一句话看懂：BloombergNEF 最新报告预测，到2035年，美国数据中心将消耗全国五分之一的电力，是当前水平的4倍。AI 算力激增是主因，但电网承载能力不足正推高电价并拖累部署进度。
事件核心：发生了什么
BloombergNEF 发布报告指出，AI 训练与推理需求将在未来十年内将美国数据中心总容量推至近200吉瓦（GW），其中近一半用于 AI 负载。到2033年，美国将按电力需求承载全球64%的 AI 芯片。这一预测比该机构去年12月的数字高出83%，且多家机构也在同步上调预期：EPRI 将其2024年预测翻倍，S&P 的预测在半年内上调了超过三分之一。
区域电网压力尤为突出。覆盖弗吉尼亚至伊利诺伊的 PJM 电网将把34%的电力分配给数据中心，覆盖德克萨斯州的 ERCOT 则需要拿出22%的发电容量。PJM 因不堪重负，一度暂停新电源并网申请四年，尽管4月重新开放，但供需失衡已使当地电价在过去一年上涨了76%。一家公用事业公司甚至威胁退出 PJM 互联系统。即便如此，数据中心在 PJM 最近一次容量拍卖中仍占新增需求的38%。
全球层面，如果 AI 保持激进增长，到2033年数据中心将创造1935太瓦时（TWh）的新增电力需求，接近印度全国年用电量。
为什么重要
这份报告揭示了 AI 扩张中一个常被忽视的硬瓶颈——电力基础设施。过去行业争论的焦点多集中在芯片算力、模型规模和训练成本上，而电网的物理承载力正在成为新的限制因素。即便资本充足，数据中心从建设到并网仍需数年时间，电网扩容审批速度远慢于算力增长速度。这意味着 AI 公司的扩张计划将越来越多地受制于选址、电力合同和地方政府政策。同时，电价飙升会直接推高自建数据中心或租赁机房的运营成本，尤其是对大模型推理这类长期持续用电的场景影响更大。
对用户/开发者/创作者的影响
对普通用户而言，AI 服务（如 ChatGPT、图像生成工具、视频生成应用）的响应速度和可用性可能受数据中心部署进度影响，尤其在用电高峰期。对开发者和企业来说，选择 AI 服务时需一并考虑其背后的能源成本和地理分布——例如，在电网压力较小的区域部署推理任务可能获得更稳定的服务体验和更低的价格。此外，美国电价上涨可能促使部分推理计算向海外转移，或加速低功耗芯片和模型压缩技术的应用。对于依赖 AI API 的创作者和企业，长期订阅价格可能随电力成本上升而调整。
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，PJM 及类似电网是否会批准新的大型数据中心并网项目，以及审批周期是否进一步延长。第二，AI 公司（如 OpenAI、微软、谷歌）是否会加大在电网条件较优的地区（如 ERCOT 覆盖的德州）布局，抑或转向分散式、小型化数据中心方案。第三，电力短缺是否会倒逼闭源模型供应商优化推理效率、封装更轻量模型，从而降低单次请求的能耗。
来源：TechCrunch AI
