新一代AI芯片的单个机架功耗已逼近1兆瓦，足以为平均750户美国家庭供电。2026年6月1日，彭博社描绘了一个正逼近物理极限的行业。不是因为需求不足，而是因为电力不足。
人工智能到底消耗多少能源？
非常多，而且呈指数级增长。据BloombergNEF预测，数据中心的电力需求将翻两番，从2024年的约400太瓦时增至2034年的逾1600太瓦时。打个比方：这相当于仅仅为了运行那些不停训练、不停应答的模型，就额外增加了一个大型国家经济体的用电量。问题不在于单个数据中心，而在于总量。
瓶颈是如何形成的
以英伟达为首的芯片厂商不断推出性能更强的处理器，而这些处理器需要新一代数据中心来承载，其耗电量是以往的数倍。现有电网无法独自消化这一跃升。由此引发了对稳定、持续电源的争夺：短期靠天然气，长期则押注核能。失控的能耗有可能推高美国电价、扩大AI的碳足迹，并且颇为讽刺地拖慢正是由它驱动的这场繁荣。
夜间灯火通明的工业园区
官方数据分量十足。提交给美国证券交易委员会（SEC）的文件显示，2023年数据中心占美国电力消耗的4.4%，预计到2028年将升至12%。英伟达本身也在其季度报告中警告称，数据中心、能源与资本的可获得性至关重要，一旦出现短缺，可能影响未来营收。
欧洲面临什么变化
在这里，这场博弈带上了地缘政治色彩。欧洲在全球数据中心容量中所占的份额正在下降，运营商更青睐电网更可靠、公共激励更多的美国和亚洲。法国打出核能这张牌（核能约占其电力的70%），以此作为吸引AI基础设施的竞争优势。谁能率先破解能源瓶颈，谁就能在AI经济中攫取超额份额。
就连引领AI的人也在强调能源的紧迫性。山姆·奥尔特曼在一篇帖子中将能源列为需要构建的"富足"形态之一，几乎将其定义为一种道德义务。
实践层面该怎么做
对于关注该行业的人来说，有三条战线比其他更为关键。第一，效率：每瓦算力密度的每一次提升，都会改变曲线走向。第二，能源结构：今天靠天然气，明天靠核能与可再生能源，因为这种负载是持续性的，无法容忍间歇性。第三，选址：数据中心的地理分布将追随可用能源的地理分布。官方数据与情景预测由国际能源署（IEA）汇总整理。
真正让一切看清的那个数字来自美国。摩根士丹利估计，到2028年数据中心的需求将高达74吉瓦，而电力接入缺口约为49吉瓦。换句话说：预计需求的三分之二有可能找不到可用的电力。如果没有合适的插座可以接入，全世界最快的芯片也毫无用处。AI的下一阶段将在发电厂里见分晓，而不仅仅是在实验室里。
