哈佛數據中心研究估計需求達 82 TWh
哈佛數據中心研究估計,美國 403 個大型設施在一年內耗用 82 太瓦時電力,而大部分電力由化石燃料供應。太瓦時用於量度累積用電量,太瓦則量度某一時刻的功率。這項區分糾正了部分新聞標題中一項影響重大的錯誤:研究結果是 82 TWh,而不是 82 TW。
研究於 2026 年 11 月 16 日發表,檢視 2024 年 5 月至 2025 年 4 月期間運作的設施。其核心估算接近密歇根州 2024 年零售電力銷售量的 83%。這是一項具份量的比較,但不代表這些地點的耗電量高於密歇根州。
核心張力在於:當運算設施依賴區域電網時,潔淨電力究竟意味著甚麼。企業可為可再生能源發電提供資金,但周邊電力系統仍持續燃燒天然氣和煤炭。對雲端營運商、企業買家,以及考慮興建新園區的社區而言,研究提出了一個實際問題:有甚麼證據可將可持續發展承諾與實際營運狀況連結起來?
哈佛數據中心研究實際量度了甚麼
研究為一組界定明確的設施提供估算,而非整個行業的電錶讀數。
這項經同行評審的超大規模電力研究,按設施負載(即地點運作強度)的不同假設呈現結果。這些情境得出的用電量範圍約為 68–99 TWh。核心估算為 82 TWh,相關的二氧化碳排放量約為 2,570 萬公噸。
在各項情境中,歸屬排放量約介乎 2,100 萬至 3,100 萬公噸。核心用電量估算約相當於美國總用電量的 1.8%。約 54% 的歸屬發電量來自化石燃料。
研究人員研究的是超大規模設施,即支援雲端或內容供應商的大型地點,亦包括由第三方營運而符合條件的設施。這個類別描述的是基礎設施,而非單一應用程式。為雲端客戶服務的建築,可同時支援 AI 及其他運算服務。
這項區分很重要,因為設施的耗電量不能自動等同於 AI 的耗電量。研究沒有將一般運算與 AI 工作負載分開。因此,研究無法確定某個聊天機械人、模型供應商或企業助理實際耗用了多少電力。
日期同樣需要審慎看待。2026 年 11 月是發表日期,而 2025 年 4 月則是所檢視營運期間的結束時間。若把這項估算視為 2026 年的實測耗電量,便會在未明言的情況下把證據推前。
密歇根州的比較有助說明規模,但並不構成直接的營運對照。聯邦數據顯示,密歇根州 2024 年零售電力銷售量約為 99 TWh。以 82 除以 99,得出約 83%,明顯高於五分之四。
然而,零售銷售量是一項定義清晰的電力統計數字,並非一個州所有可能能源使用方式的總和。密歇根州的汽油消耗、工業燃料及建築供暖均不屬於這項比較。同樣,在密歇根州內發電的電力,也不必然等於售予當地客戶的電力。
密歇根州電力概況提供了這個基準。清楚展示其分母,可避免一項易於理解的比較演變成有關總能源消耗的誤導性聲稱。
州級比較可以傳達規模,但設施邊界具有更大的分析意義。讀者在比較研究、評估企業聲稱或討論增長之前,需要知道當中包括哪些建築物。
重要的變化,是現已有一項地理位置明確的估算。它為檢視運算需求在何處遇上電力供應提供起點,卻不能取代營運披露的需要。
壓力落在營運商、公用事業機構與買家身上
研究將焦點由廣泛的氣候承諾,轉向個別地點可取得的證據。
哈佛的設施排放評估說明,研究人員如何結合衛星影像、設施資料及聯邦電力數據。他們按營運情境估算需求,再以區域發電結構歸屬排放量。
研究人員承認覆蓋範圍並不完整,亦無法區分 AI 用電與一般運算用電。他們亦表示,結果反映的是一個正在擴張行業較早期的快照。這些限制條件令研究結果更有用,因為它們界定了後續證據須改善的範圍。
對營運商而言,實際壓力在於披露。一個機構可公布可持續發展目標,卻未有披露足夠資料,以評估某一特定園區。設施估算會帶來有關其營運負載、電力區域,以及與已簽約潔淨發電之關係的問題。
對公用事業機構而言,年度需求與輸送要求是不同的規劃問題。年度用電量描述一段時間內所用電力的數量。基礎設施規劃亦需要了解需求何時出現,以及其供應需要有多可靠。
研究並未確定某個輸電項目是否必要,亦未指出應由誰承擔成本。這些決定需要本地證據。研究的相關性在於,大型運算需求值得放在預期為其供電的電力系統中分析。
社區同樣面對公布消息與實際營運安排之間的區分。一個擬建園區可能承諾投資、就業或潔淨能源。要評估這些承諾,需要有文件將它們連結至特定設施及輸送條件。
對企業買家而言,直接含意是採購問題,而非自動要求更換供應商。採購雲端運算的公司,需要了解所選區域適用哪些環境聲稱。供應商的全球聲明,未必能描述每個服務地點。
假設某企業部署一個內部文件助理。僱員上載資料、擷取段落,並透過託管服務要求摘要。買家可以直接評估應用程式的實用性,但其電力足跡則需要基礎設施供應商提供資料。
若合約列明託管區域,該買家便有更具體的出發點。若能進一步披露電力核算資料,評估將更完善。缺乏這些細節時,便難以將環境效益歸因於某個供應商選擇。
這些是根據證據提出的回應,而非研究人員量度所得的結果。研究沒有量化採購行為、合約變更或本地電費。
不過,哈佛數據中心研究確實令資訊落差變得具體。當外部研究人員必須估算營運狀況時,買家不能假定一般可持續發展聲稱已回答其設施層面的問題。
由此產生的壓力很直接:說明邊界、說明計算方法,並展示哪些營運證據支持相關聲稱。
潔淨能源合約與本地電力回答的是不同問題
可再生能源採購與區域電網排放,可以描述同一運算業務的不同面向。
地點基礎核算,會以與設施所在地相關的電力結構估算排放量。市場基礎核算,則納入與已購電力相關且符合條件的合約工具。兩種方法回答的是相關問題,但其結果不應被視為可以互換。
這項區分有助說明,潔淨能源承諾本身並不能描述設施每一小時的運作。一項年度採購總量確立的是全年總量,單憑此項資料無法確定發電的時間或地點。
這項觀察並不表示採購沒有意義。合約可以支持電力項目,亦是企業策略的重要部分。要評估其影響,需要知道合約資助甚麼、項目何時運作,以及它們如何與需求相關。
Google 說明了表明量度方式的重要性。其公開的無碳能源進展闡述一個目標:讓營運在全日每個時段都與無碳電力相配對。Google 表示,2025 年其數據中心及辦公室的全球平均比例約為 65%,相比 2024 年為 66%。
這些由公司自行申報的百分比,所涵蓋的邊界與哈佛樣本不同。不應把它們與研究中的化石燃料百分比並列,視為對相同設施的競爭性量度。它們的價值在於顯示,按小時計算的電力表現可與廣泛的潔淨能源承諾有所不同。
Microsoft 則提供採購途徑的另一個例子。其可再生能源採購披露,將合約及基礎設施合作夥伴關係列為可持續發展策略的一部分。已簽約容量固然相關,但它與營運地點的耗電量或歸屬區域排放量是不同的量度。
這些例子展示的是做法,而非供應商排名。全球企業組合與經挑選的美國設施樣本,在地理範圍、營運期間及核算邊界上均有不同。根據這些數字宣布誰是勝者,會製造證據無法支持的精確性。
根本張力在於採購承諾與電力系統營運狀況之間。買家可以支持未來的潔淨發電,同時今天仍依賴混合的區域供電。這兩件事可以同時成立。
對企業客戶而言,有用的問題會比供應商是否採購可再生電力更具體。哪個地點為工作負載提供服務?供應商披露了該地點的甚麼資料?其環境數字採用了哪種核算方法?
基於年度採購的答案仍可提供資訊,只需保留這個標籤。若要將其表述為持續無碳營運的證明,則需要額外證據。
同樣的嚴謹態度亦適用於批評。區域化石燃料歸屬並不能證明企業的潔淨能源採購毫無價值,也不能證明研究人員曾把某個發電廠的電力追蹤至特定建築物。
哈佛數據中心研究令這項區分更清晰。其結果關乎區域框架下歸屬的營運排放。企業合約可以納入討論,前提是其不同用途仍然清楚可見。
不確定性改變了數字應如何使用
最有力的解讀會保留情境範圍,並避免把估算轉化為精確的營運審計。
出版方的研究限制強調,研究採用了估算的設施負載及年度區域平均電力數據。結果適用於所審視的403個已驗證設施,不應被視為美國超大規模基礎設施的完整清單。
估算負載具有重要意義,因為容量與用電量描述的是不同事物。容量代表潛在運作水平,而用電量則累積實際使用情況。若沒有假設或量度數據,知道前者並不能確定後者。
一個有閒置空間或設備的設施,不能自動被視為以最高水平運作。反過來,以假定運作水平為基礎的估算,亦可能忽略使用率較高的設施。情境分析讓這種不確定性變得可見。
因此,所報告的範圍本身就是結果的一部分。只引用中間數值,會刪去讀者判斷其精確度所需的資訊;只引用上限,則會引入另一種偏差。
區域歸屬同樣有其限制。它是將需求與某個電力組合關聯,而非追蹤個別電子的流向。年度平均值無法描述每一小時的發電狀況,亦不能確定某設施在特定時刻所使用電力的確切來源。
另一個問題涉及邊際排放,即額外一單位電力需求所引致的發電變化。這需要採用與分配現有區域發電組合不同的分析方法。已發表的總量不應在未經說明下,被當作關閉設施可避免的排放量估算。
排放邊界亦很重要。與電力相關的二氧化碳,並不能完整反映建造、設備製造、用水或其他環境影響。這些議題本身值得有獨立證據支持。
健康影響需要額外審慎處理。Harvard 將其列為有待進一步研究的議題,而非本研究直接量度的結果。讀者不應從二氧化碳估算中推斷出量化的疾病負擔。
當研究採用不同設施群組或方法時,歷史比較可能變得誤導。較高的已發表估算,並不自動代表量度排放量有同等幅度的增加。有效的趨勢分析,必須檢查其基本邊界是否仍具可比性。
此外還有可重現性的問題。公開程式碼可協助讀者檢視計算過程,但不一定代表可不受限制地取得實際設施觀測資料。運行示範資料集,與根據原始基礎設施記錄獨立重現結果,是兩回事。
這些限制並不會抹去研究發現,而是界定它可支持哪些主張。有邊界的估算可以揭示重要的資訊缺口,而無須解答行業的每一個問題。
恰當的結論是:在建模情境下,所審視的設施代表相當可觀的電力需求。關於所有數據中心、目前 AI 用電量或個別供應商的主張,仍需要進一步證據。
效率主張需要絕對用電量指標
提升運算效率與降低總用電量,是兩種不同結果。
效率描述系統在特定資源投入下可提供多少有用工作。總需求亦取決於使用者要求多少工作量。即使服務變得更有效率,只要整體工作負載增長足夠,仍然可能消耗更多電力。
這種關係是算術問題,而非對任何特定公司的預測。它說明效率公告需要配合工作負載指標。沒有這項指標,讀者便無法判斷絕對用電量發生了甚麼變化。
對 AI 服務而言,「有用工作」的定義同樣需要留意。較短的回答、較小的模型或較少的處理步驟,或可減少資源使用;但這是否代表改進,取決於系統是否仍能完成所需任務。
以一個假設性的客戶支援助理為例。營運商調整系統,讓一般查詢採用較簡單的處理流程,而困難個案則獲分配額外運算資源。相關評估應同時檢視服務質素與所消耗的資源。
只報告每宗一般查詢的資源使用量下降,仍不足以釐清整體結果。總查詢量、困難個案的比例及重複嘗試次數,都可能影響用電量。在聲稱整項服務的用電量有所下降前,必須取得這些量度數據。
同樣的推理亦適用於文件分析。若助理產生無法使用的摘要,或需再次嘗試、人工修正,或改用另一個模型。效率評估應計入是否成功完成任務,而非把每項輸出都視為同等有價值。
這些例子均非 Harvard 研究中量度的工作負載。它們說明應用程式採購者在取得設施層級估算後,需要評估甚麼。該研究無法將其總用電量分配至個別軟件功能。
對開發者而言,這意味著一套實際的報告原則:說明完成了甚麼任務、適用了甚麼質素標準,以及量度涵蓋甚麼基礎設施邊界。將使用量變化與效率變化分開處理。
對企業團隊而言,這也構成保留支持證據的理由。託管決策可能取決於服務文件、可持續發展披露及會隨時間改變的內部要求。可搜尋知識庫可協助保存這些記錄,但本身並不驗證環境主張。
最有用的記錄,會把每項結論與其來源及日期連結起來。根據全球可持續發展報告作出的採購決定,應持續可被辨識為此類決定,而不應在日後被記憶成設施特定的量度結果。
這項區分讓討論回到絕對需求。高效硬件、改良軟件及更潔淨的電力各自都可能重要,但它們回答的是不同問題。要一併報告,便必須保留各自的量度數據。
Harvard 數據中心研究提供了一個理由,要求取得這幅更完整的圖像。其估算涉及累積電力消耗,而成功的效率改進最終仍須面對不斷擴張的需求。
留意披露、營運供電及工作負載證據
下一步有用的發展,將把公開承諾與已量度設施、實際供應的電力及已完成的運算工作連結起來。
未來數月,設施披露應是首個值得留意的訊號。有用的證據應列明營運地點、量度期間、電力消耗,以及計算排放量的方法。一致的披露可讓外部估算更容易被評估。
全公司總量仍可提供參考,但其邊界必須維持清晰。設施細分則提供另一個層次的細節。同時公布兩者,能讓讀者理解本地條件如何與更廣泛的組合相關。
更多實測數據可加強討論的可信度,即使它改變了中間估算。修訂後的數字並不自動證明早期研究沒有價值;它可以代表由估算走向觀測的進展。
第二個訊號是新增電力供應與營運需求之間的關係。公告後應持續追蹤,直至項目實際提供電力。已簽署協議、建設里程碑及已投入營運的發電機,代表不同階段。
讀者應檢視已披露的供電資訊,是否處理了用電的地點及時間問題。供需配對改善的證據,可加強運算增長能伴隨更潔淨運作的主張。若持續依賴廣泛的採購總量,更多本地層面的問題仍會懸而未決。
這並不是聲稱每個擬議項目都會失敗,或每份合約都不足夠。這是意向與交付之間的區分。當公司展示前者如何成為後者,環境報告便會更有用。
第三個訊號,是把效率與絕對用電量連結起來的工作負載證據。開發者和供應商應說明所提供的服務、其質素,以及所量度的電力邊界。總需求變化應與每項完成任務的改善一併呈現。
這類報告可協助企業採購者評估,應用程式改動是否在實際服務中減少資源使用。它亦會令把孤立的基準測試改進誤當作整體環境成果變得更困難。
這些訊號構成一項實用檢驗,而非按時間表作出的預測。研究的核心發現無須依賴任何特定公告才保持相關性。關鍵在於後續證據是否能減少對營運情況的不確定性。
Harvard 數據中心研究為讀者提供了一項有清楚界定邊界的重大估算。其長遠價值部分取決於營運商是否透過實測、可比較的披露,令這些邊界更容易被查證。
在分享以州為規模的比較前,先檢查單位、營運期間、設施樣本及排放方法。在接受潔淨能源主張前,先問清楚它描述的是哪個地點及哪些時段。在慶祝效率提升前,先尋找其對總用電量及已完成工作帶來的影響。將這些答案與原始證據連結,尤其在比較供應商或重新檢視基礎設施決策時。下一個標題或許會提供更大的數字,但單靠更大的數字無法解決核心不確定性。尋找令主張更容易被檢驗的資訊。哪一家供應商會披露足夠的營運細節,讓客戶能把其運算服務與支援它們的電力系統連結起來?



