深度技术实操：AI 如何破解电力危机

电网在 AI 时代，正在变成一种“旧世界的基础设施”。

SemiAnalysis 深度文章《AI 实验室如何解决电力危机：现场天然气发电深度解析》称，电网又老又累，排队、审批、扩容等，都跟不上算力军备竞赛的节奏。

该机构曾在 2024 年 3 月的《AI 数据中心能源困境——AI 数据中心空间争夺战》报告里预测，美国 AI 数据中心用电需求会从 2023 年约 3GW 增长到 2026 年超过 28GW，并且会把供应链压到极限。

光是德州，每个月就有“数十吉瓦”的数据中心负荷接入申请涌入；但过去 12 个月里，获批的容量“几乎只略多于 1GW”，一句话结论是：电网已经“卖光了”。

这不是简单的“电不够”，而是“接不进来”：多年的输电升级周期、并网研究、许可流程，把算力项目卡在门外。

然而，AI 基础设施不可能等电网那种需要多年才能完成的输电升级。

一个 AI 云业务每新增 1GW 的算力数据中心，每年可创造 100—120 亿美元的收入。一个 400MW 数据中心哪怕提前 6 个月上线，都值几十亿美元。经济需求远远碾压“电网过载”这类问题。行业已经在寻找新方案。

18 个月前，埃隆·马斯克用 4 个月时间建成了一个 10 万张 GPU 的集群，震动数据中心行业。多项创新促成了这一不可思议的成果。

但最令人印象深刻的是其能源策略：xAI 完全绕过电网，在现场发电，使用卡车搭载的燃气轮机和发动机。

在一个 AI 实验室争夺“首个吉瓦级数据中心”的世界里，速度就是护城河。

这就是BYOG（Bring Your Own Generation，自带发电）。

很快，巨头们开始集体“暂时抛弃电网”。

2025 年 10 月，OpenAI 和 Oracle 下了史上最大一笔现场天然气发电订单：在德州建设 2.3GW 的 onsite gas 电站。

由此，现场燃气发电市场正在进入“年增速三位数”的增长阶段。

更关键的是，这波红利并不只属于 GE Vernova、Siemens Energy 这类传统燃机巨头。

还有三类“新玩家”浮出水面。

比如，韩国工业巨头斗山能源Doosan Enerbility 把 H 级燃机的发布时点卡得极准，并已拿到服务 xAI 的 1.9GW 订单。

比如，瓦锡兰 Wärtsilä 作为传统船用发动机厂商，意识到给邮轮供能的发动机同样能给大型 AI 集群供能，已签下美国 800MW 数据中心合同。

甚至 ，Boom Supersonic 这种做超音速飞机的公司，都宣布与 Crusoe 签下 1.2GW 的涡轮合同，把数据中心发电的利润当作其 Mach 2 客机研发的“另一轮融资”。

仅在美国，就已经有 12 家不同供应商，各自拿下超过 400MW 的数据中心现场燃气发电订单。

不过，现场发电也带来了自己的挑战。

比如，电力成本往往（明显）比走电网更贵。许可审批可能漫长且复杂，而且已经造成一些数据中心延误——最典型的是 Oracle/Stargate 某个吉瓦级设施。

但像 xAI 这样的聪明公司找到了应对办法。马斯克的 AI 实验室甚至“发明”了新的选址流程——把项目建在两个州的边界上，以最大化尽早拿到许可的概率！田纳西州无法按时交付时，密西西比州却乐于促成马斯克建设吉瓦级电站。

为什么电网会被逼到这种境地？

答案是：电网慢不是管理懒，而是“被设计成慢”。

尽管除马斯克外，今天几乎所有大 GPU/XPU 集群仍运行在电网之上，电网迄今是 AI 基础设施的主要支撑。

但转折点在于，2024–2025 上线的大型数据中心，其电力资源是在 2022–2023、“淘金热”之前就锁定的。淘金热之后，抢电变成了失控的争夺。

预计，美国公用事业公司与电网运营商收到的负荷接入申请规模，大约已经到了 1 太瓦（terawatt）的量级。

电网又为何会“堵死”？

大概有两个结构性原因。其一是实时平衡：电力供需必须在每一秒几乎完全匹配，失配会带来大范围停电风险，比如 2025 年 4 月伊比利亚半岛大停电。

其二是系统研究：任何大负荷（数据中心）或大电源（电站）的接入都会触发复杂的工程研究，以确保不破坏电网稳定。

而在一些地区，拓扑变化太快，负荷研究甚至会在完成前就过时。 当成百上千的开发者同时提交并网申请，系统就会陷入一种囚徒困境：如果大家能协调，电网可以更快处理更多请求；现实中，开发者会把投机性申请撒向多家公用事业公司占队列，导致队列更拥堵，反过来诱发更多投机性申请。

截至 2024 年中，AEP Ohio 收到 35GW 的负荷申请，其中 68% 甚至没有土地控制权。

同时，供给侧同样被锁死。从提出并网请求到商业运行，如今对多数发电类型而言，时间线已经拉长到约 5 年。

而 AI 基础设施开发商等不了 5 年。很多情况下，连 6 个月都等不了，因为等 6 个月就意味着数十亿美元机会成本。

于是 BYOG 登场——自带发电。

BYOG 的价值主张极其简单粗暴：不等电网，先跑起来。

数据中心可以靠本地发电长期运行，等电网服务最终到位，再把这些设备转为备电。这也正是 xAI 的策略：用移动燃气涡轮建 Colossus，把上线周期从“按年”缩短到“按月”，现在大家都在照着这套打法做。

这套打法具体怎么做的？

本质上，BYOG 需要彻底重写“建电站”的剧本。传统模式是依靠大型、集中式、吉瓦级的基荷电源，再配合较小的调峰电站应对电网尖峰负荷。

现代最常见的部署是重型燃气轮机的联合循环模式（CCGT）。其无与伦比的燃料效率（>60%）构成现代文明的骨架。

但问题在于部署速度：大型燃机通常需要数年交付周期，而当前交付周期已处于历史最高水平。交付后，一座大型联合循环电站的建设与调试大约需要 2 年——在 AI 时代几乎等同于“永远”。

AI 数据中心的 BYOG 电站重塑了打法，xAI 率先带路。为了更快部署，马斯克的 AI 实验室依靠 Solar Turbines（卡特彼勒 CAT 子公司）的 16MW 小型模块化燃机。这些燃机小到可以用普通长途卡车运输，部署只需数周。马斯克甚至没买——而是从 Solaris Energy Infrastructure 租用，以绕开设备交期。他还利用 VoltaGrid 的卡车载移动燃气发动机车队来进一步提速。

其他超大规模云厂商也迅速跟进。Meta 在俄亥俄与 Williams 的部署很有代表性：电站由五种不同类型的燃机与发动机构成，设计模式显然是“什么能按时拿到就先上什么”。

具体操作上，可以把“自带发电”拆成工程选型问题：到底有什么设备可用、各自的成本/交期/爬坡速度/可靠性/占地/效率是怎样的。

比如，现场发电设备可以按三大类归纳：燃气轮机（包括工业燃机 IGT、航改型 aeroderivative，以及更大的重型燃机）、往复式内燃机 RICE（3–7MW 的高速机与 10–20MW 的中速机，业内常简称 recips）、以及固体氧化物燃料电池 SOFC（目前主要来自 Bloom Energy）。

比如，衡量指标体系上，成本通常以 $/kW 计（而且各类设备成本都在上涨），交期按月或年计（需求增速超过供给导致交期普遍拉长），可靠性与冗余（以“几个 9”的 uptime 衡量），冷启动到满载的爬坡速度（决定能否做备电/调峰），土地占用（MW/acre），热耗率与燃料效率（BTU/kWh，热耗越高效率越低），以及是否能做 CHP 用余热做吸收式制冷、降低数据中心制冷用电等。

很多时候真正决定中标的，不是参数，而是谁产能更有空档、时间表更可信。

还有，如何选择燃气轮机？这方面，aeroderivative 与 IGT 对数据中心更匹配。

aeroderivative 本质上可以理解为“把喷气发动机拧到地上”，空间与重量效率极高；简单循环的 aeros 往往以 30–60MW 为一个包，冷态到满载可在 5–10 分钟完成爬坡，但在非满载稳定运行时效率会受影响；它也可以配置成小型联合循环（1x1 或 2x1），换取更高效率和更大输出，但启动时间会拉长到 30–60 分钟。

aeros 的全包 capex 大约在 1700–2000 美元/kW，交期 18–36 个月且还在变长；安装倒很快，通常 2–4 周，但工厂排产已经很满。xAI 的应对是租用可卡车运输的机组来绕开交期。

IGT 与 aeros 同属布雷顿循环，拥有紧凑、模块化、相对较快交期的优点，但它是为固定式应用从零设计的，通常在更低进气温度下运行，维护成本更低但效率与爬坡速度也更弱。

简单循环 IGT 的规模跨度约 5–50MW，冷态到满载约 20 分钟，单靠自身偏慢，难以独立承担应急备电或调峰，需要电池或柴油等辅助；IGT 也能升级联合循环，提高效率但进一步变慢。

当下 IGT 的全包 capex 约 1500–1800 美元/kW，交期大致 12–36 个月；但采购二手或翻新 IGT 可把交期压到 12 个月以内。比如，Fermi America 就用这种方式拿到电。

总体上，aeroderivative 与 IGT 很适合 onsite，因为尺寸“刚好”、爬坡够快且易于转作备电、运输安装不需要重型吊装体系；它们最大的麻烦是交期越来越长。

另一条路线是往复式内燃机（RICE）。

可以简单把它理解成一种“更像乐高”的电站：单机更小、台数更多、冗余更容易做。高速机与中速机的典型台功率区间是：中速机 7–20MW（通过涡轮增压可上更高），高速机 3–5MW；RICE 在 50%–80% 部分负载区间的效率往往优于涡轮。

成本上，目前 RICE 的全包 capex 约 1700–2000 美元/kW，交期 15–24 个月；制造周期更接近 12–18 个月，但中速机更重，安装与调试可长达约 10 个月。高速机部署可以更快，比如 xAI 在 Colossus 1 初期部署中用了 34 套 VoltaGrid 的卡车载系统。

但 RICE 不是没有代价。如果用 5MW 级发动机搭一个 2GW 的现场燃气系统，需要 500 台发动机。台数爆炸会带来运维后果：如果每台发动机每 2000 小时需要一次小维护，维护团队一年要做 2000 多次服务，接近每周 40 次。成本更可预测，但会累加成巨大的持续性负担，备件库存、场地占用也会跟着膨胀。

“模块化”背后的隐性账单很简单：快，是用复杂度换来的。

除了燃烧式设备，还有燃料电池。燃料电池过去相对小众，但正在拿走越来越大的一块蛋糕；Bloom 的 SOFC 不仅能用氢，也能用天然气，并被定位为基荷发电。

结构上，Bloom 的 Energy Server 由多个约 1kW 的堆栈组成，堆栈组成约 65kW 模块，再封装为 325kW 的发电单元；截至目前，最大的 SOFC 电站规模在几十 MW，主要在美国和韩国。

这一路线的优点是：它没有燃烧过程，意味着除了 CO₂ 外不会产生“实质性的空气污染物”，所以许可层面更顺滑、更容易在有人口的区域落地；而它的“杀手级特性”是部署速度，模块化使得从基础到并电可以做到“几周级”。与之相对的是成本压力：文中给出燃料电池系统 capex 可到 3000–4000 美元/kW，显著高于涡轮和 RICE。

但现场燃气发电的复杂性，还不在于选 LM2500 还是 Jenbacher，而在于如何配置、部署、运营，才能满足数据中心对 uptime 的要求。

电网是一套系统工程奇迹，能把成千上万台机组、无数条输电线与市场机制拼成一个长期平均 99.93% 可用性的供电体系；当你离开电网，你就要自己承担那套复杂性。因此在多数情况下，现场发电的电力成本会结构性地更贵，原因恰恰来自“为了可靠性必须做冗余”。

这一方面，目前有三条主流部署路径，几乎可以看成今天数据中心电力策略的“新三角”。

第一条是桥接电（bridge power）：电网并网在排队，但数据中心先用 onsite 发电提前运营，几个月的提前上线就可能带来巨额收入差。

第二条是“永久离网”，把供电外包给 Energy-as-a-Service 厂商。以 VoltaGrid 为例，其会打包提供容量（MW）、电量（MWh）、电能质量（电压与频率容差）、可靠性指标（几个 9）、以及从签约到供电的周期；客户签长期 PPA，EaaS 厂商像公用事业公司一样采购设备、设计部署、维护运营。

第三条是为了追平电网的“三个 9”，不得不做“过建（overbuild）+备份策略”的组合：更高冗余、更复杂架构，甚至考虑把电网当作备份，或用电池做备份与稳频。

这种冗余处理很尴尬，听起来像“车上既有备胎又有补胎工具”。

以一个 200MW 数据中心为例，如果用 11MW 的 RICE 做 N+1，可能配 26 台、总装机 286MW，正常运行时 23 台以约 80% 负载出力，坏一台就让其余略抬负载，另外保留几台做维护或冷备。

比如，Nexus Datacenter 申请了三十台 20.4MW 燃气发动机（总 613MW）并配 152MW 柴油备份，来满足冗余要求。 如果用 30MW 级 aeros，可能配 9 台总 270MW，正常 7 台接近 95% 负载、坏一台就启第 8 台、第 9 台留维护。

而在更热的气候里，还可能需要 10–11 台才能维持 N+1+1。

Crusoe 在得州 Abilene 为 Oracle 与 OpenAI 的站点，采用了类似思路：十台涡轮混编，其中五台是 GE Vernova 的 LM2500XPRESS 航改型燃机、五台是 Titan 350，总名义装机 360MW。

更“现实主义”的，是 Meta 与 Williams 在俄亥俄 Socrates South 的做法。它看起来像是 time-to-power 驱动下的拼装车：同一个围栏里混了 Solar Titan 250、Solar Titan 130、Siemens SGT-400 这几类 IGT，又配了 15 台 Caterpillar 的快速启动发动机。围栏内名义装机 306MW，其中约 260MW 来自涡轮、46MW 来自发动机，正常由部分 IGT 稳态跑 200MW，IGT 若跳机则由 RICE 快速顶上，其他 IGT 留作维护切换，从而做出 N+1+1 的 behind-the-meter 设计。

这相对前两个案例更“拼布”，涡轮型号不统一、发动机也更小，说明 Williams 把“按时通电”放在了维护标准化之前。

冗余为什么会变成 onsite 电“结构性更贵”的根？这里有个过建比例的实战样本。

在德州 Shackelford County，VoltaGrid 用 2.3GW 的 Jenbacher 系统去供一个 IT 容量 1.4GW 的数据中心，相当于 64% 的 overbuild。这 64% 里，一部分是典型德州站点的 PUE 过配（1.4x–1.5x，主要与制冷有关），另一部分是为冗余额外付出的 10%–17% overbuild。

对 H/F 级重型燃机系统而言，单纯“堆冗余”未必是最经济的路径，有些运营商开始考虑把电网仅作为备份，但这又会引入并网周期与选址对高压线的依赖；也有人考虑建巨型电池站，但在典型 2–4 小时储能时长下既昂贵也不够实用；还存在 H 级联合循环当基荷、IGT/aeros/RICE 当备份的混合方案，但通常比“电网备份或 2–4 小时 BESS”更贵。

还有个因素是AI 训练负载的“电性格”。训练负载高度波动，存在 MW 级的突增突降，且可能在亚秒级发生。一个电力系统的惯量越大，就越能在短期波动中维持频率稳定；频率偏离 50Hz/60Hz 过多会导致断路器跳闸或设备故障。热机组天然有惯量，因为发电依赖高速旋转的重物，但离网系统往往还需要额外手段增强稳频能力，这也是“电网级可靠性”背后的隐形工程。

可见，BYOG 的胜负不只取决于设备参数，更取决于谁能在许可、交期、冗余设计、稳频与运维组织上，把“几个月”抢出来，同时把 uptime 做到接近电网。

最后的压力可能转移到了供给侧，如果大家都选择自建电，燃机与相关设备产业链能不能供得上？

现实情况是， aeros 也好、IGT 也好、RICE 也好，交期都在普遍变长——很多时候决定项目成败的，是“谁能按时交货”。

于是，AI 的电力战争不再只是数据中心之间的战争，它把燃机制造商、发动机厂商、燃料电池厂商、EaaS 供电服务商、许可与选址体系、甚至州与州之间的政策友好度，全部卷进同一张竞速网络里。