【银通资讯AI 与电力】AI算力的非线性电力需求与硬性约束
作者：微信文章过去十年，全球电力市场处于由能效提升和云端整合驱动的“平稳期”。然而，生成式人工智能（GenAI）的爆发正在彻底终结这一常态，将电力从一种大宗商品推向了AI扩张的“核心限制性资产”。当前的电力需求增长并非简单的线性外推，而是一次由算力密度驱动的结构性范式转移。
一、需求范式的转移：从“效率红利”到“电力激增”
（一）效率红利的终结
在2015年至2020年间，全球电力市场经历了一段独特的“增长静默期”。尽管这一时期互联网流量和算力需求持续攀升，但全球数据中心的总用电量却保持惊人的持平。这主要得益于两大红利：一是硬件能效的飞速提升（摩尔定律的红利），二是企业从低效的本地机房大规模迁移至超大规模（Hyperscale）云端数据中心，这种“云端整合”显著优化了资源利用率。
然而，高盛研究认为，随着AI时代的到来，这一红利期已宣告结束。AI对算力强度的极端索取正在超越能效提升的补偿速度。对于非专业人士而言，这意味着算力增长不再是“免费”的，每一份智能的产出都必须支付实打实的电费。美国电力需求的年复合增长率（CAGR）将从过去十年的0%猛增至2.4%。至2030年，全球数据中心的总用电量将翻倍至约945TWh，这一规模几乎相当于日本当前的全国用电量。
图1. 2022年-2030年数据中心对美国电力需求复合年增长率贡献
资料来源：Goldman Sachs
图2. 基准情景下全球数据中心电力消耗,2020-2030
图3. 基于情景敏感性分析的全球数据中心用电量,2020-2030
资料来源：IEA
（二）生成式AI驱动的非线性需求爆发
生成式AI（GenAI）与传统互联网服务的电力消耗有着本质区别。传统的搜索或流媒体服务主要涉及数据传输，而GenAI（如大规模语言模型）则涉及极高强度的持续计算。根据摩根士丹利（Morgan Stanley）的专有模型测算，GenAI电力需求的年复合增长率（CAGR）预计高达70%。
这意味着到2027年，仅GenAI一项的耗电量就将达到224TWh。为了让投资者直观理解这个数字：这几乎相当于西班牙一年的全国总用电量，或者相当于2022年全球所有数据中心总耗电量的75%以上。这种非线性的需求曲线意味着，能源系统将承受前所未有的脉冲式负荷压力。
图4. 基准情景下的全球生成式AI电力需求预测
资料来源：Morgan Stanley
（三）从“数据中心”向“吉瓦级工厂”的转变
在AI时代，数据中心的概念正在被重新定义。传统的机房电力需求通常以“兆瓦”（MW）为单位，而前沿模型的训练则需要“吉瓦”（GW）级的支撑。Anthropic的研究指出，到2028年，美国AI部门至少需要50GW的电力容量。
这种转变使得算力设施更像是一个消耗巨大的“重工业工厂”。高盛估计，建设一个典型的250MW AI数据中心需要投入约120亿美元的资本支出。由于这种项目对电力的极度饥渴，资本市场的评估重点已从“芯片数量”转向了“电力接入能力”。在这种逻辑下，电力配额正取代算法优势，成为决定科技巨头核心竞争力的“护城河”。
二、电力需求地理集中度与负载密度的重构
（一）美国市场的垂直跃迁：从边缘到核心
在传统的美国电力模型中，数据中心一直被视为“重要但非决定性”的工业负载。然而，高盛研究指出，AI正在将数据中心推向电力需求的中心地带。
占比激增：预计美国数据中心的耗电量占全美总需求的比例，将从目前的约3%激增至2030年的8%。
增量贡献：在2.4%的美国电力需求年复合增长率（CAGR）预测中，数据中心直接贡献了约0.9%（90个基点）的增量。
这种激增将迫使公用事业公司（Utilities）在未来十年内投入超过500亿美元用于新增发电产能，这意味着受监管的公用事业资产将迎来历史性的Capex扩张期。
（二）“三足鼎立”的全球格局：中美欧垄断85%的电力
根据IEA的全球普查，算力基建表现出极高的地缘集中性。目前，全球数据中心的需求高度聚焦于美国、中国和欧洲。
85%集中度：这种地缘集中性并非偶然，而是由光纤延迟、主权数据要求及冷却资源决定的。美国目前拥有全球约33%的数据中心份额，欧洲占16%，中国占10%。加上其他主要发达经济体，这三方及其辐射圈占据了全球约85%的算力负载。
“算力外交”趋势：高盛在其2025年报告中提出了“数据中心外交”概念。随着美、中、欧内部电力瓶颈的收紧，算力需求正向周边电力富集区（如东南亚、北欧）溢出，形成新的卫星节点。
（三）局部密度的“超载”风险与GW级集群
地理集中带来的直接后果是局部电网的负载密度（Load Density）达到物理上限。
弗吉尼亚州效应：高盛指出，在美国北弗吉尼亚州（全球最大的数据中心枢纽），数据中心负载已占到局部公用事业公司（Dominion Energy）总负荷的20%以上。
GW级单体冲击：Anthropic警告称，随着单体训练集群向5GW演进，单一项目的电力需求已超过许多中等规模发电厂的装机容量。这意味着未来的算力扩张将不再是“即插即用”，而是需要与大型电力设施（如核电站）进行1:1的物理绑定。
三、并网瓶颈与供应链的物理上限
（一）并网排队下的“准入门槛
资本可以迅速调动，但物理电网的扩建却存在天然的时间壁垒。高盛研究指出，目前美国大部分地区的并网审批（Interconnection Queues）已陷入严重淤积。在一些核心数据中心枢纽区域，新增容量的并网等待时间已从过去的3年拉长至7-10年。
这意味着，即使一家企业拥有最先进的芯片和充足的资金，如果无法获得电网的接入许可，其算力蓝图也将被迫停留在图纸上。这种长周期的物理滞后，使得拥有“现成电力配额”的存量资产产生了巨大的溢价。IEA警告称，目前全球电网投资严重失衡，仅占发电环节投资的40%，若此比例不予纠正，到2030年将有20%的拟建项目面临系统性延迟。
（二）供应链延迟与基础设施滞后
电力基建的供应链正在承受极限压力。关键电力设备（如大容量变压器、高压电缆）的交期在过去三年中翻了一番。高盛观察到，美国天然气管线等支撑能源的审批周期平均也需要4年左右。这种“慢基建”与AI“快进化”之间的矛盾，构成了当前能源市场的主要张力。
（三）关键矿产与地缘政治的约束
AI时代的电力基建和芯片生产最终会转化为对底层矿产的争夺。IEA特别强调了精炼镓（Gallium）的制约风险：AI芯片及配套的高频电力电子设备对镓的需求极高。预计到2030年，AI领域对镓的需求将占据当前供应量的10%以上。
图5. 2030年人工智能数据中心对关键矿物的需求占2024年总需求的比例
资料来源：IEA
目前，全球约99%的精炼镓供应由中国控制，这为全球AI产业链引入了深层次的地缘政治风险。此外，Anthropic提醒美国政策制定者，中国去年新增并网电力超过400GW，其基建执行速度显著快于美国。对于投资者而言，这种“基础设施响应速度”的差异，将在未来五年内直接决定全球算力布局的成本结构。
图6. 2024年数据中心扩张所需精选精炼关键矿产供应的地域集中度
资料来源：IEA
E N D
免责声明：我司尊重原创作者版权，除我司原创和无法确认作者外，我们将在文章末尾标注作者和来源。文章版权归原创作者所有，如转载涉及版权等问题，请与我们公众号联系删除，非常感谢。
银通智略
银通智略为商业银行的业务开展提供信息服务、研究咨询、会议培训等服务，涉及宏观经济、行业研究、风险控制、公司业务、投资银行、战略管理等多个领域。银通智略力求理论与实践的结合，通过专业的顾问服务设计解决方案，辅助商业银行竞争力的提升。
订阅账号▏搜索“银通智略”
业务咨询专线：010-56469818
页:
[1]