民智评论
作者：叶力萌，民智国际研究院研究助理
（正文约2600字，预计阅读时间10分钟）
将图片上传至云端，完成一笔线上支付，观看一段视频，发起一次 AI 对话......
这些看似发生在屏幕里的“虚拟”活动，背后都要靠数据中心的服务器昼夜不停地完成计算、存储和传输。
过去十几年，云计算、社交媒体和全社会数字化推动数据中心持续扩张，生成式 AI 的爆发，又让这种扩张大幅提速。
和普通网络服务相比，AI 对计算资源的需求大得多。
模型训练需要成千上万块 GPU 协同工作，投入使用后，每一次文字、图片或视频生成，都是一次新的高负荷计算。
随着高功率芯片大量涌入数据中心，“算力”不再只是一个抽象概念，它所对应的用电需求也逐渐变成一个现实问题。
如此庞大的新增用电需求究竟靠什么满足？
数据中心真的正在抽干全球电力吗？
▲图为电网侧集装箱式储能电站（图源/上能电气官网新闻）
数据中心到底有多耗电?
一个传统数据中心的电力容量约 10 至 25 兆瓦，大型 AI 数据中心可突破 100 兆瓦，单座年耗电量大致相当于 10 万户家庭。
随着这类设施在全球落地，数据中心的总用电量快速攀升。
国际能源署（IEA）预测，全球数据中心用电量将从 2025 年的 485 太瓦时（TWh）增长到 2030 年的约 950 TWh，五年内接近翻倍。
这一年度用电规模甚至略高于日本目前一整年的全国用电量。（注：1 TWh = 10 亿度电）
扩张还在持续。
2025 年数据中心用电同比增长约 17%；五家大型科技公司当年资本支出超 4000 亿美元，IEA 预计 2026 年还将增长 75%；
专为AI设计的高端数据中心容量，过去 18 个月已增长三倍以上。
然而，把约 950 TWh 放回整个全球电力系统中，它到 2030 年预计仍只占全球电力需求的 3% 左右。
由此来看，“抽干全球电力”的说法显然有些夸张，真正的问题在于这些用电需求高度集中在少数地区。
▲ 图为室内高压配电间实景（图源/Instragram）
真正的压力在局部
数据中心并非均匀分布在全球各地，而是高度集中在少数国家和地区。
电力虽然可以跨区域输送，却必须依赖输电线路和当地电网，而每一张电网能够承载的新增需求都有上限。
更重要的是，数据中心通常需要全天候运行，用电负荷也相对稳定。
与居民用电明显的早晚峰谷不同，大型数据中心会持续占用较大的电力容量，因此一旦集中建设，对当地电网的压力就会更加明显。
3%的全球平均占比，掩盖了巨大的地域差异。
以爱尔兰为例，爱尔兰中央统计局（CSO）2026 年发布的数据显示，2025 年，数据中心占爱尔兰全部计量电力消费的 23%，而 2015 年这一比例仅为 5%。
同年爱尔兰城市居民用电占 18%，农村居民占 9%，数据中心用电占比已经超过城市居民家庭用电。
对全球而言只有几个百分点的需求，一旦集中到单个国家或地区，就可能迅速成为当地电力系统中的重要负荷。
美国的情况更突出。
IEA 2025 年报告显示，美国已有 6 个州的数据中心用电占当地电力供应的 10% 以上，其中弗吉尼亚州约为 25%，该州劳登县是全球数据中心最密集的区域。
截至 2026 年 3 月，当地已建成和在建的数据中心约 233 座。
大量数据中心扎堆，让当地电力需求快速膨胀，只能靠新建变电站、高压输电线路应对。
IEA 预测，到 2030 年，美国数据中心将贡献全国电力需求增量的近一半。
从全国平均占比来看，中国目前还没有出现爱尔兰那样突出的数据中心用电比例。
2025 年，我国已有 42 个万卡级智算集群，全国算力中心总用电量约 1700 亿千瓦时，占全社会用电量的 1.6%。
不过，全国八大算力枢纽节点近三年的算力用电量平均增速达到 39.5%，远高于同期全社会用电量增速。
这意味着，尽管全国整体占比不高，但算力集中的地区仍会面临新的供电压力。
▲ 户外变电站中的 220kV 大容量油浸式主变压器（图源/商用电器产品宣传图）
电网正在成为关键瓶颈
数据中心面临的一个现实瓶颈，是电网建设速度往往赶不上数据中心扩张的速度。
数据中心需要的是在特定地点能够长期、稳定接入的电力。
即使附近的发电厂有足够的发电能力，也不意味着当地输电线路、变电站和配电设施就能立刻承载新增的数据中心需求。
一个数据中心在两到三年内就能建成，但新的电网基础设施从规划、审批到完工，通常需要 5 到 15 年。
仅大型变压器的采购交付就可能要等四年，电缆采购也要两到三年。
IEA估计，受电网约束影响，到 2030 年全球计划建设的数据中心容量中，约 20% 可能面临接入延误。
与其说数据中心会抽干全球电力，不如说AI算力的爆发速度，已经跑在了电网基建的前面。
这种速度差，正在悄然改变数据中心的选址逻辑、科技公司的能源获取方式，甚至 AI 产业的发展边界。
▲ 三名电力工人佩戴安全防护装备，在高压输电铁塔高空开展架线施工作业（图源/新华网）
现面对电力瓶颈，行业正在怎么应对？
当前比较常见的应对方式主要有三种，分别是重新调整数据中心布局、提前锁定长期供电，以及更灵活地安排部分计算任务。
说到底，就是解决三个问题：建在哪里、电从哪里来，以及什么时候用电。
第一种，让数据中心布局和能源条件相匹配。
电力一直是数据中心选址的重要考量，而随着AI数据中心用电规模快速上升，“能不能及时获得足够且稳定的电力”正在变成越来越重要的约束。
中国的“东数西算”提供了一种跨区域配置算力的思路。
部分对时延要求不高的后台加工、离线分析和存储备份业务，可以更多布局在能源、土地和气候条件较好的西部地区，从而提高算力与能源资源的匹配效率。
美国企业也在尝试把新建数据中心和新增电源更紧密地规划在一起。
2024 年，谷歌与能源企业合作，将部分新数据中心与新增清洁能源项目同步规划，以减少对新增输电设施的依赖，并缩短等待供电的时间。
2026 年，这种模式已经在得州的项目中落地。
第二种，科技公司提前锁定长期电力供应。
2024 年，微软与美国能源企业签署 20 年购电协议，支持宾夕法尼亚州一座2019 年停运的核电机组重启，重启后该机组预计可向电网提供约 835 兆瓦电力。
这类合作说明，科技公司的基础设施竞争已经不只围绕芯片和服务器展开。
为了保证未来的数据中心能够稳定运行，它们开始更早介入长期能源采购，甚至参与推动新的电力项目。
第三种办法，是让部分计算任务更灵活地安排用电时间。
并不是所有AI任务都必须即时完成，一些机器学习训练和后台计算可以在电网紧张时暂缓、转移或降低负荷。
2026 年谷歌称，已与美国多家电力公司达成总计 1 GW 的数据中心需求响应合作，必要时可调整部分机器学习任务的用电负荷。
现实中的应对不是靠某一种方案解决所有问题，而是同时从选址、供电、用电节奏三个维度共同调整。
▲ GPT-5 预估年耗电量达 16.4 TWh，全球用电量排名第 81 位，超过斯洛文尼亚全国用电（图源/Twitter）
战略自主影响外交选择
AI 看似运行在云端，但支撑它的始终是现实世界里的芯片、服务器、变电站、输电线路和发电设施。
回到开篇的问题，从全球总量来看，数据中心距离“抽干全球电力”仍然很远。
真正已经出现的矛盾，是算力扩张的速度开始超过部分地区电力基础设施的建设速度。
这也意味着，未来 AI 竞争比拼的可能不再只是模型有多强、芯片有多少。
一个地区能否提供充足、稳定、及时的电力供应，将越来越直接地决定其算力扩张的空间。
数字世界看起来可以无限增长，但它最终仍然要建立在现实世界的物理基础设施之上。
撰稿：叶力萌
编务：朱欣月
责编：邵逸飞
图片来源：网 络
（如有侵权，请联系删除）
更多精彩内容，欢迎关注民小智君
转载：请微信后台回复“转载”
热门跟贴