IEA报告：未来五年数据中心电耗将翻倍，谁来为AI供电？

· 国际能源署（IEA）最新报告显示，全球数据中心电力消耗将在五年间翻倍，届时将占全球电力需求的3%，AI专用数据中心用电量增长将超3倍。驱动这一增长的不仅是数据中心数量的扩张，更是单个机架功率的爆炸式跃升。

· 视频生成、推理模型、AI Agent等新兴应用的能耗是文本查询的数百至数千倍，所以能效的提升并未遏制电力需求的增长。

· 没有哪一种能源能独撑这场算力盛宴，IEA预测未来可再生能源、天然气和核能组合供电将是现实的常态。

· 2026-2030年间，数据中心相关投资将达3.9万亿美元。重型燃气轮机制造商、电网设备商、核能公司或将受益明显。

· AI在能源系统优化方面展现出可观潜力——预测性维护、电网调度、需求响应等领域的节能率可达3%-10%，但数字技能短缺、数据碎片化等障碍，正在制约这一潜力的释放。

近日，国际能源署（IEA）发布了一份特别报告《能源与AI关键问题》，系统梳理了AI发展对全球电力需求、能源供给结构与投资格局的深远影响。红杉汇梳理了报告中的核心数据与洞察，以供各位读者参考。

IEA预测，全球数据中心的年耗电量将从2025年的485 TWh大致翻一番，达到2030年的950 TWh，届时约占全球电力需求的3%。

这一数字背后，有两条相互叠加的增长曲线。

2020-2035年数据中心用电量

第一条是规模扩张。2025年，全球AI专用数据中心的电力消耗较上年增长50%；到2030年，其耗电量将从2025年的约155 TWh增长超过3倍，达到465 TWh——在全部数据中心950 TWh的总量中，AI专用算力的占比将从不足三分之一跃升至近二分之一。大型科技公司的支出在2025年已超过4000亿美元，2026年预计进一步增长75%至7150亿美元——这一数字，已超过美国整个能源行业2024年的年度投资总额（不足6000亿美元）。

但这场扩张并非没有阻力。供应链瓶颈（高带宽内存短缺预计持续至2027年底）和电网连接的排队等待（部分地区长达5-10年）等，都在限制增长的实际速度。

即便在这些约束之下，第二条曲线仍在以另一种方式加速。单个机架的功率密度，正在经历一场没有减速迹象的竞赛。2020年，采用Ampere架构的机架功率约为13 kW；如今Blackwell架构已达到130 kW，五年间增长11倍；而计划于2027年推出的Rubin架构，目标功率将达到600 kW/机架，最终目标更是指向1 MW/机架。这意味着，即便数据中心的物理占地面积保持不变，其电力需求也将继续呈数量级攀升。

需求是明确的，供给侧的答案则要复杂得多。

可再生能源是科技公司对外的首选。2025年，数据中心运营商签署的可再生能源购电协议（PPA）超过40 TWh。问题在于：数据中心的负荷因子高达75%-90%，需要全天候不间断的电力供应，而风电和光伏的间歇性无法单独满足这一要求。

PPA满足数据中心电力需求的比例

天然气是正在悄悄扩张的现实选项。报告显示，全球管道中超过100 GW的现场天然气发电项目正在推进，美国占大头。其中一个新现象尤为值得关注：科技公司开始大规模采用航改型燃气轮机（aeroderivative gas turbines），在数据中心园区里建起自己的发电厂——这意味着，科技公司正在悄悄变成能源公司，主动绕开公共电网漫长的排队等待，自己掌控电力供应。

核能最受市场追捧，但落地时间表让热情降温。科技公司与现有核电站签署的购电协议已达7.1 GW，大多锁定25年长期合同。小型模块化反应堆（SMR）的签约管道从2024年底的25 GW激增至2026年1月的45 GW，增长近一倍。但现实是：首批商业项目预计最早要到2030年前后才能并网。

到2030年，IEA预测这场三方博弈的结果是：可再生能源占数据中心发电的约1/3（360 TWh）、天然气约30%（340 TWh，较今天翻倍）、核能从75 TWh增至120 TWh。没有哪一方能独撑这场算力盛宴，组合供电将是现实的常态。

今天，一次AI文本查询的能耗仅需0.24-0.34 Wh，模型训练和推理的能效确实在持续进步。如果只看数字，很容易得出一个结论：AI正在变得越来越绿色。但数据遮蔽了一个更重要的现实。

应用形态的演进，正在让“单次省电”的意义变得越来越小。视频生成的能耗，是文本查询的数百倍；复杂推理任务的能耗，是文本查询的数千倍；而AI Agent——能够自主规划、多步执行任务的智能体——由于需要反复调用模型、持续与外部工具交互，其能耗量级更难以简单估算。报告明确指出，效率收益正在被使用量的激增和应用复杂度的提升所彻底抵消。

这一现象有一个经济学上的对应概念——杰文斯悖论（Jevons Paradox）：当一种资源的使用效率提升时，往往不会减少总消耗，反而因为使用门槛降低、需求扩张而导致总消耗增加。蒸汽机效率的提升，没有减少煤炭的消耗，而是打开了工业化的大门。AI的效率提升，同样正在打开一个更大的应用边界。

报告还揭示了另一层矛盾：即便效率在提升，不同模型之间的能耗差异仍然悬殊，且并不总是与性能挂钩。这意味着，在“够用就好”的应用场景中，选择一个轻量级模型而非旗舰模型，可能是目前最现实的节能路径——但在追求极致性能的竞争压力下，这种理性选择并不总是会发生。

IEA对数据中心增长的预测表明，2026年至2030年间数据中心累计投资将达到3.9万亿美元。这是一个巨大的数字，因此金融市场对数据中心和AI投资回报的看法将成为影响该行业发展的重要因素。

受益最显著的，或将是电网设备、变压器、功率电子、液冷、储能、天然气轮机等“卖铲子的人”。自ChatGPT发布以来，重型燃气轮机和电网设备制造商的市值增幅最为突出，与AI科技股之间的价格联动在统计上也最为显著。GE Vernova计划2026年中期将燃气轮机产能扩至20 GW、2028年达24 GW；西门子能源电网技术业务的订单积压已达420亿欧元；变压器制造产能同比扩张20%。供应链的紧绷，成了这些制造商的定价护城河。

部分燃气轮机和电网设备制造商的扩张计划

核能公司是另一个被市场重新定价的板块。科技公司与现有核电站签署的购电协议已达7.1 GW，且大多锁定25年长期合同。美国核能公司的股价走势与AI股票的相关性，在所有能源子板块中排名第二。

AI与能源的关系，并非只有“AI消耗能源”这一个方向。报告专门用一个章节探讨了另一面：AI有没有可能成为能源系统本身的优化工具？

答案是有，而且潜力相当可观。IEA梳理了AI在能源领域最成熟的应用场景：电网调度优化、可再生能源发电预测、工业设备预测性维护、建筑和工厂的需求响应管理。在这些场景中，AI优化带来的能源成本节省可达3%-10%。将这一潜力放大到全球尺度，报告估算，到2035年，AI在能源密集型产业中的系统性应用可累计节省超过13艾焦（EJ）的能源消耗——相当于全球最终能源消费总量的3%。

但“能做到”和“正在做到”之间，隔着一道现实的鸿沟。

报告将“缺乏数字技能”列为AI在能源行业落地的首要障碍。传统能源企业的从业者，并不天然具备驾驭AI工具的能力；而懂AI的人才，也未必愿意流向薪酬体系和创新氛围相对保守的能源行业。其次是数据问题：能源设施往往运行着数十年前部署的老旧设备，数据采集能力参差不齐，不同系统之间的数据格式和标准难以互通。此外，网络安全顾虑也在制约能源企业将关键基础设施数据接入AI系统的意愿。

本文来自微信公众号“红杉汇”（ID：Sequoiacap），作者：洪衫，36氪经授权发布。

游侠云AI普通

收藏 链接