科普｜AI 为什么越来越费电

这两年聊


AI


，大家最容易先想到模型、显卡、算力、参数量。

但如果把视角往后挪一步，会发现 AI 背后还有一个更基础的问题：电从哪里来，能不能稳定供上，出问题时能不能扛住。

AI 不是只运行在一张显卡里。它最终要落在数据


中心


里，落在服务器、


电源


、散热、


通信网络


和电网接入上。

所以，AI 越热，


电力系统


感受到的压力也越真实。

一、AI 为什么会越来越费电

AI 用电增长，首先来自算力本身。

训练大模型需要大量


GPU


长时间并行运行。模型上线之后，推理服务也不是“跑完一次就结束”，而是要 24 小时响应用户请求。

这和普通电脑偶尔开机不同。

数据中心里的服务器通常是成规模、连续运行的。服务器要用电，网络设备要用电，存储设备要用电，冷却系统也要用电。

很多人只看到了模型回答问题的那一秒，却没看到背后整套基础设施一直在工作。

更关键的是，AI 业务的增长往往不是平滑的。

一个应用突然爆火，用户请求量就会上来；一家企业开始大规模接入 AI，算力需求也会集中释放。对电力系统来说，这不是零散的小插座，而是一批越来越大的、越来越集中的新负荷。

二、数据中心不是普通机房

从电网角度看，数据中心和普通办公楼不太一样。

办公楼白天用电多，晚上用电少；商场、居民区、工厂也各有自己的用电曲线。但大型数据中心追求稳定在线，它的负荷更大，也更连续。

这意味着，数据中心接入电网时，不能只问“有没有电”。

还要问：输电线路够不够？变


电容


量够不够？高峰时刻能不能供得上？如果周边同时出现高温、工业负荷上升、充换电需求增长，系统还能不能保持稳定？

近期电力热点里有一个很直观的背景：7 月 14 日，全国用电负荷达到 15.51 亿千瓦。高温、工业生产、充换电服务、互联网数据服务等因素共同推高了用电需求。

这说明新型负荷已经不只是行业内部话题，而是会进入电力保供、电网规划和城市基础设施讨论。

三、国外电网已经把数据中心当成新变量

美国近期的讨论很有代表性。

FERC 要求六大区域电网运营商说明或改革大负荷接入规则。这里的“大负荷”，就包括数据中心、先进制造等用电规模较大的用户。

改革方向不只是“让它接进来”，还包括接入流程、输电成本透明、防止成本转嫁、灵活大负荷服务，以及就近电源与负荷协同等问题。

这背后的逻辑并不复杂。

一个大型数据中心要接入，可能需要新建或扩建输变电设施，也可能影响区域电网的备用容量安排。如果成本和责任说不清，就容易变成“谁受益、谁付费、谁承担可靠性风险”的争议。

PJM 在 7 月热浪期间首次使用“大负荷备用发电预警”流程，也很值得关注。

这次最终没有真正调用数据中心备用发电，但这个流程进入实际运行视野，本身就说明一件事：数据中心已经不再只是电网末端的普通用户，它正在变成电网应急体系里需要被提前考虑的节点。

四、从用电大户到可调节资源

传统理解里，数据中心只是“耗电”。

但在新型电力系统里，更值得关注的是它能不能“可调节”。

比如，在电网高峰压力特别大的时候，部分非实时任务能不能延后？算力能不能跨区域调度？备用电源能不能在应急状态下安全切换？冷却系统能不能在不影响设备安全的前提下参与柔性调节？

这就是“算电协同”开始受到关注的原因。

热点信息集中提到，上海开展了数据中心参与电网调节的规模化实测，技术路径包括柔性负荷调节、备电切换、算力跨域转移等。

这件事的意义在于：算力不一定永远是刚性负荷。只要业务分类、调度策略、电源系统和


通信


控制足够可靠，数据中心就有可能从单纯的用电大户，变成电网调节资源的一部分。

当然，这不是一句口号就能完成。

实时业务不能随便停，关键系统不能随便切，备用电源也不能只在纸面上可用。越是要参与电网调节，越要把设备、软件、通信、电源、运维流程一起纳入可靠性设计。

五、检测认证为什么会被带到台前

AI 基础设施看起来很“软件”，但它最终会落到一堆硬件问题上。

服务器电源是否稳定，UPS 能否可靠支撑，备用发电系统能否顺利切换，


电力电子


设备在复杂电磁环境下会不会互相干扰，监控与调度通信链路在高温、高负荷、异常切换时是否可靠。

这些都不是宣传页上的性能参数能完全说明的。

对数据中心、通信设备、电源设备、储能和配套


控制系统


来说，


EMC


、Safety、环境可靠性、通信协议一致性等测试，都是把“理论上能用”变成“实际场景中能稳定用”的过程。

尤其是在高温迎峰度夏、AI 算力集中建设、


新能源


并网比例提升的背景下，电力系统的稳定不再只靠发电端。

它越来越依赖一整条链路：电源设备可靠，通信控制可靠，监测数据可靠，异常切换可靠，运维响应可靠。

这也是检测认证工作容易被忽略、但实际很关键的地方。

它不制造热点，却在热点真正落地时决定底线。

六、看 AI，也要看它脚下的电力系统

AI 时代当然需要模型创新，也需要芯片、


算法


和应用生态。

但如果没有稳定的电力供应，没有可靠的数据中心，没有能和电网协同的大负荷接入机制，很多 AI 能力都只能停留在演示和小规模试用。

所以，“AI 为什么越来越费电”不是一个抱怨式问题。

它提醒我们：AI 正在从一个数字技术议题，变成一个基础设施议题。

未来几年，懂 AI 的人需要多理解一点电力系统；做电力、通信和检测认证的人，也会越来越频繁地遇到算力基础设施。

模型跑在云上。

但云，最终也要接在电网上。