“我们正在创造历史。”
2024 年 10 月 18 日，美国能源部长詹妮弗·格兰霍姆在“猎户座太阳能带”（Orion Solar Belt）开幕式上说出了这句话。该项目被广泛称为美国历史上规模最大的光伏工程。
这座由日本软银背景的 SB Energy 建设的超级光伏电站，规划输出 875 兆瓦清洁电力——发电规模大致可与一座典型核电设施相比。其中约 85% 的电量将用于为谷歌在达拉斯地区的数据中心供电。
仅这一点，就足以说明美国能源系统正在走向何方。
随着 AI 的爆发，模型规模、训练周期以及数据中心体量都在以惊人的速度扩张。每一次算力突破、每一次新的用户交互背后，都离不开一个朴素却决定性的条件：电力——足以驱动芯片运算、支撑海量存储，并让庞大设施保持稳定散热与运行。
电力已成为 AI 规模化发展的新瓶颈，如同一把悬在头顶、随时可能落下的达摩克利斯之剑。
在数据中心最密集的州，可靠性压力已开始显现。文中引用美国能源信息署（EIA）的数据称，弗吉尼亚州与得克萨斯州的平均停电时长分别达到 962.1 分钟与 1,614.3 分钟，并且同比增幅显著。
因此并不意外，埃隆·马斯克、萨姆·奥尔特曼、黄仁勋等科技领袖都曾公开表达对电力供应紧张的担忧。在这个新周期里，“确保能源供给”正在成为超大规模云厂商的核心战略之一。与此同时，由于化石能源与企业减碳承诺及更广泛的气候目标相冲突，寻找清洁能源的优先级迅速提升。
在现有选项中，地热、核电与风电都分别受制于资源分布、建设周期、审批复杂度等因素。越来越多的迹象表明，一条更现实、也更具可扩展性的近中期路径正在浮出水面：光伏发电与储能的组合。
AI 的终点，是电力。
每一次在 ChatGPT 输入框中按下回车键，背后都会触发一场跨越巨大基础设施的“连锁反应”——服务器、加速卡、网络设备与冷却系统协同运转。
一些估算认为，ChatGPT 单次响应的耗电量大约是传统谷歌搜索的 10 倍。常被引用的平均值约为每次请求 2.9 瓦时——足以让一只 60 瓦的灯泡点亮约三分钟。而当使用规模上升到“每天数亿次请求”时，其对应的日用电量会迅速膨胀到惊人的水平。
为了更直观地理解这种消耗，可以对照传统工业“耗电大户”。电解铝长期被视为极其耗能的产业：在中国，铝生产占据了电力需求中相当重要的一部分，生产 1 吨电解铝大约需要 13,600 千瓦时直流电。粗略的量级对比表明，当一个大型 AI 系统进入规模化运行阶段，其用电强度可能与这些传统“吃电”行业相当，甚至在某些口径下更高。
在新的科技周期里，AI 的“吞电能力”迫使最高层重新思考能源问题。
电力需求上升并非单一因素驱动，而是多种因素叠加：更高性能的芯片、更大的训练与推理工作量、数据中心的 24/7 连续运行，以及越来越严苛的热管理需求。
仅从硬件看，NVIDIA A100 的功耗约为 400 瓦。GPT-3 训练常被认为动用了数千块 GPU，而外界对 GPT-4 时代训练基础设施规模的估计更是大幅上调。马斯克曾提出，下一代可能需要数万块更高功耗的加速器；H100 的峰值功耗可达约 700 瓦。
模型规模的扩张进一步放大了这一趋势。GPT-3 常被引用的参数规模约为 1750 亿；GPT-4 被广泛猜测远大于上一代；而对于 GPT-5 级别模型，业界讨论甚至出现了“数万亿参数”区间——不过相关确切数据并未公开证实。
当算力、规模与迭代节奏同时加速时，能耗不会线性增长，而可能出现跃迁式飙升。
而这种飙升，最终落在一个并非为此而建的电网上。
多方评估认为，美国电力系统老化且新增能力受限。美国土木工程师协会（ASCE）曾给美国电网打出 C+ 的评级，并指出设备老旧与新增输电能力投资不足等问题。北美电力可靠公司（NERC）的评估也强调了部分地区备用裕度紧张与可靠性风险。
AI 负荷还带来额外挑战：它不像传统工业那样平稳，而更像“脉冲型”用电。训练任务会造成负荷快速拉升，大规模推理则在高利用率下形成持续增长。用电波动会加剧电网稳定性挑战——包括电压波动、谐波问题与局部区域压力，尤其是在本就紧张的区域。
结果是，愿景与基础设施之间的错配正在扩大。
德勤在 2025 年 4 月对美国电力公司与数据中心高管的调查显示，电网压力是数据中心发展面临的主要约束之一。在部分市场，数据中心并网排队时间被认为可能长达数年——即使资金、硬件都已到位，项目仍会被电力接入所拖慢。
电网运营方也发出容量预警，风险信号开始被频繁讨论：从电能质量问题到局部停电担忧。文章引用的 EIA 数据还指出，2024 年平均停电时长同比显著上升，弗吉尼亚州与得州表现尤为突出——而这恰恰是数据中心最密集的两大地区之一。
这也是为什么讨论的重心已从“算力短缺”转向“电力短缺”。
微软 CEO 萨提亚·纳德拉曾承认当下的一个悖论：企业手中可能堆满 GPU，却会因为缺电、缺空间而无法部署。奥尔特曼也认为，AI 的用电需求不太可能回落；随着能力与应用扩张，需求只会继续攀升。
政治层面的表态也在变化。文章提到，美国前总统特朗普曾用“能源紧急状态”的叙事来推动加快 AI 发电厂审批，释放出更强调速度与容量、以支撑战略科技发展的信号。
在电网扩张长期不占据舆论中心的背景下，AI 时代正在把电力供给与基础设施建设重新推回到美国经济议程的核心。
那么，真正可行的解决路径是什么？
为缓解区域电价上涨并获得稳定电源，当前常被讨论的选项包括核电、地热、光伏、天然气与燃油。对许多大型科技企业而言，ESG 承诺会进一步缩小选择范围：更符合减碳目标的主要是光伏、核电与地热。
地热在长期上具有吸引力，但短期受限明显。美国地热资源主要集中在西部少数地区，大型项目从资源识别到商业化运营往往需要七年以上。因此，地热更像是战略性长期供电选择，而非快速补缺方案。目前，真正大规模采用地热为数据中心供电的科技巨头仍属少数，例如 Meta 与 Google。
核电具备稳定、高输出的基荷优势，但新增大型机组的路径依旧缓慢。美国在运核电装机约 95 吉瓦、约 94 座机组，提供约 18% 的全国发电量。然而新建核电通常需要多年审批再加多年建设，短期内实现显著净增量并不容易；同时公众态度也长期偏谨慎。
因此，“光伏 + 储能”迅速走到台前。
文章引用的 Lazard 2025 年 6 月度电成本（LCOE）分析指出，公用事业级光伏依然是成本最低的发电方式之一，光伏叠加储能在多种情景下也能与煤电、气电、核电竞争；若叠加投资税收抵免（ITC）等政策激励，其经济性会进一步增强。
除了成本，光伏还有一个关键优势：速度。
在获得审批与并网条件后，大型光伏项目往往可以在数月到一年左右落地，而不是几年。更重要的是，光伏的地域灵活性强——只要有日照与土地，就具备发电潜力。储能的加入，则能缓解间歇性问题，并帮助数据中心削峰填谷、稳定供电、降低对电网峰时的依赖。
与此同时，美国的大规模储能也在加速。文章提到 2025 年储能项目管线备案增长迅速，并预计 2026 年及之后的装机将继续快速爬坡。值得注意的是，数据中心正在成为重要驱动力之一，不仅通过绿电采购，还通过“绿电直供 + 储能”以及更先进的能量管理系统来提升供电韧性。
从更长周期看，增长逻辑不止来自企业端。许多超大规模科技公司已将 2030 年“数据中心低碳/零碳”作为目标之一，再叠加政策支持，储能扩张具备明显的“飞轮效应”。
监管也可能进一步加速转型。
文章提到一项与联邦能源监管委员会（FERC）相关的大负荷并网提案，核心方向包括：将 AI 数据中心等大负荷更直接接入高压输电网络、统一技术标准、加快审批流程，并鼓励大负荷与发电资源更直接地连接，以减少电网升级需求。若按设想落地，“自供电”模式——往往以可再生能源与储能为核心——将更具可行性与落地速度，尤其适用于超大负荷客户。
换句话说：AI 的爆发不仅在消耗电力，更在重塑能源经济的组织方式。
从法拉第发现电磁感应，到电气化推动现代工业崛起，电力一次次证明自己是每一轮科技跃迁的底座。互联网时代依赖它，移动互联网时代依赖它，AGI 时代同样如此。
当 AI 的需求变得紧迫且持续，美国电力——尤其是清洁电力——很可能正进入新一轮大规模投资与扩张周期的起点。
而这一次，电网不再只是支撑创新的背景板。
它正在成为决定未来走向的主战场。
