快速了解本文
AI基建瓶颈已从芯片转向电力，2030年数据中心电力缺口或达268吉瓦。
2026年全球数据中心用电需求容量预计达161吉瓦，同比增约31%。
百万芯片级算力集群功耗超1.3吉瓦，接近中小型城市总用电量。
本摘要由 AI 辅助整理，请以正文内容为准。
集邦咨询（TrendForce）9月16日发布的AI Server产业研究指出，AI发展的下一道瓶颈正从芯片转向电力与电网。谷歌首席技术官阿明·瓦赫达特在近期的SEMICON Taiwan 2026活动中也表达了类似观点，认为AI算力的天花板正在从“造不出芯片”变成“找不到电”。这标志着AI基础设施扩张的核心矛盾已发生实质性转移。
AI算力的天花板正在从“造不出芯片”变成“找不到电”。
根据集邦咨询的预测，AI服务器在数据中心电力需求中的占比正快速攀升，将从2025年的约25%增至2026年的约33.4%，并在2027年可能超过40%。从整体规模来看，2026年全球数据中心用电需求容量预计将达到约161吉瓦，同比增长约31%。
关键数据
电力供应增速远不及算力扩张需求。马斯克在G20峰会上指出，芯片产能年增速达40%至50%，而电力供应仅增10%至20%，预计到2027年AI芯片电力缺口将达至少15吉瓦。更长期的结构性矛盾在于电网建设的滞后。集邦咨询预计，到2030年数据中心需求容量可达490.7吉瓦，而电网可供给数据中心的容量仅约222.6吉瓦，账面缺口约268吉瓦，且供需背离将在2028年后进一步扩大。电力获取能力与电网接入周期已成为超大规模数据中心选址、建设和运营的核心约束条件。
超大规模算力对电力的极端消耗是瓶颈转移的直接技术背景。谷歌宣布其TPU系统已扩展至100万芯片级规模。以谷歌TPU v8为例，单芯片功耗达1300瓦，仅计算芯片本身能耗（不含冷却、供电转换和网络交换损耗），百万芯片集群的理论峰值功耗就超过1.3吉瓦，接近一座中小型城市的总用电量。当算力集群规模达到这一量级时，电力供应自然成为AI基础设施扩张面临的最直接物理边界。