当电力和数据成为“新石油”，电网接入会是AI转型的战略瓶颈吗？

人工智能（AI）技术正以惊人的速度发展。与此同时，用于训练前沿AI模型的计算能力每五到六个月就会翻一番。与以往技术时代以半导体尺寸缩减为特征不同，本轮增长并非由晶体管缩小驱动，而是通过部署越来越大的芯片集群来实现。

结合数据和计算基础设施的投资规模，这一进展正在彻底改变整个行业。但能源系统必须跟上步伐，才能让这一进程持续下去。正是这种从硅基效率向物理规模的转变，使得电网接入成为了制约因素。我们需要强有力的领导力来协调清洁能源投资、电网扩建与人工智能增长。

根本问题在于，对AI数据中心的投资增速，已超过了电网的设计承载能力。虽然计算能力、资本和人才依然至关重要，但在许多地区，将新设施接入电网可能需要4至10年，而AI数据中心通常规划建设周期为2到3年。这种错位日益决定着哪些项目能够推进，哪些项目将陷入停滞。

根据挪威船级社（DNV）的《2025年全球能源转型展望》，到2030年，AI和数据中心的电力需求将急剧上升，届时北美将占全球总需求的一半。

从2035年起，AI训练与推理（即训练好的模型应用于真实世界数据以生成答案）将成为数据中心用电的主要驱动力。DNV预计，到2060年，数据中心约80%的电力需求将来自人工智能，该行业将占终端电力需求的11%（约6,400太瓦时），略低于全球空间制冷的电力需求。

这部分新增负荷大多将通过输电网络接入。全球范围内，2030年约10%的新输电线路并网请求将来自数据中心，2040年这一比例将达到12%。

国际能源署（IEA）的数据显示，许可制度改革、电网规范协调、新型融资模式及公众参与工作虽在推进，但速度仍不足以匹配当前的AI投资规模。提高效率固然有帮助，但不能替代对物理容量、可靠连接和可预测运行环境的需求。

风险格局已发生转变。电网接入正日益成为制约因素，而非芯片、资本或算法。并网的不确定性已与技术创新风险不相上下。对运营商和政策制定者而言，挑战在于在保证可靠性的前提下整合这一新型需求。

直到最近，大多数数据中心的电力需求仍可归为两类：超大规模云数据中心（需求可预测，适合长期规划）和加密货币挖矿（需求波动大，但通常可中断）。AI数据中心则介于这两者之间。

它们兼具极高的功率密度、快速且不确定的负荷增长曲线，以及对中断的低容忍度。这使得它们成为当今电网规划和并网框架面临的最棘手负荷。

这使得AI数据中心在某种程度上成为电网互联能力的压力测试，将问题升级为系统层面的挑战。电网运营商不仅需评估单个项目，还需考量AI数据中心集群在数据有限且时间紧迫的情况下，如何与现有资产及彼此之间相互作用。

短期内，目标应是降低风险并部署系统保障措施，而非绕过电网。切实可行的措施包括：

例如，某AI园区已落实资金和硬件，却面临长达数年的电网接入排队。通过将分阶段并网与现场储能和运营负荷控制相结合，该项目可以在电网加固工作仍在进行期间提前投入运营，且不损害系统安全性。

AI已开始支持电网规划与运营，例如加速电力流研究、拥堵分析以及增强型数字孪生。但它无法消除监管、制度和物理风险带来的限制，也无法在关键时间框架内抵消AI驱动的负荷增长。

三类利益相关方需要发挥领导作用：

未来社会的电气化需要我们以全新的思维方式看待数字化和系统思维。正如我们在电动汽车电池领域所看到的那样，储能成为能源转型的重要推动力，数据中心也可凭借其强劲的商业价值，成为加速规模化的重要推动力。将AI增长与电网接入协调一致，如今已成为领导力的一项核心责任。

本文作者：

Ditlev Engel，挪威船级社（DNV）能源首席执行官

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。