驚！AI用電巨獸來襲！一個數據中心吃掉一座城！

2025年，AI敘事邏輯劇烈變向：隨著英偉達Blackwell 架構及后續更高功率算力集群的全面部署，數據中心的能耗密度呈指數級躍升。據高盛預測，到2027年，AI服務器單個機架的功率密度將是五年前普通云服務器的 50倍。

這種指數級的功耗飛躍，正迎頭撞上一道由水泥、鋼鐵和老化銅線構成的“北美硬墻”：

墻的一側是每秒萬億次的浮點運算渴求；另一側，則是平均電網年齡超 40 年、變壓器短缺率高達 30%、擴建周期長達 5-10 年的基建泥潭。

也因此，海豚君對于北美缺電重點理解：

1）缺電背后是是一個中短期的供需差，還是一個長期的結構性問題？

2）缺電如何解決，解決的背后對應的怎樣的細分賽道的投資機會？

本篇重點探討第一個問題，重點理解一個高度成熟的國家，如何混到無電可用的。

一、美國用電需求： 制造業回流與AI算力爆發開啟新一輪上行周期

2025 年底，美國最大區域電網 PJM 的容量拍賣價格從 $28.92/MW-day 暴漲至 $269.92/MW-day。這9倍的跳漲，標志著市場定價已從“風險溢價”轉向“生存恐慌”。

燃氣輪機訂單的爆發式增長、卡特彼勒與三菱重工的激進擴產，本質上是科技巨頭在“棄網自保”，試圖用自備電源繞過癱瘓的公共電網。

微軟 CEO 納德拉直言：“供電能力是當前最大的瓶頸，甚至超過芯片。” 黃仁勛更定論：“電力的可用性而非 GPU，將決定 AI 的擴展規模和速度。” 至此，AI 競賽的勝負手正式從芯片轉移到了發電廠。

面對能源缺口對國家競爭力的威脅，美國聯邦政府在 2025 年開啟了史無前例的“戰備模式”：

1月白宮非戰時宣布“能源緊急狀態”，將電力保障提升至國家安全高度。

4月強制電網動用一切可用能源，“減碳理想”階段性讓位于“算力生存”，煤電與氣電被重新推向一線。

9月能源部（DOE）啟動“電力加速計劃”，以行政力量縮短大型電網項目審批周期。

站在 2026 年的節點，AI變革已擴散到傳統行業，演變為一場涉及能源上游、電力裝備、電網柔性改造的全產業鏈重構。接下來，我們就重點看一下用電的需求端到底發生了怎樣的變化。

縱觀美國電力發展史，終端用電量需求呈現出顯著的“增長—平臺—復蘇”三階段演變特征：

高速增長期 (1950s-1990s)：受益于戰后經濟繁榮、重工業化擴張以及居民電氣化普及（如空調家電），美國用電負荷維持高位增長（CAGR增速6%）。

平臺停滯期 (1990s-2020s)：受互聯網泡沫破裂、2008 年金融危機影響，經濟增速換擋，疊加產業結構轉型（重制造向輕服務轉型）與節能技術應用，全社會用電量 15 年間僅區間震蕩，幾無增長；

重啟增長期 (2021年至今)：美國電力需求迎來歷史性拐點。政策端，拜登政府《IRA 法案》《芯片法案》巨額補貼與特朗普制造業回流政策形成合力，“再工業化” 戰略強力驅動制造業回流；產業端，AI 數據中心爆發式建設帶來巨大新增能耗。

兩者共振下，美國用電重回增長通道，2021-2024 年平均增速回升至 1.5% 左右，電價從 2022 年起加速上漲。

請輸入圖說

同時從用電結構來看：

商業用電是用電結構增長的核心引擎，其中數據中心是絕對主力。截至2024年底，美國數據中心負荷已達約 35GW，較2020年實現翻番。

工業用電也在同步復蘇，半導體晶圓廠、動力電池工廠等高端制造業回流，提供了堅實的底部支撐。

核心矛盾：從“總用電量”到“峰值負荷”的挑戰

根據NERC數據顯示，美國電網峰值負荷（用電負荷*用電時間=用電量），自2006年見頂后長期停滯，導致電網側的擴容性資本開支長期緩慢（2024年才首次突破300億美元），北美電網老化嚴重，平均服役時間已經接近40年。

而 AI 數據中心的崛起徹底改變了用電格局：作為一種具備“超高功率密度”且訓練時候“近乎24小時滿載運行”的新型剛性負荷，缺乏傳統工業負荷的調節彈性（難以參與錯峰讓電）。

一旦需求端“峰值負荷”的增速超過供給端“有效容量”的建設速度，“容量性缺口”將不可避免，從而引爆北美缺電危機，帶來電價中樞上行及大規模停電風險。

因此，我們先重點來測算2025-2030年北美用電負荷的增量：

① AI 數據中心：負荷爆發的核心驅動

我們可以通過“自下而上”的模型拆解AI帶來的新增峰值負荷及核心驅動因素：

a. 數據中心新增接入容量（GW） = GPU出貨量 × 單芯片TDP × 系統功耗系數 × PUE

TDP：單芯片的熱設計功耗；

系統功耗系數： 代表除核心GPU外，維持服務器運行所必需的組件能耗（CPU/內存/網絡/電源損耗等），通常取值 1.3-1.5。

PUE（電能利用效率）： 即“數據中心總能耗 / IT設備能耗”的比值。它代表了用于“環境維持”（制冷、配電、照明等）的額外電力成本，是衡量數據中心能效的核心指標；

b. 數據中心新增峰值負荷 ≈ 新增接入容量 × 峰值需量系數。

峰值需量系數用于衡量數據中心在實際運行中對電網容量的真實占用率（即：實際最大負荷 / 設備額定總功率）

基于此邏輯，我們進一步復盤北美市場的核心增量變化：

a. 核心驅動：北美CSP資本開支的爆發式增長

全球數據中心正經歷由生成式AI驅動的歷史性擴張周期：從建設主體看，全球數據中心擴產的絕對主力是北美云計算巨頭（CSP）。

以亞馬遜、微軟、谷歌、Meta為代表的北美四大CSP，其資本開支自2023H2起進入“軍備競賽”模式。四家廠商的總CapEx已從2023年的約1500億美元，飆升至2025年預計的 4060億美元（CAGR超60%）。

中國互聯網大廠（BAT+字節）雖然受限于芯片供應，投入體量與美資巨頭存在差距（2025年預計約為600億美元），但也構成了全球AI基建的另一重要增長極。

在兩大陣營共振下，全球前11大科技巨頭的合計資本開支將從2023年的1800億美元，加速增長至2025年的 近5000億美元。這種“軍備競賽”直接帶動了上游AI芯片的出貨量及數據中心規模的持續爆發。

b. 數據中心算力“暴力美學“： 算力=電力

隨著摩爾定律趨緩，AI芯片進入 “高算力”推動“大能耗”的時代：

單點熱密度飆升：英偉達GPU的單芯片TDP已從H100時代的700W，躍升至Blackwell架構（GB200/GB300）的 1200W-1400W 量級。而市場預期下一代 Rubin 架構及其配套的超級芯片平臺，功耗將進一步突破 2000W+，對供電與散熱能力都提出了極致要求。

集群規模指數級擴大：AI大模型的訓練和推理需求推動單個數據中心的部署規模正在從“千卡級”邁向“十萬卡級”跨越。

例如，OpenAI與Oracle規劃在德州建設的“Stargate”項目，預計將部署超45萬顆GB200芯片，其總用電負荷或將突破 1.2GW（相當于一個中型城市的用電量），這對能源側和電網側都形成了巨大的挑戰。

據 Grid Strategies 統計，預計到2026年將有10個GW級數據中心投入運營；而在2030年及之前規劃建成的數據中心里，約50%都將達到GW級規模。

c. AI數據中心: 從“潮汐波動”到“剛性滿載”

傳統數據中心（可調度的彈性負荷）：業務以云計算、數據存儲和網絡服務為主，具有明顯的“潮汐效應”（白天忙、晚上閑）。

服務商通過虛擬化技術與超賣策略，實現多租戶間的“錯峰復用”。這使得總體負荷曲線相對平緩，峰值負荷率通常控制在 60%以下，為電網側預留了充足的調節與緩沖空間。

AI數據中心（剛性的沖擊性負荷）：隨著AI訓練需求的爆發，數據中心正轉變為電網中必須優先保障的“剛性工業負荷”：

宏觀上，是重塑區域電力基荷的“巨獸”：AI訓練集群追求極致并行效率，一旦啟動便持續數周甚至數月近滿載運行（峰值負荷率>90%），呈現一條高位直線。

一個GW級項目的落地，等同于憑空增加一個中型城市的能耗，瞬間填滿區域電網的輸電裕度，讓后續并網面臨長達數年的排隊與擴容瓶頸。

微觀上，是攻擊電力系統心臟的“毫秒刺客”：由于GPU任務的高度同步性，當集群從“計算”切換到“通信”或從“空閑”進入“滿載”時，會在微秒/毫秒級時間窗口內產生劇烈的功率跳變。

NERC顯示，某大型數據中心負荷曾在36秒內由450MW驟降至7MW（相當于瞬間切斷了一個中型發電廠）。這種極高的電流變化率如同一把 “電力重錘”，高頻次沖擊本來就老舊的美國電網。

這種劇烈波動足以引發電壓閃變、諧波污染，甚至觸發繼電保護導致區域停電。因此，部署SVG/超級電容，或儲能系統，已成為平滑這把“電力重錘”的必要盾牌。

而對于美國新增數據中心的容量，海豚君提供幾種測算思路作為參考：

a. 根據在建和規劃中數據中心測算：

根據UBS數據，截至2025年底，全球數據中心投運容量為105 GW, 同時有25GW的在建容量，以及超過100GW處于規劃階段。

在沒有電力，土地等外部瓶頸約束情況下，一個AI數據中心從規劃、土建到IT設備部署完成的完整建設周期通常在18-24個月左右。而新云如Coreweave則通過更快能拿到英偉達GPU，及模塊化預制化建設方式能將建設周期縮短到12-18個月內。

假設上述125GW儲備容量在2030年前全部投入運營，且不再有新增規劃的容量，則未來5年（2026-2030）全球數據中心新增125GW的容量至2030年225GW，5年復合增長率約16%。

而從占據主導地位的美國來看，截至2025年底，美國在運數據中心容量44GW，在建10GW, 此外還有約70 GW處于規劃中狀態。

基于同樣假設，2026-2030年間，美國數據中心將釋放80 GW新增容量（占據全球增量64%），總容量增至124 GW，CAGR高達23%。

考慮到AI數據中心具有高并發、高負載特征，若假設新增容量100%全部轉化為峰值負荷，這意味著美國電網在未來5年將面臨80 GW的新增峰值負荷沖擊。

b. 根據資本開支角度測算：

參考黃仁勛口徑，1GW數據中心容量建設成本約500-600億美元（含芯片系統約350億美元），海豚君取中值 550億美元/GW（當數據中心全為英偉達芯片）。

但隨著Google TPU等自研芯片在推理和特定訓練場景的滲透，成本將顯著下降。TPU V7不僅單位算力TCO比GB300便宜41%，其在能耗和散熱上的優勢使其Capex有望縮減至GPU方案的一半（約275億美元/GW）。

如果按照未來5年數據中心平均“65% GPU + 35% TPU”的混合架構計算，單GW的加權建設成本將降至454億美元。而如果按照未來5年數據中心80-120GW的新增容量假設，年均AI的投入將達到7000-1萬億美元。

若AI數據中心相關支出占比達到80%-90%，這意味著26-30年間CSP年均總資本開支將達到9000億-1.2萬億美元（2026年約6500-7000億美元），基本符合目前產業鏈維持高斜率的增長預期(26-30年5年CAGR約25%)。

c. 基于 FERC 監管數據的供給側驗證：

美國聯邦能源監管委員會（FERC）要求所有電力公用事業公司每年提交申報材料，以此監控各規劃區域的發電能力，電力交換量，峰值負荷預測，這是全美電網規劃最底層的“賬本”。

北美電力公用公司大幅上調了未來5年的峰值負荷預期，規劃總增量高達 166 GW。在這波電力“超級周期”中，數據中心是絕對的主導力量:

a. 數據中心預計貢獻90 GW 的負荷增量；

b. 其次是工業/制造業回流（新增30 GW），以及終端電氣化（新增約30GW，主要由住宅電氣化-如供暖熱泵，及電動汽車設施等領域驅動）

c. 剩余增量來自油氣采礦業（新增10 GW）；

因此，綜合上述的測算，海豚君對未來5年北美電力需求做出了以下預測：

① AI數據中心：我們給予 80GW / 100GW / 120GW（悲觀/中性/樂觀）的新增負荷預期。

但海豚君需要提示的是，我們的“樂觀情形”在科技巨頭的宏大藍圖面前可能仍顯保守。以 OpenAI 為例，其 2033 年算力基礎設施規劃高達 250 GW，這意味著AI能耗的天花板可能遠未浮現。

② 基礎負荷：盡管 FERC 預測由終端電氣化和制造業回流驅動的新增負荷高達 76GW，但考慮到美國電動車普及率放緩及制造業回流實際落地的復雜性，海豚君預測未來5年基礎負荷增量為 25GW / 40GW / 60GW（對應CAGR 0.6%-1.5%）。

總峰值增量：疊加上述兩項驅動，海豚君給予北美市場未來 5 年總新增峰值負荷在悲觀/中性/樂觀假設下分別為 105GW / 140GW / 180GW 的預期（對應CAGR 2.4%/3.2%/4%）。

二. 供給端：美國面臨能源側與電網設備側雙重瓶頸

2.1 能源側(發電側)：有效能源退役多、可靠補位少

過去十年（2014-2024），美國電力系統在總量微增（CAGR增速僅1.2%）的表象下，發生了發電結構端的劇變，為當前的缺電危機埋下了供給側的病根：

① 高可靠性基荷加速“失血”

煤電加速退役：過去很長時間，受環保政策及天然氣成本優勢雙重擠壓，煤電加速退役，裝機量近乎腰斬（從2011年的318GW銳減至2024年的174GW），在發電端占比也從30%萎縮至14%，削弱了系統的基礎保障能力。

天然氣由調峰能源轉為“壓艙石”：憑借美國頁巖氣革命帶來的成本優勢，調度靈活性，相比煤電較好的清潔性，天然氣發電裝機穩步增長，占比也長期穩定在40%以上，成為了主力電源。

但整體來看，到2025年，以“火、水、核”為代表的傳統可調度、高可靠基荷能源整體裝機仍然相比 2011 年縮減了 77 GW，系統可靠性根基被持續削弱。

“高齡”危機：528 GW（占比超50%）的優質基荷電源（火、水、核）服役已超 30 年，導致美國自 2010 年即進入火電退役高峰。更為嚴峻的是，根據EIA預測，2020-2030 年，每一年基荷機組的退役量均大于其新增量，這意味著，在AI需求爆發前夕，系統的“可靠容量”已在持續凈流失。

② 增量錯配：風光“電量替代”無法填補“容量窟窿”

而填補煤電空缺的，并非同為高可靠的基荷能源，而是以風電、光伏為主的間歇性能源。

2011-2024年間，兩者裝機從不足 50 GW 激增逾 5.5 倍至 329 GW，貢獻了同期 121% 的裝機凈增量，實現了在發電量上對煤電的電量替代。

這種“替代”只是“電量”替代，而非“容量”替代，即在天氣晴好時產生大量廉價電力，不意味著在電網最需要的峰值時刻，無法產生有效電力。

③ 波動電源補位，與AI剛性需求根本沖突

這種“高可靠基荷失血，但高波動能源補位”的現狀，也是當前電力危機的結構性根源，它與AI的用電需求形成錯配：

a. 風光有效容量的“打折”：在電網規劃中，風光的有效容量系數極低——光伏僅10-20%，風電30-40%，而煤電/氣電/核電等基荷能源普遍為80-90%，這是由風光的間歇性和波動性所導致，其可靠性貢獻遠不及穩定的基荷電源。

b. 風光裝的越多，越不可靠：風光電廠裝機在同一區域越多，其有效容量系數（ELCC）反呈“邊際遞減”，新增裝機對系統頂峰負荷的保障能力會越來越弱。

c. 物理特性與AI剛性負荷的錯配：AI數據中心代表的是高密度、高負載率的剛性負荷，要求24/7的穩定供電。

而新增電源主體（風光）卻是間歇、波動、不可控的，且受限于美國脆弱的跨區電網互聯，中西部豐富的風電無法實時輸送到東海岸的AI集群，這種“空間錯位”進一步加劇了局部地區的供需斷裂。

基于 EIA、NERC 及美國能源部的規劃指引，海豚君對未來五年（2026-2030E）發電能源新增供給做了以下預測：

海豚君預計未來5年間（2026-30E）新增電力裝機容量為337GW 。其中，光伏和風電等間歇性電源貢獻了超過76%的增量（約257GW），而具備穩定、可調度能力的天然氣發電新增量僅為80GW（占比約24%）。

同期計劃退役的機組高達92GW，且幾乎全部為高可靠性基荷電源（煤電約76GW，氣電約13GW）。這意味著，在凈新增的245GW裝機中，穩定電源的凈貢獻微乎其微，系統在持續“失血”。

且由于不同電源在電網頂峰時刻的可靠出力（有效容量）貢獻差異巨大。海豚君對上述凈增245GW裝機按有效容量系數折算（煤/氣/核/水/風/光分別取90%/90%/95%/80%/40%/10%），未來五年美國電力系統新增的有效凈容量僅有約28GW。

換言之，近90%的名義裝機增量，在電網最危急的頂峰時刻無法轉化為可靠的電力保障。

④ 供需差：可靠性缺口巨大且確定

海豚君假設未來系統備用率與2024年持平（15%），結合需求端 AI 負荷的爆發，海豚君預測到2030 年，美國電力系統將出現巨大的可靠性缺口。低、中、高需求情景下的缺口規模預計將分別達到 109GW、149GW和195GW。

(注：儲備裕度 = (有效總容量 - 峰值負荷) / 峰值負荷。 行業基準線通常設定為 15%，旨在確保系統在機組故障、需求預測誤差或極端氣候等“最差情景”下，仍具備足夠的可靠性容量作為緩沖。)

由此可見，美國電力系統正陷入一個“賬面繁榮，實則虛弱”的困境：

風光裝機的名義容量高速增長，創造了“綠色轉型”的表象，但其極低且遞減的有效容量，無法填補傳統基荷退役留下的 “可靠性窟窿”，更無法支撐AI驅動的頂峰負荷爆炸式增長。

這導致了系統可靠容量的絕對短缺，構成了當前缺電危機的主要根源。

2.2 電網側（輸電側）：

美國缺電危機并非單純發電側問題，輸電側同樣面臨嚴峻挑戰：電網基礎設施的老化，無法承受AI數據中心“用電巨獸“的沖擊：

① 物理瓶頸——老化的電網無力承受“用電巨獸”

美國電網建設時間較早，電網結構在20 世紀中期已經基本成型，而據美國能源部（DOE）統計，美國70%輸電線路以及電力變壓器運行年限在35 年以上，約30%的核心資產（含斷路器等）已突破設計壽命，系統可靠性本身已經大幅度減弱。

電網投資端：長期低位，擴容意愿低

由于美國用電量在2000年后增長緩慢，而本土電力設備制造產業空心化（變壓器等關鍵部件高度依靠進口，且面臨關鍵技工短缺問題），美國電網所有權分散（以私營企業為主），導致美國對于電網投資長期位置較低水平（過去10年年均約200億-300億美元，2024年才突破300億美元）。

且投資方向也偏向投資主要流向 “老化基礎設施更換” 和 “鞏固電網可靠性”，由 “負荷增長” 驅動的擴容性投資占比極低。

電網建設端：缺口巨大

2013年后美國新增高壓輸電線路年里程已經大幅縮減，2024 年僅新增888 英里345KV 及以上的高壓輸電線路，不足美國能源部（DOE）年均規劃需求5000英里的20%。

電力變壓器：電網擴建的“瓶頸”

電力變壓器由于其高度定制化（每臺變壓器都需考慮獨特的阻抗、冷卻、分接開關、過載、抗震標準）、勞動密集型制造以及嚴苛的認證周期，無法通過標準化流水線快速擴產。

在美國，本土供應商目前僅能滿足約 30% 的需求，即便包含已宣布的擴產計劃，到 2027 年（預測）也僅能滿足約 40%，這導致2025 年歐盟 / 美國電力變壓器短缺率約 30%，關鍵變壓器的交付周期已從過去的6-9個月暴漲至2-3年，直接封死了電網快速擴容的可能性。

②新增沖擊——“劣質負荷”壓垮最后一根稻草

當單個動輒數十萬、上百萬千瓦（GW級）的AI數據中心提出并網申請時，巨大的瞬時功率需求已超出區域電網的物理承載極限：

單個高密度AI數據中心負荷相當于數個中型城市。這不僅瞬間耗盡局部電網的冗余輸送容量，更迫使電力運營商啟動從變電站到輸電網絡的全套升級。

同時，AI算力負載在毫秒間的劇烈跳變會對老舊電網產生高頻干擾，威脅區域供電安全。為評估此風險，電網運營商（RTO/ISO）不得不延長“系統影響研究”流程，導致并網流程進一步淤堵。

③核心矛盾——“建設周期”的毀滅性錯配

正是由于上述物理瓶頸，導致了最要命的“時間錯配”：

AI數據中心的理論建設之間只需要18-24各月，然而配套的輸電網擴容及跨區域線路建設，受限于許可審批、環境評估及長周期設備（如變壓器）的交付，往往需要 5-7 年甚至更久。

盡管聯邦能源監管委員會（FERC）通過 2023 號命令簡化了行政審批（理論僅1-2年），但“物理擴容不足”導致的并網隊列擁堵愈演愈烈。目前全美并網排隊的中位數已接近 5 年，在北弗吉尼亞州（VA）等數據中心核心區，接入等待時間甚至飆升至 7 年。

這種錯配對于數據中心運營商是毀滅性打擊，意味著即使數據中心一年半載建好，其數億美元采購的GPU芯片將因無電可用而迅速貶值，高昂的沉沒成本（折舊）將直接侵蝕企業利潤，導致 AI 投資的 ROI模型直接崩潰。

小結：缺電是結構性矛盾

從上分析可以看出，美國當前的電力短缺絕非短期供需失衡，而是 AI 算力爆發與能源、電網基建長期滯后形成的結構性矛盾。

需求端，制造業回流與 AI 數據中心剛性負荷的雙重驅動，使電力需求進入加速增長通道，峰值負荷壓力陡增；

供給端，傳統高可靠基荷電源持續退役，風光能源 “電量替代” 難以填補 “容量缺口”，有效供電能力不足；電網側，設施老化、投資缺位、關鍵設備短缺與建設周期錯配，進一步放大了供需矛盾。