AI太费电，燃气轮机三年涨价300%

微软最近下了一笔订单，金额超过 17 亿美元。买的不是 GPU，不是服务器，而是七台大型燃气轮机。

这些庞然大物将被安置在得克萨斯州的数据中心园区里，专门为 AI 算力供电。单台售价超过 2.5 亿美元——比很多 AI 公司的估值还高——但市场需求远超供应。过去三年，燃气轮机的价格涨了约 300%。

AI 的算力饥渴，正在以一种意想不到的方式传导到能源基础设施的每一个环节。

大模型吃掉的不是算力，是电#

一个粗略的估算：训练一次前沿大模型，消耗的电力大约相当于一千个中国家庭一年的用电量。推理阶段的消耗更大——每一条对话、每一次代码补全，背后都是实打实的电力支出。

这不是什么秘密。过去两年，所有关于 AI 能耗的讨论都指向同一个方向：AI 的电力需求正在以指数级速度增长。据国际能源署的数据，2025 年全球数据中心的用电量已经占到全球总发电量的 2% 以上，而这个比例还在快速攀升。

但燃气轮机涨价 300%，这个数字还是让很多人吃了一惊。因为涨的不光是设备本身——GE Vernova 这家燃气轮机龙头企业的股价，在过去六个月里累计上涨了超过 70%。它的竞争对手，卡特彼勒、西门子，也都跟着涨。

过去两年，AI 行业最大的焦虑是”买不到 GPU”。英伟达的 H100、B200 一卡难求，算力租赁价格翻了又翻。但芯片短缺终究是个短期问题——产能跟上之后，价格会回落。

电力短缺不一样。

一座大型 AI 数据中心的用电量，可以匹敌一座中型城市。而且它不是间歇性的——推理服务是 7×24 小时不间断的。这意味着数据中心的电力需求不仅是”大”，而且是”稳”和”持续”。

美国电网已经感受到了压力。弗吉尼亚州的数据中心集群让当地电网不堪重负，部分新项目的并网等待时间从几个月拉长到了数年。爱尔兰的数据中心现在消耗了全国 23% 的电力——这还是在有新项目被叫停的情况下。

燃气轮机之所以成为香饽饽，是因为它兼顾了两样东西：供电稳定性和快速部署能力。核电站审批太慢，太阳能和风能不稳定，天然气发电成了平衡需求与时效的最优解。

中国的情况稍有不同。中国的电力基础设施更有远见——早在 2020 年，“东数西算”工程就开始将算力向西部转移，利用西部的清洁能源和水电资源。

但压力依然存在。去年，长三角地区的数据中心用电量同比增长超过 40%，局部地区的电力供给已经出现紧张。广东省甚至在 2025 年出台了数据中心电能利用效率 (PUE) 的强制标准——新建数据中心 PUE 必须低于 1.25，这比全国平均水平低了将近 0.3 个点。

更深层的问题是，中国的 AI 模型密度正在快速增加。从 GLM 到 Qwen 到 DeepSeek，国产模型的参数规模越来越大，推理需求越来越旺盛。每多一个百万用户级别的 AI 应用，背后就需要多一座小型发电站级别的电力支撑。

好消息是，芯片厂商也在想办法。

英伟达的 Blackwell 架构能效比提升了数倍，AMD 的 MI300 系列也把功耗控制放在了与算力同等重要的位置。更重要的是，推理专用芯片（ASIC）正在快速崛起——它们不需要训练芯片那么多的通用性，但在单位功耗下能完成更多的推理任务。

DeepSeek 正在自研的推理芯片，目标之一就是降低推理功耗。定制化芯片的优势就在这里：通用 GPU 要兼顾训练和推理，推理专用芯片可以砍掉不需要的模块，把能效比做到极致。

还有一个不太被人注意的趋势：模型蒸馏。把大模型的知识浓缩进小模型里，小模型在推理时的功耗只有大模型的几十分之一。Qwen 系列、GLM 系列都在做这件事，效果相当不错。

但所有这些技术手段加在一起，能抵消 AI 增长带来的电力需求吗？很难说。每提高一倍的能效，AI 的算力需求也在翻倍——这本身就是一种”杰文斯悖论”。

下次你在聊天框里敲下一个问题，点发送，然后在几秒钟内收到回复——这个过程中，某处的燃气轮机正在轰鸣，为那一串 token 的生成提供着动力。

效率会越来越高，芯片会越来越省电。但绝对需求不会下降——它只会继续膨胀。直到能源不再是瓶颈的那一天。

在那之前，燃气轮机的订单大概还会继续涨。

来源：央视财经 | Hacker News