一句话看懂：当外界还在追逐 GPU 和内存供应时，真正卡住 AI 扩张脖子的已经是电力。数据中心用电需求每两年翻一番，电力成本正在决定 AI 项目的生死。
事件核心：发生了什么
一位前对冲基金量化研究员在 power2026.ai 发布了一份关于“AI 时代电力定价”的深度长文。文章指出，数据中心目前约占美国电力消耗的 5%，而随着 AI 训练和推理需求爆发，数据中心用电量每两年翻一番，照此速度，到 2030 年代中期将超过美国总发电量。
作者长期为创始人和投资人提供数据中心选址、GPU 采购、电厂谈判等咨询服务。他认为电力的可变成本往往直接决定一个数据中心项目是否可行，而选址、审批和周边基础设施同样是比 GPU 更前置的约束条件。文章分为两部分：第一部分面向创业者和投资人，解释电厂运行逻辑、数据中心开发流程；第二部分面向交易员，介绍美国电力市场的定价方法。
为什么重要
过去两年，AI 行业的讨论集中在算力芯片的供应缺口，但电力是更底层、更难以快速解决的瓶颈。芯片可以通过扩产和设计优化提升供给，但发电站建设周期以年为单位，输电网络扩容同样缓慢。电力成本会直接传导到算力价格——训练一个大模型、每次 API 调用背后的推理计算，都消耗真实电力。谁能在电力充裕且便宜的地区拿到资源，谁就拥有更低的成本结构。这也解释了为什么科技巨头近年密集签署核电协议、把数据中心建在靠近电厂的位置。
对用户/开发者/创作者的影响
对开发者而言，电力成本最终会反映在云服务和大模型 API 的定价上。如果电力瓶颈持续，推理价格的下行速度可能慢于预期，成本敏感型应用的商业模式需要重新测算。对创作者和普通用户来说，AI 服务的可用性和价格会受到更深远的影响——数据中心选址限制可能导致某些地区的 AI 服务延迟更高、配额更紧。对企业和投资者而言，能源供应正在成为 AI 项目尽调中的关键项，电力采购协议、选址策略和千瓦时成本将和芯片型号一样重要。
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
目前公开信息显示，这份文章作为行业入门指南，短期内不会直接改变市场。值得观察的是：一是美国电力市场对数据中心需求的定价机制是否会因为持续增长而出现结构性变化；二是科技公司与核电、天然气发电站的长协采购模式是否会成为标准做法；三是当电力成为硬约束后，AI 行业会不会从“堆算力”转向更高效的模型架构和推理优化。
