AI算力竞赛正在将美国电网推向临界点。

SemiAnalysis最新发布的能源研究报告指出，美国电网可用于承载新增大型负荷的"剩余容量（Headroom）"最快将在2027年降至负值，这意味着未来新建AI数据中心将越来越难依赖公共电网获得稳定供电。

随着电网扩容速度远远落后于AI算力需求增长，越来越多的数据中心将不得不建设自己的发电系统（Behind-the-Meter，BTM），美国AI基础设施或由此进入"自备电源"时代。

报告预计，到2028年以后，美国超过一半的新建数据中心将采用BTM模式供电；到2029年，仅数据中心BTM设备市场规模便有望突破每年50GW，成为整个AI基础设施投资链中增长最快的新领域之一。

AI需求激增，而电网扩容跟不上

SemiAnalysis认为，当前美国数据中心建设速度已经远远超过电网能够提供新增容量的速度。

报告预计，美国数据中心新增电力需求将从2026年的21GW快速增长至2030年的84GW，但同期美国电网每年能够新增、并真正具备可靠供电能力（ELCC）的容量仅约15GW，直到本世纪末才可能逐步提高至20GW以上。

更重要的是，这部分新增容量并非全部供给数据中心，还需要满足制造业、半导体工厂以及居民等其他新增负荷。

换言之，未来几年，美国新增电力供应将越来越难覆盖AI数据中心爆发式增长的需求。

SemiAnalysis建立的模型显示，在扣除峰值负荷和备用容量要求之后，美国电网剩余可承载新增大型负荷的容量已接近耗尽，并将在2027年前后正式转为负值。这意味着，继续依赖传统电网建设大型AI园区，将越来越受到电力瓶颈限制。

打开网易新闻 查看精彩图片

问题不仅是发电，更是整个电网建设速度

报告指出，市场普遍低估了美国电网建设的复杂程度。

目前最大的约束并不仅仅来自发电能力，而是贯穿整个供应链。

一方面，天然气电厂建设周期普遍长达4至6年，而未来两年美国新增天然气发电项目十分有限。SemiAnalysis跟踪约4万个发电资产后预计，2026年至2027年，美国每年新增天然气装机不足10GW，要到2028年以后才会明显改善。

另一方面，高压变压器、燃气轮机、断路器等关键设备交货周期普遍延长至3至4年，远高于历史平均水平。同时，项目审批、并网排队、融资和社区许可等问题进一步拖慢了建设节奏。

不少数据中心开发商已经遇到类似情况：电力公司最初承诺2027年即可提供数百兆瓦负荷，但随后又通知只能推迟至2029年甚至更晚，而且电力公司往往无需承担延期责任。

对于以算力换收入的AI公司而言，这种不确定性几乎不可接受。

打开网易新闻 查看精彩图片

可再生能源难以填补AI负荷缺口

SemiAnalysis特别强调，虽然美国未来几年太阳能和储能装机仍将快速增长，但这些装机容量并不能等同于真正可用于支撑大型数据中心持续运行的电力供应。

报告采用电力行业普遍使用的ELCC（有效负荷承载能力）指标进行测算发现，由于太阳能和风电具有明显间歇性，且发电时间高度一致，其新增装机对系统可靠供电能力的贡献远低于名义装机容量。

随着可再生能源占比不断提升，其边际贡献还将持续下降。

储能系统虽然能够缓解短时间负荷波动，但同样存在边际效益递减问题。当大量4小时储能投入运行后，系统风险将逐渐转向持续时间更长的供电缺口，仅依靠储能已难以满足AI数据中心全天候运行需求。

因此，在未来几年，天然气等可调度电源仍将是支撑AI基础设施扩张的核心。

"自备电源"成为最快、最确定的解决方案

在公共电网越来越难满足需求的背景下，Behind-the-Meter正迅速成为大型AI数据中心的新选择。

所谓BTM，是指数据中心直接建设或配套专属发电设施，在园区内部完成供电，而不是完全依赖公共电网。

SemiAnalysis认为，相比等待漫长且充满不确定性的电网接入，BTM最大的优势在于速度和确定性。

对于OpenAI、Anthropic等AI实验室而言，算力直接决定模型训练和推理能力，也决定未来收入增长。报告指出，在AI云业务总体拥有成本（TCO）中，电力成本占比并不高，但获得稳定供电却可能对应数十亿美元甚至更高的收入，因此企业更愿意承担建设自备电源的成本，也不愿等待数年的并网进程。

与此同时，部分AI数据中心也开始降低传统数据中心对"五个9"（99.999%）供电可靠性的要求，以换取更快上线速度。例如，一些超大规模AI数据中心正在接受较低等级的供电冗余，进一步改善BTM方案的经济性。

AI基础设施竞争正从GPU转向能源

SemiAnalysis认为，未来几年，美国AI产业竞争的关键约束将不再只是GPU供应，而是电力资源获取能力。

报告预计，随着电网容量持续趋紧，越来越多AI数据中心将采用"自备发电+公共电网"的混合模式，美国电力基础设施也将随之重构。围绕燃气发电设备、燃料电池、现场发电系统及相关电力设备的投资机会，有望成为下一阶段AI资本开支的重要受益方向。

对于整个AI产业而言，这意味着竞争焦点正在从芯片、服务器逐步延伸至能源基础设施。未来谁能够率先锁定稳定、可靠且可扩展的电力资源，谁就更有可能在下一轮AI算力竞争中占据优势。