数据中心2024年消耗全球电力的1.5%，AI驱动在电网受限地区的集中建设，其中五分之一的项目面临互联延迟。

数据中心2024年消耗了约415太瓦时的电量——占全球用电量的约1.5%，根据国际能源署2025年能源与AI报告。这个数字虽然看作百分比还能接受，但掩盖了潜在的挑战：问题不在于电力供应本身，而在于向新服务器集中的地区输送电力的基础设施。

AI的计算需求集中在装满加速器、网络设备、冷却系统和电力硬件的建筑中。美国占全球数据中心用电量的45%，中国占25%，欧洲占15%。在美国境内，近一半的现有数据中心容量集中在五个地区集群中，一半的在建数据中心计划建在现有的大型集群内。

一个典型的AI中心数据中心消耗的电量相当于10万个家庭。在建中最大的设施预计消耗约20倍的电量。向一个本地电网增加一个非常大的负荷，与将同样的年用电量分散到数百万个家庭和数千个变电站完全不同。

IEA预测全球数据中心用电量到2030年将达到约945太瓦时——略高于日本目前的消耗量——AI是增长的最大驱动因素。对于2035年，该机构的情景范围从700到1700太瓦时，取决于AI应用程度、硬件效率以及能源瓶颈解决的速度。劳伦斯伯克利国家实验室的另一份报告估计，美国数据中心2023年消耗了176太瓦时，占该国用电量的4.4%。其2028年的预测范围从325到580太瓦时——占美国消耗量的6.7%到12%——这个差距太大，电网规划者不能假设最近的效率提升会悄悄吸收这些增长。

真正的瓶颈是基础设施。IEA估计，约20%的计划中的数据中心项目可能面临延误，除非解决连接风险。在发达经济体中，建造新的输电线路需要四到八年。变压器和电缆的等待时间在三年内翻了一倍。开发商可以订购服务器和建造建筑，但为其供电可能需要新的变电站、升级的变压器、额外的电力生成、输电研究、许可证和有自己制造队列的设备。

电力供应不是均匀分布的。一个国家可能有足够的发电量，但一个县可能缺乏支持另一个大型园区的变电站、变压器和输电容量。一个与足够可再生电力有年度合同的设施，在特定时间可能仍然从受限的本地电网中取电——年度匹配和物理输送是不同的问题。

一些应对措施正在出现。谷歌研究人员描述了一个生产系统，该系统预测电力碳强度，并将灵活的计算工作延迟到低碳时段，转移容量同时保持每日总计算容量。然而，这不能是通用方案：搜索、实时模型响应和其他对延迟敏感的服务在电力短缺时无法暂停。长期训练运行也很难中断，尤其是当数千个加速器必须保持同步时。

一个专注于AI的数据中心可能比铝冶炼厂的资本密集度高十倍。业主已投入大量资金来保持昂贵的芯片持续运转，使得减少输出的请求成本很高。没有关于支付、更快连接和保护客户服务及设备的明确规则，备用服务器容量就不是一个可靠的电网资源。

选址很重要。在输电和发电可用的地方放置新园区，可以在瓶颈出现前避免它们。然而，集群化出现是有具体原因的：光纤连接、熟练劳动力、土地可用性、税收政策以及与现有基础设施的接近程度。

数据中心需求快速增长，但预测仍存在很大差距。效率会改善，但更便宜且功能更强的AI也可能增加使用。新的发电厂可以建造，但数百公里外的发电厂在网络能够输送其电力之前无法提供帮助。

决定性的问题是具体的，而非通用的：哪个电网将为该设施服务？什么必须升级？谁来支付？有多少工作负荷可以转移？系统最困难时刻会发生什么？AI在屏幕上瞬间出现。其下的基础设施仍然以变电站、变压器和公共决策的速度运动。