高盛预测，到2030年，人工智能数据中心将推动全球电力需求较2023年增长165%。过去三年间，美国数据中心建设支出增长三倍，仅美国公用事业公司需为数据中心新增500亿美元发电能力。此外，全球电网升级成本预计高达7200亿美元。这一趋势凸显AI技术快速发展对能源基础设施的巨大压力，亟需提前规划应对措施。（2025-09-03）

高盛预测，到2030年，人工智能数据中心的崛起将使全球电力需求比2023年增长165%，推动基础设施和能源策略的重大转变。美国数据中心建设支出过去三年增长了三倍，未来五到六年全球市场将继续大幅扩张。用电强度也将显著提升，平均负荷密度预计从每平方英尺162千瓦增至2027年的176千瓦。目前，数据中心总能耗约55吉瓦，AI占14%，但其占比将持续上升。高盛提出三种情景预测：到2027年，能耗需求可能增长14%-50%。为满足需求，美国需新增500亿美元发电能力，全球电网升级成本或达7200亿美元。可再生能源将贡献40%新增电力，核电因低碳特性重新受青睐，美国已签署超10吉瓦核电合同。

2025年9月2日，美国电力公司面临“幽灵数据中心”问题。尽管AI热潮带来巨大电力需求，但许多拟建数据中心可能永远不会落地。全美范围内，电网接入申请激增，部分电力公司收到的申请总需求接近400吉瓦，超过美国本土7月用电峰值的一半。然而，同一项目可能向多家公司重复申请，导致数据虚高。电力公司担忧过度建设发电设施的风险，若AI热潮降温，其他客户将承担成本。目前，美国电力需求以每年2%增长，AI搜索耗能是普通搜索的十倍。CenterPoint Energy公司数据显示，数据中心申请电量一年内从1吉瓦增至25吉瓦，但预计仅20%会实现。开发商因审批不确定同时考虑多个地点，进一步加剧了资源分配难题。

北京时间8月5日，谷歌公司宣布与印第安纳-密歇根电力公司和田纳西电力局达成协议，在电网用电高峰时减少其AI数据中心的用电量，以缓解美国电网压力。此举旨在应对能源密集型AI对电力需求激增的问题，避免电力短缺导致的家庭和企业电费上涨及停电风险。谷歌将通过暂停部分机器学习工作负载支持需求响应计划，这有助于优化电网管理并减少新建电站的需求。此类协议可能为科技行业应对电力紧张提供新思路，尽管目前仅覆盖小部分用电需求，但预计未来将更加普遍。

2025年7月22日，美国电网面临数十年来最严峻的供需挑战，最大电网PJM已无多余电力满足新建数据中心需求，开发商被迫考虑自建电厂。PJM独立监管机构总裁乔·鲍林指出，当前无新增发电容量应对负荷增长，建议数据中心自带发电设施以破解难题。这一方案可消除长期需求预测的不确定性，优化项目筛选，缩短电网接入审查流程，提升行业效率。AMD首席执行官苏姿丰曾在2月预警，人工智能普及将推动更多数据中心和电力需求，强调需加强芯片、电力及基础设施建设。目前，PJM电网覆盖区域从华盛顿至芝加哥，已成为全美数据中心密度最高、压力最大的地区。

2025年7月15日，据《科创板日报》报道，CoreWeave公司正在美国达拉斯附近扩建一座大型数据中心。该项目预计将使当地的电力需求翻倍，进一步引发对人工智能相关设施给电网带来压力的担忧。这一动态凸显了科技基础设施快速扩张对能源供应的显著影响，同时也为当地能源管理提出了新的挑战。

5月1日，谷歌宣布将资助数万名美国电工的培训计划，以应对AI扩展带来的数据中心电力需求激增。目前，美国数据中心电力需求正快速增长，预计未来三年可能增长三倍，占全国电力消费的12%。谷歌为此投入1000万美元，与电工非营利组织合作，包括对学徒及现有劳动力的再培训。此举旨在解决电力项目积压和劳动力短缺问题，预计到2020年代末，美国电工培养量将增加70%。

国际能源署4月10日发布的报告显示，至2030年全球数据中心电力需求预计翻倍，主要受人工智能驱动。届时，全球数据中心电力需求将达约945太瓦时，接近目前日本总用电量，占全球总电力消耗的不到3%。

据彭博社报道，得克萨斯州电网的电力需求预计到2030年将激增75%，相当于再建30座核电站的发电量。增长主要由AI产业带来数据中心扩张所致。Ercot数据显示，大型用电项目总需求已达99吉瓦，远超去年的40.8吉瓦。疫情后得州用电需求已是全美最快增长之一，AI爆发加剧此趋势。数据中心扩张影响电网稳定性，Ercot正研究解决方案，以确保电网稳定并引入数据中心。

日本经济产业省表示，虽然数据中心扩展可能增加电力需求，但新技术如DeepSeek的出现使得未来电力需求变化难以预测。DeepSeek作为中国初创企业，其技术可能更节能，但对电力需求的影响存在争议。一方面节能技术可能降低需求，另一方面AI技术普及和成本下降可能推动需求增长。日本政府在《能源基本计划》草案中预测，到2040年发电量将增长10%-20%，而AI驱动的用电需求将显著增加。日本经济产业省认为，仅凭单一技术案例难以全面评估未来能源需求影响，需考虑多种复杂因素。