AI 算力的命门变了：电网容量卡住数据中心扩张

AI 算力最稀缺的资源，正在从芯片变成电。一份行业报道指出，美国电网容量不足已经成为 AI 发展的核心瓶颈，连全球最大的一些数据中心项目都因为拿不到足够电力而受阻。据新智元报道，多个 GW 级 AI 园区因为并网排队要排好几年，投产时间一推再推。换句话说，不是谁买得起 GPU，谁就能把算力建起来——电这个最朴素的元素，卡住了整条扩张链。

问题出在物理层面。一个超大规模数据中心动辄要 几百兆瓦甚至吉瓦级的稳定供电，而电网的扩容周期以年计，远慢于芯片和机房的建设速度。芯片从下单到上架以月计，机房建设以季度计，而一座变电站从立项到通电往往要三到五年。当科技巨头在短短一两年内把训练集群从万卡堆到十万卡，当地电网根本来不及反应。更麻烦的是算力需求曲线几乎垂直——头部模型的训练集群每隔几个月就翻一倍，电网的规划周期却是十年起步。微软最近向 GE Vernova 采购 7 台燃气轮机、单台超 2.5 亿美元，本质就是等不及电网、自己发电给自己用。

电荒还顺着产业链往上爬。AI 算力需求拉爆存储芯片，高带宽内存 HBM4 的价格预计 2027 年翻倍，从 2026 下半年的约 2 美元/千兆比特冲到 4 到 5 美元。GPU 紧俏、电力紧俏、内存紧俏，三件事叠在一起，把 AI 基建的成本曲线一路顶高。

有意思的是破局思路在分化。一边是美国项目被电网卡脖子，另一边中国公司 GobiX 在戈壁地区用创新方案解决数据中心电力问题，靠光伏加储能就地供电、绕开主干电网的瓶颈；中科曙光也在 7 月 10 日落成全国产十万卡超集群「曙光 8000」。谁能先把「稳定且便宜的电」这件事搞定，谁就握住了下一阶段算力的命门。

说到底，算力战争的胜负手，可能不在实验室里，而在变电站和输电线路上。当模型能力的差距逐步收窄，真正拉开身位的，是哪家能把电力、土地、芯片和工程能力拧成一条更低成本、更可扩张的供给链。对行业而言，电，已经从背景成本变成了前台战略。这或许是整个 AI 叙事里，最被低估、也最难补的一条暗线。