Google AI Energy Management Alliance 押注数据中心能够适应电网需求

Google、Nvidia 和 Emerald AI 联合发起了一个由21家成员组成的联盟，直接挑战数据中心行业的传统用电模式。Google AI Energy Management Alliance 希望 AI 设施在关键时期降低对电网的需求，而非始终以固定速率消耗电力。

这一提议将两股日益难以分割的压力联系在一起。AI 公司需要更快获得电力接入，而公用事业公司和社区则希望避免电网成本上升与可靠性风险。该联盟认为，灵活运营能够同时应对这两项问题。

这一主张附带一个重要前提：灵活性必须成为公用事业公司可以信赖、能够衡量的服务，而不能只是新闻稿中的一项功能。该联盟必须证明，AI 工作负载能够围绕电网约束进行调整，同时不损害对客户的承诺。

AI Energy Management Alliance 将灵活性置于扩建之前

该联盟希望，灵活用电承诺成为新建 AI 数据中心获得电网接入的一部分。

Emerald AI、Google 和 Nvidia 于2026年9月16日宣布成立 AI Energy Management Alliance，即 AEMA。创始公司还迎来了来自科技、公用事业、发电和能源软件领域的18家首发合作伙伴。

首发合作伙伴包括 Anthropic、Analog Devices、AES、Constellation、National Grid、NRG Energy、RWE、Fluence 和 Voltus。数据中心开发商 Verrus，以及电网软件公司 Camus、encoord、GridUnity 和 Splight 也加入其中。

这份成员名单让 AEMA 覆盖了电表两端的参与者。AI 开发商和基础设施提供商创造计算需求；而公用事业公司、发电商、储能企业和电网软件提供商则必须管理其对电力系统的影响。

该联盟倡导建设可灵活调节的数据中心，在电力供应趋紧时动态调整其从电网获取的电量。这种做法被称为需求响应，即客户在接收到电网或市场信号后暂时改变用电方式。

需求响应并非新事物。数十年来，公用事业公司一直将这一模式用于工厂、商业建筑、电池、恒温器及其他可控设备。AEMA 押注的是，AI 基础设施能够成为另一类可靠的参与者。

数据中心可通过多种机制作出响应。运营商可以推迟优先级较低的计算任务、将工作迁移到其他地区、释放电池储能，或使用附近的发电设施。每种方法都能减少从电网获取的电力，而无需关闭整个设施。

该联盟的运营原则强调性能，而非偏好某一特定技术。拟议的衡量指标包括响应速度、持续时间、可预测性，以及在电网紧急情况下的表现。

这一差别很重要。公用事业公司并不一定关心设施采用的是电池还是工作负载调度。它需要确信，承诺的减载会在所需时间到位，并持续约定的时长。

AEMA 还希望，公用事业公司在接入数据中心前明确限电、紧急响应和穿越运行义务。穿越运行指设施在短暂的电网扰动期间保持稳定，而不是不可预测地断开连接。

作为交换，该联盟希望，为作出可信灵活性承诺的设施提供更快、经风险调整的并网接入路径。它还希望，接入成本能够反映灵活运营所能避免或推迟的升级项目。

这一政策目标比技术演示更具影响力。AEMA 希望需求灵活性能够在公用事业规划、接入协议、费率和监管程序中获得认可。

从技术上说，该组织是一次重启，而非全新的组织。此前的 Advanced Energy Management Alliance 于2014年成立，重点关注需求响应和分布式能源资源。

据 Emerald AI CEO Varun Sivaram 称，该组织后来基本处于不活跃状态。其继任者保留了 AEMA 的缩写，但将使命聚焦于灵活的 AI 数据中心。

继承而来的组织架构带来了监管关系和制度历史。不过，这一新组织仍需为规模大得多、也更不为人熟悉的一类电力客户建立可信度。

因此，这一联盟不仅是一项可持续发展承诺。它试图改变数据中心与为其供电的电力系统之间的契约关系。

为什么 AI 数据中心不能再假定电力供应无限

AEMA 此时出现，是因为电力接入已成为部署约束、政治议题和财务风险来源。

数据中心需求的预测规模解释了其中的紧迫性。一份联邦能源报告估计，美国数据中心在2023年消耗了176太瓦时电力。

这一总量约占美国电力消费的4.4%。该报告预测，到2028年，数据中心用电量将达到325至580太瓦时，约占全国用电量的6.7%至12%。

这些数字涵盖的不只是生成式 AI，还包括传统云服务、存储、网络和其他数字基础设施。不过，高密度 AI 服务器已为公用事业公司的接入排队队列增加了规模异常庞大的项目。

电力系统并非围绕大量寻求快速接入的吉瓦级客户设计。公用事业公司必须评估输电线路、变电站、发电机组和本地配电设备是否能够支持每一项拟议负荷。

这些研究可能导致大规模升级和漫长的建设周期。AEMA 表示，在美国关键市场接入大型项目可能需要五至七年，甚至更久。

传统的答案是建设更多基础设施。这仍然是必要的，因为灵活运营无法凭空制造电力，也无法消除每一项输电约束。

不过，电网是为承受数量有限的峰值时段而建设的。由于规划者必须为极端条件保留足够余量，大量容量在正常时段可能处于闲置状态。

AEMA 表示，具备适度灵活性的数据中心可以利用这些余量，同时在约束最严重的时期降低用电量。其公开材料称，这种方法可在现有电网上释放100吉瓦容量。

这是联盟的估算，并非独立验证的部署成果。它综合了对可用容量、数据中心行为、电网状况和可接受运营风险的假设。

即便如此，基础规划问题确实存在。一个请求持续获得最大功率的设施，可能迫使公用事业公司在系统峰值期间为其全部负荷进行规划。

而承担可执行限电义务的设施则呈现出不同特征。公用事业公司可以评估，该客户是否会在特定紧急事件、容量短缺或价格事件期间降低需求。

Google 已在多个公用事业服务区域实施需求响应安排。公司能源高管 Tyler Norris 表示，Google 在其全国业务组合中约有一吉瓦可削减需求。

这一运营经验为该联盟提供了实验室测试之外的参考依据。但这并不意味着每种 AI 工作负载或每座设施都能提供相同的灵活性。

搜索索引、视频处理、模型训练和内部批处理任务有时可以在时间或地点上迁移。实时推理、金融交易和对延迟敏感的客户服务则拥有较少的调度空间。

因此，压力落在数据中心运营商、云服务提供商和 AI 实验室身上，它们需要更精确地对计算工作进行分类。它们必须决定哪些工作负载可以在合同条件下放慢、迁移或暂停。

公用事业公司同样面临压力。它们需要制定能够体现灵活性价值的费率和接入规则，同时避免将过多可靠性风险或升级成本转移给其他用户。

监管机构必须确定，当乐观的需求预测导致不必要的基础设施建设时，应由谁承担成本。它们还必须应对另一种风险：在电力需求持续增长期间投资不足。

社区反对声音让这种平衡更加紧迫。居民越来越质疑，数据中心是否推高电费、消耗稀缺水资源，或从政府和公用事业公司获得优惠待遇。

由 AI 扩张主要受益方牵头的联盟，无法仅靠宣传消除这些担忧。它需要公开运营数据，将设施行为与系统成本和可靠性结果联系起来。

这正是 AEMA 最重要的工作将发生在数据中心之外的原因。该联盟必须说服公用事业公司和监管机构：灵活的 AI 需求应当获得不同于普通全天候工业负荷的对待。

灵活 AI 数据中心以有保障的电力换取更快接入

这一核心交易是：以数据中心内部的一部分运营自由，换取对受限电网容量的更好接入。

数据中心历来将可靠性作为绝对要求来销售。设施通过冗余供电路径、备用发电机、电池和服务等级协议，将中断降至最低。

AEMA 并不要求运营商放弃这一可靠性模式。相反，它建议在保护不可中断计算工作的同时，管理电力的来源和使用时机。

Emerald AI 的 Conductor 软件旨在协调这些选择。该公司表示，该平台能够管理计算工作负载，以及位于公用事业电表后方的电池、现场发电和其他资源。

Nvidia 提供基础设施控制和工作负载遥测能力。其 DSX Flex 软件旨在将 AI 工厂运营与电力系统信号和能源管理平台连接起来。

基本机制始于工作负载分类。运营商识别需要持续性能的关键任务，以及可接受有限延迟的灵活任务。

随后，编排系统会从公用事业公司或电网运营商接收功率目标。它调整选定的计算任务和能源资源，直至设施的电网用电量达到该目标。

设想一个运行检查点、数据准备、实验任务和客户推理的训练集群。运营商可能会保护推理任务，同时将部分实验放慢数分钟。

电池可承担部分减载。现场发电可提供另一部分。工作负载也可能迁移至电力容量限制较少的设施。

这种组合十分重要，因为单靠计算灵活性存在局限。过于激进地停止服务器，可能浪费昂贵的加速器容量、延误工作，或违反客户协议。

能源资源同样存在局限。电池最终会放电，发电机需要燃料，迁移工作负载则可能遭遇网络容量、数据驻留或延迟限制。

该联盟的技术中立方案使运营商能够组合这些选择。公用事业公司评估的产品将是承诺提供的电网服务，而非底层设备。

Emerald AI 和 Nvidia 已进行了六次涉及灵活数据中心运行的演示。在与 Nebius、National Grid 和 Electric Power Research Institute 开展的一项测试中，该系统遵循了超过 200 个指定的功率目标。

Nvidia 表示，演示在降低更具灵活性任务运行速度的同时，维持了模拟高优先级工作负载的性能。各家公司称，系统与测试目标完全一致。

这些结果仍为企业自行报告，且来自受控演示。它们并不能证明该方案适用于所有工作负载、电力市场或长期电网紧急情况。

预计将在弗吉尼亚州开展一项更具影响力的测试。Emerald AI 表示，其与 Nvidia 和 Digital Realty 合作的一项近 100 兆瓦项目，将作为具备电力灵活性的 AI 设施运行。

该项目旨在证明，商业数据中心能够作为可控负载运行，而非持续消耗电网电力。待运营数据公开后，其表现值得审视。

需求响应机制也带来了一个商业问题。加速器运营商依靠让昂贵硬件保持繁忙来获取收入，而公用事业公司则会在这些设备减少电网用电时受益。

补偿必须超过延后计算、硬件利用不足或运营复杂度提高所带来的成本。否则，运营商在获得接入许可后，几乎没有理由提供实质性的灵活性。

更快接入电网可能间接提供这种补偿。能够提前数年投运的数据中心，可以在传统电网扩建完成前开始创造收入。

公用事业公司也可以通过费率和需求响应计划，为经验证的容量或紧急响应付费。不过，这些安排因州和有组织电力市场而异。

AEMA 希望建立标准化的绩效衡量方式，使这些承诺更便于比较。标准化可以减少重复性的工程工作，并让监管机构拥有更清晰的依据来批准灵活接入。

拟议模式仍依赖于执行。接入协议需要明确基线、测试安排、数据访问、处罚措施，以及反复表现不佳时的处理程序。

没有这些规定，灵活性就会沦为未定价的承诺。有了这些规定，数据中心便需承担可能实质影响其计算资源调度方式的义务。

这正是 Google AI Energy Management Alliance 所处的转变核心。数据中心一直要求稳定电力以保障计算可靠性。AEMA 则认为，放弃其中有限一部分稳定性，能够释放更多容量。

100 吉瓦主张面临验证难题

AEMA 的机制具有合理性，但其最大的收益取决于公用事业公司无法在未经独立测试的情况下接受的假设。

该联盟表示，灵活数据中心可在现有电力系统中释放 100 吉瓦容量。它将这一容量与 1 亿户家庭的用电需求相比较。

这些比较提供了规模概念，却未说明这些容量在何时何地可用。电力限制具有地域性和时间依赖性，而全国总量可能掩盖输电瓶颈。

某个地区可能在许多时段拥有闲置发电能力，却缺乏满足新数据中心需求的输电容量。在几个峰值期间减少需求，并不会自动消除这一限制。

另一个地区可能在极寒清晨、持续热浪或发电机组故障时需要灵活性。数据中心必须能在这些确切时段响应，其承诺才具有规划价值。

基线带来了另一项复杂因素。电网运营商必须确定，在没有需求响应事件的情况下，该设施原本会消耗多少电力。

若运营商抬高该基线，测得的降幅就可能超过实际收益。成熟的需求响应市场已经采用详细规则来限制此类失真。

AI 工作负载增加了更多不确定性，因为其调度可能迅速变化。一个训练集群某个月可能拥有大量可灵活调整的工作，而下个月可调度负载则可能大幅减少。

因此，公用事业公司需要持续测量，而非一次性认证。设施的灵活性应在现实条件下测试，并随着硬件和工作负载的变化重新评估。

AEMA 的原则通过强调运营数据共享、可预测性、响应时长和紧急情况下的表现，承认了这一问题。困难在于将这些原则转化为可执行的规则。

客户保密性带来了真实矛盾。详细的工作负载数据可能泄露有关模型开发、利用率和客户活动的商业敏感信息。

电网运营商无需访问每一项计算任务。但他们需要可信的功率遥测数据，以及证明承诺的降载能力将持续可用的证据。

第三方验证或可弥合这一缺口。独立评估机构可以认证表现，同时限制敏感工作负载信息的披露。

可靠性义务也需要谨慎设计。灵活设施不能意外从电网中消失，也不能在紧急情况结束后立即恢复至满负荷需求。

反弹效应至关重要，因为被推迟的计算工作仍需运行。若所有数据中心同时恢复运行，回归的负载可能形成另一个系统峰值。

接入协议可能需要分阶段恢复安排，也可能需要限制电网运营商请求降载的频率。

过多事件可能损害项目经济性，或将工作转移至其他地区。义务过少则可能令公用事业公司无法获得可靠的缓解能力。

该联盟还声称，灵活性可通过推迟基础设施升级来维护电力可负担性。这一收益取决于监管机构如何分配成本，以及升级能够安全推迟多久。

AEMA 的网站援引称，每吉瓦灵活 AI 容量和能源资源可潜在避免 7.33 亿美元系统成本。它还将利用率提高 10% 与公用事业费率降低 3.4% 联系起来。

这些是联盟的主张，需要透明的方法论和针对具体地点的分析。它们不应被视为有保障的用户节省。

当升级仅服务于偶发峰值时，推迟建设可以降低成本。当基础需求持续增长、同一基础设施日后仍变得必要时，这也可能带来风险。

灵活数据中心也无法解决所有公众关切。它们仍需要土地、水资源、输电设备，以及大量的年度发电量。

在电力稀缺时段降低需求很有价值，但并不能抹去总能源消耗。设施可以在峰值时支持电网可靠性，同时仍增加年度发电需求。

联盟的政治激励同样值得关注。Google、Nvidia、Emerald AI 及其合作伙伴会在更多数据中心更快获得电力接入时受益。

这种利益关系并不会使其提案失效。但这意味着，监管机构在给予优惠待遇前，应独立检验所承诺的公共收益。

AEMA framework 的可信度，将取决于公用事业公司能否将预测与实测结果进行比较。有用的证据应包括响应准确性、事件持续时间、反弹行为、可用性和避免的系统成本。

最有力的结果不会是又一次证明服务器可以降低用电功率的演示，而是一份商业协议，表明经验证的灵活性改变了一项真实的电网投资或并网决策。

在此之前，AEMA 已提出严肃的政策方案和可信的技术方向。它尚未证明，该模式能在多样化的美国电力系统中实现其宣称的容量。

Google AI Energy Management Alliance 接下来会如何发展

三个信号将显示 AEMA 会成为电网基础设施，还是仍是一场行业倡议活动。

第一个信号是 Digital Realty、Nvidia 和 Emerald AI 参与的弗吉尼亚州近 100 兆瓦项目的表现。合作伙伴预计，该设施将以商业规模测试灵活运行。

观察者不应只关注一次成功的限电事件。重要指标包括响应时间、持续降载幅度、高优先级工作负载的表现，以及恢复正常用电的过程。

独立公开这些结果将强化该联盟的论据。有限的企业总结则会留下关于可重复性和运营权衡的问题。

第二个信号是公用事业公司或监管机构作出的决定：为灵活数据中心需求赋予规划价值。这可能体现于费率、接入协议或获批准的大负载框架中。

该决定应明确灵活性如何改变接入时间、升级要求和成本分配，也应定义验证程序及未达绩效时的处罚措施。

这样的协议将证明，AEMA 的提案影响了基础设施规划。笼统的支持或自愿承诺将提供较弱的证据。

第三个信号是创始联盟以外的采纳情况。Amazon、Microsoft、Meta 和其他大型运营商已经在推行能源管理和碳减排策略。

它们的回应将表明，AEMA 是发展为行业标准，还是仍与某一组供应商紧密相关。公用事业公司、电网运营商或标准机构也可能提出竞争性框架。

更广泛的参与并不保证成功。不过，它会让跨地区建立通用遥测、测试和合同规则变得更加容易。

开发商和企业 AI 买家同样与结果息息相关。灵活运行会影响计算容量出现的地点、上线速度，以及哪些工作负载获得优先级。

采购 AI 服务的组织应询问供应商，电网事件如何影响训练安排、推理保障、数据移动和服务等级承诺。

他们还应保留这些承诺的记录。使用可搜索的工程知识库的团队，可以将基础设施决策与合同、事故报告和工作负载要求关联起来。

知识工作者不太可能察觉后台索引任务的短暂延迟。但为延迟敏感型生产应用提供服务的开发者，会以不同方式看待同一事件。

随着灵活计算扩大，这一区别必须保持清晰。电网从可调节需求中受益，但客户需要明确哪些工作可以调整。

AEMA 正确指出，AI 基础设施和电力规划已无法再作为彼此独立的系统运行。计算调度、电池、发电机、变电站和市场规则如今相互作用。

其提出的交换方案易于理解：数据中心提供可靠的灵活性，公用事业公司提供更快接入，社区则获得更好的峰值成本保护。

尚未解决的问题是，各方能否在压力条件下验证这一交换方案。技术演示表明，选定的 AI 工作负载可以快速响应。

下一阶段需要商业证明、严格监管和公开的绩效数据。这些信号将决定灵活 AI 数据中心能否成为可靠的电网资产。

关注弗吉尼亚州项目、第一份可执行的公用事业协议，以及其他超大规模云服务商的采纳情况。若三者全部出现，Google AI Energy Management Alliance 将超越倡议阶段。

如果他们不这样做，公用事业公司将继续把大型 AI 设施视为需要进行传统升级的刚性负载。哪种结果会促使你的组织重新考虑在何处、以何种方式运行 AI 工作负载？