去年夏天，弗吉尼亞州勞登縣的數(shù)據(jù)中心集群突然拉閘限電。當(dāng)?shù)仉娋W(wǎng)運(yùn)營商 PJM Interconnection 發(fā)出緊急警報：AI 訓(xùn)練負(fù)載飆升，變壓器過載風(fēng)險逼近紅線。這是美國最大數(shù)據(jù)中心樞紐首次因 AI 算力需求被迫限電，比行業(yè)預(yù)測提前了至少18個月。

Kiran Kalyanaraman 在能源行業(yè)干了15年，見過風(fēng)電泡沫、光伏過剩，但沒見過這種場面?！笖?shù)據(jù)中心就像突然闖進(jìn)客廳的大象，電網(wǎng)根本沒準(zhǔn)備好沙發(fā)。」他在近期一篇分析里打了個比方。

這位前 AWS 能源產(chǎn)品負(fù)責(zé)人、現(xiàn)獨(dú)立顧問，正在幫幾家云廠商重新設(shè)計電力采購策略。他的核心觀點(diǎn)很刺耳：所有人都在談 AI 模型參數(shù)、GPU 集群規(guī)模，卻沒人認(rèn)真算過電賬——訓(xùn)練一個 GPT-4 級別的大模型，耗電量相當(dāng)于 5000 個美國家庭一年的用電總和。

算力狂歡的隱藏成本

2023 年全球數(shù)據(jù)中心耗電量約 460 太瓦時，占全球總用電量的 1.5%。國際能源署（IEA）預(yù)測，到 2026 年這一比例將翻倍。Kalyanaraman 拆解了更細(xì)的數(shù)據(jù)：單個超大規(guī)模數(shù)據(jù)中心（Hyperscale）的功率密度已從 2015 年的 5 兆瓦飆升至 2024 年的 50 兆瓦，10 年增長 10 倍。

功率密度飆升的直接后果是電網(wǎng)接入排隊時間延長。美國部分地區(qū)的變電站擴(kuò)容審批周期已達(dá) 3-5 年，而 AI 公司的數(shù)據(jù)中心建設(shè)周期壓縮到了 12-18 個月。時間錯配造成的結(jié)果是：微軟、谷歌、亞馬遜開始自帶發(fā)電設(shè)備進(jìn)場。

微軟與 Constellation Energy 簽下 20 年購電協(xié)議，重啟三英里島核電站；谷歌在數(shù)據(jù)中心園區(qū)部署現(xiàn)場天然氣發(fā)電；亞馬遜則批量采購小型模塊化核反應(yīng)堆（SMR）的遠(yuǎn)期產(chǎn)能。Kalyanaraman 稱之為「企業(yè)自建電網(wǎng)」的苗頭——云廠商從電力消費(fèi)者變成電力基礎(chǔ)設(shè)施投資者。

電網(wǎng)的三種死法

Kalyanaraman 把 AI 對電網(wǎng)的沖擊歸納為三個層面，每個層面都在改寫行業(yè)規(guī)則。

第一層是物理容量。傳統(tǒng)電網(wǎng)設(shè)計基于「可預(yù)測負(fù)載」假設(shè)：工業(yè)區(qū)白天用電高、居民區(qū)晚上用電高，峰谷差可控。AI 訓(xùn)練負(fù)載完全不同——它是 7×24 小時滿負(fù)荷運(yùn)行，且功率波動極小，相當(dāng)于給電網(wǎng)塞了一塊恒定的熱鐵塊。變壓器長期高負(fù)載運(yùn)行，絕緣老化速度加快 30%-40%。

第二層是調(diào)度邏輯。電網(wǎng)運(yùn)營商依賴需求響應(yīng)（Demand Response）機(jī)制平衡峰谷，比如夏天讓工廠錯峰生產(chǎn)換取電費(fèi)折扣。但 AI 訓(xùn)練任務(wù)無法中斷——模型 checkpoint 重啟成本極高，云廠商寧可交罰款也不愿降負(fù)載。Kalyanaraman 指出：「電網(wǎng)失去了最靈活的調(diào)節(jié)杠桿?！?/p>

第三層是定價機(jī)制。美國部分州實行節(jié)點(diǎn)邊際電價（LMP，Locational Marginal Price），電價隨實時供需波動。2022 年得州冬季風(fēng)暴期間，電價一度飆升至 9000 美元/兆瓦時。AI 數(shù)據(jù)中心對電價敏感度極低——電費(fèi)占運(yùn)營成本比例不足 10%，遠(yuǎn)低于傳統(tǒng)制造業(yè)的 30%-50%。這種「價格不敏感型」負(fù)載涌入，正在扭曲電力市場的價格信號。

被忽視的第三條路

行業(yè)討論集中在兩條路徑：要么瘋狂擴(kuò)建發(fā)電側(cè)（核電、天然氣、儲能），要么優(yōu)化算力側(cè)（液冷、芯片能效、模型壓縮）。Kalyanaraman 認(rèn)為兩者都漏掉了一個更底層的變量——電網(wǎng)本身的智能化程度。

他舉了個具體案例。某云廠商在北歐的數(shù)據(jù)中心園區(qū)，通過實時對接電網(wǎng)調(diào)度系統(tǒng)，在風(fēng)電過剩時段自動啟動訓(xùn)練任務(wù)，在電網(wǎng)緊張時段切換至推理負(fù)載（推理功耗約為訓(xùn)練的 1/5-1/10）。這種「算力-電力協(xié)同調(diào)度」使園區(qū)綠電使用率從 62% 提升至 91%，同時降低了 15% 的電費(fèi)支出。

關(guān)鍵在于打破數(shù)據(jù)孤島。電網(wǎng)運(yùn)營商掌握實時拓?fù)洹⒇?fù)荷預(yù)測、機(jī)組出力的毫秒級數(shù)據(jù)；云廠商掌握任務(wù)優(yōu)先級、資源調(diào)度、QoS 約束的秒級數(shù)據(jù)。兩者至今沒有標(biāo)準(zhǔn)化的數(shù)據(jù)接口。Kalyanaraman 參與的一個行業(yè)聯(lián)盟正在推動 IEEE 新標(biāo)準(zhǔn)，試圖定義「算力負(fù)載的電網(wǎng)可調(diào)度性」指標(biāo)——類似于家電的能效標(biāo)簽，但面向數(shù)據(jù)中心。

另一個被低估的方向是地理套利。AI 訓(xùn)練任務(wù)對延遲不敏感（不像在線游戲或金融交易），理論上可以追逐最便宜、最清潔的電力全球流動。Kalyanaraman 算過一筆賬：若將美國中西部凌晨 2 點(diǎn)的過剩風(fēng)電，通過光纖傳輸至東海岸進(jìn)行模型訓(xùn)練，網(wǎng)絡(luò)延遲增加 20 毫秒，但電費(fèi)降低 60%?！竼栴}是，現(xiàn)在的云調(diào)度系統(tǒng)沒有電價感知能力?！?/p>

政策滯后與商業(yè)機(jī)會

美國能源部 2023 年發(fā)布的《數(shù)據(jù)中心能源報告》仍沿用 2016 年的負(fù)載假設(shè)。歐盟《人工智能法案》全文未提及能源消耗。Kalyanaraman 在閉門會議上聽到一位 FERC（聯(lián)邦能源管理委員會）官員承認(rèn)：「我們還在用監(jiān)管傳統(tǒng)工廠的方式監(jiān)管 AI 數(shù)據(jù)中心，但兩者的負(fù)載曲線完全不同。」

這種滯后創(chuàng)造了灰色地帶。部分州政府為吸引數(shù)據(jù)中心投資，承諾「不限電、不限排」的優(yōu)惠政策，實質(zhì)是將電網(wǎng)風(fēng)險轉(zhuǎn)嫁給其他用戶。2024 年初，俄亥俄州居民團(tuán)體起訴州政府，指控某 2 吉瓦數(shù)據(jù)中心項目將導(dǎo)致居民電價上漲 12%-18%。

商業(yè)機(jī)會也在涌現(xiàn)。Kalyanaraman 觀察到的三個賽道：一是「電網(wǎng)級儲能」的重新定位——從削峰填谷轉(zhuǎn)向為 AI 負(fù)載提供不間斷電源（UPS）替代方案；二是「算力期貨」市場——云廠商提前鎖定特定時段的綠電配額，類似航空公司的燃油對沖；三是「碳感知調(diào)度」軟件——將電力碳強(qiáng)度實時嵌入 Kubernetes 調(diào)度決策，自動將訓(xùn)練任務(wù)遷移至低碳節(jié)點(diǎn)。

他投資的一家初創(chuàng)公司正在做最后一件事。產(chǎn)品上線 6 個月，已幫客戶減少 23000 噸二氧化碳排放，相當(dāng)于 5000 輛燃油車一年的排放量?？蛻裘麊伟▋杉翌^部云廠商和一家自動駕駛公司。

IEA 的最新預(yù)測顯示，到 2030 年全球數(shù)據(jù)中心耗電量將達(dá)到 1050 太瓦時，超過日本當(dāng)前全國用電量。Kalyanaraman 在分析結(jié)尾寫了一句：「AI 的瓶頸不是算力，是變壓器?！?/p>