人工智能的新瓶颈：电源，而非芯片

随着全球数据量持续增长，人工智能将在 2026 年进入“代理”系统的新阶段，人工智能进一步扩张的限制因素已经发生了变化。

挑战不再是先进芯片的供应，而是可靠的大规模电力供应。下一代人工智能模型旨在进行推理、规划和长期运行，因此需要持续的高强度计算。这使得数据中心的电力消耗持续处于峰值水平，远远超过早期聊天机器人式人工智能典型的短时峰值消耗。

这种转变暴露了老化的电力基础设施的局限性，尤其是在美国。美国科技公司正越来越多地绕过公共电网，自行获取私有能源。相比之下，中国则在国家层面着手解决这个问题，投入巨资加强和改造整个电网系统。

为什么人工智能现在成了能源问题

全球数据正以惊人的速度增长。信息技术市场情报和分析提供商国际数据公司（IDC）预测， 2025年至2029年间，全球数据量将增长一倍以上。他们预测，到 2025 年，全球数据量将达到 213.56 泽字节 (ZB)，复合年增长率 (CAGR) 为 25.4%，大约每三年翻一番。

虽然数据存储仅占数据中心能源消耗的一小部分，但人工智能处理（尤其是检索和推理）需求的爆炸式增长表明，其消耗水平将要高得多。

检索是指从数据库、搜索索引或知识库中获取正确的信息，以便人工智能可以使用它。例如，搜索文档以查找相关段落，扫描电子邮件以找出您要询问的邮件，以及在回复之前检查公司数据库以获取产品规格、查找备注、报告或数据。检索速度快、重量轻，主要目的是找到正确的文本或数据。早期的AI系统主要通过预测下一个词来工作，无法获取外部信息。而现代系统会先检索信息，因此答案更准确。但与推理相比，检索的能耗相对较低。

推理涉及理解和概括文档、规划多步骤任务、分析数据、编写代码、提出建议、分解问题并决定下一步行动等过程。这些是人工智能的推理步骤。推理是指人工智能每次对你做出回应时所发生的过程，即使是在随意聊天中也是如此。

推理需要大量的计算资源——尤其是在现代“智能体”系统中，它们需要长时间思考、在后台运行、执行多步骤计划、评估自身行为并修正答案。因此，它们的能耗很高。早期的AI大多进行快速推理（几秒钟）。而新型的“智能体”AI则进行长时间、持续的推理（几分钟到几小时）。这导致GPU长时间满负荷运行，对新能源的需求巨大。智能体AI是指能够独立规划、推理并采取多步骤行动以实现目标的AI，而不仅仅是对单个指令做出反应。

国际能源署去年4月估计，2024年全球数据中心用电量将达到约415太瓦时，而早前的预测表明，到2030年这一数字可能会翻一番。然而，如果将这一预测与数据增长预测结合起来，翻番的节点可能会更早到来——可能在2027年。

这种加速发展与“智能体生态系统”的兴起密切相关：先进的人工智能系统能够自主处理多步骤任务，分析大量以前未充分利用的“暗数据”，并做出复杂的决策。

暗数据是指组织收集和存储但从未真正用于分析、决策或任何有意义用途的信息。这些智能体能够进行深度推理，分解任务，评估错误，并利用多种工具——通常长时间在后台运行。这些工作负载使图形处理单元 (GPU) 和加速器持续高利用率运行，这与旧 AI 模型的快速响应模式不同。图形处理器是一种计算机芯片，它非常擅长同时执行许多小型计算。GPU 最初是为渲染视频游戏图形而开发的，但事实证明它非常适合人工智能，因为现代人工智能模型需要大量的并行数学运算。随着企业建设大型新型计算中心，能源强度激增。

2026 年初宣布的新设施包括：微软位于威斯康星州的基地，该基地使用大量的 GB200 处理器；Meta 公司位于俄亥俄州的“Prometheus”设施，耗电量约为 1GW；以及 xAI 公司位于密西西比州的基地，耗电量接近 2GW——使其成为有史以来建造的最耗电的 AI 园区之一。

由于这些集群持续在高负载下运行，业界的关注点已经转移。芯片性能仍然重要，但如今最关键的制约因素是确保并维持足够的电力供应。

美国应对措施：电网故障之际，私人电力公司崛起

美国的电网大部分建于 20 世纪中期，如今已难以满足需求。据美国土木工程师学会统计，美国约70%的输电线路和大型电力变压器已使用超过25年，60%的断路器已服役超过30年。这种老化的基础设施难以承受先进人工智能设施持续产生的热应力。断路器是一种安全装置，当电流过高时会自动切断电流，从而防止过载和故障。热应力是指电气设备在高功率下持续运行时，因过热而产生的应力，这会增加故障风险。另一个问题是电网拥堵。虽然新的发电厂正在建设中，但输送这些电力所需的输电基础设施的扩建速度却跟不上。互联排队已发展到数年延误，高压设备的供应也需要很长的交货周期。

此外，监管方面的不确定性——特别是排放标准方面的不确定性——阻碍了公用事业公司的投资。

例如，随着美国环保署计划撤销 2009 年具有里程碑意义的“危害认定”（该认定在法律上承认六种温室气体危害人类健康和福祉），公用事业公司正在感受到各种矛盾的信号。该规则预计很快就会最终确定，它将取消对机动车辆进行测量、报告、认证和遵守联邦温室气体标准的要求，同时暂停许多行业合规和积分计划。

尽管这些变化不会立即适用于发电厂的排放，但撤销危害认定可能会为更广泛的倒退铺平道路，从而破坏长期规划。行业团体和公用事业公司在权衡燃料转换、部署先进的排放控制措施时，已经面临着不确定性——尤其是今天的规则明天可能就会被推翻。

作为回应，美国大型科技公司已开始寻求独立于公共电网的电力来源：

• 埃隆·马斯克的公司 xAI 正在通过采购大型燃气轮机，打造一套几乎完全离网的解决方案。xAI 计划建设约 1.9 吉瓦的私人发电容量，旨在彻底避免并网延误。
• 微软正采取混合策略，通过与电网运营商合作、在 2028 年重启三里岛核电站以及设计更节能的 AI 芯片（如 Maia 200）来降低硬件层面的能耗。
• 谷歌秉持严格的可持续发展目标，签署了一项 1.2GW 的协议，致力于提供全天候无碳能源，将可再生能源发电与储能相结合，以满足人工智能系统的持续需求。
• Meta 通过与开发商签订长期协议锁定未来的核电产能，确保在未来十年晚些时候获得超过 6 吉瓦的潜在发电量。

这些方法共同表明，能源格局正在向“能源孤岛”转变：在人工智能集群旁建造私有的、专用的能源设施。这反映出人们对公共电网快速扩张能力的信心不足。

中国的回应：国家基础设施解决方案

中国采取了截然不同的道路。政府没有绕过现有的基础设施，而是在加强和改造电网本身。

凭借强大的国内电气制造业基础——尤其是在变压器和输电设备方面——中国正在推行系统性的、长期的升级改造。

中国国家电网公司和南方电网公司已承诺在中国“十五”规划（2026-2030年）期间共同投资约5万亿元人民币，比上一周期增长40%。其中，国家电网公司计划投资4万亿元人民币，南方电网公司则计划在未来五年内投资约1万亿元人民币。

本次预算的核心重点是扩建和现代化超高压输电网络，确保将可再生能源从西部地区大规模输送到东部需求中心。国家能源局的目标是到2030年将“西向东”电网输送能力提升至420吉瓦以上，高于2025年的约340吉瓦。

除了物理传输之外，智能电网调度系统和虚拟电厂设计也被整合起来，使数据中心能够 根据供电情况调整能源使用。

冷却效率也在不断提升。根据“东部数据，西部计算”战略，新的数据中心选址在气候较为凉爽的西部省份，而液冷系统则有助于将电源使用效率提升至接近理想的最低水平。

最终效果是，电网的设计不仅是为了支持人工智能，而且是为了大规模、经济高效地支持人工智能，同时降低能源浪费。

人工智能生态系统的长期竞争力可能较少取决于人工智能技术的突破，而更多地取决于哪个国家能够确保最充足、最可靠、最高效的电力供应。