AI尽头是电网：数据中心正在改写全球能源投资逻辑

2025 年 6 月，得州电网运营商 ERCOT 发布通知，要求接入容量达到 75 兆瓦及以上的数据中心和加密矿场提交电压穿越能力资料，并更新相关动态模型。

到了 2026 年，ERCOT 又提出 PGRR144，计划进一步明确大型负荷的模型质量测试和验证要求。截至 6 月 12 日，这项规则修订仍在审议中，但方向已经很清楚：

AI数据中心正在从科技公司的投资项目，变成电力系统需要单独管理的大型负荷。

这是一种值得重视的变化。

为什么电网关心“电压穿越”

电压穿越听起来很专业，原理并不复杂。

当输电系统出现短暂故障，电压可能瞬间下降。接入电网的大型设备不能立刻全部断开，而要在一定范围内继续运行，等系统恢复。

如果多个大型数据中心在同一次扰动中同时脱网，电网负荷会突然减少，系统频率和局部电压可能快速上升。故障结束后，这些负荷如果又集中恢复，还会形成第二次冲击。

ERCOT 在通知中提到，在特定运行条件下，其系统能够承受的负荷突然损失量大约为 2600 兆瓦。随着大型电子负荷越来越多，如果运营商不了解它们在故障中的真实表现，局部问题就可能扩散成更大的稳定性风险。

过去，钢铁、电解铝等大型工业负荷一直是电网重点管理的对象。现在，大规模 GPU 集群也进入了这个范围。

讨论 AI 能耗时，人们最容易关注全年总用电量。

美国能源部 2024 年发布的数据中心用电报告预计，美国数据中心用电量可能从 2023 年的 176 太瓦时，上升至 2028 年的 325 至 580 太瓦时，占全美用电量的比例也可能由 4.4% 升至 6.7% 至 12%。

总量增长固然重要，电网更难处理的是负荷出现在哪里、何时出现，以及变化有多快。

一个大型数据中心园区可能在较短时间内提出数百兆瓦的接入需求。项目又往往集中在少数具备土地、光纤和产业条件的地区。多个园区同时排队接入同一片电网，真正限制项目进度的就不再只是发电量，而是输电走廊、变电站和配电设备能否及时扩建。

芯片可以扩大订单，服务器可以分批交付，电网工程却要经过规划、审批、设备采购和施工。两套扩张速度并不一致。

数据中心和加密矿场都属于大型电子负荷，但它们在电网中的作用并不完全相同。

加密矿场对电价较为敏感。在电价高企或电网紧张时，部分矿场可以停机或降低负荷，参与需求响应。

AI数据中心承载云服务、企业系统和实时模型接口，对连续运行和响应速度有更高要求。部分计算任务可以调整时间，备用电源和储能也能提供一定灵活性，但其整体可中断程度通常低于加密矿场。

训练任务的计划性相对更强，部分工作可以调整到电力较充足的时段。推理服务直接面对用户请求，负荷会随着搜索、代码生成、图像处理和智能体服务的普及而持续增加，也更难完全避开用电高峰。

因此，AI数据中心既要求较高的供电可靠性，又不能随时大幅削减负荷。对电网规划者来说，这类负荷更接近需要长期保障的刚性需求。

Rystad Energy 预计，2026 年全球电网资本开支将超过 6500 亿美元，约为 2020 年的两倍。

这笔投资当然不只由 AI 推动。新能源并网需要扩建输电线路，电动车和城市制冷增加配电压力，工业电气化也在抬高用电需求。AI数据中心是在这些变化之上，又增加了一类规模更大、分布更集中、投产时间要求更紧的新负荷。

过去十年，能源转型的讨论主要集中在光伏、风电和储能。现在越来越多项目开始面对另一个现实：

发电能力建成，并不代表电力已经能够送到需要它的地方。

如果输电走廊、变电站和配电网跟不上，新能源会遇到消纳问题，数据中心也会遇到接入问题。电网由能源系统的后台环节，逐渐变成项目能否落地的前置条件。

这轮投资会带动输电线路、变电站、高压开关、电缆、储能和配网自动化。其中，电力变压器尤其值得关注。

变压器是数据中心接入电网的重要物理接口，也是电网扩建中交付周期较长的设备。Rystad Energy 的 2026 年报告显示，多数电力变压器的交期仍超过 12 个月，大型设备超过 24 个月。

数据中心可以加快采购芯片和机柜，但变电站建设仍受设备制造、工程审批和现场施工约束。设备到位而供电工程尚未完成，项目就无法按计划投产。

这也是当前数据中心选址越来越重视电力可得性的原因。税收优惠、土地和光纤仍然重要，但能否在预定时间获得稳定且可扩展的电力，正在进入更靠前的位置。

中国拥有完整的输配电设备、电力电子和储能产业链，在制造规模和成本方面具备优势。

但电网设备的出海逻辑与普通消费品不同。

变压器、开关设备等产品会在电网中运行数十年。公用事业公司关注的不只是报价，还包括认证、可靠性记录、本地运维、备件供应和网络安全。关键基础设施采购还可能受到本地化要求与国家安全审查影响。

中国企业在这类市场真正需要积累的，是认证周期、当地项目记录、与公用事业公司的合作经验，以及长期技术响应能力。产能可以扩建，这些记录只能通过时间建立。

AI对能源系统的影响可以沿着一条链条展开：

算力需求 → 数据中心建设 → 用电规模和负荷特性变化 → 电网接入与稳定性压力 → 电网扩建 → 变压器、开关设备、储能和自动化需求

每个环节都有自己的周期，而且并不同步。

芯片产能可以在几年内扩大，变电站的规划、审批和施工却很难按同样速度压缩。数据中心建设越快，这种周期差就越明显。

ERCOT 的动作是一个小信号，但它说明 AI 基础设施已经进入电力系统的安全运行框架。模型性能的竞争仍在继续，托住这场竞争的物理系统却越来越难被忽视。

AI运行在云端，约束它扩张速度的，可能是地面上的变电站、变压器和输电线路。

ERCOT, Large Load Survey and Request for Information of Voltage Ride-Through Capabilities, 2025-06-23 https://www.ercot.com/services/comm/mkt_notices/M-B062325-01
ERCOT, PGRR144: Dynamic Model Submission and Review Requirements for Large Loads including Large Electronic Loads, 2026 https://www.ercot.com/mktrules/issues/PGRR144
U.S. Department of Energy, DOE Releases New Report Evaluating Increase in Electricity Demand from Data Centers, 2024-12-20 https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers
Rystad Energy, Grid Equipment Market Outlook, 2026-05-28 https://www.rystadenergy.com/insights/grid-equipment-market-outlook
International Energy Agency, Electricity 2026, 2026-02-06 https://www.iea.org/reports/electricity-2026