过去两年，讨论人工智能的瓶颈，关键词是GPU和先进封装。进入2025年，越来越多从业者把目光转向另一个更基础的要素：电。国际能源署在《能源与人工智能》报告中估算，全球数据中心2024年耗电约415太瓦时，到2030年可能接近945太瓦时，大致相当于翻一倍，其中人工智能是增速最快的部分。

用电曲线陡然抬升

与传统数据中心不同，AI集群的功率密度高得多。一个装满加速卡的机柜，功率可达数十千瓦，是普通服务器机柜的数倍。单次大模型训练的瞬时功耗，甚至能与一座中小城市的用电量相当。这带来两个直接后果：一是单个园区的总用电规模从几十兆瓦跳升到数百兆瓦甚至吉瓦级；二是用电波动更剧烈，训练任务的启停会在短时间内造成明显负荷起伏。

美国是全球数据中心最集中的市场。多家机构测算，数据中心目前约占美国用电量的4%出头，到2030年这一比例可能升至7%至12%，具体取决于AI投资节奏。在弗吉尼亚北部等传统数据中心聚集区，新增负荷的并网排队时间已从一两年拉长到数年。

巨头绕开电网直接买电

面对漫长的并网周期，大型科技公司选择直接锁定电源。

这些交易的共同逻辑是，把电价和碳排放在十年以上的时间尺度上锁定，避免被现货市场的波动牵着走。核电、地热、水电等具备稳定基荷能力的电源，因此重新回到科技公司的采购清单上。

电网与社区的摩擦

数据中心集中落地也带来摩擦。部分地区居民电费上涨，公用事业公司需要为新增输电线路和变电站投资，成本最终分摊到全体用户。一些地方政府开始要求数据中心披露用电与用水数据，或对税收优惠附加条件。与此同时，燃气轮机、变压器、高压电缆等设备的交付周期明显拉长，供应链本身也成了约束。

省电与调度成为新赛道

在供给受限的情况下，效率提升被重新重视。液冷、高压直流供电、芯片级动态调频等技术逐步进入主流部署；软件层面，兼顾电价与碳排的任务调度开始出现，把可延迟的训练任务挪到电价低谷或绿电富余的时段；推理则尽可能下沉到离用户更近的边缘节点，减少长距离传输与制冷开销。这些手段单独看幅度有限，叠加起来却能显著改变一个园区的用电曲线。

算力的天花板正在换位置

芯片性能仍在按代际提升，但如果电力供给跟不上，再多的加速卡也无法满负荷运转。对AI产业而言，这意味着竞争维度正在扩展：谁能拿到稳定、便宜、低碳的长期电力，谁就更有条件把模型规模继续推大。未来几年，电力合同的签署节奏，很可能和GPU的交付节奏一样，成为观察人工智能产业景气度的重要指标。