AI 公司开始为等不起付钱

最近听了《十分吸引》《AI 时代的电力战争》，请的是研究电力市场的蔡元纪和绿色和平的舒意雯。节目里聊了很多数据中心、天然气、绿电和融资，我比较在意蔡元纪讲美国那一段。他把问题落在一个很具体的地方：企业想上的数据中心，电网没办法按企业想要的时间接进来。

这个解释挺有意思。平时看 AI，我们习惯看模型多久发一代、芯片多久换一代。到了电力这边，得看变电站什么时候能扩容、线路能不能建、关键设备什么时候交货，还得有人愿意承担新增设施的费用。这几个时间轴放到一起，经常对不上。

我听下来感觉，电力这件事开始改变 AI 公司的经营方式了。以前讨论一份算力采购合同，主要算价格和性能。现在还得往前追：这些机器到底哪天能通电，承诺的负荷能不能持续给到，如果中途晚了一年，这一年闲置的成本谁来承担。

这跟我之前写AI 的财富分配时提到的重资产问题能接上。但这期节目让我想再往下拆一点。基础设施很重要，和拥有基础设施就能赚钱，中间还有挺长一段路。

电力得送到具体的地方

先把几个容易混在一起的量拆开。装机多少，通常说的是功率，用 GW 这类单位；一年用了多少电，说的是电量，用 TWh。一个园区规划 1 GW，也得继续问，是远期规划、已经接好的容量，还是服务器实际能够使用的功率。

假设一个设施全年平均从电网取电 1 GW，全年算下来就是 8.76 TWh，约 87.6 亿度。如果说的是服务器端 1 GW，制冷和配电还要额外用电。如果项目还在分期建设，就更不能拿远期规划容量直接当成当年的耗电量。

节目引用了全球数据中心到 2030 年用电 945 TWh 的预测。这是 IEA 去年的口径。今年 4 月更新的基准预测是，从 2025 年的 485 TWh 增到 2030 年约 950 TWh，届时约占全球用电的 3%。统计范围是全部数据中心，里面还包含很多非 AI 业务。它毕竟是预测，后续也会受到设备供给、实际需求和能效变化的影响。IEA，2026 年更新

3% 看起来不大，但全国或者全球的占比，回答不了一个具体园区能不能接电。负荷往往集中在少数地方，电网又不是哪里剩一点电，就能毫无限制地送过去。当地线路承受不了，或者最紧张的几个小时没有足够可靠的供给，项目就只能排队等。

所以我会把“美国缺电”理解得更具体一些：有些区域很难在要求的日期，给新的大负荷提供足够可靠的供电。审批只是其中一部分。输电能力、发电资源、设备交付和当地的成本分担，都可能卡住项目。PJM 对容量市场的说明，就同时提到了机组退出、峰值需求增加和可靠性规则调整，不能把涨价或者延误都归到一个原因上。PJM 的解释

企业愿意为提前通电多付钱，也就好理解了。便宜的电两年以后才能拿到，贵一些的方案今年就能用，后者有可能更划算。做这个判断要算上提前营业的收入、少闲置的设备，以及等待期间硬件竞争力下降的风险。

但自己建电厂也未必能绕过去。今年 IEA 专门提醒，自备燃气电源同样会遇到燃机供应、许可和可靠性配置的问题。电网排队太久，换一条队排，到底能不能更快还得具体看项目。不能把“自建”直接写成“问题解决了”。IEA 对自备燃气电源的分析

人可以等，GPU 未必适合跟着等

节目里还有一个判断，我觉得值得认真讨论：AI 的任务形态变了，一部分计算可以往远处放。

这个方向我认同。实时语音要尽快响应，但整理一批材料、跑一次评测、生成一份第二天才交付的报告，可能没有同样严格的时延要求。结果很小、计算很多的任务，确实有机会把更多工作放到电力条件好的地方。这里要看具体 workload，不能把推理一概当成可以慢慢算的业务。

不过，允许放远一点，和允许停下来，是两个不同的条件。

我今晚提交任务，明早拿结果，确实给了系统调度空间。但提供服务的公司已经买了 GPU。这些机器停着也在折旧，机房、网络、融资也都有持续发生的成本。如果为了等便宜电，把设备利用率压得很低，省下来的电费可能补不回少完成的工作。

可以粗略把一个任务的成本想成两块：分摊到的硬件、机房和资金成本，加上用电和其他变动成本。减少耗电只改了后面这部分。如果因此让同一批硬件一年能交付的任务少了很多，分摊到每个任务上的固定成本反而还会往上升。

这也是我对节目里提到的“电费占运营成本 60%—80%”觉得需要保留的地方。这个分母到底包括什么？是运营机房的日常费用，还是把 GPU 折旧、融资、网络和软件服务都算进来的总成本？电费是否由客户另付？不同生意算出来差别会很大。没有把分母讲清楚，就不能直接拿它推导“电价便宜一半，AI 服务成本也便宜接近一半”。

灵活用电还是有价值的，尤其是电网一年里最紧张的少数时段。2025 年的一项现场试验，在商业数据中心里的 256 张 GPU 集群上，连续三小时把集群功率降低了 25%，同时满足了试验设定的 AI 服务质量要求。这说明调度确实可以做出实际效果，但它的规模、任务组合和事件时长都有限，不能直接外推成整个大型园区可以长期跟着天气开关机。现场试验论文

Google 在 2025 年也披露了针对机器学习负荷的需求响应协议，同时强调这类安排仍处于早期，只在部分地点可用。这让它比单个试验又往前走了一步，距离各地都能采用还有一些条件要补。Google 的实践

我更看好的是这种有限度的协调：某些任务晚点跑，某些任务降一点功率，特别紧张的几小时主动让出一部分负荷，换取电费补偿或者更早接电。能不能做，得看客户的截止时间、任务是否方便恢复，以及运行方得到的补偿够不够。

这里还有个反例。旧一代硬件如果购入成本已经很低，或者集群本来就缺任务，少跑几个小时的机会成本会小很多。这样的设备可能更适合追着便宜电运行。所以不能给所有 GPU 下同一个结论，要区分本来没有需求，和为了等电主动放弃本来能完成的工作。

任务迁移、短时削峰和长期停机，给电力系统的弹性与设备利用率代价不同

做 agent 产品的人，其实能参与这件事。把“立即响应”和“明早交付”做成不同的服务约定，让任务能暂停、保存进度、恢复执行，系统才有机会利用这些弹性。光在介绍里写一句“异步”，还不够。

中国这边得先把各自想要什么讲清楚

蔡元纪把中国的问题拆成三方，我觉得这段讲得很好。地方政府希望有投资和产业，算力企业希望电便宜、可靠，能源企业希望新能源发出来以后有人用，最好还能配合调整用电时间。

这几个目标有交集，但不会自动一致。

一个数据中心全天稳定用电，对电力企业可能是不错的客户。但到了新能源出力低的时候，它还是要稳定用电。土地便宜、有很多风机，并不自动等于有人愿意低价提供全天候保障。中间需要电网调节、储能、其他电源，或者数据中心自己让出一些用电需求。每一种方案都得有人来付钱。

同样，地方有了机房，也不能直接推出当地就会长出 AI 产业。建设投资是一个阶段，运营留下多少就业和税收是另一个阶段，使用算力的公司愿不愿意在当地做研发、接客户，又是更后面的事情。把这几段分开看，才能判断一项招商到底给当地留下了什么。

绿电直连提供了一种更直接的供电安排，但它不自动消除平衡的成本。2025 年的国家文件已经明确区分并网型和离网型，2026 年多用户直连规则也延续了这个区分。并网型项目仍与公共电网连接，申报并网容量，划分供电责任，也要按规定承担相关费用。它给了项目更具体的组织方式，没有承诺接一根专线就能免费获得稳定性。国家发展改革委、国家能源局文件

所以说，中国电力建设和制造能力的优势，确实可能帮助算力扩张。但从电源端走通，再到一个有竞争力的 AI 服务，中间还要经过芯片、集群网络、软件工程、利用率和客户真实需求。便宜的电能降低其中一部分成本，但没法替其他环节完成交付。

绿电的数量和供电的时间要分开看

舒意雯讲的年度绿电匹配和逐小时匹配，也值得单独拿出来。

一家企业如果全年用了一定数量的电，同时采购了对应数量的可再生能源或者合规的环境权益凭证，可以按相应标准做年度匹配。但这并不意味着每个夜晚、每个无风的小时，它所在的电网随时都有足够的清洁电力去匹配负荷。

Google 早在 2020 年解释后续目标时，就把已经实现的年度可再生能源匹配，和希望在各地每个小时实现无碳电力供应区分开来。后者多出时间和地点两个要求，做起来困难也大得多。Google 对两种目标的说明

所以评估一份绿电承诺，至少要知道它用的是什么口径。买到一年足够多的绿电，有它的价值；把当地最难供电的几个小时也覆盖掉，是另一份更难的工作。可再生能源、无碳电力和具体政策里的“绿电”，范围也不完全相同，核电尤其容易在这里被混用。

这一点也会改变对成本的理解。一张年度凭证便宜，不代表可以用同样的价格买到全天候清洁供电。便宜的发电成本，还要加上把电在合适时间送到用户手里的系统成本，最后才是用户能依赖的方案。

谁承担等不到客户的那几年

节目后面聊 REITs、长期购电协议和私募信贷，我听到这里又绕回了时间。

电厂、线路和机房外壳，通常是用很多年的资产。GPU 的经济竞争力可能变化得快得多。客户愿意签多长的合同、下一代模型要用多少计算、服务能卖到什么价格，又是另外几个时间轴。它们被装进同一个项目，不代表就能一起回本。

比如电力已经准备好了，GPU 也装进去了，但客户需求没有按预测出现。长期购电义务、最低用量承诺或者贷款的还本付息义务，并不会因为任务少了就跟着消失。再比如模型效率提高，客户用更少的钱就能完成同样的工作，对使用者当然是好事，但按另一种收入预期建起来的项目，可能就得重新算账。

长期购电协议可以减少某些价格的不确定性，具体能锁住多少，要看合同细节。它也可能把企业绑在固定价格、固定期限或特定购电义务上。期限不同也不必然造成亏损。电厂可以服务多代 GPU，条件允许时也能给其他客户供电。要看合同能否覆盖投资，以及原客户退出后有没有别的需求接上。把资产证券化，则是让不同投资者接手不同的权利和风险。客户会不会续约、机房是否适配下一代设备、电价上涨由谁承担，这些问题依然在。

而且不能把只持有机房设施、收租或服务费的资产，和自购 GPU、出售计算服务的公司放在一起估值。前者也可能有电费转付安排，电价涨了，未必全由业主承担。看现金流之前，得先搞清楚到底持有什么、向谁收费、承诺了什么。

PJM 那段也需要补一个边界。容量市场购买的是指定交付期内可提供的容量，价格常以美元／MW／日表示。提前举行拍卖，不能直接等同于把几年后电站的全部建设费用，立即摊进拍卖当年的居民电费。要对照交付年份和当地零售计费安排，容量价格也不能直接当成每度电的价格。PJM 容量拍卖说明

所以，如果顺着这期去看投资，我会先问几件朴素的事：这个资产到底卡住了谁？对方愿意为提前多久拿到它付多少钱？合同把这份收入锁了多久？如果需求没有出现，损失落在谁身上？

产业需要它，只能说明有人需要解决这个问题。企业能不能留下利润，还要看监管、竞争、合同和买入时付出的价格。稀缺有可能让发电资产获得更高收入，也有可能让它承担一大笔扩建义务，最后回报被限定住。这两种情况都得具体看。

对我这种做 AI 产品的人，更近的一层是重新看服务承诺。哪些工作真的要立即完成，哪些可以排队；哪些可以暂停，哪些中断了得重做；同一个结果能不能少算几次、少重试几轮。这些产品和工程选择，往后可能会影响服务应该放在哪里，以及底下那批设备能不能用得更好。

这期听完以后，我更想追踪具体项目的后续：承诺的电哪天到，算力哪天能卖出去，客户愿意持续付多久的钱。这几件事对得上，前面的容量和投资数字才有办法落到经营结果里。

---

本文基于《十分吸引》EP.03《AI 时代的电力战争》及节目转录做独立解读，观点归本文作者，嘉宾观点在相应段落注明。数字核对截至 2026 年 9 月 21 日。未将节目中尚未独立核实的融资、企业项目与会议轶闻作为论证依据。