Google Nvidia 能源联盟以稳定供电换取更快的 AI 增长

Google 和 Nvidia 联合发起了一个由 20 家机构组成的电力联盟，提出了一项看似反直觉的主张：AI 数据中心应当在某些时候减少用电，以更快接入电网。

这一 Google Nvidia 能源联盟的正式名称为 AI Energy Management Alliance，旨在促使公用事业公司将具备灵活调节能力的数据中心视为可控电网资源。Emerald AI 与 Google、Nvidia 一同作为创始成员加入。Anthropic、发电企业、公用事业公司、芯片制造商和基础设施企业也参与其中。

该联盟并未承诺降低 AI 行业的总体用电需求。它提出的是另一种交换方式：当本地电网承压时，数据中心将减少、重新安排，或暂时由储能等方式满足部分需求。作为回报，公用事业公司和监管机构将考虑为作出可执行灵活性承诺的设施提供更快或更大规模的接入。

这一区别至关重要。多年来，AI 企业一直将持续不断的最大功率供给视为基础设施的基本要求。AEMA 则认为，部分计算任务可以等待、迁移，或通过储能供电，而不会影响关键服务。

这一提案让电力管理成为绕开 AI 基础设施瓶颈的潜在路径。它也将核心问题从科技公司转交给电网运营商：在真正的紧急情况下，承诺的灵活性是否能够被测量、调度并得到信任？

联盟希望以灵活性换取更快的电网接入

眼下的改变首先是制度层面的，而非技术层面的：Google、Nvidia 和 Emerald AI 正在组织制定规则，以将灵活计算转化为可靠的电网容量。

AEMA 于 2026 年 9 月 16 日成立。其成员涵盖 AI 平台、数据中心运营商、基础设施供应商、公用事业公司、电力生产商和技术供应商。据报道，参与者包括 Anthropic、AES、Constellation、National Grid、NRG Energy、RWE 和 Analog Devices。

这一广泛覆盖很重要，因为没有任何一家公司能够独自建立灵活数据中心市场。AI 运营商掌控工作负载，但公用事业公司负责调度电力系统。监管机构批准费率，并决定由谁承担电网升级成本。硬件和软件供应商则提供控制能力，将电网信号转化为实际物理调整。

联盟的灵活性框架以性能而非指定技术为核心。设施将根据其响应速度、可持续减负荷时长，以及响应的可预测性接受评估。

AEMA 还希望在接入之前明确穿越运行义务。穿越运行描述的是设备在短暂电网扰动期间如何运行，而非立即断开连接。限电规则则将规定设施何时以及必须减少多少用电。

拟议标准将涵盖运营数据共享、应急响应以及并网成本分摊。避免昂贵升级的设施可能因这一收益获得补偿；造成额外系统风险的设施则仍须承担相应成本。

因此，该联盟的意义超过又一项企业可持续发展承诺。它试图将一种运营能力转化为公用事业公司能够纳入系统规划的合同化产品。

这一模式始于需求响应，即在收到价格或可靠性信号后临时调整用电。公用事业公司数十年来一直在工厂和商业建筑中采用需求响应。不同寻常之处在于，它被应用于数据中心规模运行的计算集群。

具备灵活性调节能力的 AI 设施可采取多种方式响应：暂停优先级较低的训练任务、降低部分处理器的运行速度、将工作负载转移到其他地区、释放电池储能，或依靠配套发电设施。每种方式都有不同的限制和成本。

面向实时用户的推理工作负载通常有严格的延迟要求。长期运行的训练任务则可能拥有更大的调度空间。批处理、模型评估、合成数据生成和检查点准备，也可能提供不同的灵活调节窗口。

AEMA 的技术中立方法避免宣布某一种方式更优。这使框架更易适用于不同设施，但也提高了验证门槛。公用事业公司必须评估实际交付的服务，而不能仅仅接受已安装设备清单。

创始企业表示，可信的灵活性应当形成一条经风险调整的并网接入路径。这并不意味着每一座灵活设施都会自动排到队列前列，而是意味着电网规划人员可以依据设施可执行的最大需求，而非其理论上的最高用电量来评估它。

因此，Google Nvidia 能源联盟为计算和电力引入了一种新合同关系。数据中心仍然要求获得极其庞大的电力，但会以有限的运营控制权作为回报。

这一提议也带来了本文的核心张力：AI 企业希望在公用事业公司尚未积累多年现场数据、证明该方案能在不同电网、天气条件和计算工作负载下持续可靠运行之前，就让灵活性得到认可。

电力已成为 AI 扩展最棘手的制约因素

该联盟的出现，是因为更快的芯片无法解决排队、输电限制和地方反对意见对新增计算容量造成的阻碍。

建设 AI 数据中心不只是获得处理器和施工许可。开发商还需要能够承载异常庞大且集中的负荷的公用事业接入。发电设施、变电站、输电线路和本地配电设备都必须支持这一接入。

这些系统的建设周期与 AI 行业的产品周期截然不同。一家公司可以在公用事业公司完成重大输电升级之前很久，就订购新一代加速器。由此产生的结果，是计划中的计算容量与可用电力之间不断扩大的缺口。

预期需求规模解释了这一压力。Lawrence Berkeley National Laboratory 估计，到 2030 年，数据中心可能占美国总用电量的 11.8%。其2025 年能源报告给出的情景区间为 9.5% 至 15.3%。

这些估算并不保证每一个已宣布的项目都会建成。但它们说明，公用事业公司不能再将数据中心申请视作常规商业接入。一座大型园区就可能影响区域发电规划、输电投资，以及其他用户支付的电费。

随着这些预测出现，公众担忧也在上升。越来越多的社区开始质疑，数据中心是否会推高居民电价、消耗本地水资源、需要新增化石能源发电，或让居民为利用率不足的基础设施买单。

AEMA 的回应是，将重点放在用电峰值而非仅仅关注年度耗电量。电力系统必须在最受限制的时段保持可靠。如果数据中心能在这些时段降低需求，便可能更容易适配现有容量。

这正是灵活 AI 数据中心背后的经济逻辑。一座设施可以在一年中消耗大量电力，同时在有限的几个高压时段避免达到最大负荷。这样一来，电网或许能在无需为所有用户同时达到峰值需求而建设全部资产的情况下，支撑更多总体活动。

AEMA 估计，中等程度的数据中心灵活性最多可释放 100 吉瓦现有容量。这仍是联盟的估计，而不是经独立验证的全国性结果。其实际价值会因地区而异，因为各地电网面临不同的输电限制、发电结构和需求模式。

Google 已不止停留在理论承诺。2026 年 3 月，该公司表示已将 1 吉瓦的需求响应纳入美国各地的长期公用事业合同。

其需求响应协议包括与 Indiana Michigan Power、Tennessee Valley Authority、Entergy Arkansas、Minnesota Power 和 DTE Energy 达成的安排。Google 表示，它可以在特定时段限制或转移部分机器学习工作负载。

这一记录为联盟提供了一个实际案例，但并未解答所有问题。这些协议覆盖的是特定设施、工作负载和公用事业系统，并不能证明每座 AI 数据中心都能提供同等比例或时长的负荷削减。

Nvidia 从另一个方向面临相关压力。其增长依赖客户部署并运行大型加速器集群。无论基准测试表现如何，无法获得电力的处理器都无法产生有用的计算容量。

Emerald AI 处于这些利益之间。其软件旨在协调公用事业请求与数据中心运营，使设施能够调整能耗，而不会将每一次电力事件都视为全面停机。

该初创公司和 Nvidia 还宣布与 Digital Realty 合作，在弗吉尼亚州马纳萨斯建设一座近 100 兆瓦、具备电力灵活调节能力的 AI 设施。该项目预计将比演示或模拟带来更严苛的测试。

更广泛的影响不止于创始企业。数据中心开发商必须决定是否应将灵活性设计纳入新站点。公用事业公司必须确定这些承诺是否能降低风险。企业客户则必须评估灵活基础设施是否会改变服务可用性或计算成本。

最重要的是，现有电力用户需要免受投机性承诺的影响。如果在电网最需要灵活性的时段该机制失效，家庭和企业仍可能承担应急资源或延迟升级的成本。

Google Nvidia 能源联盟预计 AI 数据中心将如何灵活调节

联盟的机制取决于将紧急计算任务与可在时间、地点或能源来源之间迁移的工作区分开来。

AI 数据中心并非一台不可分割的机器。它包含数千个处理器，运行着具有不同截止期限、依赖关系和中断容忍度的任务。这种多样性创造了潜在的灵活性，但前提是运营商能够安全地将其释放出来。

一次训练任务可能持续数天或数周。部分任务可在检查点暂停，检查点会保存足以在之后恢复运行的状态。其他任务则可以暂时减少处理器分配，或迁移至本地电网拥有更多可用容量的集群。

实时推理则是更难处理的问题。用户希望在数秒内获得搜索结果、生成式回复或应用操作。当电力供应趋紧时，运营商不能轻易推迟这些请求。

实际可行的方法是工作负载分类。数据中心软件必须识别关键服务、可迁移的批处理工作，以及能够容忍更慢完成速度的任务。随后，电网控制系统便可请求明确的负荷削减，而不会不加区分地切断整个设施。

储能提供了另一种选择。电池可以在不立即改变计算活动的情况下，降低站点从电网获取的电力。它们还可以在软件逐步缩减部分工作负载时，平滑应对快速的负荷爬升。

现场发电也能发挥类似作用，但其环境影响取决于燃料和运行方式。传统柴油备用发电机可能造成当地空气污染。这使得软件控制的工作负载调整和更清洁的储能方案对 AEMA 的案例尤为重要。

该联盟还强调配套发电，即与数据中心同步规划的电力资源。一座设施可以将计算、蓄电池和本地发电协调为一个可控系统，而不是将电力供应视为固定的外部服务。

除非电网运营商能够观察到结果，否则这些机制都没有意义。AEMA 希望建立标准化衡量指标，覆盖响应速度、持续时间、可预测性和紧急情况下的表现。

在电网承压时简单承诺少用电还不够。设施需要设定基线，说明在其他情况下本应消耗多少电力。随后，在收到有效调度信号后，它必须证明相较该基线实现了可衡量的降负荷。

基线设计并不容易。AI 工作负载本就会自然波动，开发商也有动机提出对自己有利的假设。即使没有电网请求，某设施的用电量原本也可能下降，却仍可能看起来提供了灵活性。

可验证的遥测数据能够减少这种不确定性。公用事业公司需要及时的运行数据、约定的计量规则，以及对未达标表现的后果约束。这些要求将决定灵活负荷究竟会成为真正的容量资源，还是一场账面游戏。

这一理念也获得了独立的行业支持。Electric Power Research Institute 的 DCFlex 项目正通过现场示范测试工作负载调节、储能、备用电源及其他方法。其灵活设计研究还考察了电能质量、冷却系统、排放和设施可靠性。

AEMA 与 DCFlex 的角色不同。EPRI 的倡议面向电力和数据中心领域开展研究、术语建设和示范。Google Nvidia energy alliance 则将自身定位为聚焦并网规则的倡导与标准联盟。

不过，这两项工作都强化了同一种转变。数据中心不再只能被建模为持续恒定的负荷块。它有望成为具备不同响应层级的可控负荷。

联邦政策也正朝这一方向推进。2026 年 6 月，Federal Energy Regulatory Commission 要求六家区域电网运营商说明或改革其接入数据中心及其他大型负荷的规则。

FERC 电网命令涉及速度、可靠性、消费者保护和成本分摊。它们并未自动采纳 AEMA 倾向的模式。不过，这些命令为区域运营商正式审视灵活接入提供了理由。

这一监管窗口解释了该联盟为何此时成立。技术示范已取得足够进展，可以支撑政策提案；与此同时，电力约束也已紧迫到足以推动政府采取行动。

AEMA 希望在设施获得供电之前，就将基于绩效的灵活性纳入考量。这样，响应义务将被嵌入接入协议，而不是多年后再增加一项自愿参与的计划。

对开发商而言，吸引力在于更快获得电力接入。对公用事业公司而言，吸引力在于在受限时期拥有更大的控制力。对社区而言，所宣称的好处是减少不必要的升级，并减轻电价压力。

这些利益存在重叠，但并不完全一致。开发商可能希望获得尽可能大的接入容量，而公用事业公司则看重审慎的保障。居民关心的是，数据中心开始运营后，这种安排是否能保护电费和可靠性。

只有当一套规则能够平衡这三方利益时，这一机制才能奏效。

如果灵活性不可执行，承诺就会落空

AEMA 面临的最严重风险，不在于数据中心能否一次性降低用电，而在于公用事业公司能否在反复出现的高压事件中依赖它们。

示范项目可以在受控条件下证明技术可行性。电网规划则需要更严格的标准。公用事业公司必须知道能够获得多少降负荷、何时能够实现，以及能持续多久。

数据中心可能在普通下午提供显著灵活性，但在重大产品发布期间则较少。一场持续时间很长的热浪，可能要求其多次响应，而此时制冷需求已经处于高位。区域性停电还可能令原本用于承接转移工作负载的备用设施失去作用。

这些情形会产生相关性风险。同一场令电力供应承压的极端天气，可能同时影响多座数据中心。随着客户对更多实时推理的需求增加，工作负载的可迁移性也可能下降。

Emerald AI 首席科学家 Ayse Coskun 承认，复杂的需求响应无法消除新增发电的需求。这一限定至关重要。灵活性可以改善现有基础设施的利用方式，但无法创造无限的年度电能。

独立联盟分析也指出，需求响应在数据中心之外已有很长的历史。对于 AI 设施而言，仍属新事物的是所提出的规模、自动化程度以及针对计算业务的协调方式。

另一个不确定性在于，谁来承担计算层面的后果。如果运营商推迟一项训练任务，影响或许可以控制。但如果其将工作负载转移到另一个地区，网络成本、数据治理要求和容量限制都可能使这一转移变得复杂。

客户也需要清晰说明。云服务协议界定可用性和性能，但很少解释电网事件会如何影响工作负载调度。若没有适当披露，灵活运行不能成为不可预测服务的借口。

该联盟还必须避免重复计算。一块蓄电池不能利用同一份储能，无限期地同时支撑数据中心韧性和电网灵活性。运营商需要制定规则，明确紧急情况下哪项义务优先。

成本分摊带来了另一种冲突。更快的并网不应意味着，在缺乏系统效益证据的情况下，将开发商的升级成本转嫁给现有用户。监管机构需要针对避免建设和剩余风险制定透明的假设。

AEMA 提出的是经风险调整的路径，而非一揽子豁免。这种表述是恰当的，但艰巨工作在于具体电价表和接入协议。每个区域电网和公用事业公司都在不同的规划标准下运作。

惩罚与激励同样重要。若一座设施基于承诺削减负荷而获得更大的接入容量，却屡次错过调度，就应面临后果。否则，开发商获得了收益，电网却承担了风险。

数据访问带来了并行的担忧。公用事业公司需要足够的信息来验证灵活性，但 AI 运营商会保护有关工作负载、客户和基础设施的细节。标准必须允许验证，同时不暴露敏感运营数据。

网络安全又增加了一层问题。将公用事业信号连接至数据中心控制系统的平台，会形成一个影响重大的运营接口。身份验证失败、命令延迟或被篡改的遥测数据，都可能影响计算服务和电力可靠性。

AEMA 的成员构成可以帮助制定共同的保障措施。但它也可能引发质疑，因为寻求更快接入的组织正参与定义用于批准其接入的标准。

因此，独立测试、公开监管审查和透明的绩效报告将至关重要。在真实设施于严苛条件下交付可重复的结果之前，该联盟的估算应仍被视为提案。

Manassas 项目提供了一项近期测试。其已宣布的规模足以产生有意义的运行证据。观察者不应只看该设施能否响应一次，还应关注它在不同季节和不同工作负载组合下的表现。

Google 已签约的吉瓦级容量提供了另一项证据基础。有关调度频率、持续时间、未响应事件和客户影响的更多细节，将有助于公用事业公司把灵活计算与传统电网资源进行比较。

该联盟并不需要每个数据中心都以相同方式运行。它需要的是能够描述每座设施可可靠提供何种能力的分类体系。一个可提供数分钟电池响应的站点，与一个能够将训练工作负载延后数小时的站点，服务于不同目的。

这种区分可以让承诺保持现实。灵活性不是一个二元标签，而是一组具有明确限制、响应时间和验证要求的服务。

三个信号将显示该联盟是否改变电网

只有当该联盟的原则成为可执行的接入规则、经受大规模运营考验，并保护数据中心行业之外的客户时，它才会产生影响。

第一个信号是监管采纳。FERC 在 6 月的命令要求区域电网运营商审查其接入大型用电用户的方式。关键结果在于，这些运营商是否会为灵活负荷建立具体路径。

有用的规则应明确资格条件、研究方法、响应义务、绩效监测和惩罚措施。它们还应说明灵活性会如何影响升级成本和接入容量。

如果区域运营商采纳这些条款，AEMA 的方法将从倡导走向市场基础设施。如果它们继续保留假定所有数据中心永久不具备灵活性的模式，该联盟在近期的影响力将有限。

监管机构应避免设定一个全国统一的灵活性百分比。地方约束各不相同，工作负载的能力也有差异。可信的框架应界定服务和证据，同时允许区域工程判断。

第二个信号是商业规模项目的持续表现。接近 100 兆瓦的 Manassas 设施尤其相关，因为 Nvidia、Emerald AI 和 Digital Realty 已将其描述为一项电力灵活型 AI 部署。

观察者应追踪该设施响应的频率、削减的负荷规模，以及降负荷持续的时间。报告应区分电池放电、现场发电和工作负载调整，因为这些方法带来的后果不同。

成功的示范将通过表明灵活性可在不造成不可接受计算中断的情况下运行，强化 Google Nvidia energy alliance 的主张。反复失败或狭窄的运行窗口，则会削弱其能够释放大量容量的说法。

第三个信号是客户保护。电力委员会和公用事业公司应公布，灵活接入是否减少了计划中的升级、控制了电价压力或提高了可靠性。其益处不能仅限于 AI 公司的更短开发周期。

Lawrence Berkeley National Laboratory 的需求预测使这项检验变得紧迫。即便峰值管理得当，也无法消除总用电量的快速增长。仍有必要投资新增发电、输电、储能和能效提升。

AEMA 战略最可信的版本，是将灵活性视为这项建设的一部分。它可以弥合时间缺口、降低峰值需求，并帮助更有效地使用现有资产。它无法取代长期电力规划。

企业技术采购方还应关注云服务商如何描述灵活计算。新的调度选项或许能让客户在电力供应更充足时运行可延迟的任务，但也可能在完成时间、地理部署与排放之间带来新的权衡。

构建 AI 系统的开发者可以通过区分紧急推理与可灵活调度的任务来提前准备。清晰的工作负载优先级能让未来参与需求响应更具可操作性，即使在没有正式电网项目的地区，也有助于改善成本管理。

基础设施合作伙伴同样迎来机会。计量、编排、存储控制、冷却系统以及安全的公用事业接口，可能成为 AI 技术栈中一个独立的层级。采购方仍应要求看到与真实调度事件相关的证据。

这一核心反转依然很容易概括：AI 数据中心正通过承诺不会始终用尽全部电力，来争取获得更多电力。这样的交易能否成立，取决于“灵活”一词背后隐藏的细节。

公用事业公司必须能够调用这项资源。运营商必须兑现承诺的负载削减。监管机构则必须在假设落空时保护其他用户。

未来几个月将揭示 AEMA 能否将这些要求转化为合同和运营记录。应关注区域电网申报文件、Manassas 的部署情况，以及 Google 公用事业协议的公开披露。

如果这三个信号一致，灵活 AI 数据中心将不再只是一项有价值的实验。它们将成为获得认可的电网资源，并成为基础设施增长的新条件。

如果未能如此，Google Nvidia 能源联盟仍将只是一项行业倡议，面对其原本旨在解决的同一物理瓶颈。