近期有观点称“美国AI数据中心依赖煤炭发电”，这一说法虽广为流传，却过于简化。实际情况更复杂：AI算力激增确实推高了整体电力需求，而煤炭的使用回升，主要源于电网在应对负荷波动时对灵活调峰电源的依赖——尤其是在天然气价格高企的背景下。
据《The Register》援引Jefferies研究报告，2025年美国煤炭发电量预计同比增长近20%，并可能维持高位至2027年。这一趋势并非因为科技公司主动选择煤电，而是电网运营商在平衡供需时，重新启用了包括煤炭、石油和抽水蓄能（“石板”应为“抽水蓄能”或“储能”，原文疑似误译）在内的传统调峰资源。
核电是AI训练的理想基荷电源
AI模型的训练阶段需要长时间、高稳定性的电力供应。一座大型训练集群可能连续运行数周，功耗堪比一座小城市。这种连续且可预测的负载，恰好匹配核电站的特性：高容量、低波动、近乎恒定的输出。
事实上，美国部分拥有核电站的州（如伊利诺伊、宾夕法尼亚）正成为AI数据中心的新选址热点。核电可作为“基荷电源”，为训练任务提供主力电力。
但训练过程并非完全平稳。在模型保存检查点（checkpoint）时，GPU会短暂暂停计算以写入数据，导致用电负荷出现小幅波动。虽然这类波动相对于总负载微不足道，但电网仍需具备调节能力，以维持系统频率和电压稳定。
由于核电站难以快速升降功率，这部分调节任务就落到了更灵活的电源身上——包括天然气、煤炭，以及近年来快速部署的电池储能和可再生能源+储能系统。
推理阶段带来真正的电力“脉冲”
与训练不同，推理阶段（即AI模型实际响应用户请求）的用电模式截然不同：短促、突发、高度不可预测。
每一次用户提问、图像识别或推荐请求，都会在AI加速器上触发数千次矩阵运算，在毫秒级时间内产生显著的电力尖峰。当数百万用户同时发起请求，这些尖峰叠加，可能在局部电网造成瞬时高负荷，对配电系统和冷却设施构成压力。
这种剧烈波动的负载曲线，无法仅靠基荷电源满足。电网必须依赖响应速度快的调峰资源——包括燃气轮机、燃煤机组（在部分地区仍具备调度能力）、大型电池，甚至需求响应机制——来吸收或填补电力缺口。
煤炭的角色：调峰，而非主力
关键点在于：煤炭并非直接为AI数据中心供电，而是作为电网整体调节的一部分，在天然气价格过高或可再生能源出力不足时，提供备用或调峰能力。尤其在中西部和东南部等煤电基础设施仍较完整的地区，重启部分机组成为经济可行的选择。
换句话说，AI推高了总用电量，但煤炭的回归，更多是电网为保障所有用户（包括居民、工厂和数据中心）供电可靠性所采取的系统性应对措施。
0条评论