过去两年，AI扩容的瓶颈先是显卡，再是先进封装与高带宽内存，如今轮到电力。多家云厂商在近期的业绩沟通中提到，能否按期拿到并网许可与长期供电合同，正取代芯片到货时间，成为数据中心投产节奏的第一约束。
从训练尖峰到长期负载
大模型训练一度被视为脉冲式用电：一个集群连续跑数月，结束后负荷回落。但随着推理服务普及，用电结构发生了变化。推理是全天候的常态负载，且随用户规模增长而持续抬升。行业普遍观察到，推理算力在部分厂商算力支出中的占比不断上升，电力由此从项目成本变成了运营基本盘。
与此同时，单机柜功率密度快速抬升。传统数据中心单柜十几千瓦，面向AI的机柜设计普遍进入数十千瓦乃至上百千瓦量级，风冷难以为继，液冷从可选项变成默认配置。
选址逻辑被改写
过去数据中心倾向选择电价低、地价便宜的地区。如今决策链条更长：当地是否有可快速扩容的变电站，并网排队要多久，能否签下十年以上的购电协议。在一些电力市场，新建负荷的并网等待时间已排到数年之后，有电可用本身成了一种稀缺资源。
由此衍生出几种新动向：
- 科技公司直接签约核电、风电与光伏项目，甚至参与小型模块化反应堆的投资；
- 把数据中心建在发电侧附近，绕开输电瓶颈；
- 在电力紧张地区以临时燃气发电过渡，但与减排目标存在张力。
能效与水的双重账本
能效指标PUE被重新审视。液冷提升散热效率的同时，也把讨论引向另一项资源——水。部分地区的蒸发冷却耗水量引发关注，闭式循环与干冷方案因此被更多采用。可以预期，未来数据中心的环评与地方审批，会同时看电、看水、看碳。
对普通用户意味着什么
短期内，电力约束会传导到AI服务的价格与可用性：高峰期推理排队、按量计费分层，可能更为常见。中期看，谁能锁定稳定且低碳的电力，谁就在成本曲线上占据优势。这也解释了为什么当下的AI竞争，正从模型榜单延伸到能源合同与电网接入这些并不显眼的环节。
算力、算法、数据之外，电力正在成为第四个基础变量。它的约束不像芯片管制那样突然，却更难绕开——电网的建设周期以年计，而模型迭代以月计。对产业而言，接下来值得关注的不是某一次发布会的参数，而是谁真正把电、水、碳三本账算清。