中国发电量破10万亿千瓦时：中美AI竞赛，电力才是隐藏变量？

十年前提起“中国科技”，很多人想到的还是追赶和模仿。如今新能源汽车、人工智能、光伏、储能等行业里，中国企业的身影接连出现，外界反复追问：这些产业为何能在短期内扎堆爆发？

答案显然不只一个，电力是其中经常被忽略的一环。有英国媒体干脆把中国叫做“电力王国”。

2024年中国发电量超过10万亿千瓦时，占全球近三成，是美国的2.5倍。人工智能全面提速的当下，这个数字正被赋予新的含义。

一场讨论由香港理工大学电机及电子工程系副教授王钦主讲，英国莱斯特大学工程学院电气工程系主任吉兵评议，电气工程出身、长期在澳大利亚做能源项目开发与投资的于莉主持。三人聚焦的核心问题是：中美AI竞赛拼的只是芯片、算法和人才吗？两国的电力系统能不能撑住？

王钦先梳理了两国AI的走势。在中国，AI已经上升为国家战略。

从2017年《新一代人工智能发展规划》发布算起，几乎年年都有相关政策或报告出炉，北京、上海、深圳、安徽、杭州等地也陆续推出扶持举措。他引用公开数据称，2035年中国AI产业规模将达到17200多亿元。

阿里、百度、科大讯飞等企业的大模型生态已相对完整。转到美国，他提到一项从明年启动、4年内计划投入5000亿美元的AI基础设施计划。

2025年9月，甲骨文因财报显示AI云业务收益不错，股价5天内涨了47.52%。同一年，标普500中AI相关公司约占30%，而过去站在舞台中央的往往是沃尔玛、通用电气这类传统企业。

产业狂奔的另一面，是用电需求猛增。王钦展示的预测显示，2025年至2030年，中国电力需求在各种场景下都会快速攀升。

美国电力科学研究院2024年的报告判断，2025年之后美国用电增速会明显加快：保守场景年增长3.7%，最高场景年复合增长率约15%。对比美国电力工业此前长期停滞的状况，这已经算相当快。

行业领袖的说法更直白。

王钦介绍，2025年12月英伟达CEO黄仁勋表示，人工智能的未来不会受芯片制约，而会受电力制约；马斯克几乎同一时间给出类似判断，认为AI发展的真正瓶颈既不是资金也不是算法；OpenAI CEO萨姆·奥特曼近期也表达了相近观点。

王钦还提到英伟达2025年12月17日一场闭门会议，主题定为“AI电力危机”。

会上给出的判断是：到2027年，单是英伟达交付的GPU，电力需求就会达到150至200GW；电力短缺已经取代芯片产能，成为卡住AI发展的最大因素，供电问题不解决，最先进模型就无从部署。黄仁勋估计，2028年美国数据中心将面临47GW的电力缺口。

会议还认为，英伟达不能只把自己看作芯片公司，而要转向“算力+能源”的全栈服务商；核能、绿电和储能得一起发力，核能应作为长期投资方向，政府也该加大投入。

美国科技巨头已经动起来了。

谷歌2025年10月以47.5亿美元全资收购清洁能源开发商Intersect Power；亚马逊看上了小型模块化核反应堆，已与初创公司合作；微软同样联手初创公司开发小型核反应堆，并在2024年达成协议，计划2028年重启一座已退役的核电站，买下其全部电力。

王钦总结，美国科技巨头主要押注两个方向：核能和新能源。

大模型到底多费电？王钦坦言，眼下只有少数模型公开了训练能耗。

他列出的数据是：Bloom约443兆瓦时，GPT-3约1287兆瓦时，Llama 3约2638兆瓦时。美国家庭年均用电约10.5兆瓦时，按这个算，训练一次Llama 3的耗电量大约够260个家庭用一年。

马斯克旗下Grok 4的训练能耗则远高于上述三个模型，相当于约29000个家庭的年用电量。

背后是规模定律（Scaling Law）：模型性能随参数量和训练数据量增加而提升，两者之间呈幂律关系。训练所需浮点运算次数，约为参数量与token数乘积的6倍。模型越大、数据越多，算力和能耗涨得就越快。

训练还只是开头。基础模型要经过后续训练，才能变成可用于电力、交易等领域的产品；推理需求越来越庞大；AI Agent正把AI带进各行各业；ChatGPT、Gemini、千问、DeepSeek等模型之间的商业竞争，又不断催生新模型。这些都在推高能耗。

问题不只是“用得多”，还在于“用得怪”。

王钦拿传统数据中心和AI数据中心做了对比：前者跑的是CPU，单机柜功率密度大概7至10千瓦，多用风冷；后者以GPU或TPU为核心，功率密度30至100千瓦，不少上了液冷。AI数据中心里，推理任务吃掉的能耗约占六成。用电曲线也跟着变了样。训练阶段相对平缓，可高位要持续数周到数月；推理阶段“毛刺”不断，任务不连续、间歇性强，需求短时间能从很低蹿到很高。传统数据中心负荷稳、扰动小，AI数据中心爬坡快、波动大，电力系统稳定运行因此承压。

时间上的错配更麻烦。数据中心一般1至2年就能建好，输电线路和变电站的规划建设却常要5至10年。结果在美国，不少有钱、有需求的数据中心只能长年排队等并网。地理分布也不匀，北弗吉尼亚扎堆了大量AI数据中心，佛州、德州、加州同样不少，电必须送到这些地方去。

王钦把挑战归成四条。头一条是容量充足性：容量不单是发多少电的事，还牵扯输电能力和响应速度；电网扩张近乎一条缓坡直线，数据中心需求却一路快涨，缺口就出来了。

第二条是灵活性：局部负荷剧烈起伏，得有灵活机组来平衡；不过调度得当的话，数据中心自己也能参与需求响应。第三条是可靠性：大模型训练常要持续数月，中途一断电，只能退回上一个检查点重训，大把时间白费。第四条是脱碳：科技公司背着减排目标，选址会尽量靠清洁能源，可风光发电时有时无，太阳能夜里发不了电；清洁电力的核算方式也在变，不再按全年总量平均算，而是看每个时段有多少电来自新能源，清洁电力供应因此被抬高了要求。

同样一道题，中美电力系统的“底子”差得很远。

美国电网大致分三块：西部互联、东部互联，加上相对独立的德州电网。三者之间联系薄弱，区域割裂很明显。调度也以区域为主，纽约ISO、PJM等各跑各的市场，没有统一的全国调度机构，NERC、WECC之类主要管安全约束的协调。各区自己管调度和规划，跨区协调能力不足。

中国这边是一个超大型系统，由国家电网和南方电网构成，两家联系紧密，运营规模都很大。调度体制是集中式、分级式，自上而下贯通，特高压交直流线路把各省连成一体，规划与调度衔接得紧。据王钦介绍，中国眼下有38项特高压工程在运行，交流22条、直流16条，特高压直流线路容量约8至12GW，北部、西部的能源能远距离送到东部负荷密集区。

这张网不是一天建成的。有报道回顾，中国2004年前后启动特高压规划，2006年开工首条特高压示范工程，过去约20年累计投入约1.6万亿元。吉兵打了个比方：“我们是一个大花园，他们是三个院子。”在他看来，美国三大电网之间调度能力弱，大规模电网升级这件事上，中国一定有优势。

能源结构也不一样。据王钦介绍，美国煤炭供应2010年前就到顶了，之后一路下降，天然气持续上升，核能基本平稳，新能源比例不断提高；加州基本没有煤电了。2025年美国装机中，天然气约占42.7%，是最主要的能源，新能源约占28%。中国是世界最大的电力系统，装机容量约3500GW，火电以煤电为主，约占42%，风光装机合计约44%，已经超过火电。

不过风光利用小时数低，新能源发电量还是少于火电。中国风光装机占比已高于美国，这跟“中国每年新增风光规模相当于其他国家总和”之类的报道给人的直观印象对得上。

发电量的变化更能说明问题。王钦提到，大约2008年中美年发电量基本持平，之后中国增长越来越快。

王钦认为，两国问题的侧重点不同。美国的问题是，数据中心建好了也不知道什么时候能并网，只能排队，时间充满不确定性。他给出的数据是：在美国，100兆瓦以上的AI数据中心，并网可能长达7年。2024年7月至12月，数据中心用电需求从21GW猛增到40GW。

德州此前的最大负荷是80.5GW，可2023年德州数据中心申请的用电需求就达到230GW，远超现有承载能力。

许可也是一道坎，社区反对、环保和政策要求都算在内。王钦认为，中国是“大政府”，政府定下在某地建数据中心或输电线，阻力要小得多；美国阻力大得多，许可风险更高。

在他看来，AI能走多远，不光看算法和芯片，还看三件事：电网接不接得住数据中心，能源供给和负荷在空间上配不配，项目拿不拿得到许可。

中国也不是没有问题。王钦指出，中国的发电资源集中在西部，数据中心却集中在长三角、珠三角和北京周边，空间错配明显；系统规模庞大、交直流并存，并网和运行的复杂度也偏高。

体制确实让中国在电网和数据中心建设上跑得更快。但源、网、荷、储之间怎么高效配合，仍是一道待解的题。不过，长距离输电恰恰是这套体制的强项——把西部的电送到东部，靠的就是国家层面统一规划和调度：线路建在哪、电站设在哪，都能快速协调，面对大负荷也能迅速响应。

王钦举了自己观察到的例子：在中国，电力系统是毕业生眼里的好去处；到了美国，学生更愿意去IT企业和大厂。在他看来，这说明中国对电力系统的重视程度高于美国。

他在国内交流时还发现，大家对能源短缺“没有特别的焦虑”。电力系统发展快，眼下受缺电的约束不多，新能源、特高压输电这些国家推动的举措，为供应托了底。中国的路子是特高压加集中式新能源，比如早前提出的“风电三峡”，就是在区域内成片建设风电；规划层面也强调“算力电力产业协同”。近年推进的“东数西算”工程，思路同样是让算力布局与能源资源对得上。