能源：谁来为吉瓦买单？

除了这些影响，还要加上对电网和电费账单的冲击。在美国，数据中心的扩张可能使平均电费到2030年上涨约8%，在电网饱和的地区（例如弗吉尼亚州北部）涨幅还要大得多。由此引出一个公平问题：周边居民是否要在自己的电费单上，为 AI 巨头的能源胃口买单？

除了这些效应，还有两个盲区。第一个是电网稳定性：为了不依赖已经饱和的电网，一些运营商在现场自建发电设施（燃气、太阳能、电池，甚至专用核电），这一趋势被称为“表后”供电，它又反过来带来排放与公平方面的问题。第二个是物质层面的足迹：制造数以百万计的芯片和服务器要消耗关键矿产（铜、稀土），并且随着硬件的不断更新换代，产生越来越多的电子垃圾。因此，人工智能的足迹并不只是它今天烧掉的那些电。

瓶颈。 最具结构性的问题是一种时间上的错位，一些分析机构（如 Uptime Institute）从2026年起就对此发出警告：

需要指出的是：各国的处境并不相同。例如在法国，电网运营商（RTE）估计，凭借已经基本实现低碳化的电力结构，能够消化各数据中心项目的预期需求（约 4 GW）。

一方面，人工智能给本已吃紧的电网带来了一项全新而巨大的负荷，有可能延长对化石能源的依赖，并把账单转嫁给公民。另一方面，它的支持者强调其对气候的潜在贡献：优化电网，加速新材料的发现（更好的电池、碳捕集），改进气候建模，或推动核聚变等研究取得进展（这些主题将在第14章讨论科学时再次出现）。

那个概括了一切、也是本章标题由来的问题，至今悬而未决：谁来为吉瓦买单？ 是从中获利的企业，还是全社会？科学与经济上的收益，是否足以抵偿这一足迹？在2026年，还没有明确的答案，但有一点可以肯定：能源已经与芯片一样，成为人工智能发展轨迹的头号限制因素。

---

本章要点（第10章）

• 数据中心的用电量（2024年约 415 TWh）预计将增长一倍以上，到2030年达到约 945 TWh，相当于日本的用电量。
• 除了电力之外，人工智能还给水（冷却）、碳（应急燃气轮机）以及周边居民的电费账单带来压力；2026年，美国一些州（纽约州、加利福尼亚州）已开始就此立法。
• 一个瓶颈正在逼近：建一座数据中心只需3年，而建一座电厂（尤其是核电站）要久得多，由此形成需求与供给之间的“剪刀差”。
• 三种解决方案：能效（更好的芯片、量化、小模型）、核能（巨头纷纷签约，但周期漫长）和可再生能源（蓬勃发展，但具有间歇性）。
• 气候之争尚无定论：一边是电网上的新增负荷，一边是加速能源转型的潜力。能源已成为人工智能的首要限制因素。

第III部分到此结束。我们已经看到了驱动人工智能的燃料（算力、硬件、能源）。第IV部分将探讨人工智能与其他颠覆性技术相遇的几大融合领域：区块链、量子计算和机器人技术。

---