AI 计算浪潮：到 2035 年数据中心电力需求将增长至四倍

人工智能的快速发展正在驱动对电力的前所未有的渴求，威胁着要重塑全球能源格局。新的预测表明，数据中心的耗电量将是今天的四倍，这从根本上挑战了现有电网的稳定性。

AI 计算需求的巨大规模

根据 BloombergNEF 最近的一份报告，AI 计算的激增预计将在未来十年内将数据中心容量推升至近 200 吉瓦 (GW)。这种增长不仅仅是增量式的；它代表了能源分配方式的结构性转变。到 2035 年，预计数据中心将消耗美国所有发电量的五分之一。

其中很大一部分容量——近 50%——将专门用于 AI 训练和推理任务。美国将成为这一能源消耗的中心，预测显示，到 2033 年，按电力需求计算，美国将承载全球 64% 的 AI 芯片。这种需求的强度已导致主要分析师上调了预测数据：BloombergNEF 对 2035 年的估计现在比其 12 月的预测高出 83%，而 EPRI 和 S&P 等其他机构也显著提高了其预测值。

电网压力与基础设施瓶颈

随着数据中心开发达到白热化阶段，支持它们所需的物理基础设施正接近崩溃点。这些新增容量中的大部分将接入已经承受巨大压力的电网。

对区域电网运营商的影响尤为严重。在从弗吉尼亚州延伸到伊利诺伊州的 PJM Interconnection 地区，预计数据中心将消耗所有电力的 34%。同样，德克萨斯州的 ERCOT 将需要将其 22% 的发电能力投入到这些设施中。

这种失衡的后果已经显现。PJM 在管理并网请求方面面临严峻挑战，导致新申请暂停了四年。这种供需紧张导致过去一年电价飙升了 76%。情况如此动荡，以至于 American Electric Power 等公用事业公司甚至威胁要退出互联网络。

全球能源挑战

虽然美国在 AI 计算能力方面仍处于领先地位，但这一技术转变带来的能源影响是全球性的。如果目前的 AI 采用轨迹持续下去，全球数据中心将产生 1,935 太瓦时 (TWh) 的新增电力需求。为了直观理解这一规模，这几乎相当于印度全年的总耗电量。

对于 AI 行业而言，这创造了一种关键的依赖关系：LLM 开发和机器学习创新的未来不再仅仅是一个软件挑战，而是一个受电力供应和电网稳定性支配的硬性物理约束。

核心要点

• 指数级增长： 在 AI 训练和推理工作负载的推动下，预计到 2035 年，美国的数据中心用电量将增长至四倍。
• 电网不稳定： PJM 和 ERCOT 等主要运营商面临极端压力，由于供需失衡，电价在一年内飙升了 76%。
• 全球规模： 预计全球数据中心能源需求的增长（1,935 TWh）与印度的全年总能源消耗相当。