当AI遇上电力，一场静默的能源革命正在发生。
2025年，全球AI算力需求以指数级速度攀升，而支撑这一增长的底层逻辑并非仅仅是芯片，而是电力——这一曾被视作传统工业血液的能源，正在成为数字经济的“新石油”。马斯克在2024年博世大会上预言：“2025年AI发展或将面临电力瓶颈”，这一警告将电力推向了技术革命的前台。
高盛数据也显示，AI部署已推动数据中心电力需求激增160%，而国际能源署(IEA)预测，2026年全球数据中心耗电量将较2022年的460太瓦时翻倍。
在此背景下，AI与电力的深度融合，不仅是技术迭代的必然，更催生了万亿级市场机遇。本文将从需求爆发、供给变革两大维度解析这场“算力+电力”的双向奔赴如何重塑全球能源与经济格局。
需求侧：AI算力饥渴驱动电力需求“超线性爆发”
首先从需求端看，AI的每一个环节其实都是耗电大户。在训练端，中科院物理研究所文章指出在OpenAI训练大语言模型GPT-4时，完成一次训练需要约三个月时间，使用大约25000块英伟达A100 GPU。每块A100 GPU都拥有540亿个晶体管，功耗400瓦，每秒钟可以进行19.5万亿次单精度浮点数的运算，每次运算又涉及到许多个晶体管的开关。容易算出，仅仅是这些 GPU，一次训练就用了2.4亿度电。
而AI算力来源的芯片同样是耗电大户。集成电路技术发展到今天，芯片中的晶体管已经变得极为微小。所以，单个晶体管所产生的热量并不会太高。但问题是，芯片上的晶体管实在是已经多到了常人无法想象的程度——比如，在IBM前几年发布的等效2纳米制程芯片中，每平方毫米面积上，平均有3.3亿个晶体管。再小的热量，乘上这个规模，结果一定相当可观。
在日常使用时，在全球已推出的数百个AI大模型中，仅ChatGPT每天就要消耗50万千瓦时电力来响应用户超2亿的应用需求，这相当于1.7万个美国家庭的日均用电量。。随着全球用户数量、使用频率的增加，耗电量也将不断累积。
而随着多模态大模型、自动驾驶、工业数字孪生等技术的普及，AI算力需求正从“线性增长”转向“指数级跃迁”。华泰证券预测，2030年中国与美国数据中心用电量将分别达到2022年的3.5倍与6倍以上。东吴证券则认为国南网25年在特高压、配网以及老旧设备更新等领域有望持续加大投入，预计全国电网投资同比+15-20%，维持高增长。
