全球 AI 训练与推理需求推动数据中心电力消耗快速攀升。国际能源署（IEA）最新报告显示，全球数据中心用电量到 2030 年将翻倍至约 945 TWh，占全球总用电量的近 3%；加速服务器（主要由 AI 驱动）年增长率达 30%，远超传统服务器。[[1]](https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai)
美国尤为突出：过去一年数据中心贡献了全国新增电力需求的一半，2023 年用电量约 176 TWh，预计 2028 年升至 325-580 TWh，占全美 6.7%-12%。[[2]](https://fortune.com/2026/04/20/us-data-center-electricity-demand-public-opinion/) Bloom Energy 预测，2025-2028 年美国数据中心总功率需求将从 80 GW 增至 150 GW，相当于新增一个西班牙的用电规模。[[3]](https://www.consumerreports.org/data-centers/ai-data-centers-impact-on-electric-bills-water-and-more-a1040338678/)
与此同时，欧洲与中国也在加速布局，但电网与可再生能源配套滞后。美国部分地区已出现项目因电力短缺延期，企业转而自建燃气发电或直接采购可再生能源；Anthropic 等公司估算，单一大模型训练到 2027 年需 5 GW 电力，美国 AI 行业 2028 年或需新增 50 GW 容量。[[4]](https://www.brookings.edu/articles/global-energy-demands-within-the-ai-regulatory-landscape/)
这一趋势的根本驱动是算力规模化：从万卡集群到未来十万卡级，电力已成为比芯片更紧缺的资源。对比过去两年单纯扩建数据中心的模式，如今资本开支正向电力基础设施倾斜，Nvidia 等硬件巨头投资光子互联等节能技术也印证了这一转向。
未来 6-12 个月，关键看美国与欧洲电网升级速度及核电/可再生能源落地情况。若电力瓶颈持续收紧，AI 训练成本将进一步上升，中小玩家优势被削弱；反之，率先解决供电问题的地区或国家将吸引更多资本与人才，加速全球算力版图重塑。[[5]](https://enkiai.com/data-center/ai-data-center-grid-strain-power-halts-growth-in-2026/)
信源：https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
