不仅是用电规模，还对实时电力平衡，即电网安全产生了重大风险。丁肇豪表示，许多新的数据中心规划已经达到或超过百兆瓦，高峰时期的用电量相当于一个小城市。

大AI模型训练时可能会因为各种原因暂停多次，而每次暂停都可能导致瞬间百兆瓦级别的电力负荷波动。在配电网层面上，这种波动是前所未有的，以前电网并没有足够的能力来应对这种问题，这是一个全新的挑战。

丁肇豪还举例说，超大数据中心可能不具备电压/频率的穿越能力，在电网出故障时不仅不能支撑电网，反而可能给电网造成更大的问题。

AI产业用能包括硬件生产、模型训练、推理（暨日常运行）各个阶段。目前，耗能最高的是训练阶段，推理阶段耗能相对较低，硬件生产阶段耗能最低。未来，随着AI大模型的成熟，以及应用范围的扩大，推理阶段用能占比将更大。

AI大模型训练耗能主要源于海量的计算，数千亿个参数在数万亿个数据点上训练，瞬时可能就包含超过1万亿次的计算。据IEA估计，GPT-4大模型的训练时间约为14周，能量需求约为42.4吉瓦时（GWh），即每天训练约0.43吉瓦时。这相当于发达经济体约2.85万户家庭或新兴市场和发展中经济体约7.05万户家庭的每日用电量。

在推理阶段，据IEA测算，使用小型语言模型生成文本大约需要用电0.3Wh。使用中型语言模型大约需要5Wh。图像生成每个任务大约需要1.7Wh。视频生成的能耗要高两个数量级，大约需要115Wh才能生成一个短的、质量相对较低的视频（长度为6秒，每秒8帧）。与此相比，给手机或笔记本电脑充电分别需要大约15Wh和60Wh。

中国科学院计算技术研究所副所长陈云霁在《知识分子·科学四十人》座谈上表示，无论是互联网公司还是大模型创业公司，还没有真正考虑如何盈利。他们现在的重点不是考虑成本问题，包括电力成本。但当他们开始真正思考如何挣钱，AI的算力消耗和电力成本就是他们必须面对和解决的问题。

全球各大AI公司能耗差异较大。据彭博新能源财经统计，马斯克旗下的Grolk-3大模型单次训练的功耗为154MW，Meta公司旗下的Llama3.1大模型单次训练功耗为25.3MW。OpenAI旗下GPT-3、苹果公司旗下AFM-server和中国的DeepSeek-V3的这项数值分别为5.6MW、3.5MW和3.2MW。

全球主要AI单次训练功耗（单位：MW）

（来源：彭博新能源财经）

彭博新能源财经智能出行分析师吕京弘对《财经》记者表示，参数数量、训练数据集规模是各模型训练功耗差别较大的原因之一。Grok-3训练时设计的参数规模远高于其他大模型，所以其耗能远超其他大模型。

中美电力系统谁占领先机？

AI及其背后的数据中心正在成为能源系统的主要参与者。对美国和中国这两个AI大国来说，电力系统的提前布局，影响着AI产业以及数字化经济的未来。

据IEA统计，全球数据中心用电量增速从2005年至2015年的每年3%，提高到了2015年至2024年的每年10%。在美国，2015年至2024年间，数据中心的用电量每年增长约12%。2024年，美国数据中心的用电量约为180TWh（1800亿度），占美国所有来源用电量的4%以上。

据中国信通院测算，2023年，中国算力中心耗电量约为1500亿千瓦时，同比增长15.4%，约占全社会用电量的1.6%。

中国信通院预测，到2030年，在高、中、低不同情景预测下，中国算力中心用电预计将分别超过7000亿千瓦时、4000亿千瓦时和3000亿千瓦时，占全社会用电量的比例分别为5.3%、3%和2.3%，其全社会用电量占比不大，但快速增长趋势不容忽视。

中国算力中心用电需求预测

（来源：中国信通院）

中美数据中心用电需求增长未来将显著高于其他地区。IEA报告称，与2024年相比，到2030年，美国数据中心用电量将增长约240TWh（增长130%）；中国数据中心用电量将增长约175TWh（增长170%）。欧洲和日本的该数据分别为45TWh（增长70%）和15TWh（增长80%）。

美国信息通信技术投资占国内生产总值的比例达到了近30年来的最高水平，AI的发展还将继续推高这一数值。而美国持续数年电力消费缓慢增长的态势正在被AI改变。

对美国来说，最大的挑战是如何将电力系统从近几十年的增长基本停滞状态，调整到应对电力需求快速增长状态。

目前美国数据中心最大的电力来源是天然气发电，占比超过40%；其次是以太阳能发电和风电为主的可再生能源，占比为24%；核能和燃煤发电分别占比接近15%和20%左右。美国电力公司计划建造更多的燃气发电厂，其中一些是为了支持数据中心负载的增加。

曾担任多位美国前总统能源顾问、标普全球副主席丹尼尔·耶金2024年12月在北京参加国际能源发展高峰论坛时表示，数据中心很快将会消费美国电力总需求的10%，现在美国电力系统还没有准备好应对这样的未来。

据彭博新能源财经测算，在美国，部署一个数据中心从承诺阶段到全面运行完成需要7年时间，其中开建前需要4.8年，建设需要2.4年。处于“承诺阶段”的数据中心是指已获得关键开发要素（土地、电力或政府许可）的项目。

数据中心之所以成为美国具有独特影响力的需求类别，主要是因为其由少数几家资金实力雄厚的综合性公司主导。彭博新能源财经发布的报告称，资本集中使数据中心能够迅速扩张，并对能源基础设施规划和投资产生重大影响，从而使该行业成为未来十年塑造美国电力市场格局中最具决定性的单一力量。目前，Amazon Web Services（AWS）、谷歌、Meta和微软四家公司控制着美国数据中心43%的容量。

对中国来说，最大的挑战是：在提高可再生能源发电占比、降低煤电占比的同时，如何为数据中心提供稳定、廉价的低碳电力。

（来源：彭博新能源财经）

IEA报告称，在中国，数据中心大多位于东部，电力供应以煤炭为主，约占70%，其次是可再生能源，占近20%，核能接近10%，天然气占其余部分。未来，可再生能源在电力结构中的份额将不断上升，可再生能源丰富的中国西部将优先建设数据中心。

吕京弘表示，中国在设立“东数西算”八大枢纽数据中心时，已经将各地可再生能源和自然条件考虑进去。比如，甘肃、宁夏、内蒙古都是年均气温比较低的地区，并且拥有充沛的风电和光伏，可以为AI大模型的训练提供绿色电力。

中国信通院信息化与工业化融合研究所总工程师黄伟今年3月在中电联的会议上分析指出，中国算力电力融合发展面临资源分布不均、技术协同不足、基础设施掣肘、协同机制割裂等问题。中国算力资源集中在东部，但电力自给率不足40%，绿电资源不足，西部地区拥有70%以上的可再生能源装机，电力资源未能充分利用，现有储能技术难以支撑全天候绿电供应。

技术协同上，光伏、风电具有随机性、间歇性和波动性，难以满足数据中心对电力稳定的高要求，调度机制上，传统电网调度周期为15分钟级，而AI算力负载可在秒级波动。

他表示，微观来看，液冷技术是降低数据中心PUE（电能使用效率，数值越低效率越高）的有效路径，中观来看，绿电直供、绿电交易和储能有助于提高算力设施绿色水平。

宏观来看，要加强算力和电网资源协同调整。通俗来讲，对时延要求不高的计算需求可以从东部迁到西部，模型训练等高性能的算力需求放在电力需求波谷时段，通过空间调度、时间调度实现提升能源效率、算力设施利用效率。

中美不同的资源禀赋和经济发展模式使得两国为数据中心、AI铺垫了不同的电力保障路径。但有一个共同点是，两国都将小型核电堆列为数据中心的远期能源供应。IEA预计，2030年后，中国将显著提高核能在数据中心电力结构中的份额。

微软、OpenAI、Google、Meta等美国科技公司在近一年里纷纷投资或购买核电站，以满足未来的AI数据中心用电需求。例如，2024年9月，微软与星座能源公司签署了史上最大的购电协议，后者将在未来20年购买三哩岛核电站生产的所有电力。这是美国历史上首次由单一用户包揽单个商业核电站的全部发电量。

能源基金会清洁电力项目主任张永平对《财经》记者表示，数据中心用电需求量大，且需要持续稳定的供应，这与核电，尤其是中小型、模块化核电的供电特性非常匹配。

责编 | 秦李欣

题图｜视觉中国