2026 年 6 月中旬，一份提交给联邦法院的文件把一个本属环保范畴的官司，抬到了「国家安全」的高度。美国司法部在文书里说：关停马斯克旗下 xAI 在田纳西州孟菲斯那批燃气轮机，会「损害美国的国家、经济与能源安全」——因为它们在为支撑「国防部作战行动」的人工智能供电，而 Grok 是四个承担「关键任务」的模型之一，包括近期对伊朗的军事打击。[1]

把这句话翻译成大白话：一座 AI 超级计算机的电，重要到政府愿意为它的供电方式背书，哪怕这套供电方式还没拿全环保许可证。

这正是「读马君」想用这个常青系列讲清的事。我们要做的不是追一条单日新闻，而是把一个会持续好几年的结构性问题钉到地上：当 AI 算力以季度为单位疯狂扩张、而电从规划到上网要按年甚至按十年计，电——而不是芯片、不是钱——正在成为这轮扩张里最硬、也最被低估的那道约束。

一座 AI 工厂到底要吃多少电

先把量级摆出来，否则后面所有的「缺口」都是空话。

衡量数据中心，过去看的是机柜、是服务器数量；现在直接看「功率」，单位是兆瓦（MW）和吉瓦（GW）。一个换算先记牢：1 GW = 1000 MW；GW 是「功率」（一瞬间的用电强度），TWh 是「电量」（一段时间累计用掉多少），两者别混。

放在十年前，一个机柜的功率多在几千瓦（kW）级别。如今塞满 AI 加速卡的机柜，单柜功率轻松冲到几十千瓦乃至上百千瓦——同样的占地面积，吃电量级整个抬高了一档。这就是 AI 与传统云计算最根本的不同：它不是更大的数据中心，而是密度高得多的「电老虎」。

园区层面的跃迁更直观。马斯克的 xAI 在孟菲斯建的 Colossus 超算，正朝 2 吉瓦的总用电能力扩张，规划装入约 55.5 万张英伟达 GPU，硬件投入约 180 亿美元，是当前单一站点最大的 AI 训练设施之一。[5] 2 吉瓦是什么概念？它接近一座大型核电站满载的出力，足以支撑上百万户美国家庭的常态用电——而这只是一个公司、一座园区。

行业里「单园区从兆瓦走向吉瓦」已经不是口号。当一家公司开口就要 1 吉瓦、2 吉瓦，它要的已经不是「一份电费账单」，而是一座电厂级别的供电能力。问题随之而来：这电，从哪来。

把镜头拉远：全球数据中心的用电曲线为何陡

单个园区的胃口大，叠加起来就是一条向上翘的曲线。

据国际能源署（IEA）2025 年发布的《Energy and AI》报告，全球数据中心 2024 年耗电约 415 太瓦时（TWh），约占全球用电的 1.5%；到 2030 年预计增至约 945 TWh、为 2024 年的逾两倍，占比升到约 3%。[3][4] 翻一番听起来不算夸张，但要看是谁在拉动：报告指出，由 AI 驱动的加速服务器耗电增长最快，预计以每年约 30% 的速度膨胀，AI 相关耗电在此期间预计翻三倍。[3] 也就是说，是 AI 这块「增量」在把整条曲线往陡里掰。

落到具体国家，压力更集中。IEA 测算，美国数据中心用电到 2030 年预计比 2024 年增加约 240 TWh、涨幅约 130%；中国预计增加约 175 TWh、涨幅约 170%。[4] 增量高度集中在少数电网节点上——AI 工厂不会均匀撒在全国，而是扎堆在电价、土地和光纤合适的地方，于是局部电网承受的冲击，远比「占全国 3%」这个平均数来得猛烈。

这里要给一个对冲的声音：能耗预测从来不是铁板钉钉。模型推理效率在提升、芯片每瓦算力在改善，历史上数据中心也曾在算力暴涨的同时把单位能耗压下来。IEA 自己也给了高低不同的情景。换句话说，「翻倍」是基准判断，不是命运——但即便按保守情景，新增的电量级也足以让现有电网吃紧。

为什么电网「供不上」：并网排队这道四年半的关卡

电量级摆清了，真正卡脖子的环节才浮出水面：不是发不出电，而是新电源接不进网、AI 工厂等不起。

美国想新建一座电厂或一片风光电场，不能建完就发电，得先排队做「并网研究」（interconnection study），由电网运营方评估接入会不会冲击系统、需要升级哪些线路，然后才轮到你接入。这个队伍现在长得惊人。

据劳伦斯伯克利国家实验室（LBNL）的《Queued Up》系列报告，截至 2024 年底，在美国各电网排队等待接入的新电源容量合计约 2290 吉瓦。[5][6] 2290 GW 是个什么数？它已经超过当前美国全部在运发电装机的总和——也就是说，「想接进来的」比「现在在网上的」还多。但这其中绝大多数会卡在队里数年，甚至最终撤销。

等待时间是更刺眼的数字。LBNL 数据显示，2024 年真正建成投运的项目，从提交申请到商业运行平均耗费约 55 个月——约 4.5 年；而对 2023 年建成的项目，从申请到投运的中位时长约为 5 年。[5] 对照一下：2000 至 2007 年间建成的项目，这段周期普遍不到 2 年。也就是说，并网这道关，过去二十年从「两年内」拖成了「四五年」。

现在把两条时间线叠在一起看，错位一目了然：AI 公司以季度为节奏扩张——这个季度宣布 1 吉瓦、下个季度追加——而给它们供电的新电源，从规划到上网要按 4 到 5 年算。芯片可以下单几个月到货，电网升级要等好几年。这就是这轮扩张里最现实的一道墙：不是没钱买电，是电「来不及」接进来。

排队为何这么慢？成因复杂——大量投机性项目涌入把队伍灌水、研究流程繁琐、跨区域输电线路本身建设缓慢、地方审批和征地拉锯。这些都是结构性的，不会因为 AI 着急就自动加速。监管方在推「集群研究」等改革，但远水难解近渴。

等不起的人怎么办：自建「表后」发电

既然接入公共电网要排四五年队，最直接的应对就是——绕开它，自己在围墙里发电。

这就是孟菲斯那批燃气轮机的逻辑。所谓「表后」发电（behind-the-meter），指发电设备装在用户电表的「里侧」，电不经过公共电网就地消耗。对急着上线的 AI 工厂，它的吸引力无可替代：不用排那条四年半的队，装上就能发。代价则是排放、噪音、以及——监管。

xAI 的案子把这套逻辑的张力暴露得淋漓尽致。谢尔比县卫生部门在 2025 年 7 月才批准 xAI 安装 15 台燃气轮机，且限定为「备用」用途、每年最多运行 110 小时，机型为 Solar SMT-130、合计可发约 247 兆瓦。[2] 但据 TechCrunch 报道，此前 xAI 已在没拿许可的情况下先装了一批；到 2026 年 6 月，现场实际运行的燃气轮机已达约 57 台——远超那 15 台的许可数。[1][2] 围绕这些机组是否违反联邦《清洁空气法》及州级空气污染规定，NAACP 经南方环境法律中心提起诉讼；而司法部则以前述「国家安全」理由介入，主张不应关停。[1] 案件目前在联邦法院审理中。

我们在这里只描述事件链，不揣测任何一方的动机。但这个案子本身说明了一件结构性的事：当电网供给的速度跟不上算力扩张的速度，「先上电、再补手续」的冲动就会出现，而它必然撞上环保监管这道闸。xAI 的回应是继续加码——据报道，公司计划在三年内再采购约 28 亿美元的燃气轮机。[1] 这意味着「表后燃气」不是权宜之计，而被当成了长期的供电底盘。

表后发电的另一面是温室气体与本地污染。靠烧天然气给「清洁」的 AI 供电，与许多科技公司的碳中和承诺直接冲突——这是一个还没解开的矛盾，也是后续值得长期追踪的看点。

长协与核能：把电「锁」在手里

自建发电是应急，长期更稳的解法是把电源「锁定」——通过长期购电协议（PPA），或者干脆把赌注押到核能上。

PPA 是用户与电厂签的长期购电合同，锁量、锁价、锁年限。它给电厂建设方吃下定心丸（有了长期买家才敢投钱建），也给 AI 公司锁住未来多年的电源。最具标志性的一笔，是微软与电力公司 Constellation 签下的协议：重启宾州三哩岛核电站的一台机组，签 20 年、约 835 兆瓦的购电合约，预计在 2027 至 2028 年前后供电。[8] 一座因 1979 年事故而声名狼藉、早已停运的核电站，因为 AI 的电力需求被重新唤醒——这个画面本身就说明了需求有多迫切。

更长线的赌注押在小型模块化反应堆（SMR）上。它的卖点是体积小、可工厂化批量制造、理论上能就近为单个数据中心园区供稳定的无碳电力。Google 与核能初创公司 Kairos Power 合作，目标是分批建设最多约 500 兆瓦、共约 7 座 SMR，首座计划 2030 年前后并网、整个项目 2035 年左右完成。[9] Meta 则启动了核电采购意向（RFP），目标为数据中心锁定吉瓦级的核电容量。[10]

但核能这条路有两个绕不开的「但是」。其一是时间：SMR 在美国基本还没有商业化运行的先例，2030 年是「目标」不是「已实现」，进度和成本都存在不确定性；如果 SMR 的工程化与审批不及预期，靠它填补 2030 年前后电力缺口的设想就可能后移。其二是经济性：核电的度电成本目前并不便宜，SMR 能否靠量产把成本压下来，仍是未经市场验证的命题。换句话说，核能是面向 2030 年代的答案，解不了眼下这两三年的燃眉之急——眼下的缺口，还是得靠燃气和拼命排队来填。

一点能效改善，会被算力规模放大

在「开源」（找更多电）之外，还有「节流」这一面——而在 AI 这种规模下，节流的杠杆被放得极大。

衡量数据中心能效的核心指标叫 PUE（电能使用效率）：园区总耗电除以真正用在 IT 设备上的电。PUE = 1 是理论极限（所有电都用在算上，散热、配电不耗一分），数字越接近 1 越省。据 Uptime Institute 2024 年的调研，全球数据中心的平均 PUE 约为 1.56——意味着每给芯片供 1 度电，要额外耗掉约 0.56 度在散热等开销上；而 Google、Meta 这类超大规模厂商的最优园区，全年 PUE 已能做到约 1.09。[7]

差距看着只是小数点后两位，放到吉瓦级就是真金白银。粗算一下：同样要让 IT 设备消耗 1 吉瓦，PUE 1.56 的园区总功率约 1.56 吉瓦，PUE 1.09 的约 1.09 吉瓦，差出约 0.47 吉瓦——这接近半座大型电厂的出力，仅仅来自能效那一点改善。AI 时代液冷取代风冷的最大动因正在于此：把 PUE 每压低一点，在巨大的算力基数上都会被放大成可观的电量节省，也直接缓解前面那道并网排队的压力。

但能效改善有天花板——PUE 不可能低于 1，省下来的空间终究有限，挡不住算力总量本身的暴涨。节流能把曲线压平一点，填不平整条缺口。

钱从哪来：当资本开始为「电」站队

回到一个容易被忽略的环节：这一切要花的钱，正在重塑资本市场的走向，而「能源」开始成为资本明牌押注的对象。

一边是 AI 基建的烧钱速度。英伟达 CEO 黄仁勋称当下的 AI 工厂建设是「人类史上最大规模的基础设施扩张」；英伟达 2027 财年第一季度数据中心收入达 752.46 亿美元、同比增长约 92%，公司市值一度重回 5 万亿美元。[14] 为了撑起这种规模的扩张，连英伟达这样现金充沛的公司也成了债市上最新的大额借款方之一——AI 数据中心与硬件供应商正越来越多地靠发债来支撑大规模基建。[11] 这本身就是一个信号：扩张的速度已经超出了经营现金流能自然支撑的节奏。

另一边，能源资本正主动凑近 AI。中国大模型公司 DeepSeek 完成首轮约 74 亿美元（公司寻求约 500 亿元人民币）的融资，估值超过 500 亿美元；值得注意的是出资名单里出现了动力电池龙头宁德时代（CATL），据报道出资约 50 亿元人民币（腾讯约 100 亿元、创始人梁文锋约 200 亿元为最大单一出资方）。[12][13] 一家做电池的公司入股一家做大模型的公司，被市场解读为「AI + 能源」交叉投资逻辑的成型——大模型的训练与推理是吞电巨兽，能源企业与 AI 公司之间的资本纽带正在变紧。这条纽带，本质上和孟菲斯那 57 台燃气轮机、和三哩岛的重启，指向的是同一件事：谁掌握了稳定、便宜、能快速到位的电，谁就握住了 AI 扩张的命门。

从芯片下单，到建园区，到拉电、并网、签长协，再到资本为这条链条上的每一环定价——这是一条完整的传导链。过去市场的目光大多停在最上游的芯片和最下游的应用，中间那段「电」长期被当成背景板。但 2026 年的这几件事拼在一起，恰恰是把背景板推到了前台。

结语与追踪清单：电，是这轮扩张被低估的硬约束

把这篇的判断收成一句：芯片决定了 AI 能跑多快，但电决定了 AI 能不能开机、以及能开多少台。在并网排队四年半、而扩张以季度计的现实里，电不是「成本项」，而是「准入项」。

这是「AI 的电从哪来」系列的第一篇，定位是可长期复用的解释器。它给出的是框架和量级，不是某一天的行情。接下来几个季度，「读马君」会盯这几个可核查的指标——它们也是读者自己判断风向的抓手：

  • 孟菲斯案的走向：法院对 xAI 燃气轮机的裁决，将成为「表后燃气先上电、后补手续」这一打法是否可持续的风向标；留意许可台数与司法部介入口径的变化。
  • 并网排队时长：关注 LBNL 后续《Queued Up》报告里「平均等待月数」与「积压总容量」是否随改革下降——这是电网能否追上算力的最直接体温计。
  • SMR 的首堆时间表：盯 Google–Kairos、各家 SMR 项目 2030 年前后的实际并网进度是否如期，以及度电成本能否被量产压下来。
  • 数据中心 PUE 与液冷渗透：超大规模厂商披露的全年 PUE 是否继续逼近 1.1，液冷在新建园区的占比。
  • 资本流向：能源企业与 AI 公司之间的交叉投资、以及大额 PPA 与发债规模——钱往哪流，常常先于产能告诉你瓶颈在哪。

电的故事才刚开始。下一篇，我们会把镜头对准电网本身——这张建于上个世纪、为均匀负荷设计的老网，要如何接住一群以吉瓦为单位、说来就来的新住户。