新闻 
电力这件事,美国AI无法摸着中国过河
电力这件事,美国AI无法摸着中国过河电力这件事,美国AI无法摸着中国过河
过去一年，硅谷巨头四处奔走，难为扎克伯格、马斯克们的不仅是算力，也包括更底层的能源基础设施。
为了解决这一问题，马斯克从海外买了一整座电厂运回美国，频繁安排团队来中国调研、采购光伏设备，扎克伯格代表的Meta签署了至少三个核能大单，谷歌也斥资48亿美元收购了一家核电站。
可以说，在美国，建成一条电网需要7年，然而硅谷巨头们却等不了1天。
硅谷巨头困在电网里。图片由AI生成
大模型的训练和推理需求的暴增，使得数据中心对稳定、低延迟和可持续的供电需求远超传统互联网基础设施，进一步迫使各国电网在输配电能力、储能技术、可再生能源消纳以及“电—算”协同管理方面进行深度改造。
与此同时，电力资源本身开始转化为新型战略资产，国家与区域之间围绕“算力可得性”“绿色能源占比”和“数据主权”的竞争持续加剧，使数据中心从一种技术设施升级为影响全球权力结构的关键节点。
01 人工智能时代的“基础设施政治经济学”
正如铁路曾重塑物流速度与国土空间结构，互联网曾改变信息流通与商业组织方式，人工智能以“可计算性”为核心的生产方式也正在重构价值创造的逻辑，催生出新的产业分工、消费模式与治理体系。
在这一过程中，基础设施与资本投资成为释放人工智能经济潜力的根本前提。
换言之，竞争不仅表现在算法层面，也体现在谁能够更快、更大规模、更绿色地建设相应的基础设施网络。因此，资本流向从软件向“算力—能源—网络”的新型基础设施转移，成为当前全球经济格局变化的重要信号，而基础设施与投资能力的差异，将决定未来各国在全球人工智能经济中的位置与影响力。
回顾过去十年，全球数据中心的电力需求确实经历了显着的增长，但这种增长并非一直是“爆炸式的”，而是经历了一个从缓慢到加速的过程。
根据国际能源署（International Energy Agency，IEA）2024年的分析，2010年至2018年间，全球数据中心的能源使用量上升了约6%，年均增长率约0.7%。然而，自2018年以来增长约50%–80%，年均增长率相当于8%-13%。
如果这一趋势持续下去，预计到2030年，全球数据中心的能源消耗将达到600–800太瓦时（TWh），2025年国际能源署报告已更新至935太瓦时（相当于108GW容量的数据中心规模），占当年全球预测电力需求的1.8%–2.4%。若人工智能推动更高的消耗率（比如，大模型训练需求使得能源消耗可能以20%的年速度增长），则2030年数据中心的能源消耗可能达到1100–1400太瓦时，约占全球预测电力需求的3%–4%。
在中国，预计到2030年，数据中心的电力需求将比2020年翻一番，达到400太瓦时。
需求从缓慢到加速，两个阶段背景各有不同。
2018年之前，虽然数据服务量、网络流量与存储需求大幅上升，但由于服务器硬件效率提升、冷却技术改进、以及超大规模服务商（hyperscaler）数据中心替代传统低效小型数据中心的趋势，这十年的数据中心总体能耗并未跟随业务量同比“爆炸”。
然而，2018年之后，全球数据中心能源使用量明显上升，增速水平跃升至两位数区间。这一转变主要受AI算力需求、超大规模数据中心的扩张以及视频内容平台的流量激增共同驱动。数据中心已发展成为全球电力消耗增长最快的单一基础设施类型之一，并对能源系统、碳排放与数字治理带来新的压力。
[物价飞涨的时候 这样省钱购物很爽]
无评论不新闻，发表一下您的意见吧
为了解决这一问题，马斯克从海外买了一整座电厂运回美国，频繁安排团队来中国调研、采购光伏设备，扎克伯格代表的Meta签署了至少三个核能大单，谷歌也斥资48亿美元收购了一家核电站。
可以说，在美国，建成一条电网需要7年，然而硅谷巨头们却等不了1天。
硅谷巨头困在电网里。图片由AI生成
大模型的训练和推理需求的暴增，使得数据中心对稳定、低延迟和可持续的供电需求远超传统互联网基础设施，进一步迫使各国电网在输配电能力、储能技术、可再生能源消纳以及“电—算”协同管理方面进行深度改造。
与此同时，电力资源本身开始转化为新型战略资产，国家与区域之间围绕“算力可得性”“绿色能源占比”和“数据主权”的竞争持续加剧，使数据中心从一种技术设施升级为影响全球权力结构的关键节点。
01 人工智能时代的“基础设施政治经济学”
正如铁路曾重塑物流速度与国土空间结构，互联网曾改变信息流通与商业组织方式，人工智能以“可计算性”为核心的生产方式也正在重构价值创造的逻辑，催生出新的产业分工、消费模式与治理体系。
在这一过程中，基础设施与资本投资成为释放人工智能经济潜力的根本前提。
换言之，竞争不仅表现在算法层面，也体现在谁能够更快、更大规模、更绿色地建设相应的基础设施网络。因此，资本流向从软件向“算力—能源—网络”的新型基础设施转移，成为当前全球经济格局变化的重要信号，而基础设施与投资能力的差异，将决定未来各国在全球人工智能经济中的位置与影响力。
回顾过去十年，全球数据中心的电力需求确实经历了显着的增长，但这种增长并非一直是“爆炸式的”，而是经历了一个从缓慢到加速的过程。
根据国际能源署（International Energy Agency，IEA）2024年的分析，2010年至2018年间，全球数据中心的能源使用量上升了约6%，年均增长率约0.7%。然而，自2018年以来增长约50%–80%，年均增长率相当于8%-13%。
如果这一趋势持续下去，预计到2030年，全球数据中心的能源消耗将达到600–800太瓦时（TWh），2025年国际能源署报告已更新至935太瓦时（相当于108GW容量的数据中心规模），占当年全球预测电力需求的1.8%–2.4%。若人工智能推动更高的消耗率（比如，大模型训练需求使得能源消耗可能以20%的年速度增长），则2030年数据中心的能源消耗可能达到1100–1400太瓦时，约占全球预测电力需求的3%–4%。
在中国，预计到2030年，数据中心的电力需求将比2020年翻一番，达到400太瓦时。
需求从缓慢到加速，两个阶段背景各有不同。
2018年之前，虽然数据服务量、网络流量与存储需求大幅上升，但由于服务器硬件效率提升、冷却技术改进、以及超大规模服务商（hyperscaler）数据中心替代传统低效小型数据中心的趋势，这十年的数据中心总体能耗并未跟随业务量同比“爆炸”。
然而，2018年之后，全球数据中心能源使用量明显上升，增速水平跃升至两位数区间。这一转变主要受AI算力需求、超大规模数据中心的扩张以及视频内容平台的流量激增共同驱动。数据中心已发展成为全球电力消耗增长最快的单一基础设施类型之一，并对能源系统、碳排放与数字治理带来新的压力。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: