编者按：AI 竞赛的下一个瓶颈，可能不在芯片，而在电表。据 TechCrunch 9 月 17 日报道，Google、Nvidia、Anthropic 与能源初创公司 Emerald AI 共同组建了一个新的联盟，目标是从现有电网中为新建 AI 数据中心“腾出”高达 100 吉瓦（GW）的容量。放在任何一个国家，这都是国家级电力规划的量级。
100 吉瓦是个什么概念
先把数字翻译成直觉。100 吉瓦的连续负荷，大致相当于 8000 万户美国家庭的平均用电需求，也接近美国全国电网峰值需求的十分之一以上。如果换成发电侧，这意味着上百台大型核电机组，或者数量惊人、交付周期漫长的燃气轮机。
而联盟的目标并不是去建这些电厂，而是要证明：在同样的电网物理条件下，通过更聪明地安排用电，可以让更多算力跑起来。
Emerald AI 想解决的不是“发多少电”，而是“什么时候用电”
在这四家名字里，Emerald AI 是最不为人知、却可能最关键的一家。它做的是数据中心负载侧的柔性调度：AI 训练任务、批处理推理、数据预处理等工作负载，本身具有一定的可延迟性——几秒、几分钟甚至几小时的调度弹性，在电网看来就是宝贵的可调节资源。
思路并不复杂：当电网富余、电价低廉时，数据中心全速运行；当电网吃紧、备用容量告急时，数据中心主动降载，把电让出来。这样一来，同一套输配电设施就能承载更多的算力装机，数据中心也从“电网的麻烦”变成“电网的工具”。这类做法在业内被称为“电网互动型数据中心”（grid-interactive data center）。
把负载当成资源来调度，而不是把新建电厂当成唯一答案——这正是此次联盟最值得关注的地方。
为什么是现在：并网排队、变压器与燃气轮机
过去两年，AI 数据中心的头号瓶颈已经从 GPU 悄然变成了电。美国主要区域电网的并网排队时间动辄四到七年；高压变压器交期一度超过 120 周；燃气轮机订单排期被推到 2030 年前后。容量市场上，数据中心密集区域的电价与容量价格屡创新高，电力成本开始实质性地影响模型训练与推理的账本。
与此同时，国际能源署等机构的预测显示，到 2030 年全球数据中心用电量可能较 2024 年翻倍以上。换句话说，电力不再是数据中心的运营成本项，而是决定扩张速度的前置条件。谁能更快拿到电，谁就能更快把芯片变成收入。
四家公司各有所图
对 Google 而言，这是一次把多年清洁能源采购经验升级为电网协同能力的机会。它长期追求 7×24 小时无碳能源匹配，而柔性负载正是把间歇性可再生能源“接住”的关键拼图。
对 Nvidia 而言，逻辑更为直接：芯片出货速度取决于客户多久能通电。GPU 单卡与整机柜功耗逐代攀升，如果电力交付跟不上，算力需求再旺盛也无法变成订单。
对 Anthropic 而言，这是为大规模模型训练争取长期、稳定且成本可控的电力供应。头部模型厂商之间的竞争，正在从算法与数据扩展到能源基础设施的谈判桌上。
而 Emerald AI 提供的，是把这四方诉求粘合起来的软件与市场机制：一套能实时感知电网状态、并在不牺牲关键任务的前提下动态调节负载的控制层。
100 吉瓦能不能落地
乐观之外，障碍同样清晰。
第一是物理约束。输电线路与变电站的容量不会因为软件优化而消失，柔性调度能提升利用率，却无法凭空创造输电走廊。
第二是市场规则。数据中心要凭“降载”获得补偿，就需要进入需求响应与容量市场的结算体系，而这涉及监管机构、区域电网运营商与各州公共事业委员会的层层审批。
第三是社会许可。数据中心已经在美国多地遭遇社区居民对用水、噪音与电价的强烈反对，任何新增负荷都需要更透明的沟通。
第四是弹性上限。延迟敏感的在线推理几乎无法降载，真正可调的只是训练与批处理部分——这部分占比有多高，直接决定联盟能“挤出”多少容量。
更深一层：AI 与电网的关系正在反转
长期以来，数据中心是电网的被动用户，用电多少完全由业务决定。而现在，它们被要求成为可调度资产，参与平衡供需、消纳可再生能源，甚至提供频率支撑等辅助服务。这背后是一个角色转换：科技公司正在从“买电的人”，变成电力系统的一部分。
这也解释了为什么 Nvidia 与 Anthropic 会出现在一个能源联盟里。当算力扩张的速度超过电网扩张的速度，产业界只能先改造自己这一端。
100 吉瓦最终能否兑现，尚需时间验证。但方向已经清楚：AI 的下一轮扩张，不只取决于有多少芯片，更取决于电网愿不愿意、以及能不能够，把电送到机柜里。
本文编译自 TechCrunch
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接