多找到了10GW电力，缺口却扩大了19GW

供应增加了，缺口却更大了

摩根士丹利研究部门重新发布了美国数据中心电力展望。他们将2026年到2028年美国数据中心新增所需电力定为97GW¹。而在去年8月的报告中，这个数字还是68～69GW。

图表呈瀑布状。从所需的97GW中减去正在建设中的数据中心已确保的21GW，再减去可从电网获取的19GW，剩下57GW。即便把燃气轮机、燃料电池、核电站厂址等所有替代方案都算进去，仍剩下33GW，占所需电力的34%。

让我停下来细看的，是图表中间的两根柱子。在8月的报告中，同样位置上的数字是在建约15GW、电网约15GW，合计30GW的供应，这次变成了40GW。也就是说，短短一个多月里，供应端改善了10GW，但在计入替代方案之前的缺口却从38GW扩大到57GW，增加了19GW。这意味着，需求量被重新调整的幅度，远远超过了供应增加的速度。

那么，需求量为什么会一下子增加29GW呢？并不是因为数据中心计划突然增加了几十个。

变化的不是建筑，而是每个机架的算法

摩根士丹利上调预测的依据，是英伟达下一代产品的机架²功率。他们把Vera Rubin机架的功率估计从149kW上调到234kW，下一代Rubin Ultra则从415kW上调到600kW，分别上调了57%和45%。需要注意的是，这并非英伟达官方公布的规格，而是摩根士丹利自己的推算值。

为了有个直观的感受，我们来算一算。一个月用电300kWh的家庭，平均下来大约持续用电0.42kW。一个234kW的机架，相当于560户这样的家庭一整天用电量的总和。而一栋数据中心里，会装进数百甚至数千个这样的机架。

这里常常会有人反问：芯片性能提升了，不是应该用更少的电做同样的事吗？单次运算耗电确实可能下降。但现在这个行业出售的单位，不是一颗芯片。72个或144个GPU，连同内存、网络和散热装置一起，被打包成一台机器——机架，才是一个单位。芯片排布得越密集，连接它们的内存和网络就越耗电，散热所需的电力也越多。芯片的效率和机架的功耗，可能朝着相反的方向走。

所以这次上调，和“AI需求变得更热”这种预期调整性质不同。同样的计划摆在那里，只是把要装进这个计划里的每台机器（机架）的功率估算改写了。摩根士丹利认为，2027～2028年是转向这种“以机架为单位”设计的拐点。也就是说，竞争正从“把一颗芯片做好”转向“如何为整个机架供电”。

看看谁在填补这个缺口

第二张图表更有意思。图上列出了在电网之外获取电力的各种方式。业内把这称为”Time to Power”，也就是能多快接上电的问题。因为新接入电网，各地区都要等5～7年，所以人们才会想办法绕开这条队伍。

• 在电表后端³单独搭建的燃气轮机、发电机：17GW
• Bloom Energy的燃料电池⁴：5GW
• 利用在运核电站厂址：2GW

这些数字，都是乘以成功概率后得出的。根据摘要资料，涡轮机/发电机的中位数是19GW、成功概率90%；燃料电池是5GW、90%；核电站厂址是3GW、75%。相乘并四舍五入后，就得到图表上的17、5、2。此外，把类似比特币矿场这样已有电力设施的场地改造成数据中心的方式，另外单独计算为13GW，据称为了避免与在建部分重叠，这张图里把它单独列出。

我注意到两点。

第一，最大的柱子是燃气。填补电力缺口的主力，既不是新的输电网，也不是核电，而是搭建在数据中心旁边的涡轮机。这意味着数据中心正在从“买电的客户”，变成“自带发电厂的设施”。

第二，一家公司的名字独占了一根柱子。一家企业的燃料电池供应能力，被算得比现有在运核电站厂址的总量还要大。这与其说是核电“规模小”，不如说是评判标准变成了：能否在2028年这个时间点前真正接上电。在这个计算里，重要的不是发电单价，而是安装速度。

而即便把这一切全部加起来，仍剩下33GW。

剩下33GW意味着什么

这并不意味着会停电。更准确地说，是意味着在计划中的机架里，有相当一部分到2028年都得不到电，因而被延后。就算有钱、有GPU，只要没地方接电，那些GPU也只能在仓库里等着。

摩根士丹利认为，这个缺口不只是电力问题。他们同时指出了人力、电力、政治这三大瓶颈：熟练建设发电设施和数据中心的人手不足，当地居民的反对与监管拖慢了选址进度。如果把时间线拉长到2029年，缺口会扩大到72GW。

不过在解读这个数字时，有一点值得记住：需求量在短短几周内就变动了29GW，这也说明这份预测对“机架功率”这一个假设的敏感程度有多高。一旦英伟达实际发布的规格，或客户的部署速度发生变化，这个数字还会再变。相比33这个数字本身，我从这份报告中带走的，是扩大缺口的变量不是建筑数量，而是每个机架的功率这一事实。

Oswarld视角

我一直有句话常挂在嘴边：并不是所有人、所有事都需要超级智能。适合具体工作和环境的模型，是各不相同的。

以前说这句话时，我主要是从成本、安全性以及使用者所处环境的角度来讲的。这次的图表，又给这句话加上了一个理由——电力。当电力变成最稀缺的资源时，某项工作该交给哪种规模的模型，就不再只是某家公司的偏好问题，而变成了“电该用在哪里”的分配问题。用一个功率600kW的机架上运行的模型，去总结一份会议纪要，这真的是合理的资源分配吗？值得我们问一问。

所以我不会只把这份报告解读为“AI投资遇阻”的信号。我把它读作一个信号：判断哪些工作需要最大规模的模型、哪些不需要，这个标准正在从技术问题转变为资源问题。先建立起这套标准的组织，将能更平稳地度过电力短缺的这两三年。

结语

所需电力上调到了97GW，供应虽然增加了，却没能跟上。拉大差距的不是数据中心的数量，而是每个机架的功率估算，而填补缺口的主力是数据中心旁边的燃气轮机。即便如此，仍剩下33GW的缺口。

---

💬 在读者所在的组织里，目前用最大规模模型处理的工作中，有没有哪些其实用更小的模型也能应付？请在评论区分享您想到的一项工作，以及您这样认为的理由。

📨 如果您身边有关注AI基础设施投资或数据中心选址的同事，欢迎把这篇文章转发给他们。

---

参考资料与延伸阅读

• Morgan Stanley Research, “Potential Shortfall in Power for US Data Centers, 2026-28” 及 “Potential US Power Shortfall for Data Centers, 2026-28”（Exhibit 1、Exhibit 4）。……这是今天这篇文章的出发点——两张图表。97GW、57GW、33GW以及各替代方案的贡献量，都来自这里。
• “‘Capital alone no longer clears a site’: Morgan Stanley says data centers’ big money era is over”，Fortune，2026年8月20日。……介绍了此次上调之前，8月报告中38GW的缺口预测，以及燃气轮机、燃料电池、核电站厂址、矿场改造等替代方案清单。
• “Morgan Stanley sees up to 20% shortage of US power for data centers through 2028”，Investing.com，2025年11月。……一年前，替代方案计入前的缺口是44GW，计入后是13GW。适合用来对比同一家银行的预测是如何演变的。

作者 安光涉（Oswarld） 现任世宗大学兼任教授，INLEVEL9 战略顾问。职业经历、研究、著作与近期活动会持续更新在作者简介。 最新动态 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 术语说明

注释

1. 吉瓦（GW）：表示电力大小的单位，1GW等于100万kW。一座大型核反应堆的输出功率大约就是1GW，因此在谈论数据中心电力时，人们有时会用“相当于几座核电站”来直观感受规模。 ↩

2. 机架（Rack）：一种层层插入服务器的架子状设备框架。如今的AI数据中心，会把数十个GPU连同内存、网络和散热装置打包进一个机架，把它设计并出售成一台大型计算机。 ↩

3. 电表后端（BTM，Behind-the-Meter）：不是从电网买电，而是在电表内侧——也就是设施场地内部——直接发电自用的方式。最大的优点是不用等待电网接入。 ↩

4. 燃料电池（Fuel Cell）：不通过燃烧氢气或天然气等燃料，而是通过化学反应发电的装置。由于采用模块堆叠的方式，比大型发电厂能在更短时间内完成安装。 ↩