Elon Musk 警告：随着数据中心竞赛加速，AI 将面临 15 GW 电力缺口
- Sophie Larsen
- 55分钟前
- 讀畢需時 15 分鐘
Elon Musk 本周向 G20 部长们给出了一个严峻数字：到 2027 年，AI 芯片可能面临 15 吉瓦的电力缺口。这一警告因他以线上方式出席北卡罗来纳州 G20 创新部长级会议而进入 Google News 的报道视野。但他更大的论点并非一场不可避免的电力危机，而是呼吁各国将可用电力转化为数据中心投资。
Musk 表示，中国以外地区的 AI 芯片产量增长速度快于电力供应。他将这种错配描述为一个机遇：能够建设发电能力、批准基础设施并承接计算设施的政府，可以向 AI 公司供应电力，同时获得税收及其他经济收益。
这一主张带来的冲突比标题所暗示的更为尖锐。AI 开发商希望以工业化速度建成发电厂和数据中心；公用事业机构与社区则必须保障可靠性、可负担性、水资源供应和环境标准。Google、Anthropic、Meta、Amazon、Microsoft，以及 Musk 自己旗下的公司，都在这一约束条件下展开竞争。
AI 竞赛中的决定性资源已不再只是芯片本身，而是在一个同时具备变压器、冷却设备、网络连接、许可证和熟练劳动力的地点，能够实际交付的电力。
Elon Musk 实际向 G20 说了什么
Musk 将 AI 基础设施竞赛重新定义为可用电力短缺，而不只是处理器短缺。
Musk 在线出席 G20 创新部长级会议时表示，目前已经存在“一场相当严重的电力危机”。他称，追踪 AI 行业的分析人士预计，到 2027 年电力缺口至少将达到 15 GW。
一吉瓦相当于十亿瓦电力。15 吉瓦代表着巨大的基础设施缺口，不过 Musk 并未指出这些分析人士是谁，也没有公布其分析方法。
这一区别至关重要。15 GW 的估算是 Musk 提出的说法，并非 G20 已经独立确认的预测。现有的演讲实录记录了他的表述，但没有提供底层模型。
Musk 表示，AI 芯片产量正以每年约 40% 至 50% 的速度增长。他将这一速度与中国以外地区的电力增长相对比，后者据他估计每年约增长 10% 至 20%。
这些百分比同样没有附带公开的数据集。因此，应将其视为 Musk 对市场的描述，而非已经确立的行业测量结果。
不过，他所强调的核心机制依然很直接。一家公司可以采购先进处理器，但若没有持续供电，这些芯片就无法提供有用的计算能力。设施还需要变压器、冷却系统、网络、备用容量以及可行的电网连接。
Musk 声称，Google、Anthropic 和其他公司正向 SpaceX 租赁算力，因为他的组织迅速上线了计算容量。公开报道尚未独立披露这些安排的细节，包括规模、期限或商业条款。
他将这一说法与 SpaceX 自建发电厂的决定联系起来。现场发电可以让电力更靠近设施，并减少对延迟电网升级的依赖。但这并不能消除燃料、许可、排放、输电或社区层面的约束。
这一所谓稀缺性带来了全球性机会。Musk 告诉部长们，有意发展 AI 数据中心的国家可以建设更多发电能力，并向科技公司提供电力。东道国政府随后可从这些设施中获得税收和合理费用。
他还估计，AI 可能使全球年度经济产出增加 20% 至 30%，即约 20 万亿至 30 万亿美元。这一预测没有附带时间框架或经济模型。
这些言论将即时的基础设施诊断与规模更大的经济承诺结合在一起。前者可以通过电网项目和数据中心部署加以检验；后者若没有关于生产率、采用率、劳动力和时间安排的明确假设，仍属推测。
这正是该事件的重要性超出其在 Google News 上露面的原因。Musk 不只是预测电力使用量将增加；他是在要求政府将能源可用性视为一项具有竞争力的产业政策。
即使 15 GW 尚无定论，AI 电力缺口为何仍具可信度
独立能源研究支持 Musk 警告的大方向，但并未验证其精确的 15 GW 数字。
国际能源署报告称，数据中心的用电量在 2025 年增长了 17%。以 AI 为重点的设施增长更快，而全球总电力需求增长了 3%。
该机构更新后的中性展望预计，到 2030 年，全球数据中心用电量将接近 950 太瓦时。这大约是 2025 年记录的 485 TWh 的两倍。预计 AI 导向设施的用电量将在此期间增长至三倍。
电力和电气设备无法始终以软件的速度扩张。燃气轮机、变压器、输电部件、先进芯片和冷却设备都面临制造或交付限制。规划审查和电网接入流程还会带来进一步延误。
IEA 估计，约 20% 的规划中数据中心项目可能面临延迟，除非解决电网整合问题。因此，其能源展望支持了严重部署瓶颈确实存在这一判断。
然而，全球总量可能掩盖问题的本地性质。电力可能存在于一个国家市场中，却无法在所需地点获得。输电拥堵、变压器短缺和本地可靠性规则，都可能让名义容量在商业上毫无用处。
AI 园区还会集中需求。大型计算设施可能作为单一工业负载出现，而不是在数百万家庭中逐步形成。公用事业机构必须围绕这种集中的需求来规划发电能力和网络设备。
美国体现了这种转变的规模。根据能源部的数据，数据中心在 2023 年消耗了约 176 TWh 电力，约占全国用电量的 4.4%。
该部门早期预测认为，2028 年数据中心用电量将在 325 TWh 至 580 TWh 之间。其后续资源中心援引的一项中性估算显示，到 2030 年，数据中心将占美国电力消费的 11.8%。
这些数字区间较大，是因为未来需求取决于不确定变量。芯片效率、设施利用率、模型设计、用户采用率和资本可得性，都可能改变最终结果。
不确定性并不会消除问题，而是会改变政府和公用事业机构应如何应对。按照最高预测建设，可能会让消费者为利用不足的基础设施买单；建设过慢，则可能使数据中心投资搁浅并削弱可靠性。
效率带来了另一层复杂性。每一代硬件都可能以更少的能源完成更多 AI 工作。更高效的推理，即运行经过训练的模型来生成答案，可以降低单项任务所需的电力。
更低的计算成本也可能推高总需求。当服务变得更便宜时，会有更多人使用 AI；开发商也会增加智能体、视频生成和更长的自动化工作流。即使每项任务的效率更高，总体用电量仍可能上升。
这就是 AI 电力缺口中的反弹效应。效率扩大了可行市场，因此并不保证整体负载会下降。
在其来源公开之前，Musk 的 15 GW 数字仍应明确归因于他本人。不过，项目进度与能源基础设施之间更广泛的错配，已有独立证据支持。
真正的争论并非 AI 是否消耗电力，而是谁为下一轮发电能力扩张提供资金，以及当预测出错时由谁承担风险。
Google News 捕捉到的是全球数据中心机遇，而不只是美国危机
各国可以通过电力吸引 AI 投资，但前提是将供应能力与网络、制度和可信的运营规则结合起来。
Musk 的提议听起来很简单：建设电力设施，向 AI 公司供电，并对由此产生的数据中心征税。这一公式确实指出了真实机遇，但电力只是准入条件。
一个可行的 AI 园区需要光纤连接、合适的土地、建设能力、冷却设备、安全保障，以及获取替换硬件的渠道。它还需要围绕许可、数据、贸易和环境合规的可预测规则。
AI 开发商关心速度，因为昂贵的处理器在等待设施建成期间会损失经济价值。因此，一个能快速通电的地点，可以与接入延迟更长的成熟科技中心竞争。
这一动态为美国以外地区创造了机会。IEA 预计，到 2030 年，东南亚的数据中心用电量将增长超过一倍。新加坡和马来西亚南部已经为这种扩张提供了区域基础。
中东、拉丁美洲、非洲和北欧拥有丰富电力资源的市场，也可以争取特定工作负载。它们的前景取决于可靠性、网络延迟、政治稳定性以及获得先进硬件的能力。
并非所有工作负载都有相同的选址要求。训练大型模型可以容忍与终端用户之间更远的距离，因为任务在一个集中的集群内运行。交互式应用通常需要更靠近客户，以获得更低延迟。
数据驻留规则构成了另一项边界。政府和受监管企业可能要求敏感信息必须保留在特定司法辖区内。即使其他地点的电力更便宜，这一要求也可能增强对区域设施的需求。
当先进芯片面临出口限制时，吸引策略也会发生变化。Musk 认为，中国的电力供应无法完全解决短缺问题，因为领先处理器无法自由进入市场。
这一说法压缩了复杂的贸易环境。出口管制会因芯片能力、目的地、交易和许可状态而异，也可能随新的政府规则而变化。
不过，更广泛的观点依然成立。一个国家除了需要充足电力，也需要合法获得有竞争力的硬件。没有芯片的电力，无法形成领先的 AI 集群。
追求全球数据中心机遇的国家，也必须决定自己能获得什么回报。一座设施可以带来建设工作、税收收入以及对本地服务的需求。但其长期就业规模可能小于其物理规模所暗示的程度。
本地经济收益取决于采购规则、劳动力发展、所有权以及电力合同的结构。若政府在补贴基础设施时未能保护居民，就可能将成本社会化，同时让回报高度集中。
最具竞争力的政策，会将审批速度与可执行的义务挂钩。开发商可以为专用发电能力、网络升级、效率措施和社区保护提供资金。公用事业机构则可以设计合同，避免其他客户承担本可避免的项目风险。
灵活运营可以有所帮助。一些计算任务可以在不同设施之间迁移，或调整至电力充裕的时段。这种灵活性能够减轻压力，但持续的训练计划和服务承诺限制了运营商的调整空间。
不同能源各有取舍。太阳能和风能项目在某些市场可以更快落地，但需要储能、输电或补充发电。天然气可提供可调度电力，但会增加排放和燃料价格风险。
核电站可提供稳定的低碳电力，但新项目通常需要更长的开发周期。地热资源可在适宜地区支撑持续需求，不过其部署仍受地理条件限制。
IEA预计，到2030年，可再生能源将满足数据中心电力需求增长中近一半的部分。天然气和煤炭也将作出贡献，而核能会在后期变得更加重要。
这种混合前景削弱了任何单一技术方案的说服力。胜出的地区将围绕区域资源和交付进度，构建可行的能源组合。
对于企业采购方而言，选址也会影响建立在这类基础设施之上的服务。更多区域容量可以改善延迟和韧性。碎片化则可能使治理、供应商选择和信息控制变得更加复杂。
使用云端 AI 的组织应了解敏感材料会流向何处。当 个人知识库让适当的信息处于更清晰的用户控制之下时，它可以减少不必要的数据流动。
因此，这则 Google News 标题指向的是一场范围更广的竞争。各国竞逐的不只是建筑物，而是成为 AI 计算发生地的实体管辖区域。
核心冲突：快速建设与公共问责之间的矛盾
私有发电可以缩短数据中心建设周期，但也可能将污染、用水需求和财务风险转移给附近社区。
Musk 的立场偏向速度。当电网供电无法足够快地到位时，运营商便在表后建设或签约采购发电能力。表后电力在进入更广泛的公共网络之前，直接服务于某一设施。
这种方式可以减少对并网排队的依赖，也能帮助开发商协调电力设施、服务器、冷却系统和网络的建设。
Amazon、Google、Meta、Microsoft 及其他大型运营商都在探索与能源项目建立直接关系。一些公司正支持核能、地热、可再生能源、储能和天然气项目，以确保未来容量。
私有采购并不能使设施脱离周边系统。燃料管道、空气质量、供水条件、道路和应急服务仍是公共议题。数据中心还可能影响区域设备和劳动力市场。
可靠性带来另一个问题。孤立的电源在维护或故障期间需要备用安排。接入公共电网可以提供这种保障，但当多座设施同时需要支持时，电网必须拥有足够容量。
公用事业公司面临艰难的预测问题。开发商可能在确认每个阶段之前就宣布园区计划，而技术变化也可能改变未来的用电需求。公用事业公司可能会为之后缩减或转移的需求启动昂贵的基础设施建设。
监管机构必须决定由谁承担成本。长期合同、最低需求承诺和退出费用可以让开发商承担更多风险。保护措施薄弱时，家庭用户和小型企业可能不得不为搁浅投资埋单。
社区也在质疑环境影响。Musk 在孟菲斯推进的 xAI 项目，在居民和倡导者就燃气轮机及当地空气质量表达担忧后，成为一个突出案例。这场争议显示，加速建设很快就可能引发反对。
Associated Press 关于孟菲斯反对声音及其他 Musk 基础设施提案的报道，凸显了雄心勃勃的技术时间表与尚未解决的环境问题之间的距离。不能仅凭国家经济预测，就假定公众会接受。
水资源构成另一项约束。许多设施使用蒸发式系统散热，尽管具体设计差异很大。在干旱地区或已经面临供水压力的社区，用水量会变得政治敏感。
运营商可以通过风冷、闭环系统、再生水或工作负载管理来减少用水。每种方案都会影响资本成本、效率、选址或运营灵活性。
碳影响还取决于时间，而不只是年度能源总量。一家公司可能采购了与年度用电量相当的可再生能源，却在某些时段使用以化石燃料为主的电网电力。
按小时匹配能更准确地反映清洁发电是否支撑实际运营。但对于持续运行的设施而言，实现这一点也更困难。
这些矛盾解释了为何“建设大量电力”是一项不完整的政策。能源来源、地点、融资和运行特征决定了新增发电是否能带来持久的公共利益。
Musk 的经济预测同样值得严格审视。每年增加 20 万亿至 30 万亿美元，将意味着全球产出的巨大扩张。他的发言没有说明这一增量何时实现，也没有说明计算方法。
AI 的生产率收益在不同任务之间仍不均衡。模型可以加快研究、编程、文件分析和客户支持，但也可能产生需要人工审核的错误，从而削弱预期节省。
基础设施支出假设有用需求会增长到足以证明已安装容量合理的程度。如果采用速度或收入增长较慢，重度融资的项目可能面临压力。
IEA 现在强调了这一金融关联。数据中心投资规模已大到不能仅依靠公司资产负债表，资本市场因此变得愈发重要。融资条件也会改变电力需求的增长节奏。
这一反馈循环至关重要。乐观的 AI 预测支持数据中心融资，新增容量随后又推动更多 AI 部署；而令人失望的回报则可能推迟后续建设。
公众不应只能在阻止所有设施与批准每一项申请之间二选一。透明的负荷预测、可执行的合同、排放控制和社区协商，可以形成更可信的中间路径。
最强的承载市场将既能足够快地为科技公司建设，又能维护信任。没有问责的速度可能引发政治阻力，最终反而拖慢部署。
数据中心竞赛正在给每一家主要 AI 开发商施压
Musk 的论点将超大规模云服务商置于一场能源执行力竞赛中：如果设施无法通电，芯片库存的重要性就会下降。
Google 和 Anthropic 是 Musk 演讲中格外重要的名字。如果他关于两家公司从 SpaceX 租赁算力的说法准确无误，那么这将表明，即使是领先的 AI 组织，也需要传统供应链之外的容量。
细节仍不清楚。现有演讲材料没有量化任何一家公司的角色。读者不应仅凭 Musk 的说法，就推断存在大规模合作或战略依赖。
不过，外部算力租赁在业内很常见。当需求超过内部供应时，开发商会将自有基础设施与云合同及专业化容量结合起来。
Google 运营自己的数据中心，并设计 tensor processing units，这是一类为机器学习工作负载打造的专用芯片。Anthropic 在开发 Claude 模型及相关服务的同时，高度依赖基础设施合作关系。
Microsoft 将其大量 AI 扩张与 Azure 及其与 OpenAI 的关系绑定。Amazon 在支持云客户的同时，也在投资定制芯片，并扩大与 Anthropic 的合作关系。
Meta 建设大型内部集群，用于训练和服务其模型。据报道，在 G20 活动上，Mark Zuckerberg 强调了另一项物理约束：需要找到足够多的熟练工人来建设规划中的设施。
Musk 旗下组织带来了另一种纵向整合形式。SpaceX 提供工程、制造、通信和能源专业能力。xAI 则直接带来对大型训练和推理集群的需求。
当内部团队控制更多依赖关系时，这种组合可以压缩建设周期。但它也可能将执行风险集中在多个昂贵项目之中。
竞争正推动各家公司采取相似策略。它们正在锁定长期能源供应、开发定制处理器、重新设计冷却系统，并寻找审批更快的地点。
这种趋同支持了 Musk 的核心判断：AI 基础设施已经成为一套整合型工业系统，而不再只是可租用服务器的集合。
不过，竞争者并不遵循同一条技术路线。有些公司优先开发定制硅芯片，以降低对通用加速器的依赖；另一些公司则利用合作关系来分散建设和融资风险。
一些运营商可以在全球云服务覆盖范围内迁移工作负载。区域较少的新进入者缺乏地理灵活性，可能需要为即时可用的容量支付更高成本。
效率可以改变竞争平衡。若一家公司能用更少芯片处理相同工作负载，就能降低其对电力和建设限制的暴露。因此，软件优化可以直接与实体扩张竞争。
开放模型引入了另一项变量。如果能力足够的小型模型能在本地设备或普通服务器上运行，部分需求就会从集中式园区转移。更大的多模态系统和自主智能体则会将需求推向相反方向。
结果并不是简单地比拼谁拥有最大的设施，而是比拼谁能以可持续成本提供有用计算能力。
这一区别对企业客户至关重要。供应商可以宣布巨大的容量，却仍可能提供昂贵或不可靠的服务。采购方应跟踪应用性能、可用性、数据治理和总体运营要求。
Google News 的报道可能让 15 GW 的预测看起来像是全部故事。更广泛的战略信号是：每一家主要 AI 公司如今都需要一份与其模型路线图匹配的能源计划。
Musk 正在迫使竞争对手证明，其基础设施能够从宣布走向运营。同时，他自己的说法也将面临同样的检验。
三项信号将检验 Musk 对 2027 年的警告
下一阶段将通过已通电容量、具有约束力的电力合同，以及支持预测缺口的公开证据来衡量。
第一项信号是，主要 AI 园区是否真正按计划获得电力。公告描述的是拟建容量，而通电则确认发电设施、变电站、变压器和网络连接都已正常运行。
关注预计在 2026 年末和 2027 年投入使用的项目。反复延期将强化 Musk 的论点，即电力已成为首要约束；按时启用则会削弱这一具体的危机叙事。
第二项信号是新电力协议的结构。开发商越来越需要签订既能为发电和电网升级提供资金、又能保护现有客户免受废弃项目影响的合同。
强有力的最低付款承诺将表明，科技公司愿意承担其预测背后的需求风险。若请求广泛的公共补贴，则会引发对其经济性是否能够独立成立的疑问。
这些合同中的能源结构同样重要。快速建设燃气设施可在短期内支撑产能，但会增加排放风险敞口。可再生能源、储能、核能和地热能协议则将揭示运营商如何规划更长的时间周期。
第三个信号是，Musk 或其他可信机构是否会发布支持所称 15 GW 缺口的证据。一份有价值的分析应明确界定地域范围、芯片出货量、利用率、能效、现有发电能力以及所需的交付日期。
缺少这套方法论，这一数字仍只是具有影响力的估算，而非经过验证的市场基线。独立确认将为政府加速投资提供更有力的依据。
最可能的结果是不均衡的资源稀缺，而非全球统一的大停电。一些地区将迅速为项目送电，另一些地区则会面临设备、监管、环境或融资方面的延误。
这种不均衡为 Musk 创造了全球性机会，也让政府能够要求寻求稀缺资源的企业作出可信承诺。
在这次 Google News 时刻之后，核心问题并不是各国能否建设更多数据中心，而是它们能否同时建设电力、计算能力与公众信心。
未来三个月，请关注实际并网日期、可执行的能源合同，以及支撑 15 GW 估算的证据。这些信号将显示，Musk 是识别出了一项可量化的短缺，还是围绕一个无法验证的数字包装了一场基础设施行动。无论如何，AI 的下一片竞争前沿已经是实体基础设施。开发者、企业买家和政策制定者应依据已交付的能力以及可问责的能源计划来评判供应商，而不应只看宣布的吉瓦数。
