AI，這頭“吞電巨獸”，正在迅速重塑美國能源格局。

“我們正在創造歷史。”

2024 年 10 月 18 日，美國能源部長詹妮弗·格蘭霍姆在“獵戶座太陽能帶”（Orion Solar Belt）開幕式上說出了這句話。該專案被廣泛稱為美國曆史上規模最大的光伏工程。

這座由日本軟銀背景的 SB Energy 建設的超級光伏電站，規劃輸出 875 兆瓦清潔電力——發電規模大致可與一座典型核電設施相比。其中約 85% 的電量將用於為谷歌在達拉斯地區的資料中心供電。

僅這一點，就足以說明美國能源系統正在走向何方。

隨著 AI 的爆發，模型規模、訓練週期以及資料中心體量都在以驚人的速度擴張。每一次算力突破、每一次新的使用者互動背後，都離不開一個樸素卻決定性的條件：電力——足以驅動晶片運算、支撐海量儲存，並讓龐大設施保持穩定散熱與執行。

電力已成為 AI 規模化發展的新瓶頸，如同一把懸在頭頂、隨時可能落下的達摩克利斯之劍。

在資料中心最密集的州，可靠性壓力已開始顯現。文中引用美國能源資訊署（EIA）的資料稱，維吉尼亞州與得克薩斯州的平均停電時長分別達到 962.1 分鐘與 1,614.3 分鐘，並且同比增幅顯著。

因此並不意外，埃隆·馬斯克、薩姆·奧爾特曼、黃仁勳等科技領袖都曾公開表達對電力供應緊張的擔憂。在這個新週期裡，“確保能源供給”正在成為超大規模雲廠商的核心戰略之一。與此同時，由於化石能源與企業減碳承諾及更廣泛的氣候目標相沖突，尋找清潔能源的優先順序迅速提升。

在現有選項中，地熱、核電與風電都分別受制於資源分佈、建設週期、審批覆雜度等因素。越來越多的跡象表明，一條更現實、也更具可擴充套件性的近中期路徑正在浮出水面：光伏發電與儲能的組合。

AI 的終點，是電力。

每一次在 ChatGPT 輸入框中按下回車鍵，背後都會觸發一場跨越巨大基礎設施的“連鎖反應”——伺服器、加速卡、網路裝置與冷卻系統協同運轉。

一些估算認為，ChatGPT 單次響應的耗電量大約是傳統谷歌搜尋的 10 倍。常被引用的平均值約為每次請求 2.9 瓦時——足以讓一隻 60 瓦的燈泡點亮約三分鐘。而當使用規模上升到“每天數億次請求”時，其對應的日用電量會迅速膨脹到驚人的水平。

為了更直觀地理解這種消耗，可以對照傳統工業“耗電大戶”。電解鋁長期被視為極其耗能的產業：在中國，鋁生產佔據了電力需求中相當重要的一部分，生產 1 噸電解鋁大約需要 13,600 千瓦時直流電。粗略的量級對比表明，當一個大型 AI 系統進入規模化執行階段，其用電強度可能與這些傳統“吃電”行業相當，甚至在某些口徑下更高。

在新的科技週期裡，AI 的“吞電能力”迫使最高層重新思考能源問題。

電力需求上升並非單一因素驅動，而是多種因素疊加：更高效能的晶片、更大的訓練與推理工作量、資料中心的 24/7 連續執行，以及越來越嚴苛的熱管理需求。

僅從硬體看，NVIDIA A100 的功耗約為 400 瓦。GPT-3 訓練常被認為動用了數千塊 GPU，而外界對 GPT-4 時代訓練基礎設施規模的估計更是大幅上調。馬斯克曾提出，下一代可能需要數萬塊更高功耗的加速器；H100 的峰值功耗可達約 700 瓦。

模型規模的擴張進一步放大了這一趨勢。GPT-3 常被引用的引數規模約為 1750 億；GPT-4 被廣泛猜測遠大於上一代；而對於 GPT-5 級別模型，業界討論甚至出現了“數萬億引數”區間——不過相關確切資料並未公開證實。

當算力、規模與迭代節奏同時加速時，能耗不會線性增長，而可能出現躍遷式飆升。

而這種飆升，最終落在一個並非為此而建的電網上。

多方評估認為，美國電力系統老化且新增能力受限。美國土木工程師協會（ASCE）曾給美國電網打出 C+ 的評級，並指出裝置老舊與新增輸電能力投資不足等問題。北美電力可靠公司（NERC）的評估也強調了部分地區備用裕度緊張與可靠性風險。

AI 負荷還帶來額外挑戰：它不像傳統工業那樣平穩，而更像“脈衝型”用電。訓練任務會造成負荷快速拉昇，大規模推理則在高利用率下形成持續增長。用電波動會加劇電網穩定性挑戰——包括電壓波動、諧波問題與區域性區域壓力，尤其是在本就緊張的區域。

結果是，願景與基礎設施之間的錯配正在擴大。

德勤在 2025 年 4 月對美國電力公司與資料中心高管的調查顯示，電網壓力是資料中心發展面臨的主要約束之一。在部分市場，資料中心併網排隊時間被認為可能長達數年——即使資金、硬體都已到位，專案仍會被電力接入所拖慢。

電網運營方也發出容量預警，風險訊號開始被頻繁討論：從電能質量問題到區域性停電擔憂。文章引用的 EIA 資料還指出，2024 年平均停電時長同比顯著上升，維吉尼亞州與得州表現尤為突出——而這恰恰是資料中心最密集的兩大地區之一。

這也是為什麼討論的重心已從“算力短缺”轉向“電力短缺”。

微軟 CEO 薩提亞·納德拉曾承認當下的一個悖論：企業手中可能堆滿 GPU，卻會因為缺電、缺空間而無法部署。奧爾特曼也認為，AI 的用電需求不太可能回落；隨著能力與應用擴張，需求只會繼續攀升。

政治層面的表態也在變化。文章提到，美國前總統特朗普曾用“能源緊急狀態”的敘事來推動加快 AI 發電廠審批，釋放出更強調速度與容量、以支撐戰略科技發展的訊號。

在電網擴張長期不佔據輿論中心的背景下，AI 時代正在把電力供給與基礎設施建設重新推回到美國經濟議程的核心。

那麼，真正可行的解決路徑是什麼？

為緩解區域電價上漲並獲得穩定電源，當前常被討論的選項包括核電、地熱、光伏、天然氣與燃油。對許多大型科技企業而言，ESG 承諾會進一步縮小選擇範圍：更符合減碳目標的主要是光伏、核電與地熱。

地熱在長期上具有吸引力，但短期受限明顯。美國地熱資源主要集中在西部少數地區，大型專案從資源識別到商業化運營往往需要七年以上。因此，地熱更像是戰略性長期供電選擇，而非快速補缺方案。目前，真正大規模採用地熱為資料中心供電的科技巨頭仍屬少數，例如 Meta 與 Google。

核電具備穩定、高輸出的基荷優勢，但新增大型機組的路徑依舊緩慢。美國在運核電裝機約 95 吉瓦、約 94 座機組，提供約 18% 的全國發電量。然而新建核電通常需要多年審批再加多年建設，短期內實現顯著淨增量並不容易；同時公眾態度也長期偏謹慎。

因此，“光伏 + 儲能”迅速走到臺前。

文章引用的 Lazard 2025 年 6 月度電成本（LCOE）分析指出，公用事業級光伏依然是成本最低的發電方式之一，光伏疊加儲能在多種情景下也能與煤電、氣電、核電競爭；若疊加投資稅收抵免（ITC）等政策激勵，其經濟性會進一步增強。

除了成本，光伏還有一個關鍵優勢：速度。

在獲得審批與併網條件後，大型光伏專案往往可以在數月到一年左右落地，而不是幾年。更重要的是，光伏的地域靈活性強——只要有日照與土地，就具備發電潛力。儲能的加入，則能緩解間歇性問題，並幫助資料中心削峰填谷、穩定供電、降低對電網峰時的依賴。

與此同時，美國的大規模儲能也在加速。文章提到 2025 年儲能專案管線備案增長迅速，並預計 2026 年及之後的裝機將繼續快速爬坡。值得注意的是，資料中心正在成為重要驅動力之一，不僅通過綠電採購，還通過“綠電直供 + 儲能”以及更先進的能量管理系統來提升供電韌性。

從更長週期看，增長邏輯不止來自企業端。許多超大規模科技公司已將 2030 年“資料中心低碳/零碳”作為目標之一，再疊加政策支援，儲能擴張具備明顯的“飛輪效應”。

監管也可能進一步加速轉型。

文章提到一項與聯邦能源監管委員會（FERC）相關的大負荷併網提案，核心方向包括：將 AI 資料中心等大負荷更直接接入高壓輸電網路、統一技術標準、加快審批流程，並鼓勵大負荷與發電資源更直接地連線，以減少電網升級需求。若按設想落地，“自供電”模式——往往以可再生能源與儲能為核心——將更具可行性與落地速度，尤其適用於超大負荷客戶。

換句話說：AI 的爆發不僅在消耗電力，更在重塑能源經濟的組織方式。

從法拉第發現電磁感應，到電氣化推動現代工業崛起，電力一次次證明自己是每一輪科技躍遷的底座。網際網路時代依賴它，移動網際網路時代依賴它，AGI 時代同樣如此。

當 AI 的需求變得緊迫且持續，美國電力——尤其是清潔電力——很可能正進入新一輪大規模投資與擴張週期的起點。

而這一次，電網不再只是支撐創新的背景板。

它正在成為決定未來走向的主戰場。