2026 年 6 月中旬，一份提交給聯邦法院的文件把一個本屬環保範疇的官司，抬到了「國家安全」的高度。美國司法部在文書裡說：關停馬斯克旗下 xAI 在田納西州孟菲斯那批燃氣輪機，會「損害美國的國家、經濟與能源安全」——因為它們在為支撐「國防部作戰行動」的人工智能供電，而 Grok 是四個承擔「關鍵任務」的模型之一，包括近期對伊朗的軍事打擊。[1]

把這句話翻譯成大白話：一座 AI 超級計算機的電，重要到政府願意為它的供電方式背書，哪怕這套供電方式還沒拿全環保許可證。

這正是「讀馬君」想用這個常青系列講清的事。我們要做的不是追一條單日新聞，而是把一個會持續好幾年的結構性問題釘到地上：當 AI 算力以季度為單位瘋狂擴張、而電從規劃到上網要按年甚至按十年計，電——而不是芯片、不是錢——正在成為這輪擴張裡最硬、也最被低估的那道約束。

一座 AI 工廠到底要吃多少電

先把量級擺出來，否則後面所有的「缺口」都是空話。

衡量數據中心，過去看的是機櫃、是服務器數量；現在直接看「功率」，單位是兆瓦（MW）和吉瓦（GW）。一個換算先記牢：1 GW = 1000 MW；GW 是「功率」（一瞬間的用電強度），TWh 是「電量」（一段時間累計用掉多少），兩者別混。

放在十年前，一個機櫃的功率多在幾千瓦（kW）級別。如今塞滿 AI 加速卡的機櫃，單櫃功率輕鬆衝到幾十千瓦乃至上百千瓦——同樣的佔地面積，吃電量級整個抬高了一檔。這就是 AI 與傳統雲計算最根本的不同：它不是更大的數據中心，而是密度高得多的「電老虎」。

園區層面的躍遷更直觀。馬斯克的 xAI 在孟菲斯建的 Colossus 超算，正朝 2 吉瓦的總用電能力擴張，規劃裝入約 55.5 萬張英偉達 GPU，硬件投入約 180 億美元，是當前單一站點最大的 AI 訓練設施之一。[5] 2 吉瓦是什麼概念？它接近一座大型核電站滿載的出力，足以支撐上百萬戶美國家庭的常態用電——而這只是一個公司、一座園區。

行業裡「單園區從兆瓦走向吉瓦」已經不是口號。當一家公司開口就要 1 吉瓦、2 吉瓦，它要的已經不是「一份電費賬單」，而是一座電廠級別的供電能力。問題隨之而來：這電，從哪來。

把鏡頭拉遠：全球數據中心的用電曲線為何陡

單個園區的胃口大，疊加起來就是一條向上翹的曲線。

據國際能源署（IEA）2025 年發佈的《Energy and AI》報告，全球數據中心 2024 年耗電約 415 太瓦時（TWh），約佔全球用電的 1.5%；到 2030 年預計增至約 945 TWh、為 2024 年的逾兩倍，佔比升到約 3%。[3][4] 翻一番聽起來不算誇張，但要看是誰在拉動：報告指出，由 AI 驅動的加速服務器耗電增長最快，預計以每年約 30% 的速度膨脹，AI 相關耗電在此期間預計翻三倍。[3] 也就是說，是 AI 這塊「增量」在把整條曲線往陡裡掰。

落到具體國家，壓力更集中。IEA 測算，美國數據中心用電到 2030 年預計比 2024 年增加約 240 TWh、漲幅約 130%；中國預計增加約 175 TWh、漲幅約 170%。[4] 增量高度集中在少數電網節點上——AI 工廠不會均勻撒在全國，而是扎堆在電價、土地和光纖合適的地方，於是局部電網承受的衝擊，遠比「佔全國 3%」這個平均數來得猛烈。

這裡要給一個對沖的聲音：能耗預測從來不是鐵板釘釘。模型推理效率在提升、芯片每瓦算力在改善，歷史上數據中心也曾在算力暴漲的同時把單位能耗壓下來。IEA 自己也給了高低不同的情景。換句話說，「翻倍」是基準判斷，不是命運——但即便按保守情景，新增的電量級也足以讓現有電網吃緊。

為什麼電網「供不上」：併網排隊這道四年半的關卡

電量級擺清了，真正卡脖子的環節才浮出水面：不是發不出電，而是新電源接不進網、AI 工廠等不起。

美國想新建一座電廠或一片風光電場，不能建完就發電，得先排隊做「併網研究」（interconnection study），由電網運營方評估接入會不會衝擊系統、需要升級哪些線路，然後才輪到你接入。這個隊伍現在長得驚人。

據勞倫斯伯克利國家實驗室（LBNL）的《Queued Up》系列報告，截至 2024 年底，在美國各電網排隊等待接入的新電源容量合計約 2290 吉瓦。[5][6] 2290 GW 是個什麼數？它已經超過當前美國全部在運發電裝機的總和——也就是說，「想接進來的」比「現在在網上的」還多。但這其中絕大多數會卡在隊裡數年，甚至最終撤銷。

等待時間是更刺眼的數字。LBNL 數據顯示，2024 年真正建成投運的項目，從提交申請到商業運行平均耗費約 55 個月——約 4.5 年；而對 2023 年建成的項目，從申請到投運的中位時長約為 5 年。[5] 對照一下：2000 至 2007 年間建成的項目，這段週期普遍不到 2 年。也就是說，併網這道關，過去二十年從「兩年內」拖成了「四五年」。

現在把兩條時間線疊在一起看，錯位一目瞭然：AI 公司以季度為節奏擴張——這個季度宣佈 1 吉瓦、下個季度追加——而給它們供電的新電源，從規劃到上網要按 4 到 5 年算。芯片可以下單幾個月到貨，電網升級要等好幾年。這就是這輪擴張裡最現實的一道牆：不是沒錢買電，是電「來不及」接進來。

排隊為何這麼慢？成因複雜——大量投機性項目湧入把隊伍灌水、研究流程繁瑣、跨區域輸電線路本身建設緩慢、地方審批和徵地拉鋸。這些都是結構性的，不會因為 AI 著急就自動加速。監管方在推「集群研究」等改革，但遠水難解近渴。

等不起的人怎麼辦：自建「表後」發電

既然接入公共電網要排四五年隊，最直接的應對就是——繞開它，自己在圍牆裡發電。

這就是孟菲斯那批燃氣輪機的邏輯。所謂「表後」發電（behind-the-meter），指發電設備裝在用戶電錶的「裡側」，電不經過公共電網就地消耗。對急著上線的 AI 工廠，它的吸引力無可替代：不用排那條四年半的隊，裝上就能發。代價則是排放、噪音、以及——監管。

xAI 的案子把這套邏輯的張力暴露得淋漓盡致。謝爾比縣衛生部門在 2025 年 7 月才批准 xAI 安裝 15 臺燃氣輪機，且限定為「備用」用途、每年最多運行 110 小時，機型為 Solar SMT-130、合計可發約 247 兆瓦。[2] 但據 TechCrunch 報道，此前 xAI 已在沒拿許可的情況下先裝了一批；到 2026 年 6 月，現場實際運行的燃氣輪機已達約 57 臺——遠超那 15 臺的許可數。[1][2] 圍繞這些機組是否違反聯邦《清潔空氣法》及州級空氣汙染規定，NAACP 經南方環境法律中心提起訴訟；而司法部則以前述「國家安全」理由介入，主張不應關停。[1] 案件目前在聯邦法院審理中。

我們在這裡只描述事件鏈，不揣測任何一方的動機。但這個案子本身說明了一件結構性的事：當電網供給的速度跟不上算力擴張的速度，「先上電、再補手續」的衝動就會出現，而它必然撞上環保監管這道閘。xAI 的回應是繼續加碼——據報道，公司計劃在三年內再採購約 28 億美元的燃氣輪機。[1] 這意味著「表後燃氣」不是權宜之計，而被當成了長期的供電底盤。

表後發電的另一面是溫室氣體與本地汙染。靠燒天然氣給「清潔」的 AI 供電，與許多科技公司的碳中和承諾直接衝突——這是一個還沒解開的矛盾，也是後續值得長期追蹤的看點。

長協與核能：把電「鎖」在手裡

自建發電是應急，長期更穩的解法是把電源「鎖定」——通過長期購電協議（PPA），或者乾脆把賭注押到核能上。

PPA 是用戶與電廠籤的長期購電合同，鎖量、鎖價、鎖年限。它給電廠建設方吃下定心丸（有了長期買家才敢投錢建），也給 AI 公司鎖住未來多年的電源。最具標誌性的一筆，是微軟與電力公司 Constellation 簽下的協議：重啟賓州三哩島核電站的一臺機組，籤 20 年、約 835 兆瓦的購電合約，預計在 2027 至 2028 年前後供電。[8] 一座因 1979 年事故而聲名狼藉、早已停運的核電站，因為 AI 的電力需求被重新喚醒——這個畫面本身就說明了需求有多迫切。

更長線的賭注押在小型模塊化反應堆（SMR）上。它的賣點是體積小、可工廠化批量製造、理論上能就近為單個數據中心園區供穩定的無碳電力。Google 與核能初創公司 Kairos Power 合作，目標是分批建設最多約 500 兆瓦、共約 7 座 SMR，首座計劃 2030 年前後併網、整個項目 2035 年左右完成。[9] Meta 則啟動了核電採購意向（RFP），目標為數據中心鎖定吉瓦級的核電容量。[10]

但核能這條路有兩個繞不開的「但是」。其一是時間：SMR 在美國基本還沒有商業化運行的先例，2030 年是「目標」不是「已實現」，進度和成本都存在不確定性；如果 SMR 的工程化與審批不及預期，靠它填補 2030 年前後電力缺口的設想就可能後移。其二是經濟性：核電的度電成本目前並不便宜，SMR 能否靠量產把成本壓下來，仍是未經市場驗證的命題。換句話說，核能是面向 2030 年代的答案，解不了眼下這兩三年的燃眉之急——眼下的缺口，還是得靠燃氣和拼命排隊來填。

一點能效改善，會被算力規模放大

在「開源」（找更多電）之外，還有「節流」這一面——而在 AI 這種規模下，節流的槓桿被放得極大。

衡量數據中心能效的核心指標叫 PUE（電能使用效率）：園區總耗電除以真正用在 IT 設備上的電。PUE = 1 是理論極限（所有電都用在算上，散熱、配電不耗一分），數字越接近 1 越省。據 Uptime Institute 2024 年的調研，全球數據中心的平均 PUE 約為 1.56——意味著每給芯片供 1 度電，要額外耗掉約 0.56 度在散熱等開銷上；而 Google、Meta 這類超大規模廠商的最優園區，全年 PUE 已能做到約 1.09。[7]

差距看著只是小數點後兩位，放到吉瓦級就是真金白銀。粗算一下：同樣要讓 IT 設備消耗 1 吉瓦，PUE 1.56 的園區總功率約 1.56 吉瓦，PUE 1.09 的約 1.09 吉瓦，差出約 0.47 吉瓦——這接近半座大型電廠的出力，僅僅來自能效那一點改善。AI 時代液冷取代風冷的最大動因正在於此：把 PUE 每壓低一點，在巨大的算力基數上都會被放大成可觀的電量節省，也直接緩解前面那道併網排隊的壓力。

但能效改善有天花板——PUE 不可能低於 1，省下來的空間終究有限，擋不住算力總量本身的暴漲。節流能把曲線壓平一點，填不平整條缺口。

錢從哪來：當資本開始為「電」站隊

回到一個容易被忽略的環節：這一切要花的錢，正在重塑資本市場的走向，而「能源」開始成為資本明牌押注的對象。

一邊是 AI 基建的燒錢速度。英偉達 CEO 黃仁勳稱當下的 AI 工廠建設是「人類史上最大規模的基礎設施擴張」；英偉達 2027 財年第一季度數據中心收入達 752.46 億美元、同比增長約 92%，公司市值一度重回 5 萬億美元。[14] 為了撐起這種規模的擴張，連英偉達這樣現金充沛的公司也成了債市上最新的大額借款方之一——AI 數據中心與硬件供應商正越來越多地靠發債來支撐大規模基建。[11] 這本身就是一個信號：擴張的速度已經超出了經營現金流能自然支撐的節奏。

另一邊，能源資本正主動湊近 AI。中國大模型公司 DeepSeek 完成首輪約 74 億美元（公司尋求約 500 億元人民幣）的融資，估值超過 500 億美元；值得注意的是出資名單裡出現了動力電池龍頭寧德時代（CATL），據報道出資約 50 億元人民幣（騰訊約 100 億元、創始人梁文鋒約 200 億元為最大單一齣資方）。[12][13] 一家做電池的公司入股一家做大模型的公司，被市場解讀為「AI + 能源」交叉投資邏輯的成型——大模型的訓練與推理是吞電巨獸，能源企業與 AI 公司之間的資本紐帶正在變緊。這條紐帶，本質上和孟菲斯那 57 臺燃氣輪機、和三哩島的重啟，指向的是同一件事：誰掌握了穩定、便宜、能快速到位的電，誰就握住了 AI 擴張的命門。

從芯片下單，到建園區，到拉電、併網、籤長協，再到資本為這條鏈條上的每一環定價——這是一條完整的傳導鏈。過去市場的目光大多停在最上游的芯片和最下游的應用，中間那段「電」長期被當成背景板。但 2026 年的這幾件事拼在一起，恰恰是把背景板推到了前臺。

結語與追蹤清單：電，是這輪擴張被低估的硬約束

把這篇的判斷收成一句：芯片決定了 AI 能跑多快，但電決定了 AI 能不能開機、以及能開多少臺。在併網排隊四年半、而擴張以季度計的現實裡，電不是「成本項」，而是「准入項」。

這是「AI 的電從哪來」系列的第一篇，定位是可長期複用的解釋器。它給出的是框架和量級，不是某一天的行情。接下來幾個季度，「讀馬君」會盯這幾個可核查的指標——它們也是讀者自己判斷風向的抓手：

  • 孟菲斯案的走向：法院對 xAI 燃氣輪機的裁決，將成為「表後燃氣先上電、後補手續」這一打法是否可持續的風向標；留意許可臺數與司法部介入口徑的變化。
  • 併網排隊時長：關注 LBNL 後續《Queued Up》報告裡「平均等待月數」與「積壓總容量」是否隨改革下降——這是電網能否追上算力的最直接體溫計。
  • SMR 的首堆時間表：盯 Google–Kairos、各家 SMR 項目 2030 年前後的實際併網進度是否如期，以及度電成本能否被量產壓下來。
  • 數據中心 PUE 與液冷滲透：超大規模廠商披露的全年 PUE 是否繼續逼近 1.1，液冷在新建園區的佔比。
  • 資本流向：能源企業與 AI 公司之間的交叉投資、以及大額 PPA 與發債規模——錢往哪流，常常先於產能告訴你瓶頸在哪。

電的故事才剛開始。下一篇，我們會把鏡頭對準電網本身——這張建於上個世紀、為均勻負荷設計的老網，要如何接住一群以吉瓦為單位、說來就來的新住戶。