硅谷面临 18 吉瓦的电网挑战

加利福尼亚州的公用事业规划人员目前正盯着一张电子表格，上面列出了新建数据中心对电网连接的18.7吉瓦需求申请。这一个数字所代表的电力需求，比该州所有住宅的用电总和还要多。然而，该州的官方机构在未来二十年的预算中，却只为这部分负荷的一小部分留出了空间。

这就是人工智能热潮与公共基础设施相碰撞后的物理现实。科技开发者们正在为计算集群预留巨大的、投机性的电网容量，而这些计算集群在加州的2045年气候模型中完全未被提及。萨克拉门托目前面临的紧迫矛盾不再仅仅是关于如何产生绿色电力，而是普通家庭是否即将要为那些可能永远无法被充分利用的基础设施，去承担数十亿美元的电网升级费用。

在黑暗中预测

核心问题在于，机器学习的规模扩展方式与传统重工业不同。在斯坦福大学的Bits & Watts倡议项目中，研究人员发现，标准的电力需求模型在应用于生成式AI时会直接失效。该研究所的研究员梁敏（Liang Min，音译）指出，AI的增长并非平稳的工业攀升，而是一系列对新应用的、不可预测的下注。

如果一个新的机器学习模型一夜之间爆红，其背后的电力需求就会毫无征兆地飙升。“目前我们确实在挣扎，”梁敏在最近的一个电网规划小组会议上表示，并指出应用层带来了极端的预测风险。

在欧洲，电网扩展与国家产业战略紧密挂钩，且审批速度往往缓慢且可预测。而在加州，像圣何塞（San Jose）这样的城市正看着投机性的科技提案在短短几个月内就威胁要成倍增加其峰值电力需求。城市官员陷入了两难境地：是要求这些项目提供确实会消耗所申请电力的严格证明，还是为了在资本流向别处之前确保投资而对其进行快速审批。

纳税人的轮盘赌

接下来是“谁来买单”的问题。加州公共倡导办公室（California Public Advocates Office）已经发出警告，如果公用事业公司为最终倒闭的数据中心建设重型基础设施，普通纳税人将不得不为这些闲置资产买单。许多开发者在提交大规模容量需求申请时，并未承诺最终的建设时间表或签署长期购电协议。

该州最大的公用事业公司PG&E认为，增加大型工业客户可以将固定的电网成本分摊到更广泛的基数上，理论上会降低平均电费。这是一个精妙的数学论点，前提是这些数据中心不会同时在同一个负载过重的工业走廊要求供电。

其他州已经看到了这种风险，并开始采取措施隔离成本。俄勒冈州最近收紧了法规，以保护家庭账单免受特定连接升级的影响；而明尼苏达州则将大型数据中心基础设施划分为单独的计费类别。加州迄今尚未实施积极的法律限制，立法者仍在讨论今年早些时候陷入僵局的透明度要求。

电池与柴油备用电源

为了填补这一缺口，规划者们正大力依赖分布式存储。Deploy Action的Jigar Shah指出，小型商业电池的安装成本已从五年前的1.5万美元暴跌至如今的不到5000美元。这些电池通过虚拟电厂（virtual power plants）组合在一起，可以将成千上万的电动汽车充电桩和智能负载聚合起来，作为应对电网突发压力的可调度缓冲。

但软件和电池无法替代基荷发电。尽管加州有严格的环境目标，但AI计算的巨大规模正迫使人们不得不静下心来讨论对“清洁稳定电源”的需求——即地热能、核能，或配备碳捕获系统的天然气。在地方层面，环保人士已经开始关注这些大型设施所必需的柴油备用发电机和耗水型冷却系统的激增问题。

硅谷的高管们喜欢指出，AI最终可以优化电网调度并检测网络故障。这在十年后或许会成为现实。但就目前而言，这些算法正在彻底摧毁容量预测模型。加州拥有建设基础设施的工程人才，只是还没弄清楚如何停止让郊区居民去补贴服务器。

来源

• 斯坦福大学 Bits & Watts 倡议
• 加州公共倡导办公室