AI能耗破两千太瓦时：五秒视频耗十部手机，算电协同成关键瓶颈
“人工智能每生成一段5秒高清视频，其耗电量等同于为10部手机充满电。”国家能源局局长王宏志在国新办发布会上披露了这组数据。7月8日，2026中国互联网大会在京开幕，算电协同高质量发展会议成为焦点议题之一。AI算力需求正以超预期的速度冲击全球能源体系——这并非遥远的“未来难题”，而是迫在眉睫的“现实挑战”。
国际能源署（IEA）最新报告显示，全球数据中心年耗电量已突破2000太瓦时，约占全球总用电量的8%。其中，AI训练与推理相关的算力能耗占比，已从2023年的不足10%飙升至40%以上。按此增速推算，预计到2028年，AI将成为推动全球新增电力需求的最大单一因素。
这是一个亟待深思的核心命题：当科技行业全力押注AI，每生成一张图像、每运行一次模型都在消耗可观的电力，能源是否会成为AI发展的终极制约？抑或AI自身将成为破解能源困局的关键钥匙？
数据中心的“电力紧缺”已现端倪
谷歌、微软、亚马逊、Meta四大科技巨头在2026年合计承诺的AI资本支出超2000亿美元。这笔资金中，相当比例并非投向芯片，而是用于电力。据行业估算，一个大型AI训练集群的峰值功耗可达100兆瓦以上，相当于一个小型城市的居民用电总量。单个GPT-4级别模型的训练能耗约为50GWh，足以支撑一个中型城镇全年的用电需求。
认知反差在于：大众普遍认为AI的成本瓶颈在于芯片价格，实则电力才是更硬的约束。英伟达B200的租赁价格在2026年10月的续约价将从每小时2.63美元涨至5.10美元，涨幅约94%。涨价的驱动因素之一正是数据中心自身电力成本的大幅攀升——电价上涨、冷却设备投入增加、备用电源系统扩容，每一项都在推高运营成本。
瑞银研报指出，2025年中国AI及数据中心用电量达235太瓦时，占全社会总用电量的2.25%；预计到2030年，这一比例将升至8.28%。尽管绝对占比尚低，但增速惊人——五年间翻了三倍多。这意味着，在中国“十四五”电力规划中原本几乎为零的数据中心用电需求，正迅速演变为必须正视的关键变量。各地电网公司已对新建数据中心项目实施更严格的能耗审查。
与会专家在算电协同会议上指出五大趋势之一：算力正成为关键数字基础设施，其规模扩张持续拉动用电需求。本质上，当算力本身转化为公共基础设施，其电力供给便不能再依赖“等待电网扩容”的被动模式。一个数据中心从选址到通电需3至5年，而GPU的代际更迭周期已缩短至18个月。
AI的环境成本不止于电力
联合国大学水、环境与健康研究所2026年发布的研究报告《人工智能能耗的环境成本：碳、水和土地足迹》强调，评估AI环境成本必须纳入水足迹和土地足迹，而不能仅局限于碳排放。报告预测，到2030年，全球数据中心相关用水量将相当于13亿人一年的基本生活用水需求。
这一数字的冲击力常被低估。大型数据中心需大量冷却水以维持GPU集群稳定运行。一座1GW规模的AI数据中心，年耗水量可达数亿加仑。在水资源本就紧张的地区，这无异于与当地居民争夺生存资源。美国亚利桑那州部分数据中心项目正因当地水资源争议而被迫搁置。
历史参照提供了一个令人不安的类比：19世纪工业革命时期，英国纺织业对水资源的消耗重塑了全国河流网络与水权制度。AI时代的算力基础设施建设，正以类似逻辑重塑全球能源与水资源的分配格局。区别在于，工业革命耗时百年，而AI仅用不到十年。2023年至2025年间，全球科技公司数据中心的总耗水量增长近60%，而水资源供给增长几乎为零。
算电协同的“不可能三角”
在算电协同会议上，一个被反复提及的矛盾是：大规模AI算力集群需要24×7不间断的电力供给，而可再生能源（风能、太阳能）具有天然的间歇性。这就构成了底层逻辑上的“不可能三角”：算力的连续性 vs 绿电的间歇性 vs 成本的可承受性。
谷歌、微软、亚马逊、Meta在2026年上半年相继公布2030年实现100%绿电的最新路线图。微软更是签署了全球最大的单一企业绿电采购协议——计划在2030年前采购10.5GW的可再生能源。关键问题在于，即便这些承诺全部兑现，电网的物理瓶颈依然存在。一条高压输电线路的建设周期为5至8年，远超AI算力部署节奏。
晶科能源副总裁钱晶算了一笔账：传统化石能源按现有消耗节奏或许尚能支撑三四十年，但AI的爆发式叠加将此时间窗口大幅压缩。“未来数据中心的胜负手，不仅看芯片算力，更看是否拥有稳定的电力底座，以及能否获得足够便宜、足够清洁的电力。”
工信部同期发布的《算力互联互通行动计划》提出，到2026年建立算力互联互通标准体系，同步推进城域“毫秒用算”专项行动。这标志着，中国正从“算力在哪里，电就送到哪里”的传统模式，转向“电在哪里，算力就部署在哪里”的新思路。内蒙古、宁夏、甘肃等西部清洁能源富集地区正成为新的算力中心选址热点——将算力部署在靠近绿电产地而非靠近用户的方案，正成为行业共识。
AI是否值得付出如此巨大的能源代价？短期内难有共识。但有一点明确：能源并非AI的“附加成本”，而是其“必要条件”。那些在算电协同上率先找到解决方案的企业与国家，将在下一阶段的AI竞赛中占据结构性优势。在不远的将来，衡量一家AI公司的竞争力，或许不仅看其拥有多少张GPU，更要看其能否获取足够的电力——以及能否以不牺牲环境的方式实现这一点。