GPU算力为何引发全球电荒？

当下，一场电力饥渴正席卷全球AI产业。2025年，OpenAI在德州阿比林规划4.5GW电力接入，相当于五座核电站的发电量；微软GPU集群因电力不足而“吃灰”；北弗吉尼亚数据中心的项目排队“等电”长达数年……这些现象指向一个残酷现实：AI竞赛的核心正从算力芯片转向电力基建。

01

从“缺芯片”变为“缺电”

“我们现在面临的最大问题，不再是算力资源过剩，而是电力——以及能否够快地在有电力的地方完成设施建置。”微软首席执行官萨提亚·纳德拉在最近与OpenAI首席执行官萨姆·奥特曼对话的播客节目中坦言。他补充道：“如果做不到这点，我们可能会有一堆芯片躺在仓库里却插不上电。”

缺电，让微软高价购买的显卡在仓库里吃灰

“一年多以前短缺的是芯片，接下来短缺的将是电力。”而就在一年之前，埃隆·马斯克在“博世互联世界2024”大会上的警告言犹在耳。几乎在同一时间，萨姆·奥特曼在达沃斯论坛上也表达了类似担忧，承认人工智能行业正走向能源危机。

曾经，AI行业最头疼的问题是缺乏先进芯片。如今，情况正在发生根本性转变。随着科技巨头争相购买高性能GPU，电力供应已成为制约AI发展的新瓶颈。

国际能源署预测，到2026年，AI行业的电力消耗将至少是2023年的10倍。更严峻的数据显示，AI消耗的算力每6个月就会增加10倍，远快于芯片制造能力的提升速度。生成式AI的年度耗电量将从2023年的7TWh激增至2028年的393TWh，年复合增长率超出行业预期。与此同时，美国数据中心电力缺口预计在2025-2028年间达到49GW。

这一数字相当于多少？摩根士丹利指出，这可能造成相当于3300万美国家庭用电的短缺。美国最大电网PJM互联电网的预测更为激进：到2035年，夏季峰值需求将比2023年增长38%，新增近58吉瓦的电力需求，相当于“在未来10年安装两个新英格兰电网”。

电路老化、新增发电容量增长缓慢让欧美“缺电”问题严重

大洋彼岸的欧洲，“缺电”问题更为严重。

2025年初，欧盟委员会公布了雄心勃勃的《人工智能白皮书》，决定在域内投资300亿欧元，创建13个区域性AI工厂网络与千兆瓦级超级数据中心。这些AI超级工厂计划由欧盟委员会主席冯德莱恩在上月公布，目标是帮助欧洲在AI领域追赶美国和中国。然而，欧洲的AI梦想正撞上冰冷的能源现实。每个千兆瓦级数据中心需约1吉瓦电力，相当于一座中型城市的用电需求，而欧洲电网当前设计并未考虑如此高密度、集中式的负载。

数据中心咨询公司世邦魏理仕的凯文·雷斯特维托直言不讳：这些AI超级工厂将面临与欧洲私人项目相同的问题——难以获得英伟达芯片，缺乏满足大规模运算所需的电力供应。

02

全球电网基建危机全面爆发

回顾过去几年，AI的能耗增长速度令人震惊。据国际能源署数据，2022年全球数据中心总耗电量约460太瓦时，占全球用电量的2%；到2026年，这一数据将超过1000太瓦时，大约是整个日本2022年全年的用电量。

具体到AI应用，能耗更为惊人。训练GPT-3一次训练的耗电量就达1287兆瓦时，相当于3000辆特斯拉电动汽车共同开跑、每辆车跑20万英里所耗电量的总和。而ChatGPT每天响应约2亿个请求，消耗超过50万度电。

更直观的比较是：一次AI搜索的耗电量是谷歌搜索的10倍。一个数据中心的耗电量可与1000家沃尔玛门店相当。高盛预测，到2030年，全球数据中心耗电量将较2023年大幅增长175%，相当于再增加一个“全球前十耗电大国”的电力资源负荷。

与AI迅猛发展形成鲜明对比的是欧美老化的电力基础设施。美国超过70%的变压器已超龄服役25年，三分之一的超过50年。这些设计寿命40年的设备，在飓风、野火等自然灾害面前变得愈加脆弱。同时，美国电网呈现分散化特征，各州电网独立运行，缺乏统一协调的调度体系。

全球主要地区AI电力危机表现对比

而同样的问题也出现在欧洲，高盛在最近的深度研报中详细分析了欧洲能源系统根深蒂固的三大脆弱性：化石燃料依赖、低碳供应链瓶颈和老化的电网。高盛指出，欧洲的电网普遍老旧，平均“年龄”高达50年，已接近其设计寿命终点，电网的碎片化则导致地区间电价差距巨大且不断扩大。

03

努力自救的科技企业

面对严峻的缺电形势，科技公司纷纷展开自救。良心点的做法，是到处修发电厂。像OpenAI和甲骨文在德州合建天然气发电厂，xAI也在田纳西大力搞基建，结果把发动机都给搞缺货了，订单直接排到2029年后。

另一种做法是将数据中心搬到国外。墨西哥、智利还有一些南非国家，都成了AI发展的输电泵。可这些地区电力供给本来就不发达，现在更是雪上加霜。

在爱尔兰，数据中心消耗了全国20%的电力，停电、耗水，都对当地居民生活和生态环境造成了影响。更富创意的是，科技公司甚至将目光投向了太空。

谷歌在2025年11月初公布了一个名为“捕光者计划”的项目，该计划的运作方式是把TPU芯片送入太空，使用太阳能为其发电。谷歌并不是唯一有这种想法的公司，一家名为Starcloud的初创公司已经发射了搭载英伟达H100芯片的卫星，并宣称要建设一个拥有5吉瓦功率的天基数据中心，而埃隆·马斯克也曾表示SpaceX“将会做”太空数据中心。

04

电力稀缺时代，中国的机会

在全球AI产业因电力短缺而陷入焦虑之际，中国却凭借其长期积累的能源基建优势与战略前瞻性，悄然站上了新一轮产业竞争的高地。与欧美老旧的电网和分散的能源体系形成鲜明对比的是，中国拥有全球规模最大、电压等级最高、调控能力最强的统一电网，并已在清洁能源布局上走在世界前列。

“东数西算”国家工程为中国AI成长提供

与此同时，中国在新能源领域的压倒性产能，为AI的“绿色电力饥渴”提供了潜在的解决方案。全球最大的光伏和风电产业链在中国，这意味着在获取清洁、低成本能源方面，中国AI产业拥有更稳定、更具弹性的供应链。

目前，中国多家科技巨头，如华为、阿里巴巴、腾讯，已在内蒙古、宁夏、贵州等可再生能源丰富的地区布局数据中心，实施“东数西算”国家工程，这本身就是对未来能源约束的未雨绸缪。

在这场刚刚开始的电力霸权竞争中，中国不仅手握能源底牌，更在重新定义增长与可持续的边界。而全球AI产业的未来格局，或许正取决于谁能率先解开能源这道终极难题。

05

破局之战：清洁能源谁主沉浮

在“碳中和”时间表的督促下，谁都想让电力既降本又减碳，最终实现绿色、高效、可持续的数据中心算力发展路径，新型清洁能源能否堪当大任？又该如何围绕数据中心的“电算协同”，将电力市场推向更灵活、更开放的新地带？

战略押注小型核电

面对AI数据中心的算力需求，核电正成为科技巨头们的首选解决方案。

去年9月，微软与Constellation Energy签署了价值16亿美元的购电协议，重启三哩岛核电站已关停的反应堆，为其云计算和人工智能项目提供稳定能源。此举被视为科技圈转向能源赛道的标志，更是显示出头部科技企业对于核电成为未来能源支柱的押注之意，尤其是亚马逊、谷歌等科技巨头迅速跟进。

亚马逊、谷歌都选择和电力基础设施公司合作，不仅要买核电，还要参与到核电站的建设中，尤其是小型模块化反应堆（SMR，Small Modular Reactors）。

亚马逊曾放出招聘首席核工程师的需求，且特别强调工程师要在SMR技术上有丰富的经验；谷歌则紧跟着宣布与核能初创公司凯洛斯能源（Kairos Power）签署了一项新协议，计划在2030年前建造7座SMR，为其数据中心提供电力支持，至2035年将部署更多反应堆，总体将在美国电网新增高达500兆瓦的全天候无碳电力。

亚马逊在建的SMR工程

最近，谷歌还宣布与北美能源公司NextEra达成合作，将于2029年第一季度重启位于美国爱荷华州的杜安·阿诺德（Duane Arnold）核电站，直接为谷歌在当地扩张的云计算和AI基础设施提供全天候零碳电力。

有意思的是，就在2023年，爱荷华州的全美首个SMR项目，还没实现首堆投运，就因为电力买家太少而终止了。真是时移势易。

核电之所以受到科技巨头青睐，关键在于其独特的优势。核电具有发电量大且稳定、成本相对可控的特点，对于无间断运行的数据中心来说，核电无疑是最可靠的能源选择。

而SMR的出现更是完美契合了数据中心的需求，它的设计功率较传统反应堆小，是可模块化生产、在工厂制造、于现场组装的核反应堆类型，比普通核电站建设周期短了太多。这意味着它的建造时间短、安全性能更高，可以灵活部署在数据中心附近，减少输电损耗。

然而，核电之路并非一帆风顺。安全性能更高不意味着百分百安全。在以往核电站事故的阴影下，怎么提升建造地社区居民的接受度就是大问题。再加上美国脆弱的电网基础设施，数据中心很有可能会使本地配电网负荷剧增，危及电网可靠性并增加其他用户成本。

风光电之外的稳定选择

其实想要稳定的清洁能源还有其他选择，比如“地热发电”。

“地热发电”听起来像是“从地球肚子里掏电”，其实也差不多。地理学告诉我们，地球内部处于极高温状态，地壳下几公里就是数百度的岩浆热源，偶尔会随着熔岩被带至地表附近。

人类其实很早就懂得怎么利用地热资源，比如我们曾泡过的温泉，其实就是被地热加热后的地下水。“地热能”就是地球自然产生的干净再生能源，如果拿来发电就是所谓的“地热发电”。

地热能我们并不陌生，温泉的存在就是一个证明

地热发电拥有不少优点，包括碳排放低、低污染、抗天灾等，更没有目前太阳能光伏发电和风力发电最为人诟病的不稳定问题，可以24小时全天候提供电力。若能妥善开发和利用，不失为未来全球再生能源供给的重要选项。

通过钻井取出高温蒸汽或热水，驱动涡轮机发电，这就是地热能发电的核心原理。就传统的地热发电来说，地底需要同时满足三个条件：丰富的热源、充足的地下水和良好的渗透率，渗透率好才能让水可以在其中流动，这三者缺一不可。在具备这些条件的地方，汲取地热能量相对容易。

但如果从地底出来的水是蒸汽形态，我们可以如上所述直接利用，这被称为干蒸汽（Dry Steam）发电，这也是最古老的地热发电方式。只不过，这么好的条件可遇不可求。

位于冰岛的地热发电厂

近来，许多新建地热发电厂采用所谓的双循环（Binary-Cycle）发电方式。当温度没那么高的地下水到达地表后，会在热交换器与另一种沸点很低的流体交换热能，比如正戊烷（Pentane）或丁烷（Butane）；在接收到地下水的热能后，这个流体会转变成气态并推动涡轮，产生电力。

双循环系统的好处是适用更广大的区域，而且对温度的要求不高，甚至有57摄氏度就成功发电的纪录，但缺点就是发电效率较低。

以上就是目前地热发电厂主要用的三种方式，开采深度一般在地下1.5公里到2.5公里。

不仅美国的科技企业在考虑去那些位于地球构造板块边界地区，利用地热发电，我国同样在地热资源开发利用方面走在世界前列。据中国石化集团2024年的公开数据，中国地热直接利用规模长期稳居世界第一，已建成地热供暖和制冷面积13.3亿平方米，折合装机92.4吉瓦。

只不过全球都面临着地热开发利用技术水平有待全面提升的问题，毕竟地热发电不像风能、太阳能等可再生能源技术，它们在过去十多年中不仅证明了可行性，并且技术进步明显，使得建设成本不断降低。地热开发利用能否大规模商用和技术、成本息息相关。

06

“电算协同”的中国方案

除了开发新能源，头部科技公司也在不断通过算法优化、算力调度等方式，从需求端降低能源消耗，并且一直在探索算力与电力协同发展的新模式。

“东数西算”为算力、电力协同发展提供了一种新思路

通过走访业内相关企业，我们发现在数据中心，节能并不只是“省电”那么简单，而是要从“算力架构”，包括硬件、算法、冷却和封装；以及“电力供应”，包括电网耦合、热回收等维度共同优化。

在算法层面，业界和学界的研究都表明，通过剪枝、量化、蒸馏等技术优化算法，可以让AI模型更快、更节能。

另外，现实中电力资源分布与产业需求往往存在错位，两者如何真正实现协同发展仍是一道难题。“我们最大希望是电力既绿色又便宜”，这是采访中数据中心负责人的共同心声。

这方面，前文所述的“东数西算”战略提供了一种新思路。该战略旨在吸纳西部地区的风电和太阳能发电资源，实现算力资源的全国优化配置。

据了解，我国算力需求集中在东部地区，但东部地区电力自给率不足40%，而西部拥有中国70%的可再生能源装机。

另一方面，AI大模型的训练并不需要靠近东部沿海主要应用端，这些区域的电价成本较高，反而可以将训练工作放在电价成本更低的西部省份；待训练完成后，大模型进入应用阶段时，再把对即时反馈要求极高的应用型数据中心放在东部。

不过这也要考虑到现实因素。目前绿电交易机制不健全，绿电溯源和绿证交易存在诸多障碍；西部基础设施不完善，实际的运营、技术支撑都缺人才……这些因素仍制约着数据中心绿色转型的进程。

微信订阅

欢迎邮局订阅2026年《电脑报》

订阅代号：77-19

全年订价：400.00元 零售单价：8元

邮局服务热线：11185

编辑｜张毅

主编｜黎坤

总编辑｜吴新

爆料联系：cpcfan1874（微信）

壹零社：用图文、视频记录科技互联网新鲜事、电商生活、云计算、ICT领域、消费电子，商业故事。《中国知网》每周全文收录；中国科技报刊100强；2021年微博百万粉丝俱乐部成员；2022年抖音优质科技内容创作者