一句话看懂：国际能源署（IEA）预计，到2030年全球数据中心电力需求将翻倍，但许多地区电网已不堪重负。能否快速获得可靠电力正取代芯片和人才，成为决定AI竞赛胜负的关键变量——“时间到电力”（time to power）已成为数据中心选址的首要指标。
事件核心：发生了什么
国际能源署最新预测显示，全球数据中心对电能的需求将在2030年翻倍。与此同时，多地电网因用电结构老化、审批周期漫长等因素已处于高压运行状态。施耐德电气（Schneider Electric）的实践数据表明，在能源受限的热点区域，数据中心申请连接电网的周期从过去几个月延长至数年，某些情况下甚至超过十年。这意味着，AI竞赛的中心已从争夺英伟达GPU或顶尖算法团队，转向“谁能更快把电拉到位”。
为什么重要
过去，数据中心的选址取决于网络延迟、运营商成本或税收优惠；如今，这些因素正被“电网接入的确定性和速度”重新排序。当局部电网容量跟不上新建数据中心的峰值功耗时，电力缺口会比算力短缺更早成为瓶颈。这直接改变了大模型训练和推理的部署格局：拥有透明电网容量信息、简化审批流程的地区，将获得更大的投资吸引力；而排队机制混乱、允许投机项目占用容量的市场，则可能错失AI基建红利。此外，数据中心内部冗余（如UPS和备用发电）已不足以应对外部电网脆弱性，“韧性”正从设施内延伸到设施外。
对用户/开发者/创作者的影响
对于AI应用开发者和普通用户而言，电力约束可能间接推高云服务商的计算服务价格。如果数据中心运营商被迫采用混合能源方案（如现场可再生能源+储能+电网），其建设成本和运维复杂度会上升，这部分成本终将部分转嫁到API调用费或模型推理价格上。对于大量依赖大模型API进行内容创作、代码辅助或图像生成的创作者，未来半年到一年内应关注主要云厂商的能源策略公告：那些在能源公园或微电网领域有提前布局的提供商，可能拥有更稳定的长期定价和更低的中断风险。而从事AI基础设施运维的工程师，需开始熟悉从电池储能系统到场内发电机的多能源耦合设计。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，能源公园（energy park）模式能否在全球落地加速？它将多种电源和储能集中通过单一接口与电网连接，若能大规模推广，可有效缩短传统并网排队时间。第二，各地监管机构是否会针对AI数据中心出台“优先供电”政策？目前公开信息显示，部分国家正考虑缩短关键设施的审批周期，但尚未形成统一标准。第三，现场发电方案（如小型模块化核反应堆、大型电池储能）的工程可行性是否会在2025—2026年出现突破？这直接决定了超大规模训练集群能否在电网薄弱地区落地。
来源：TechRadar
