onsemi 数据中心能源报告挑战全面暂停令
尽管针对数据中心建设暂停令的政治支持日益增加，onsemi 仍希望数据中心运营商披露其将电网电力转化为 AI 算力的效率。首席执行官 Hassane El-Khoury 认为，社区在决定拟建设施是否浪费电力、是否应获批准之前，需要获得可比较的运营数据。
这项提议正值两种粗放衡量方式发生冲突之际。开发商通常以电力容量宣布设施规模，往往达到数百兆瓦甚至数吉瓦。居民则通过电费、水资源需求、噪声、土地使用以及新增电力基础设施来感受这些项目的影响。
纽约州选择暂时暂停新的超大规模设施建设，同时制定更严格的标准。El-Khoury 称全面限制目光短浅。他提出的替代方案——onsemi 数据中心能源报告——将根据设施相对于从电网获取能源所产出的有效算力来评判设施。
这听起来比仅按规模批准或拒绝项目更为精确，但也带来了棘手问题。AI 工作负载各不相同，有效算力没有通用单位，而提出该指标的公司恰好销售提高该指标所需的电源芯片。
onsemi 希望推行效率披露，而非全面禁令
眼下的变化是，onsemi 呼吁建立一项公开效率标准，超越设施对外宣称的电力容量。
El-Khoury 在参观 onsemi 位于纽约州 East Fishkill 的制造工厂期间提出了这一观点。根据最初的能源披露报道，他说，政府应要求企业提供有关能源浪费的信息，而不是将 AI 基础设施作为一个类别整体拒绝。
这种区别至关重要，因为项目公布的容量几乎无法说明电力进入园区后会发生什么。一座拟建的 1 吉瓦园区告诉监管机构，该项目预计在最大规模下消耗多少电力，却无法揭示最终有多少电力真正输送至处理器、内存、网络设备和存储设备。
从电网连接点到 AI 芯片之间，存在多个转换步骤。每一步都会改变电压、将交流电转换为直流电，或在机架和电路板之间分配电力。没有任何转换是完美的，因此部分能源会转化为热量。
这些热量又带来另一项负担。冷却设备会消耗额外电力，而某些冷却方案也需要大量用水。因此，电力系统中的损耗可能在冷却系统排出由此产生的热量时，带来第二项运营成本。
El-Khoury 希望政策制定者将原始电力消耗与设施提供的有效算力进行比较。原则上，这将奖励那些利用相同电网连接产出更多 AI 工作的运营商。
这一提议将讨论重点从规模转向性能。一座拥有高效供电、优化服务器和高设备利用率的大型设施，可能优于规模较小但使用效率低下的场址。单靠容量无法揭示这种差异。
现有行业指标只能部分解决这一问题。电源使用效率（PUE）将设施总用电量与其信息技术设备的用电量进行比较。PUE 越接近 1.0，意味着用于冷却、照明和其他开销的能源越少。
PUE 并不衡量处理器是否在完成有价值的工作。一栋装满闲置服务器的建筑，可能记录下颇具吸引力的 PUE，因为几乎所有电力都输送给了 IT 设备。该指标无法告诉公众，这些设备完成 AI 训练或推理任务的效率究竟如何。
因此，El-Khoury 的提议超越了通常的设施效率概念。它要求运营商将电网需求与算力产出联系起来。这是一个更具揭示力的目标，但也更难标准化。
这一时机反映了 onsemi 的商业定位。该公司供应的功率半导体可在数据中心、车辆和工业系统中充当高速电气开关。更好的转换可减少业内所谓“电源树”各环节的电力损耗，即从设施连接点向各个芯片输送电力的链路。
onsemi 也直接有兴趣说服政府：更好的硬件能够缓解部分能源问题。更严格的披露制度将使高效功率组件在采购和许可决策中获得更高可见度。
这种利益关系并不会否定该提议。它确实意味着，政策制定者应将披露这一有益理念，与任何单一供应商偏好的衡量方式或技术区分开来。
为什么 AI 数据中心能源报告正变得紧迫
压力来自 AI 建设速度与公众获取其本地成本信息质量之间不断扩大的差距。
美国数据中心在 2023 年消耗了约 176 太瓦时电力，约占全国用电量的 4.4%。一项联邦能源需求研究预计，到 2028 年，其占比可能达到 6.7% 至 12%。
这个宽泛区间很重要。它表明，即使是国家级研究人员也无法将未来需求压缩为一个可靠数字。硬件出货量、AI 采用率、服务器利用率、冷却系统和运营实践，都可能改变结果。
在这种不确定性消失之前，社区仍必须作出决定。大型客户开始运营前数年，公用事业公司就需要制定发电、输电和变电站计划。如果预测需求发生变化，或规划中的园区始终未达到满负荷，监管机构还必须决定由谁为升级工程买单。
在这一过程中，居民面临信息劣势。公用事业公司与大型客户之间的合同可能包含保密条款。项目公告强调投资、就业和最大容量，而运营数据通常较晚才会出现，或者始终以汇总形式披露。
联邦政府已开始着手解决这一衡量缺口。2026 年 3 月，美国能源信息署在得克萨斯州、华盛顿州、北弗吉尼亚州以及华盛顿特区启动了三项自愿试点研究。
该机构确认这几个地区有 196 家公司运营数据中心。其试点能源调查要求参与公司提供至少一处设施的用电量、能源来源、场址特征、服务器和冷却系统等信息。
这些类别比单一效率比率更为广泛。它们可帮助研究人员区分算力需求与配套基础设施，并识别不同设施之间的差异。
不过，试点要求每家参与公司至少报告一处设施的信息，尚未建立完整的全国清单。自愿参与也意味着政府仍依赖行业合作。
EIA 表示，计划在完成试点后制定强制性调查。这项工作将为政策制定者评估 onsemi 数据中心能源报告或其他标准化框架提供更坚实的基线。
报告之争也已成为家庭负担能力议题。大型设施可能需要新的发电厂、输电线路、变电站和备用系统。普通用户是否承担这些成本，取决于公用事业费率设计、合同、州监管以及需求预测的准确性。
效率披露无法解决所有成本分摊争议，但能使这些争议更加具体。监管机构可以将预测消耗与实际运营进行比较，审查峰值需求，并判断承诺的效率是否真正实现。
开发商也将面临明确界定其说法的压力。“高效”需要明确分母、报告周期，以及设施边界的一致定义。缺少这些细节，该术语就仍只是营销描述，而非可审计的结果。
对于追踪快速变化基础设施承诺的知识工作者而言，可搜索的AI 知识库有助于关联许可文件、公用事业申报、公司声明及后续运营披露。挑战不在于找到一个数字，而在于保留足够背景，以比较承诺与表现。
纽约州选择暂停，onsemi 则主张衡量
核心冲突在于针对性的透明度与预防性限制，而非芯片制造商与环境保护之间的对立。
纽约州在 2026 年 7 月让这一冲突变得具体。州长 Kathy Hochul 对新的超大规模数据中心实施临时全州暂停令，同时官员们制定更强有力的环境和社区标准。
该政策暂停超过州内门槛的新设施，而不是等待运营商在建成后证明其效率。纽约州的暂停令公告将该措施描述为防范更高电费、用水压力、噪声、排放和电网压力的保护手段。
州政府官员还提到，截至 2026 年 5 月，纽约州并网申请队列中的数据中心负荷申请接近 12 吉瓦。据报道，超过 8 吉瓦在 2025 年进入该队列。
并网申请并不等同于正在运营的设施。一些拟议项目会调整规模、变更地点，或永远得不到建设批准。然而，公用事业公司必须调查可信申请，因为即便其中只有一部分需求实现，也可能影响长期规划。
暂停令为该州在批准又一波大型负荷之前制定规则提供了时间。其逻辑是预防性的：当信息不完整且潜在成本很高时，暂停可在监管机构建立框架期间限制风险暴露。
El-Khoury 的批评针对的是这种应对措施的广泛性。他认为，政策制定者应识别希望防止的具体危害，并直接加以衡量。一座设施不应仅因支持 AI 或消耗大量电力就被视为不可接受。
这一论点具有现实力量。全面暂停令会以相似方式对待采用不同技术、能源合同、冷却方法和社区协议的运营商。它还可能将投资引向邻近州，却无法提升全国能源效率。
反方论点同样务实。效率标准不会自动保护居民免受基础设施成本、本地污染、土地冲突或取水问题的影响。一座设施即使在每千瓦时对应的算力产出方面表现良好，仍可能造成不可接受的本地负担。
纽约州的方法也认识到执行问题。除非监管机构能够检查运营数据、核实计算方法，并对表现不佳施加后果，否则承诺的效率水平提供的保护有限。
最终，最有力的政策或许会结合两种方法。政府可以在建设前要求环境审查和成本保护措施，然后在设施投运后要求标准化运营披露。
在这种模式下，报告不会取代审批许可，而是会形成反馈闭环。运营中的设施所测得的结果，将改善未来的预测、费率审查、许可流程和社区协议。
正是在这里，onsemi 数据中心能源报告不再只是企业宣传话术。如果实现标准化并由独立机构核验，它可以帮助监管机构区分真正高效的项目，与那些占用预留容量却未创造承诺经济价值的设施。
它还会揭示，暂停令是否针对了正确的风险单元。各州可能会发现，电网接入时机、本地发电、冷却用水或客户成本保障，比设施的额定容量本身更为重要。
最困难的部分：定义有用的 AI 算力
“每单位能源对应的算力”标准之所以吸引人，是因为它听起来客观，但 AI 工作负载难以简单比较。
AI 训练和 AI 推理承担不同任务。训练利用大型数据集和重复的数学运算来构建或更新模型。推理则利用经过训练的模型回答提示词、分类信息、生成媒体内容或执行其他操作。
即使在推理场景中，一种输出与另一种输出之间也可能差异巨大。简短的分类请求所需资源不同于长时间的推理会话。文本、图像、音频和视频也对计算与内存提出不同需求。
因此，按任务数量统计会造成扭曲的比较。运营商可以通过处理大量简单请求，而非较少的高难度请求，显得效率更高。
按 token 统计——token 是模型处理文本片段的常见单位——也无法完全解决问题。不同模型架构处理 token 的方式不同。更长的上下文窗口会增加内存传输，而推理系统可能执行最终回复中不可见的内部计算。
芯片性能基准测试提供了另一种选择。监管机构可以比较单位能源完成的标准化工作负载。基准测试让硬件配置更容易在受控条件下评估。
但基准测试不是运营记录。真实设施运行混合型工作负载，利用率不断变化，并为流量高峰或故障预留冗余容量。针对某一项基准优化的系统，在实际客户需求下可能表现不同。
利用率带来了另一项复杂因素。一台高效服务器若一天中大部分时间闲置，浪费的总能源可能超过一台效率较低但持续满负荷运行的服务器。因此，设施披露必须同时涵盖组件性能和实际运营情况。
测量边界同样重要。一家公司可能只报告数据中心内部消耗的能源，而不计入附近发电设施、网络基础设施或水处理所使用的电力。另一家运营商则可能将这些系统纳入统计。
时间也会改变结果。可再生能源发电量会随小时波动，而区域电网在高峰期依赖的资源也各不相同。年度平均值可能掩盖设施是否在供电最紧张的时段增加需求。
可信的框架需要多项互补指标，而不是单一评分。这些指标可以包括总用电量、峰值负荷、IT 能耗、冷却能耗、服务器利用率、完成的标准化工作负载、用水量，以及按报告期计算的碳强度。
欧盟提供了一个相关先例。其《能源效率指令》为符合条件的数据中心设定了报告义务，同时欧盟委员会一直在制定统一的可持续性评级方案。欧盟的数据中心框架会在政策制定者确定最终评级方法之前收集信息。
这一顺序具有借鉴意义。政府可以先要求提供一致的原始数据，审查这些信息揭示了什么，再决定哪些综合指标应当在监管中获得更大权重。
美国可以通过 EIA 的调查工作采取类似路径。设施层面的保密性仍需谨慎处理，尤其是在运营数据会揭示客户活动或商业敏感产能的情况下。
公开报告可能需要采用汇总或延迟发布的方式。不过，监管机构可以在保密保护下获得更详细的提交材料。独立审计机构则可在不暴露客户工作负载的前提下核验计算结果。
标准制定过程应纳入运营商、公用事业公司、半导体企业、社区团体、能效研究人员和独立测量专家。onsemi 可以提供技术知识，但不应控制决定其客户是否显得高效的分母。
高效电源芯片有所帮助，但不足以平息争论
onsemi 的技术确实能够减少电力损耗，但芯片层面的提升无法回应社区提出的所有异议。
数据中心的供电涉及反复转换。电力可能以高压交流电形式到达，经过变压器和开关设备，进入直流配电系统，并在抵达处理器前再次降压。
功率半导体控制这些转换过程。碳化硅和氮化镓器件可在特定应用中以高电压、高开关频率或较高温度运行。其特性可减小部分组件的体积，并提高转换效率。
onsemi 一直在推广面向未来 AI 设施的固态变压器。固态变压器利用电力电子技术进行电压转换和控制，替代了传统电磁变压器承担的部分功能。
该公司表示，更高电压的直流架构可以减少转换环节。其电力转换方案描述了行业将在本十年后期转向 800 伏配电。
减少一个转换环节，就能避免原本会转化为热量的部分能源损耗。更高的配电电压还能在相同功率水平下降低电流，从而减少电阻损耗和导体需求。
在 AI 规模下，这些收益十分可观。对于超大型园区而言，一个百分点的效率提升就意味着显著的电力和冷却需求变化。这种益处可以贯穿设施的整个运营生命周期。
onsemi 有充分的商业理由强调这一机制。在其 2026 年第二季度业绩中，该公司称 AI 数据中心是其增长最快的业务，并表示相关营收将在年内增长一倍以上。
该公司报告季度总营收为 16.04 亿美元，同比增长 9%。它还强调了自己在 Nvidia 的 MGX 生态系统中扮演更广泛角色；MGX 是系统构建商使用的模块化服务器平台。
其季度业绩显示了这项报告提议为何具有战略意义。如果运营商必须记录转换损耗，采购高效电源硬件就更容易获得合理依据。
这并不意味着这些硬件没有必要。它意味着读者应当同时认识到，这一政策主张背后的工程价值和商业动机。
电力转换也只是数据中心能效的一个层面。处理器设计、内存传输、网络、冷却、软件调度、模型架构和利用率，都可能在系统的其他环节消耗或节省更多能源。
更高效的供电链路甚至可能带来反弹效应。每次计算的能耗降低，会减少运行 AI 的成本，从而鼓励客户提出更多计算需求。即使每项任务都变得更高效，总用电需求仍可能上升。
这种效应不会抹去节能成果。但它会阻止政策制定者将组件效率视为绝对能耗必然下降的保证。
数据中心开发商还必须管理其用电时段。一座在电网紧急状态期间达到峰值需求的高效园区，可能比能在供应紧张时段减少工作负载的灵活设施带来更大系统压力。
因此，报告还应反映需求灵活性。运营商可以转移部分训练任务、使用储能、调整冷却，或将不紧急的工作安排在电力供应更充足的时段。并非所有推理工作负载都能等待，但许多计算任务具有调度灵活性。
信息披露的公共价值正在于揭示这些差异。监管机构可以识别那些只是采购高效组件的设施，以及那些能够有效协调硬件、软件和电网需求的设施。
onsemi 数据中心能源报告接下来必须证明什么
只有独立规则将一个颇具吸引力的效率概念转化为可比较、可执行的证据，这项提议才会真正重要。
第一个值得关注的信号，是 EIA 是否会从自愿试点转向强制性全国调查。该试点已涵盖能源来源、用电量、服务器特征和冷却系统。
强制性调查将建立共同的事实基线。如果它纳入足够详细的运营指标，将强化实施绩效监管的理由。范围狭窄或高度汇总的调查，则会让地方官员不得不寻找其他证据。
第二个信号，是纽约州在临时暂停令结束后制定规则的蓝图。官员必须决定哪些设施可以推进、谁为电网升级买单、如何审查环境影响，以及运营商必须披露哪些信息。
如果纽约州在社区保护措施之外采用可衡量的绩效门槛，就会缩小 El-Khoury 的提议与该州审慎做法之间的差距。如果主要依赖项目规模，冲突仍将持续。
第三个信号，是超大规模运营商是否会公布可比较的算力效率数据。电力和用水披露正变得更普遍，但不同公司之间有用 AI 产出的比较仍然困难。
可信的行业回应应采用共同的工作负载定义，披露测量边界，报告利用率，并接受独立核验。选择性的案例研究会削弱这样一种论点：自愿透明度可以替代更严格的限制。
读者还应关注规划容量与运营容量之间的差异。已宣布的吉瓦规模容易吸引注意力，但实际电网需求取决于建设进度、设备交付、客户需求和设施利用率。
报告中的效率应随着时间推移持续跟踪，而不应只在启用时受到庆祝。设施最初几个月的表现可能与稳定运行时不同。硬件更新、工作负载变化和入住率上升都可能改变性能。
社区需要的不只是一个企业评分。它们需要足够的信息，以回答有关电费、用水、噪声、排放、可靠性和本地收益的实际问题。
开发商同样需要可预测的标准。透明的框架能够界定获得批准和持续运营所需的证据，从而减少政治不确定性。
onsemi 的介入揭示了当前争论中的一个真实弱点。兆瓦描述的是电力连接的规模，而不是其背后计算的质量或公共价值。
其提出的补救方案仍不完整。计算产出难以标准化，效率提升可能增加总需求，而更好的电源芯片也无法解决所有本地影响。
不过，测量与审慎并不一定是相互对立的政策。政府可以在建设前保护社区，同时要求运营商在建设后证明其表现。
接下来的考验在于，onsemi 的数据中心能源报告究竟会发展为一项独立治理的标准，还是仍只是出自可能从中受益的供应商之口的一种主张。关注这一议题的读者应对比即将开展的联邦调查、纽约州的最终规则以及超大规模云服务商的披露情况。这三项信号将显示，行业是否已准备好用证据取代宽泛的效率宣称。
