人工智能的大发展，使得计算能力不仅是受限于半导体微缩工艺，而且更加受制于最基础的资源：电力的影响。训练大模型和部署大规模推理应用，都需要大量的能源支撑。

首先我们看一下美国的电力负荷情况。
美国五大核心科技公司的资本支出在2025年飙升至4000亿美元，而根据规划和供应链订单预测，这一数字在2026年还将激增75%。八家主要的云计算服务商预计2026年将实现44%的同比增长，达到3710亿美元。
2023年，美国数据中心的电力消耗约为176太瓦时，占全美总电力消耗的4.4%。但是在算力狂潮的推动下，美国数据中心的电力需求将成倍甚至三倍增长，达到328至580太瓦时，占全美总电力消耗的月6.7%至12%。而如果时间线拉厂至2030年，有关研究机构的模型显示：美国数据中心的电力消耗占比将到全社会用电总量的8%。到2035年，美国数据中心的耗电量将达到430太瓦时。

指标维度 2023/2024年实际数据基准 2028年预测区间 2030/2035年长期预测
美国数据中心总耗电量 176 TWh (2023) 3 325 - 580 TWh 3 430 TWh (2035) 8
占全美总电力消耗比例 4.4% 4 6.7% - 12.0% 3 8.0% (2030) 5
人均数据中心耗电量 约 540 kWh (2024) 9 未披露 超过 1,200 kWh (2030) 9
超大规模服务商资本支出 2240亿美元 (US Big 4, 2024) 10 未披露 3710亿美元 (八大巨头, 2025) 2

为了弥补这基础设施缺口，美国公用事业启动了规模空前的电网现代化与产能扩张计划。2025年，行业的资本支出将同比增长22%，达到2120亿美元。
基础设施不足引发了成本分配的社会矛盾，用电价格在2025年美国居民用电同比上涨11.5%。2024年，13个州的电力客户为新建输电基础设施支付了高达43亿美元的账单。
除了电价，数据中心庞大的水资源消耗也引起了当地社区的抗议。meta在伊利诺伊州的一个数据中心在获批日耗120万加仑水后，当地依赖地下含水层灌溉的农户恐慌，成功狙击了部分开发项目。
美国电力部门并未做好算力爆发的准备，这迫使算力资本不得不承担起重构能源基础设施的重任。

中国在ai领域的投资规模和美国相比，似乎存在巨大差异。中国的四大巨头同期资本支出从330亿美元增至510亿美元，增长率高达54%，但绝对值仅为美国的1/6.
但是这只是名义汇率下的直接比较。从购买力平价算的话，则这种差距将大大缩小。另外，得益于中国开发者在算法优化上的极致追求，中国的ai系统的单次训练成本仅为美国同等性能的模型的1%到5%。把这个成本效益乘数，加上购买力平价的调整，中国的资本支出，在计算输出和模型产出能力上，和美国的巨额投入已经形成了旗鼓相当的态势。

在模型能力上，中国的ai基础模型性能差距已经基本抹平。在某些行业权威的基准评测上，美国的顶级模型和中国的代表模型也是在交替占据榜首位置。到2026年3月，美国的顶级模型仅仅保持着2.7%的微弱优势。

在ai的部署上，中国的落地速度也是惊人的。中国的企业将ai广泛的融入了制造业、医疗保健、自动驾驶和智慧城市管理。中国部署了29.5万台工业机器人，是美国部署量3.42万台的近9倍。更讽刺的是，高达80%的美国本土初创公司，正在利用中国开源的ai模型构建自己的客服或底层逻辑产品，因为中国的产品有极高的性价比和开放性。

中国科技巨头在算力上的巨额投入，已经引发了国内电力需求的显著增加。但中国展现出了通过宏观调控和电网统筹来消纳这一庞大负荷的能力。

核心指标 2020/2022年基准 2025年实际数据 2030年战略预测
中国数据中心总耗电量 77 TWh (2022政府口径) 193.3 TWh 400 - 600 TWh
占全社会总用电量比例 约 2.0% (2020估算) 1.9% (全社会基数大增) 约 3.7%
PUE (电能利用效率) 目标 1.54 (2021年之前平均) 1.48 (当前平均), 新建<1. 持续向 1.1 - 1.2 逼近

政府出台《绿色数据中心行动计划》，强制要求提升电能利用效率，将大型数据中心的pue控制在1.25以下为硬性目标。液冷技术从可选项变成了必选项。并且，对pue高于1.35的数据中心征收惩罚性的差别电价。
最关键的是国家级超级工程：东数西算。在青海，到2025年9月，算力规模一年内增长了近40倍。新建的智算中心，绿电使用比例高达90%以上。
实证研究表明，东数西算把计算负荷转移至可再生能源丰富的西部。 没减少25%至40%的碳排放。