AI用电，顶一个日本了？
高盛再度上调美国用电需求预期：2030年数据中心电力需求升至108吉瓦，AI新增用电相当于再造一个日本的负荷。真正的瓶颈不在发电，而在燃气轮机、变压器、技工与民意。对光储产业而言，40%的电源结构份额，是一张正在兑现的确定性订单。
AI的尽头是电力，电力的尽头是排队。
高盛最新测算给出了一个足以让整个能源行业坐直身体的数字：与2024年初相比，到2030年AI新增的用电规模，将相当于日本全国的用电量——而日本是全球第五大电力消费国。更关键的是，高盛把美国2030年数据中心电力需求预测从83吉瓦上调至108吉瓦，全球数据中心电力需求较2025年的增速预期也从117%跳到了170%。
但这份报告真正值得光伏、储能从业者细读的，不是需求有多大，而是高盛对供给侧的那句判断：电网能承受部分负荷，且分布不均，代价高昂。
换句话说，缺的不只是电，还有设备、工人和点头的人。
📈 效率在提升，电却越用越多
很多人去年的直觉是：模型越来越高效，数据中心的电应该越省越多。
高盛可持续投资研究团队全球主管Brian Singer在AI主题播客里直接否定了这个直觉。即便AI模型效率持续提升，数据中心电力需求仍在加速增长。
逻辑并不复杂。消费者和企业确实开始更精打细算地使用Token，但没有人因此削减研发投入。Token价格越低，能在经济上跑通的应用场景就越多；智能体任务爆发，单次推理变成了成百上千次推理。省下来的算力成本，立刻被更大的用量吃掉。这就是典型的杰文斯悖论在电力侧的重演。
数字层面上，这轮上调几乎是在所有维度同时进行的：
| 指标 | 原预测 | 最新预测 |
|---|---|---|
| 美国用电需求年均复合增速（至2030年） | 3.2% | 3.5% |
| 美国数据中心电力需求（2030年） | 83吉瓦 | 108吉瓦 |
| 全球数据中心电力需求较2025年增速 | 约117% | 约170% |
| 超大规模云服务商累计支出（至2027年） | 1.2万亿美元 | 1.7万亿美元 |
| 超大规模云服务商累计支出（至2029年） | 1.5万亿美元 | 2.1万亿美元 |
支撑上调的还有两个微观信号：一是标普全球旗下研究机构451 Research统计的已规划及在建数据中心项目在增加；二是美国主要市场的数据中心空置率已从2%-7%降至1%-2%。前者说明纸面规划在变多，后者说明存量机房真的在满负荷运转——需求不是PPT需求。
今年迄今，美国用电负荷已增长逾4%。对一个用电增速长期在1%以下徘徊的成熟经济体来说，这是结构性的变化。
⚡ 电网的答案，不令人安心
一年前，行业讨论的焦点还是：电网到底扛不扛得住AI负荷？
高盛高级策略师Allison Nathan给出的结论是：能扛一部分，分布不均，而且代价高昂。
把瓶颈拆开看，是一条完整的堵点链条：
这个链条上，每一环都不是砸钱就能立刻解决的问题。
燃气轮机、大型变压器本身就是长交付周期设备，全球产能紧张；输电线路从规划到投运动辄数年；而并网排队——按行业普遍经验——通常需要2至7年。也就是说，即便今天数据中心的地块敲定、订单签下，电的到位时间表也不由云厂商说了算。
更微妙的是链条末端的两环：监管机构、电费承担者和周边居民。
数据中心的用电体量足以改变一个州的电价结构，当地居民要问的问题很直接：新增的输电线路走我家后院吗？涨上来的电费谁付？多位长期跟踪美国电力市场的人士有一个共识：在不少州，拖延项目的往往不是技术，而是听证会。
业内私下流传一句话：缺的不是电，是能把电送出去的设备，和能让线路落地的批文。
🔋 四成份额，属于光伏和储能
那么新增的电从哪里来？
高盛给出的电源结构判断非常明确：数据中心电力需求约60%将由天然气满足，约40%由可再生能源配合储能满足。
对光伏和储能产业来说，这四成是这份报告里含金量最高的数字。
尤其是时间维度上的安排：近期以单循环燃气机组和可再生能源加储能为主；中期转向效率更高的联合循环燃气机组；更长期才引入核电，在此之前，少数核电站重启仅起过渡作用。
这个节奏传递了两层信息。第一，在天然气联合循环机组大规模上量之前，可再生能源加储能是当下最快能落地的选项——光伏电站的建设周期以月计，远短于燃气机组和输电线路，恰好可以填补供电的时间差。第二，储能在这里的角色不只是消纳配套，而是数据中心供电系统的组成部分，承担平滑出力、调峰和备电职能。
按[高盛]描绘的演进路径整理：
单循环燃气机组
可再生能源加储能
联合循环燃气机组
引入核电
少数核电站重启过渡
对产业链的含义是直接的。需求以吉瓦为单位上调，而四成份额指向可再生加储能，这意味着美国的表前储能、大功率逆变器、跟踪支架等环节，面对的是一份由AI需求背书的多年期订单。叠加云服务商累计支出预测从1.2万亿、1.5万亿美元分别上调至1.7万亿、2.1万亿美元——这些支出中相当一部分，最终会流向电力基础设施。
需要保持清醒的是：可再生加储能拿到的这四成，前提是能按时交付，并能通过并网审批。在美国市场，后者有时候比前者更难。
⚠️ 瓶颈的另一面，是确定性
Brian Singer把制约因素归纳为七项：AI应用普及程度、芯片与模型效率、电价、政策、零部件、人力和物理环境。
细看这份清单，前两项关于需求，后五项全部关于供给。换句话说，需求侧的不确定性反而在收敛——Token越便宜、场景越多、空置率越低，需求就越真实；真正的不确定性堆积在供给侧：零部件交期、技工数量、电价承受力、政策审批。
这恰恰是产业机会的另一种表述。当需求预测被反复上调，而供给链条处处堵点时，能解决任何一个堵点的环节，都获得了定价权。
变压器和输电设备是如此，储能系统也是如此——数据中心负荷曲线极其平稳、对供电可靠性要求极高，这天然是长时储能和高质量表前储能的优质客群。光伏组件、逆变器、支架企业同样受益于四成电源结构份额的兑现过程。
而对二级市场和产业投资者，高盛这份报告最大的提醒或许是：不要再把AI电力问题当成一个电网话题来跟踪，它已经变成了一个设备、人力与审批的制造业话题。谁能在设备交付周期和并网排队这两个环节上提供确定性，谁就能在这轮AI电力浪潮中真正上桌。
需求预测一调再调，从83吉瓦到108吉瓦，从117%到170%，方向已经没有悬念。真正决定这场能源变局节奏的，是燃气轮机的产线、变压器的交期、技工的双手，以及听证会上居民的那一票。对光储产业而言，40%的电源结构份额不是画饼，而是一张正在排队兑现的订单——前提是，交付别掉队，审批别卡壳。