过去两年，讨论人工智能的瓶颈，关键词是芯片。如今，另一个更古老的约束正在浮出水面：电。
在美国弗吉尼亚州北部、得克萨斯州以及爱尔兰都柏林等数据中心聚集区，新建园区的并网排队时间已从过去的数月拉长到数年。微软与星座能源签署协议，推动三哩岛核电站一号机组重启；谷歌、亚马逊、Meta 则相继签下小型模块化反应堆与核电采购意向。科技公司正从买电的人，变成造电的人。
为什么AI突然变得这么费电
国际能源署在相关报告中估算，到2030年全球数据中心用电量可能翻倍以上，其中相当一部分增量来自AI加速服务器。与传统服务器相比，一台搭载多颗高功耗GPU的训练节点，单机柜功率可从10千瓦级跃升到100千瓦级。这不仅是电费问题，也意味着散热、配电和机房结构都要推倒重来。
更关键的是负载形态变了。训练是短时脉冲式的高功耗，推理则是全天候的持续消耗。当模型开始每天服务数亿次请求，电费会像人力成本一样，成为压在产品毛利上的长期项。
各方正在做四件事
- 抢长期绿电与核电：签十到二十年的购电协议，把电价波动锁死，同时满足自身碳中和承诺。
- 自建电源与微电网：在园区旁部署燃气轮机、燃料电池或储能，绕开拥堵的公共电网接入队列。
- 把机房搬到电便宜的地方：北欧水电、中东光伏、加拿大、东南亚，选址逻辑从离用户近转向离电近。
- 在芯片和算法侧省电：液冷、高压直流供电、稀疏化与量化，把简单请求交给小模型处理。
真正的瓶颈不只在发电
一座电厂可以几年建成，但高压输电线路、变电站和变压器动辄需要五到十年，且面临审批与社区阻力。美国电网中大量变压器已服役超过三十年，交付周期一度拉长到两年以上。与此同时，熟练电工与电网工程师严重短缺，人力比设备更难扩产。有业内人士坦言，现在制约数据中心的不是钱，也不是GPU，而是能不能在合理时间内拿到一条足够粗的电力接入。
这也解释了为什么AI用电正在变成一场公共议题。居民电价上涨、数据中心耗水、噪音投诉，已经在多地引发听证与诉讼。AI公司必须学会与社区和监管打交道，而这项能力过去并不在技术公司的技能清单上。
电力正在成为新的定价变量
把镜头拉远，AI竞争的衡量标准正在变化。过去比的是参数规模与榜单分数，现在还要比每瓦性能、单位token的电力成本，以及能不能拿到稳定的长协电价。对云厂商来说，能源采购团队的地位正在向芯片采购团队看齐。
这不意味着AI会因缺电而停下，但它意味着扩张的节奏将由电力系统决定，而非资本开支决定。谁更早把电当作一等公民来规划，谁就更可能在这场长跑中少摔一跤。