深度技術實操：AI 如何破解電力危機

電網在 AI 時代，正在變成一種“舊世界的基礎設施”。

SemiAnalysis 深度文章《AI 實驗室如何解決電力危機：現場天然氣發電深度解析》稱，電網又老又累，排隊、審批、擴容等，都跟不上算力軍備競賽的節奏。

該機構曾在 2024 年 3 月的《AI 數據中心能源困境——AI 數據中心空間爭奪戰》報告里預測，美國 AI 數據中心用電需求會從 2023 年約 3GW 增長到 2026 年超過 28GW，并且會把供應鏈壓到極限。

光是德州，每個月就有“數十吉瓦”的數據中心負荷接入申請涌入；但過去 12 個月里，獲批的容量“幾乎只略多于 1GW”，一句話結論是：電網已經“賣光了”。

這不是簡單的“電不夠”，而是“接不進來”：多年的輸電升級周期、并網研究、許可流程，把算力項目卡在門外。

然而，AI 基礎設施不可能等電網那種需要多年才能完成的輸電升級。

一個 AI 云業務每新增 1GW 的算力數據中心，每年可創造 100—120 億美元的收入。一個 400MW 數據中心哪怕提前 6 個月上線，都值幾十億美元。經濟需求遠遠碾壓“電網過載”這類問題。行業已經在尋找新方案。

18 個月前，埃隆·馬斯克用 4 個月時間建成了一個 10 萬張 GPU 的集群，震動數據中心行業。多項創新促成了這一不可思議的成果。

但最令人印象深刻的是其能源策略：xAI 完全繞過電網，在現場發電，使用卡車搭載的燃氣輪機和發動機。

在一個 AI 實驗室爭奪“首個吉瓦級數據中心”的世界里，速度就是護城河。

這就是BYOG（Bring Your Own Generation，自帶發電）。

很快，巨頭們開始集體“暫時拋棄電網”。

2025 年 10 月，OpenAI 和 Oracle 下了史上最大一筆現場天然氣發電訂單：在德州建設 2.3GW 的 onsite gas 電站。

由此，現場燃氣發電市場正在進入“年增速三位數”的增長階段。

更關鍵的是，這波紅利并不只屬于 GE Vernova、Siemens Energy 這類傳統燃機巨頭。

還有三類“新玩家”浮出水面。

比如，韓國工業巨頭斗山能源Doosan Enerbility 把 H 級燃機的發布時點卡得極準，并已拿到服務 xAI 的 1.9GW 訂單。

比如，瓦錫蘭 W?rtsil? 作為傳統船用發動機廠商，意識到給郵輪供能的發動機同樣能給大型 AI 集群供能，已簽下美國 800MW 數據中心合同。

甚至 ，Boom Supersonic 這種做超音速飛機的公司，都宣布與 Crusoe 簽下 1.2GW 的渦輪合同，把數據中心發電的利潤當作其 Mach 2 客機研發的“另一輪融資”。

僅在美國，就已經有 12 家不同供應商，各自拿下超過 400MW 的數據中心現場燃氣發電訂單。

不過，現場發電也帶來了自己的挑戰。

比如，電力成本往往（明顯）比走電網更貴。許可審批可能漫長且復雜，而且已經造成一些數據中心延誤——最典型的是 Oracle/Stargate 某個吉瓦級設施。

但像 xAI 這樣的聰明公司找到了應對辦法。馬斯克的 AI 實驗室甚至“發明”了新的選址流程——把項目建在兩個州的邊界上，以最大化盡早拿到許可的概率！田納西州無法按時交付時，密西西比州卻樂于促成馬斯克建設吉瓦級電站。

為什么電網會被逼到這種境地？

答案是：電網慢不是管理懶，而是“被設計成慢”。

盡管除馬斯克外，今天幾乎所有大 GPU/XPU 集群仍運行在電網之上，電網迄今是 AI 基礎設施的主要支撐。

但轉折點在于，2024–2025 上線的大型數據中心，其電力資源是在 2022–2023、“淘金熱”之前就鎖定的。淘金熱之后，搶電變成了失控的爭奪。

預計，美國公用事業公司與電網運營商收到的負荷接入申請規模，大約已經到了 1 太瓦（terawatt）的量級。

電網又為何會“堵死”？

大概有兩個結構性原因。其一是實時平衡：電力供需必須在每一秒幾乎完全匹配，失配會帶來大范圍停電風險，比如 2025 年 4 月伊比利亞半島大停電。

其二是系統研究：任何大負荷（數據中心）或大電源（電站）的接入都會觸發復雜的工程研究，以確保不破壞電網穩定。

而在一些地區，拓撲變化太快，負荷研究甚至會在完成前就過時。 當成百上千的開發者同時提交并網申請，系統就會陷入一種囚徒困境：如果大家能協調，電網可以更快處理更多請求；現實中，開發者會把投機性申請撒向多家公用事業公司占隊列，導致隊列更擁堵，反過來誘發更多投機性申請。

截至 2024 年中，AEP Ohio 收到 35GW 的負荷申請，其中 68% 甚至沒有土地控制權。

同時，供給側同樣被鎖死。從提出并網請求到商業運行，如今對多數發電類型而言，時間線已經拉長到約 5 年。

而 AI 基礎設施開發商等不了 5 年。很多情況下，連 6 個月都等不了，因為等 6 個月就意味著數十億美元機會成本。

于是 BYOG 登場——自帶發電。

BYOG 的價值主張極其簡單粗暴：不等電網，先跑起來。

數據中心可以靠本地發電長期運行，等電網服務最終到位，再把這些設備轉為備電。這也正是 xAI 的策略：用移動燃氣渦輪建 Colossus，把上線周期從“按年”縮短到“按月”，現在大家都在照著這套打法做。

這套打法具體怎么做的？

本質上，BYOG 需要徹底重寫“建電站”的劇本。傳統模式是依靠大型、集中式、吉瓦級的基荷電源，再配合較小的調峰電站應對電網尖峰負荷。

現代最常見的部署是重型燃氣輪機的聯合循環模式（CCGT）。其無與倫比的燃料效率（>60%）構成現代文明的骨架。

但問題在于部署速度：大型燃機通常需要數年交付周期，而當前交付周期已處于歷史最高水平。交付后，一座大型聯合循環電站的建設與調試大約需要 2 年——在 AI 時代幾乎等同于“永遠”。

AI 數據中心的 BYOG 電站重塑了打法，xAI 率先帶路。為了更快部署，馬斯克的 AI 實驗室依靠 Solar Turbines（卡特彼勒 CAT 子公司）的 16MW 小型模塊化燃機。這些燃機小到可以用普通長途卡車運輸，部署只需數周。馬斯克甚至沒買——而是從 Solaris Energy Infrastructure 租用，以繞開設備交期。他還利用 VoltaGrid 的卡車載移動燃氣發動機車隊來進一步提速。

其他超大規模云廠商也迅速跟進。Meta 在俄亥俄與 Williams 的部署很有代表性：電站由五種不同類型的燃機與發動機構成，設計模式顯然是“什么能按時拿到就先上什么”。

具體操作上，可以把“自帶發電”拆成工程選型問題：到底有什么設備可用、各自的成本/交期/爬坡速度/可靠性/占地/效率是怎樣的。

比如，現場發電設備可以按三大類歸納：燃氣輪機（包括工業燃機 IGT、航改型 aeroderivative，以及更大的重型燃機）、往復式內燃機 RICE（3–7MW 的高速機與 10–20MW 的中速機，業內常簡稱 recips）、以及固體氧化物燃料電池 SOFC（目前主要來自 Bloom Energy）。

比如，衡量指標體系上，成本通常以 $/kW 計（而且各類設備成本都在上漲），交期按月或年計（需求增速超過供給導致交期普遍拉長），可靠性與冗余（以“幾個 9”的 uptime 衡量），冷啟動到滿載的爬坡速度（決定能否做備電/調峰），土地占用（MW/acre），熱耗率與燃料效率（BTU/kWh，熱耗越高效率越低），以及是否能做 CHP 用余熱做吸收式制冷、降低數據中心制冷用電等。

很多時候真正決定中標的，不是參數，而是誰產能更有空檔、時間表更可信。

還有，如何選擇燃氣輪機？這方面，aeroderivative 與 IGT 對數據中心更匹配。

aeroderivative 本質上可以理解為“把噴氣發動機擰到地上”，空間與重量效率極高；簡單循環的 aeros 往往以 30–60MW 為一個包，冷態到滿載可在 5–10 分鐘完成爬坡，但在非滿載穩定運行時效率會受影響；它也可以配置成小型聯合循環（1x1 或 2x1），換取更高效率和更大輸出，但啟動時間會拉長到 30–60 分鐘。

aeros 的全包 capex 大約在 1700–2000 美元/kW，交期 18–36 個月且還在變長；安裝倒很快，通常 2–4 周，但工廠排產已經很滿。xAI 的應對是租用可卡車運輸的機組來繞開交期。

IGT 與 aeros 同屬布雷頓循環，擁有緊湊、模塊化、相對較快交期的優點，但它是為固定式應用從零設計的，通常在更低進氣溫度下運行，維護成本更低但效率與爬坡速度也更弱。

簡單循環 IGT 的規?？缍燃s 5–50MW，冷態到滿載約 20 分鐘，單靠自身偏慢，難以獨立承擔應急備電或調峰，需要電池或柴油等輔助；IGT 也能升級聯合循環，提高效率但進一步變慢。

當下 IGT 的全包 capex 約 1500–1800 美元/kW，交期大致 12–36 個月；但采購二手或翻新 IGT 可把交期壓到 12 個月以內。比如，Fermi America 就用這種方式拿到電。

總體上，aeroderivative 與 IGT 很適合 onsite，因為尺寸“剛好”、爬坡夠快且易于轉作備電、運輸安裝不需要重型吊裝體系；它們最大的麻煩是交期越來越長。

另一條路線是往復式內燃機（RICE）。

可以簡單把它理解成一種“更像樂高”的電站：單機更小、臺數更多、冗余更容易做。高速機與中速機的典型臺功率區間是：中速機 7–20MW（通過渦輪增壓可上更高），高速機 3–5MW；RICE 在 50%–80% 部分負載區間的效率往往優于渦輪。

成本上，目前 RICE 的全包 capex 約 1700–2000 美元/kW，交期 15–24 個月；制造周期更接近 12–18 個月，但中速機更重，安裝與調試可長達約 10 個月。高速機部署可以更快，比如 xAI 在 Colossus 1 初期部署中用了 34 套 VoltaGrid 的卡車載系統。

但 RICE 不是沒有代價。如果用 5MW 級發動機搭一個 2GW 的現場燃氣系統，需要 500 臺發動機。臺數爆炸會帶來運維后果：如果每臺發動機每 2000 小時需要一次小維護，維護團隊一年要做 2000 多次服務，接近每周 40 次。成本更可預測，但會累加成巨大的持續性負擔，備件庫存、場地占用也會跟著膨脹。

“模塊化”背后的隱性賬單很簡單：快，是用復雜度換來的。

除了燃燒式設備，還有燃料電池。燃料電池過去相對小眾，但正在拿走越來越大的一塊蛋糕；Bloom 的 SOFC 不僅能用氫，也能用天然氣，并被定位為基荷發電。

結構上，Bloom 的 Energy Server 由多個約 1kW 的堆棧組成，堆棧組成約 65kW 模塊，再封裝為 325kW 的發電單元；截至目前，最大的 SOFC 電站規模在幾十 MW，主要在美國和韓國。

這一路線的優點是：它沒有燃燒過程，意味著除了 CO? 外不會產生“實質性的空氣污染物”，所以許可層面更順滑、更容易在有人口的區域落地；而它的“殺手級特性”是部署速度，模塊化使得從基礎到并電可以做到“幾周級”。與之相對的是成本壓力：文中給出燃料電池系統 capex 可到 3000–4000 美元/kW，顯著高于渦輪和 RICE。

但現場燃氣發電的復雜性，還不在于選 LM2500 還是 Jenbacher，而在于如何配置、部署、運營，才能滿足數據中心對 uptime 的要求。

電網是一套系統工程奇跡，能把成千上萬臺機組、無數條輸電線與市場機制拼成一個長期平均 99.93% 可用性的供電體系；當你離開電網，你就要自己承擔那套復雜性。因此在多數情況下，現場發電的電力成本會結構性地更貴，原因恰恰來自“為了可靠性必須做冗余”。

這一方面，目前有三條主流部署路徑，幾乎可以看成今天數據中心電力策略的“新三角”。

第一條是橋接電（bridge power）：電網并網在排隊，但數據中心先用 onsite 發電提前運營，幾個月的提前上線就可能帶來巨額收入差。

第二條是“永久離網”，把供電外包給 Energy-as-a-Service 廠商。以 VoltaGrid 為例，其會打包提供容量（MW）、電量（MWh）、電能質量（電壓與頻率容差）、可靠性指標（幾個 9）、以及從簽約到供電的周期；客戶簽長期 PPA，EaaS 廠商像公用事業公司一樣采購設備、設計部署、維護運營。

第三條是為了追平電網的“三個 9”，不得不做“過建（overbuild）+備份策略”的組合：更高冗余、更復雜架構，甚至考慮把電網當作備份，或用電池做備份與穩頻。

這種冗余處理很尷尬，聽起來像“車上既有備胎又有補胎工具”。

以一個 200MW 數據中心為例，如果用 11MW 的 RICE 做 N+1，可能配 26 臺、總裝機 286MW，正常運行時 23 臺以約 80% 負載出力，壞一臺就讓其余略抬負載，另外保留幾臺做維護或冷備。

比如，Nexus Datacenter 申請了三十臺 20.4MW 燃氣發動機（總 613MW）并配 152MW 柴油備份，來滿足冗余要求。 如果用 30MW 級 aeros，可能配 9 臺總 270MW，正常 7 臺接近 95% 負載、壞一臺就啟第 8 臺、第 9 臺留維護。

而在更熱的氣候里，還可能需要 10–11 臺才能維持 N+1+1。

Crusoe 在得州 Abilene 為 Oracle 與 OpenAI 的站點，采用了類似思路：十臺渦輪混編，其中五臺是 GE Vernova 的 LM2500XPRESS 航改型燃機、五臺是 Titan 350，總名義裝機 360MW。

更“現實主義”的，是 Meta 與 Williams 在俄亥俄 Socrates South 的做法。它看起來像是 time-to-power 驅動下的拼裝車：同一個圍欄里混了 Solar Titan 250、Solar Titan 130、Siemens SGT-400 這幾類 IGT，又配了 15 臺 Caterpillar 的快速啟動發動機。圍欄內名義裝機 306MW，其中約 260MW 來自渦輪、46MW 來自發動機，正常由部分 IGT 穩態跑 200MW，IGT 若跳機則由 RICE 快速頂上，其他 IGT 留作維護切換，從而做出 N+1+1 的 behind-the-meter 設計。

這相對前兩個案例更“拼布”，渦輪型號不統一、發動機也更小，說明 Williams 把“按時通電”放在了維護標準化之前。

冗余為什么會變成 onsite 電“結構性更貴”的根？這里有個過建比例的實戰樣本。

在德州 Shackelford County，VoltaGrid 用 2.3GW 的 Jenbacher 系統去供一個 IT 容量 1.4GW 的數據中心，相當于 64% 的 overbuild。這 64% 里，一部分是典型德州站點的 PUE 過配（1.4x–1.5x，主要與制冷有關），另一部分是為冗余額外付出的 10%–17% overbuild。

對 H/F 級重型燃機系統而言，單純“堆冗余”未必是最經濟的路徑，有些運營商開始考慮把電網僅作為備份，但這又會引入并網周期與選址對高壓線的依賴；也有人考慮建巨型電池站，但在典型 2–4 小時儲能時長下既昂貴也不夠實用；還存在 H 級聯合循環當基荷、IGT/aeros/RICE 當備份的混合方案，但通常比“電網備份或 2–4 小時 BESS”更貴。

還有個因素是AI 訓練負載的“電性格”。訓練負載高度波動，存在 MW 級的突增突降，且可能在亞秒級發生。一個電力系統的慣量越大，就越能在短期波動中維持頻率穩定；頻率偏離 50Hz/60Hz 過多會導致斷路器跳閘或設備故障。熱機組天然有慣量，因為發電依賴高速旋轉的重物，但離網系統往往還需要額外手段增強穩頻能力，這也是“電網級可靠性”背后的隱形工程。

可見，BYOG 的勝負不只取決于設備參數，更取決于誰能在許可、交期、冗余設計、穩頻與運維組織上，把“幾個月”搶出來，同時把 uptime 做到接近電網。

最后的壓力可能轉移到了供給側，如果大家都選擇自建電，燃機與相關設備產業鏈能不能供得上？

現實情況是， aeros 也好、IGT 也好、RICE 也好，交期都在普遍變長——很多時候決定項目成敗的，是“誰能按時交貨”。

于是，AI 的電力戰爭不再只是數據中心之間的戰爭，它把燃機制造商、發動機廠商、燃料電池廠商、EaaS 供電服務商、許可與選址體系、甚至州與州之間的政策友好度，全部卷進同一張競速網絡里。