NVIDIA 和 Google 推出 AI 能源管理联盟，以用电灵活性换取更快的电网接入

NVIDIA、Google 和 Emerald AI 推出了 AI 能源管理联盟，并提出一项可能改变数据中心获取电力方式的交易：运营商若接受在电力系统受限时可量化的降载义务，便可获得更快或更大规模的电网接入。

这一于 9 月 16 日成立的联盟并非只是倡导更高效的硬件。它希望公用事业公司和电网运营商在评估新接入项目时，将灵活计算视为可调度资源。这一思路挑战了传统预期——数据中心只要希望运行，就应获得稳定电力供应。

随着电网接入延迟日益决定企业能在哪里部署 AI 基础设施，该提案应运而生。Google 已经为部分设施同意采用灵活用电安排。如今，NVIDIA 和 Emerald AI 正试图将这一做法转化为可复制的市场框架。

核心问题在于，这种灵活性是否能可靠到足以让公用事业公司据此批准项目。简短的技术演示，与在多年不可预测的电网紧急情况下覆盖商业设施的具有约束力义务，并不是一回事。

如果这一模式奏效，公用事业公司将获得替代方案，而不是简单拒绝大型负荷项目，或等待所有输电升级完成。如果失败，家庭用户和现有企业可能要承担因加快数据中心接入而带来的风险。

AI 能源管理联盟希望达成不同的并网协议

该联盟希望电网接入取决于经验证的表现，而非数据中心未来会变得灵活的承诺。

AI 能源管理联盟（AEMA）汇聚了计算、公用事业、发电和数据中心行业的公司。其创始成员包括 NVIDIA、Google 和 Emerald AI。

Anthropic，以及 AES、Constellation、National Grid、NRG 和 RWE 等能源公司也已加入这一行动。据报道，该联盟涵盖科技和能源领域的 20 家公司及组织。

AEMA 宣称的目标是在保障可靠性和电力可负担性的同时，加快数据中心的电网接入。它提出为那些可信承诺调整用电量的设施提供更快、经风险调整的接入路径。

这些承诺将涵盖响应速度、持续时长、可预测性，以及紧急情况下的表现。该联盟还支持在设施与电网运营商之间建立标准化技术要求和运营数据共享机制。

这一结构之所以重要，是因为电力并网研究通常假定拟接入客户可能在困难条件下拉取其申请的最大负荷。公用事业公司随后必须确定，为可靠供应这一负荷所需的发电、输电和配电升级。

灵活接入改变了这一计算方式。数据中心可以在正常条件下获得更多电力，同时接受在可用容量低于约定阈值时被限电。

AEMA 呼吁在设施接入前，就限电、突发事件响应和穿越行为设定义务。穿越行为指设备在短暂电网扰动时如何运行，而不是立即断开连接或造成新的不稳定。

该联盟还希望并网成本能够反映设施对系统的实际影响。能够推迟昂贵升级项目的站点，可能会获得与最大需求相同、但缺乏灵活性的项目不同的待遇。

根据联盟的灵活用电方案，数据中心可通过电池、现场发电，或重新调度 AI 工作负载的软件来响应。该框架保持技术中立，因为电网服务的重要性高于提供服务的具体设备。

这种中立性让成员能够采用不同设计。云服务运营商可以在不同区域之间迁移计算任务，另一类设施则可能暂停低优先级作业，或释放电池储能。

按照预期模式，关键工作负载将继续运行。训练、批量推理、数据准备和其他可延后的工作将承担大部分调整。

因此，该联盟提出的是一种交换，而不是对稀缺电力的无限制接入。数据中心可获得更早或扩大的供电服务，而公用事业公司则获得调用可预测降载的权利。

这项交易构成了本文的核心张力：只有当 AI 运营商放弃传统数据中心历来要求的部分确定性时，更快接入才成为可能。

为什么数据中心电网接入已成为 AI 的瓶颈

AI 公司订购计算设备的速度，快于公用事业公司建设为其供电所需基础设施的速度。

大型数据中心所需电力可与工业工厂相当。然而，输电线路、变电站、发电项目和监管审批的建设周期，远长于计算硬件。

AEMA 表示，在美国的重要市场中，接入可能需要五至七年甚至更久。这些延误可能让已建成的建筑或规划中的园区等待足够的电网容量。

这种错配给几乎所有相关方带来压力。云服务商可能持有土地、建筑和设备，却无法获得完整电力服务。公用事业公司则面对规模巨大的接入申请，而其时间安排和最终负荷仍存在不确定性。

现有用户面临另一种风险。如果公用事业公司为投机性或缺乏灵活性的负荷建设昂贵基础设施，家庭和中小企业最终可能承担其中一部分成本。

社区也在质疑，数据中心开发是否会提高当地电费或削弱供电可靠性。这些担忧使能源获取成为政治约束，而不只是工程问题。

AEMA 认为，电网在许多时段拥有未被使用的容量，即使它们会在少数峰值时段变得受限。灵活设施可利用这些余量，并在需求接近系统极限时降低用电量。

该联盟援引研究称，中等程度的灵活性可在现有美国电网基础设施上容纳最多 100 吉瓦的新增负荷。这是建模得出的机会，并非已经获批用于新数据中心的容量。

这一区别至关重要。电网容量不能被视为一个全国统一的资源池，因为约束会出现在特定发电机组、输电走廊、变电站和本地配电系统。

一个地区的灵活设施无法自动解决其他地区的拥塞问题。即使在同一地区，灵活性的价值也取决于数据中心接入的位置和电力短缺发生的时间。

不过，这一基本思路由来已久。数十年来，公用事业公司一直付费让工厂和其他大型客户在困难时期降低需求。

需求响应，即根据电网或价格信号暂时调整用电量，有助于系统管理峰值负荷。传统项目有时依赖工厂暂停生产，或建筑调整供暖和制冷负荷。

数据中心已经参与部分项目，但其通常通过柴油备用发电机作出响应。这一方案在降低电网用电的同时维持计算活动，却可能造成当地污染。

Emerald AI 提出直接调整计算本身。其软件将公用事业公司的请求与工作负载调度器、电力系统和其他设施控制系统协调起来。

该公司表示，非关键任务可放慢、暂停，或迁移至电力余量更充足的地区。在条件允许时，电池和现场发电可补充这些调整。

这一方法让 NVIDIA 和 Google 即使在 AI 基础设施领域相互竞争，也有合作的理由。当公用事业公司将计算灵活性视为在任何时刻满足最大负荷的可信替代方案时，双方都会受益。

该联盟也将压力转移至其他超大规模云服务商和数据中心运营商。如果 AEMA 建立起可行标准，寻求稳定、不间断供电的运营商可能面临更长等待时间或更高的系统成本。

灵活 AI 数据中心将计算转化为电网控制手段

这一机制只有在软件能迅速降低用电需求、且不影响优先级 AI 服务时才有效。

Emerald AI 的 Conductor 平台位于电网信号与数据中心运营之间。当设施拥有电池、现场发电及其他表后资源时，该平台会将工作负载调整与这些资源协调起来。

NVIDIA 的 DSX Flex 软件旨在将 AI 基础设施与这些能源控制系统连接起来。两家公司希望将电力管理嵌入 AI 设施的运营架构，而非在建成后额外添加。

这一方法利用了计算工作负载之间的差异。交互式服务可能需要即时处理，而训练检查点或数据准备任务通常可以等待。

运营商可以按优先级和截止时间对这些工作负载分类。当电网请求支援时，调度软件会降低低优先级活动，同时保护受严格性能承诺约束的服务。

跨地点迁移工作提供了另一种调节手段。拥有多个数据中心的公司可以将任务发送至电力容量可用的地区，前提是其网络、数据和合规要求允许迁移。

这一技术并不会让计算不再消耗能源。它改变的是电力消耗的时间和地点，而这在短暂的电网紧急情况下可能至关重要。

2025 年在 Phoenix 开展的一项试验提供了早期证据。这项现场演示使用了包含 256 个 GPU 的商业云集群，以及具有代表性的 AI 工作负载。

研究人员报告称，在峰值事件期间，该集群的功耗在三小时内降低了 25%。他们表示，该系统在未增加电池或改动硬件的情况下，仍满足其定义的服务质量要求。

这一结果支持该机制，但其规模仍然有限。一个 256-GPU 集群并不等同于通过多个变电站接入、负荷达数百兆瓦的园区。

该测试还在计划条件下评估了特定工作负载。商业项目必须应对意外故障、不断变化的客户优先级、极端天气，以及多个相邻发生的电网事件。

NVIDIA 和 Emerald AI 表示，它们在随后一年于五个商业数据中心进行了演示。下一次测试旨在更接近公用事业公司必须评估的规模。

双方计划在弗吉尼亚州 Manassas 的 NVIDIA AI Factory Research Center 部署一个 96 兆瓦项目。Digital Realty、Electric Power Research Institute 和 PJM Interconnection 参与其中。

这些公司预计该设施将采用 NVIDIA 的 Vera Rubin DSX 架构。商业规模运营将为工作负载表现、遥测数据和响应可靠性提供更有力的证据。

这一基本概念并不局限于 Emerald AI。Google 已开发出将部分计算迁移至更清洁或限制更少时段的系统。其他供应商则利用不间断电源来降低短时功率峰值。

Emerald AI 的差异化之处，在于它提出将公用事业公司与工作负载控制系统连接起来。这一接口将使电网运营商能够请求类似可调度能源资源的响应。

NVIDIA 架构也支持配备现场发电和储能设施的混合型园区。这些资源可在完整电网接入可用前，提供临时的过渡电力。

在并网之后，同一套设备还可支持灵活运行。不过，配套建设的发电设施也会带来燃料、许可、排放和成本等问题。

AEMA 并未规定唯一的技术路线，因为不同电网需要不同的服务。发电容量不足的系统，与受限于本地输电线路的系统，需求并不相同。

基于绩效的规则能够容纳这些差异，也能避免企业仅凭拥有电池或工作负载软件就宣称具备灵活性。

公用事业公司需要证据证明，整个设施能够在电表侧实现规定幅度的负荷削减。这种削减必须迅速到位、持续足够长的时间，并且能在被要求时随时提供。

更快接入意味着接受真实的限电风险

如果数据中心获得加速接入，却在电网条件最严峻时避免作出实质性削减，那么该联盟的承诺就会落空。

AEMA 将灵活性描述为协调 AI 增长与可靠性、可负担性的一种方式。然而，联盟成员自身也对更早获得电力供应拥有直接的商业利益。

这种利益冲突并不会否定该提案，但它使独立测量、可执行合同和透明的成本分配变得不可或缺。

灵活并网不能依赖紧急情况下的一通自愿电话。电网运营商需要通过遥测数据了解设施当前的用电量，以及其能够可靠削减的负荷规模。

他们还需要针对未履约情况制定规则。若数据中心未能完成其义务，可能会加剧紧急状况，因为电力系统原本是围绕一项未能实现的负荷削减进行规划的。

处罚措施可能包括提高收费、减少服务，或取消灵活并网资格。具体后果将取决于公用事业电价方案和区域市场规则。

预测也会带来另一个问题。一座设施可能基于当前的工作负载组合承诺灵活性，随后却吸引到应用程序要求持续可用性的客户。

由于用户期待即时响应，AI 推理可能比部分训练任务更难延后。安全系统、医疗应用、金融服务及其他敏感工作负载可能施加额外限制。

工作负载迁移同样存在边界。在不同地区之间转移任务时，可能遭遇网络延迟、数据驻留规定、存储成本或加速器容量不足等问题。

即使是技术上具备灵活性的园区，也可能在大范围热浪期间变得不那么灵活。多个地点可能同时面临电网压力，从而失去将工作转移至其他地区的选择。

电池和现场发电可以提供帮助，但持续时间有限。以化石燃料为动力的备用系统还可能将环境成本从电网转移给周边社区。

该联盟表示，其标准将涵盖响应持续时间和可预测性。监管机构应在长时间紧急情况而不只是短时峰值中检验这些条款。

规模也带来另一种不确定性。单一设施降低用电量可以支持电网，但数千台自动化设备同时响应可能引入新的负荷爬坡和运营挑战。

公用事业公司必须了解设施在限电后如何恢复用电。如果所有暂停的工作负载同时重启，反弹负荷可能形成新的峰值。

与灵活数据中心经常关联的 100 吉瓦机会，需要谨慎解读。它来自于关于电网利用率、可用灵活性和地理匹配情况的建模与假设。

这并不意味着软件发现了 100 吉瓦稳定可靠的电力。随着 AI 需求增长，新的发电设施、输电线路和变电站仍将是必需的。

Emerald AI 首席科学家 Ayse Coskun 承认了这一限制，她表示，这种方法可以减少对新增发电的需求，但无法完全消除需求。这一区别将可信的灵活性与“计算软件可以取代实体基础设施”的说法区分开来。

一些地区的公共政策已经开始转向强制限电。一项电力政策审查描述了得州和 PJM 的提案：在紧急情况下切断或限制大型负荷。

这些提案展示了数据中心开发商面临的替代方案。灵活性可能通过协商激励机制实现，也可能被监管机构作为运营条件强制要求。

一些行业组织希望获得自愿削减负荷的补偿，并警告僵化的规则可能打击投资。消费者权益倡导者则质疑，仅靠限电是否足以避免普通客户补贴数据中心扩张。

因此，AEMA 必须证明的不只是技术可行性。它还必须表明，加速电网接入不会将过高的成本或可靠性风险转嫁给其他人。

早期公用事业项目将决定该模式能否规模化

下一阶段的评判将取决于运营数据、可执行的电价方案和对客户的影响，而不是更多联盟公告。

首个值得关注的信号是计划中的弗吉尼亚州 96 兆瓦部署。它应能揭示，灵活 AI 数据中心能否以具有商业意义的规模提供可预测的负荷削减。

有价值的结果将包括响应时间、削减持续时长、恢复行为，以及免受中断保护的工作负载占比。汇总报告可在不暴露客户数据的情况下提供证据。

在不同季节反复展现的性能，将强化 AEMA 的论据。若一项受控演示避开了系统最困难的运行时段，核心的可靠性问题仍将无法得到解答。

第二个信号是灵活并网电价方案的采用。这些项目将政策概念转化为合同权利、测量要求和相应后果。

Silicon Valley Power 已推出 Flexible Load Interconnection Program，以可调度的灵活性换取扩大的接入机会。Emerald AI 和 NVIDIA 已宣布部署与该框架相连的 DSX Flex。

这项商业部署旨在让公用事业公司能够向参与设施提出调整请求。根据 Emerald AI 的说法，该部署此前已在两大洲完成五项演示。

得州也正在为可控大型负荷开发临时接入路径。此类框架可让设施在等待传统稳定供电服务期间，利用可用的容量余量。

具体细节将决定这些项目能否保护电网。监管机构必须界定合格技术、通知期限、最大中断时长、测试程序，以及未按要求响应的处罚措施。

他们还必须决定谁来支付仍然必要的升级费用。灵活性可以推迟部分投资，但无法消除所有本地瓶颈，也无法替换老化基础设施。

第三个信号是独立电网运营商是否会在正式规划中接受灵活性。仅凭联盟成员身份，并不能保证公用事业公司会在并网研究中认可承诺的负荷削减。

运营商需要与电表数据挂钩的证据，而非工作负载软件的估算。他们还需要确信，在项目整个运营寿命内，负荷削减能力始终可用。

PJM 参与弗吉尼亚研究中心，使这一模式得以进入一个重要的验证场景。其服务区域覆盖主要数据中心市场，并为大西洋中部和中西部地区的 6500 万人提供服务。

若能在此取得成功，将强化“灵活计算可以成为大负荷规划一部分”的论点。围绕权限、补偿或执行的持续争议，则会削弱这一论点。

AEMA 还将面临来自社区的更广泛考验。电费、本地空气污染、用水量和土地利用，仍将持续影响公众对数据中心的接受程度。

灵活运营只能解决其中一部分问题。一座在电网紧急情况下削减用电的设施，仍可能需要新基础设施，并在全年消耗大量能源。

这正是有关可负担性的主张需要实际电价结果加以验证的原因。联盟表示，提高电网利用率可以降低系统成本，但监管机构必须确定谁能够获得这些节省。

对开发商而言，实际吸引力很直接。灵活服务可能将一个无法使用的场址，转变为能够提前数年开始运营的场址。

对公用事业公司而言，好处在于选择空间。它们可以接入经济发展项目，而不必假定每新增一兆瓦负荷都必须在系统最严峻的时刻持续可用。

对 AI 客户而言，权衡则更为复杂。灵活基础设施可以扩大加速器供应，但部分计算任务可能在压力时期面临调度限制。

只有当这些限制变得可测量且成为常规，AI Energy Management Alliance 才能取得成功。它不能依赖工程师在演示期间的非常规努力。

该联盟已经确定了一种可信机制，并聚集了有能力测试它的企业。其下一项挑战，是将合作性表述转化为公用事业公司能够信赖的义务。

首先关注弗吉尼亚设施的运营结果，其次关注新的灵活电价方案条款，最后关注它们在区域规划中的处理方式。这些信号共同将表明，更快接入是否反映了真正的电网价值。

采购 AI 基础设施的组织现在应提出不同的问题。他们不应只考察供应商提供多少计算容量，还应考察当电力变得稀缺时，这些容量会如何表现。

NVIDIA 和 Google 的倡议使这一问题不可回避。数据中心电网接入的未来，越来越取决于能否证明计算需求可以灵活调整，而不损害其所支撑的服务。