AI吃掉的电，够再造一个日本了

高盛又把数字往上改了。

美国2030年数据中心电力需求，从83吉瓦上调到108吉瓦；全球数据中心用电增幅预期，从117%上调到170%。用高盛可持续投资研究团队全球主管Brian Singer的话说：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。

更耐人寻味的是另一份报告：巴克莱测算，光是"AI安全"这件事，就会在2027年为行业新增约440亿美元的算力成本。

一边是需求不断上修，一边是电网接不上、设备供不上、居民不答应。对光伏和储能行业来说，这可能是未来五年最确定的一笔海外需求，但它来得不会像想象中那么顺滑。

📈 108吉瓦是什么概念？预测三个月被反复上修

先看一个细节：今年以来，高盛已经不止一次上调电力需求预测。

最新的调整幅度不小。美国至2030年的用电需求年均复合增速，从3.2%上调至3.5%；今年迄今，美国用电负荷已经增长了逾4%。2030年美国数据中心电力需求，从先前预测的83吉瓦，一口气上调至108吉瓦。

上调的理由很具体：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；二是数据中心空置率在快速下降——美国主要市场的空置率已从2%-7%降至1%-2%，预计2030年约为3%。翻译一下：楼还没盖完，机柜已经快被订光了。

超大规模云服务商的资本开支预测也被同步上调，2027年从1.2万亿美元上调至1.7万亿美元，2029年从1.5万亿美元上调至2.1万亿美元。这是真金白银的投入，不是PPT。

产业逻辑其实是一个经典的"杰文斯悖论"剧本：AI模型效率在持续提升，Brian Singer却指出，消费者和企业虽然开始更精打细算地使用Token，但并没有因此削减研发投入——Token价格越低，经济上可行的应用场景就越多，需求反而水涨船高。效率提升没有省下电，而是把蛋糕做得更大了。

🔒 连"AI安全"都在加单：凭空多出440亿美元电费

如果说模型效率提升带来的用电增长还算"内生"，那么2026年8月18日OpenAI发布的那篇博文，则揭示了一个此前很少有人量化过的"外生"变量。

OpenAI在博文中正式披露了针对高能力模型的安全监控要求：对于Sol级别及以上能力的模型，所有强化学习（RL）训练、评估及推理工作负载均须接受实时监控。而据其当前估算，监控开销约占被监控推理算力的20%。

巴克莱分析师Ross Sandler团队据此做了一笔账。关键前提是：约85%的AI实验室算力已经流向后训练与推理环节，且预计2027年几乎全部模型将超过GPT-5.6的Sol级别能力门槛。叠加上述20%的监控开销，结论是——推理及后训练算力需求将因此增加20%，推动行业整体算力成本上升约18%。

拆分来看，2027年行业基础算力总成本预计为2460亿美元，其中训练1320亿美元、推理1140亿美元。受监控的算力规模合计约2190亿美元——涵盖后训练/RL工作负载（约1040亿美元，占训练算力的79%）以及全部关键级别推理（1140亿美元，占推理算力的100%）。值得注意的是，监控要求不适用于预训练环节，这也是整体成本增幅（18%）低于推理及后训练单项增幅（20%）的原因。

对光伏储能行业而言，这里的传导链条很直接：安全成本无法像训练成本那样靠"一次投入"摊薄，它是持续性的、跟随每一Token发生的算力开销。算力更贵，意味着数据中心运营方对电力成本的敏感度结构会发生变化——更倾向于锁定长期、低价的电源。一位接近海外电站开发的人士的说法颇能代表行业心态："以前追着数据中心谈PPA，现在他们排队来找我们。"

⚡ 瓶颈不在发电，在"接得上"

高盛研究部高级策略师Allison Nathan的一句话值得反复咀嚼。她说，先前讨论的焦点还是电网能否承受AI负荷，如今答案已经揭晓，但并不令人安心：电网能承受部分负荷，且分布不均，代价高昂。

换句话说，问题已经不是"有没有电"，而是"电能不能按时、按价送到机房门口"。

Allison Nathan把当前瓶颈概括为一串清单：燃气轮机、变压器、输电线路、技术工人，再加上监管机构、电费承担者和周边居民。前四项是物理世界的供给侧，后三项是社会侧的审批与博弈——而且后者往往比前者更慢。由于并网排队通常需要2至7年，很多数据中心项目在选址阶段就要把"能不能并网"当作第一优先级来算账。

Brian Singer则把制约因素扩展为七项：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。注意后三项——零部件、人力、物理环境，这几乎是一份给整个电力设备供应链的"考纲"。

据多位接近设备供应链的人士反馈，头部变压器与燃气轮机厂商的在手订单能见度已明显拉长，交付排期成为数据中心开发商竞标时的核心筹码。这解释了一个反直觉的现象：美国不会出现全国性电力短缺，但局部的、结构性的"电力迟到"几乎必然发生。

对产业而言，瓶颈经济学正在替代产能经济学——谁的设备、人力和并网资源能按时到位，谁就能吃到这一轮红利。

🔋 60%气电、40%可再生+储能：光伏人的机会与克制

那么，108吉瓦的电，到底从哪来？

高盛给出了电源结构的答案：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。

pie showData

title 2030年数据中心电源结构

"天然气" : 60

"可再生与储能" : 40

节奏上也有清晰的时间表：近期以单循环燃气机组和"可再生能源+储能"为主；中期转向效率更高的联合循环燃气机组；更长期引入核电，在此之前，少数核电站重启可起到过渡作用。

这份结构表，值得中国光伏储能出海链条逐行读三遍。

机会是明确的。可再生+储能拿到40%的份额，意味着数据中心PPA正在成为海外光伏电站和储能系统最有确定性的需求来源之一——它的信用主体是科技巨头而非传统公用事业，电价承受力也更强。叠加巴克莱测算的安全成本推升算力价格，运营商锁定长期低成本电源的意愿只会更强。近日，多位接近海外项目开发的人士均提到，数据中心配套的新能源+储能项目在谈判中的话语权明显改善。

但克制同样必要。Brian Singer列出的七大约束里，政策、零部件、人力赫然在列——美国本土的关税与本土化制造要求、变压器与功率器件的供给弹性、熟练安装工人缺口，都会决定这40%的份额最终落到谁家。市场份额是给定的，但分配是不确定的；能同时解决"产品过认证、供应链可本地化、交付够快"的玩家，才能真正把预测数字变成订单。

🧭 一个更贵、更慢、但更大的电力周期

把两份报告放在一起看，结论其实很清晰：AI对电力的吞噬没有上限，只有速度限制。

模型效率提升，被Token用量的爆发对冲；推理占比越来越高，安全监控又额外叠加20%的算力开销；而供给端，并网排队2至7年、设备与人力全面吃紧。需求不断上修、供给处处是闸门——结果就是一个更贵、更慢、但更大的电力建设周期。

对光伏储能产业来说，这个周期的确定性来自算力，考验却来自制造之外的能力：并网资源、本地化交付、长期PPA的结构设计。潮水的方向已经写在高盛的报告里，能不能接住，看的是每家公司在闸门后面排队的本事。