过去两年，谈 AI 基础设施的瓶颈，几乎所有人都说同一句话：GPU 不够。但进入 2026 年下半年，一批来自投资机构、研究组织与监管记录的一手数据指向了一个更硬、也更常被忽视的约束——电力，准确说是"把电接到机房里"这件事本身。
RBC Wealth Management 在 2026 年 10 月 1 日的一篇分析里把话说到了产业层面：如果一家公司既有资本、又有技术去建数据中心，却要好几年才能拿到电力接入，那么电网就会成为整个经济增长的约束。这不是电费贵不贵的问题，而是你的项目在建成之后，可能根本"通不了电"、开不了机。本文把这层约束拆开讲清楚：缺口有多大、卡在哪、业界怎么绕、以及它对采购与投资决策意味着什么。
一、先看缺口：需求上修得比电网快得多
不同机构口径差异很大，但方向高度一致——AI 算力扩张正把电力系统推入新的压力区间。几个必须带口径引用的数字：
| 指标 | 数值 | 来源与口径 |
|---|---|---|
| 全球 AI 数据中心总功率容量 | 约 30 GW（2025 Q4） | Epoch AI，与纽约州峰值用电量相当，超过许多发达国家全国水平 |
| 最大单体 AI 数据中心 IT 功率纪录 | 自 2024 年中起每 10 个月翻一番 | Epoch AI，前沿数据中心功率趋势分析 |
| 美国数据中心供电缺口 | 到 2028 年或达约 33 GW | 摩根士丹利估算（需求侧仍在持续上修） |
| 2030 年美国需求 vs 电网可交付容量差距 | 拉出 170 GW 以上 | TrendForce 按服务器出货反推（与上面大摩口径差异大，取方向不取精确值） |
| GPU 占前沿 AI 数据中心用电比例 | 约 40% | Epoch AI 组件级拆解——意味着另 60% 花在冷却、供电、网络等配套设施 |
这里要诚实标注：33 GW 和 170 GW 这两个缺口数字来自不同机构、用了完全不同的方法（一个是需求-供给直接差、一个是从服务器出货反推），不能拿来精确比较，更不能取平均。它们共同说明的只有一件事——需求曲线一直在往上修，而电网的建设曲线，早在这一轮 AI 热潮之前就被物理规律定死了。
二、真正的卡在"芯片与电站之间"
很多人一听"缺电"就以为是发电厂不够。但一座机房接不上电，更常见的原因是当地电网没有足够的接入容量。电要从输电线路、变电站、配电设施一路走到机房供电系统，最后才落到芯片上——这条链路上任何一个环节排队，都能让一台装满了 GPU 的机房干等着通电无门。
最典型、也最反直觉的瓶颈是一种看起来极其传统的工业设备——配电变压器。美国能源部 2026 年 3 月公布的一份会议记录指出，按其掌握的 2024 年数据，配电变压器的订货交付周期已从 2019 年的 3 至 6 个月，延长至 1 至 2 年，甚至更久。
三、业界的两条绕行路线
面对接入排队，市场自发长出两条路，法巴（BNP Paribas）在 2026 年 10 月的研选里做了归纳：
路线一：公共电网供电（慢，但便宜）
走传统流程申请并网，等待输电与变电站扩建。优点是长期单位电价可控，缺点正是那个 1-2 年起步的交付周期——对争分夺秒上算力的巨头来说太慢。
路线二："表后发电"（behind-the-meter，快，但贵且重资产）
数据中心自己在场址内建发电设施，在等待电网接入期间自行解决电力需求。科技巨头已经开始这么干：微软此前表示未来两年要把数据中心规模扩大一倍以上，并选择直接与能源生产商合作锁定长期、稳定、可预测的电源；其一个配套电力项目总装机容量预计达 267 万千瓦，足以供应超过 53 万户家庭，有望成为美国规模最大的 AI 数据中心配套电力项目之一。"自建电源 + 数据中心"正在从个案变成模式。
这两条路线的共同结果是：AI 投资正从科技产业进一步向能源产业扩散。天然气发电、储能、电网扩建、现场发电的组合，被认为是短期内补足缺口的主要手段。
四、储能与配套：被 AI 点燃的第二增长曲线
电力约束外溢到的第一个产业是储能。法巴的一组预测值得引用：
- 全球储能系统需求预计从 2025 年的 550 GWh 增至 2030 年的 2730 GWh，再到 2035 年的 6445 GWh，2025–2035 复合增长率约 27.9%；
- 美国到 2030 年发电领域新增天然气需求或达约 100 亿立方英尺/天（10 bcf/d），其中超过一半（约 6 bcf/d）来自数据中心；
- 欧洲电力需求到 2030 年年均增长约 3%，数据中心是主要新增来源之一，间接支撑可再生能源、储能、核电与电网投资。
再叠加 Epoch AI 那个"GPU 只占约 40% 用电"的拆解——你会发现一个吉瓦级数据中心的钱，有相当大一块根本不落在芯片上，而落在供电、冷却、储能这些"看不见的配套"上。Epoch AI 另一项测算给出量级：一座典型的 1 GW AI 数据中心，总拥有成本（TCO）约需 380 亿美元。芯片只是这张账单的一部分，电力与配套才是拖长付款周期的重头。
五、融资也在换挡：从"巨头现金流"到"外部借钱"
电力之外，另一道约束是钱。法巴观察到一个阶段性转变：本轮 AI 建设的第一阶段，主要靠微软、Alphabet、Meta、亚马逊这些科技巨头自身的自由现金流支撑；而现在正进入扩大外部融资的第二阶段——资金来源扩展到银行贷款、公司债、项目融资、私人信贷、公开股权乃至潜在政府资金。
为什么这个转变重要？因为当建设主体从"现金充裕的巨头"变成"需要借钱的多元主体"时，项目对"何时能通电开机产生收入"就变得极其敏感。一个并网要等两年的站点，对巨头只是拖延，对一个背着债务融资的项目方可能就是现金流断裂。这反过来又会加剧对"表后发电"这类能快速投产方案的争夺——电力约束与融资约束，是互相咬合的两环。
六、给企业与投资人的三条启示
启示一：做 AI 基建规划，把"电力接入时间表"提到和"芯片采购"同等位置。过去排期看 GPU 到货，现在要先看目标站点的并网队列长度和变压器交付周期。一个算力和机房都就绪、却要等 18 个月通电的项目，其真实进度落后于纸面计划一年半。
启示二：认清"降价救不了总能耗"这条铁律。单位 token 价格在降、单卡能效在升，但只要 Agent 工作流越跑越长、数据中心越建越多，总功率需求仍会向上。这与我们此前分析推理成本时的结论同构——效率提升释放的是更多需求，而不是更低的总量。
启示三：投资视角从"谁卖芯片"扩到"谁供电、谁储能、谁做电网设备"。当电力成为约束，价值会沿约束点重新分配。变压器、开关设备、燃气轮机、储能系统、电网 EPC，这些"老工业"环节正获得 AI 时代的新定价权。判断一个 AI 基建标的，除了看它有多少卡，更要看它锁没锁到长期电源、有没有为配套供电买单。
七、FAQ
Q1：既然这么缺电，为什么不干脆多建电厂？
A：短期卡点其实不在发电，而在输配电与设备交付——输电线路、变电站、尤其配电变压器的产能与审批周期远跟不上需求增速。这也是为什么"表后发电"这种绕过公共电网的方案会流行：它把"等并网"变成了"自己先发电"，用资本换时间。
Q2：33 GW 和 170 GW 两个缺口数字差这么多，该信哪个？
A：都不该当成精确预测。二者方法与口径完全不同（需求-供给直接差 vs 服务器出货反推）。正确用法是记住它们的共同方向——需求持续上修、电网跟不上——而不是纠结具体数值。任何把单一缺口数字当定论引用的做法都要警惕。
Q3：这对中国搞智算中心有什么参考？
A：机制完全通用，且中国还叠加"东数西算"这类把算力往能源富集区调度的政策响应。核心启示一样：规划智算集群时，电力接入与制冷配套的确定性，应作为选址的一票否决项，而不只是比电价高低。谁先把"稳定的绿电 + 够用的变电容量"落定，谁的机柜才能真正转起来。
参考来源（英文一手材料）：
RBC Wealth Management – How Electric Power Is Becoming a Constraint on Growth（2026-10-01）
Epoch AI – AI Energy Use Data & Research（2025 Q4 全球 AI 数据中心约 30 GW；最大单体功率每 10 个月翻倍；GPU 约占 40%；1 GW 数据中心 TCO 约 380 亿美元）
BNP Paribas（法巴）– AI Data Center Investment Pathways（2026-10，储能 550→2730 GWh、美国数据中心新增天然气约 6 bcf/d、融资进入第二阶段）
U.S. Department of Energy – 会议记录（2026-03，配电变压器交付周期由 2019 年 3-6 个月延至 1-2 年及以上）
