11座数据中心排放量或超一国：AI算力的隐藏账单

「我们以为工业革命的后半段是退役煤电，现在却要迎来新一轮排放高峰。」清洁能源追踪者Michael Thomas这句话，道出了AI基建狂潮中最被忽视的悖论。

「表后供电」：绕过电网的快捷通道

《连线》杂志的新分析揭示了一个令人不安的趋势。为追赶AI算力需求，美国正在兴建大量天然气数据中心，而这些设施选择了一条绕开传统电网的路径。

所谓「表后供电」（behind-the-meter power），指企业直接在场地内建设发电设施，而非接入公共电网。对数据中心运营商而言，这招解决了两大痛点：不用排队等电网扩容，也避开了推高社区电费的舆论争议。

天然气涡轮机可以卡车运抵、现场组装，几周内就能发电。速度，是AI军备竞赛中的硬通货。

但代价是排放的失控。Thomas创办的清洁能源公司Cleanview长期追踪数据中心的天然气许可，他形容这是「排放的疯狂加速」。非营利机构全球能源监测（Global Energy Monitor）的数据显示，2024年初数据中心配套的表后天然气发电仅4吉瓦，到2027年初已逼近100吉瓦。

三年25倍的膨胀曲线，勾勒出AI需求与气候目标之间的撕裂。

Matador项目：一座工厂吃掉一个约旦

Wired的分析聚焦了11座最具规模的在建或规划项目。其中 Texas Panhandle 的Matador项目最为惊人——这座巨型园区今年获批建设6吉瓦天然气发电，年二氧化碳排放预估超过4000万吨。

什么概念？约旦全国3800万人口的碳足迹，被一座数据中心反超。

Elon Musk的Colossus与Colossus 2两座园区同样榜上有名，单座排放量即可压过冰岛全国。11座设施合计年排放上限1.29亿吨，超过摩洛哥（3800万人口）的全国总量。

这些数字来自企业向监管机构申请的排放许可上限，而非实际运行数据。Williams Companies——这家为Meta建设三座表后电厂的油气公司——通讯总监Alex Schott向Wired解释：「许可排放数字代表理论上的保守场景，并非实际预测排放。」

按他的说法，真实排放可能「比纸面数字低三分之二」。但即便打三折，11座设施的排放量仍相当于一个中等国家的体量。

更微妙的问题在于：许可上限是否会被逐步用满？当AI算力需求持续爬坡，当天然气发电的边际成本低于电网电价，企业有没有动力把机组跑到设计极限？

为什么偏偏是天然气？

AI数据中心的电力饥渴是真实的。训练大模型、运行推理服务，都需要7×24小时的稳定供电。可再生能源的间歇性，与这一需求存在根本张力。

电池储能可以缓解，但成本与规模仍是瓶颈。核电清洁且稳定，但新建机组以十年计。水电、地热受地理限制。在「现在就要」的压力下，天然气成了最不坏的选择——至少从商业角度。

表后供电还带来一个监管套利空间。接入公共电网的数据中心，其碳排放会被计入区域电网的平均排放因子，接受公众与投资者的审视。自建电厂则像一块飞地，排放数据散落在各州环保署的许可文件里，难以聚合追踪。

Thomas的恐惧正在于此：我们以为碳排放的曲线已经拐过弯去，AI却可能把它重新拉抬。

这种担忧需要放在更长的技术史中理解。每一次计算范式的跃迁——从大型机到个人电脑，从本地服务器到云计算——都伴随着能耗的激增，随后才被效率提升所摊薄。AI是否遵循同一剧本，尚无定论。

区别在于时间尺度。气候目标以十年为单位倒计数，而AI基础设施的投资周期同样以十年锁定。今天的天然气电厂，2035年仍在运转。

企业的两难与行业的裂缝

Meta、Google、Microsoft等巨头都设定了激进的碳中和目标，但它们的AI扩张节奏与这些目标正在脱钩。

Williams Companies为Meta建设的三座电厂，是这种张力的具体化身。Meta的可持续发展报告强调可再生能源采购，其实际操作却依赖化石能源兜底。这种「绿色叙事、灰色操作」的割裂，在表后供电模式下被进一步遮蔽。

更深层的问题是谁来为排放买单。自建电厂的碳成本不会出现在企业的范围二排放（外购电力）统计中，可能被归入范围一（直接排放）或干脆游离于标准核算框架之外。ESG评级机构能否穿透这层结构，投资者能否识别真正的气候风险，都是悬而未决的命题。

对于科技从业者，这组数据提供了一个重新校准的锚点。我们习惯讨论模型的参数规模、推理的token成本、芯片的算力密度，却很少把「每吨二氧化碳能换多少智能」纳入技术选型公式。

当一家创业公司选择调用哪个云厂商的API，当一家企业决定自建还是租用算力，这些决策的碳足迹差异可能远超直觉。Wired的分析没有给出替代方案，但它暴露了当前路径的隐性代价。

判断：这不是技术问题，是时间错配

11座数据中心的排放争议，核心不是天然气技术本身，而是速度优先的决策逻辑与气候目标的结构性冲突。

AI行业正在经历典型的「基建恐慌」——担心算力供给赶不上需求爆发，于是用最快的速度锁定任何可用能源。这种恐慌有其合理性：训练窗口、产品迭代、竞争格局，都不等人。但恐慌驱动的决策，往往把长期成本贴现到未来。

对从业者而言，这件事的重要性在于它揭示了AI供应链的一个脆弱环节。当碳监管收紧、碳边境税落地、绿色金融标准进化，今天建设的天然气基础设施可能成为明天的搁浅资产。更紧迫的是，当公众与投资者意识到「AI进步=排放飙升」的等式，行业面临的社会许可风险。

如果你在设计AI产品、规划算力采购、或评估相关投资，建议做三件事：第一，把能源结构纳入供应商尽职调查，追问「这度电从哪来」；第二，关注表后供电的核算边界，别让排放数据在会计科目里隐身；第三，跟踪各州对数据中心天然气许可的政策风向，监管套利窗口不会永远敞开。

AI的碳账单不会自动消失，只会被重新分类、转移时点、或转嫁成本。看清这张账单的流向，是做出清醒决策的前提。