人工智能正使数据中心用电量翻倍：目前为 415 太瓦时，到 2030 年将达到 945 太瓦时 ⚡

每次你向人工智能提出问题，仓库里就会有东西运转起来。

那个仓库耗电量很大。

2024年，全球数据中心使用 415 太瓦时电力 （国际能源署，2026 年）。

国际能源署预计，到2030年，这一数字将达到约 945太瓦时.

这比日本目前一个行业的用电量还要多。

本文将探讨这个数字的含义、来源以及它无法告诉你的信息。⚡

🧾 主要发现概览

措施	数字	来源
数据中心用电量，2024 年	415太瓦时	国际能源署（2026）
2024年世界电力份额	约1.5%	国际能源署（2026）
预计到2030年使用量	约945太瓦时	国际能源署（2026）
人工智能专用数据中心的增长	到2030年将增长四倍以上	国际能源署（2026）
美国在2024年总份额中的占比	45%	国际能源署（2026）
中国在2024年总份额中的占比	25%	国际能源署（2026）
2024年欧洲占总份额	15%	国际能源署（2026）

⚡ 简单来说，就是翻倍

标题很简单：到2030年，数据中心用电量将大致翻一番。

从 415 太瓦时到大约 945 太瓦时（国际能源署，2026 年）。

太瓦时等于十亿千瓦时。

你家一年大概要用掉几千千瓦时的电。

所以 945 太瓦时大约相当于几亿户家庭一年的用电量。

为什么1.5%这个数字更有用

到2024年，数据中心将消耗全球约1.5%的电力。

那很小，比大多数人想象的还要小。

令人担忧的不是目前的规模，而是变化的速度。

大多数用电需求增长缓慢，而这项需求在六年内翻了一番。

翻倍本身并不构成危机

许多东西的价格都翻了一番，但并没有造成系统崩溃。

空调做到了。电气化铁路也做到了。

问题在于供应能否以同样的速度增长。

有些地方可以，有些地方则不行。

🇺🇸 为什么美国首当其冲

2024 年，美国消耗了全球 45% 的数据中心用电量（国际能源署，2026 年）。

中国使用了25%，欧洲使用了15%。

这种集中程度比全球总量更重要。

令规划者担忧的增长统计数据

这是政策会议上经常被引用的一句话。

到2030年，美国数据中心预计将占美国电力需求增长的近一半。 （国际能源署，2026 年）。

不是一半的电力，而是一半的电力增长。

粗略地说，每个新建的发电站都会有一个数据中心与之配套。

它们为何聚集在一起

数据中心分布并不均匀，而是集中在一起。

他们追逐廉价电力、凉爽气候和高速互联网线路。

少数几个县占了相当大的比例。

这意味着地方电网会感受到全国性的增长。

一个拥有三个数据中心的县，其需求量可能会像一座小城市建成一样激增。

🤖 故事中的人工智能部分

并非所有数据中心的电力都用于人工智能。事实上，大部分电力仍然没有用于人工智能。

数据中心还运行电子邮件、视频、银行和云存储服务。

但人工智能是增长最快的领域。

国际能源署预计，到2030年，人工智能优化型数据中心的用电量将增长四倍以上。 （国际能源署，2026 年）。

工作量	到2030年的增长
人工智能优化数据中心	超过 4 倍
所有数据中心合计	大约2倍
传统云存储	比平均水平慢

请将这些行一起阅读。

如果总量翻倍，而人工智能增长四倍，那么人工智能就会抢占其他一切的份额。

训练与提问

人们常常把两种截然不同的成本混淆起来。

训练 正在构建模型。这个过程只发生一次，但会消耗巨大的能量。

推理 正在使用该模型。每次使用量都很小。

但推理发生的次数高达数十亿次。

在模型的整个生命周期中，所有这些小的使用次数加起来可能超过训练所花费的精力。

为什么这种区别很重要

新闻标题通常会提及培训成本。它们引人注目，也容易让人联想到实际情况。

长期账单主要由日常使用量决定。

一款被数百万人使用的车型，其运行成本比建造成本还要高。

📉 效率论证，客观陈述

这里确实存在一个反驳论点，值得一提。

芯片的效率每年都在提高，冷却系统也是如此。

如今的数据中心单位能耗能完成的工作量远高于十年前。

多年来，计算机发展迅猛，而电力消耗却几乎保持不变。

为什么它不再起作用了

效率提升是有极限的。

你不可能永远将能源消耗减半。

目前人工智能的需求增长速度超过了效率提升的速度。

这就是国际能源署数据所反映出的变化。

反弹效应

事情还有值得注意的转折。

当某种东西的运行成本降低时，人们就会增加它的使用量。

更便宜的人工智能意味着更多的人工智能，而不是用更少的能耗实现同样的人工智能。

经济学家称之为反弹效应，这一点已有大量文献记载。

单靠提高效率很少能降低总需求。

📈 将945太瓦时置于背景中

巨大的能量数值难以感知，比较有助于理解。

国际能源署指出，945 太瓦时略高于日本目前的用电量（国际能源署，2026）。

日本是世界第四大经济体，人口约1.24亿。

到 2030 年，仅数据中心的耗电量就可能超过整个国家的耗电量。

比较	粗略比例
数据中心，2024 年	415太瓦时
数据中心，2030 年预测	约945太瓦时
日本今日总用电量	略低于945太瓦时
2024年世界实力份额	约1.5%

现在来看比较的另一面。

全球年用电量约为 30,000 太瓦时。

即使用电量达到 945 太瓦时，数据中心的份额仍然只有个位数。

这两件事同时成立。它拥有巨大的力量，但同时也只占很小一部分。

为什么两种框架都会被使用

那些想让你感到恐慌的人会引用日本的例子来制造恐慌。

希望你放松的人会提到1.5%的份额。

两者都不是撒谎。他们只是选择先说出哪个真相。

当某个统计数据似乎意在让你产生某种感觉时，请寻找与之相反的表述方式。

诚实总结

数据中心虽然在世界电力市场中占比很小，但增长迅速。

它们是电力增长中一个庞大且快速增长的组成部分。

压力就出在第二句话里。

🏗️ 为什么网格无法简单地跟上步伐

楼宇供电速度很慢，比大多数人想象的要慢得多。

基础设施	建造所需时间
数据中心	1-2年
太阳能或风力发电场	2-4年
燃气发电站	3-5年
高压输电线路	7-12岁
核电站	10-15年

请将顶部和底部两行一起查看。

数据中心的建设速度可以比为其供电的传输线路的速度快十倍。

这种不匹配就体现了整个基础设施问题。

运营商对此会采取什么措施

一些用户选择直接购买电力。

另一些人在建设之前就与发电​​方签订了长期协议。

有些人正在考虑在同一地点种植植物。

当一家公司建造自己的发电站时，这意味着电网拒绝了。

为什么这项会出现在您的账单上

网格是共享的。升级费用由所有连接的用户共同承担。

如果一个地区的需求迅速大幅增长，网络成本就会上升。

谁来买单是一个政治问题，目前多个国家都在争论这个问题。

🌱 这对排放意味着什么

用电量和排放量不是一回事。

水力发电数据中心的排放量远低于燃煤数据中心。

因此，排放情况取决于建筑物的地理位置。

因素	对排放的影响
本地网格混合	最重要的因素
使用时间	夜间电力的污染程度因地区而异。
现场可再生能源	有所帮助，但很少能完全解决问题。
冷却方法	水冷散热可以降低能耗，但需要用水。
芯片世代	新型芯片每瓦特能做功更多。

水是这张桌子上一个不太引人注意的问题。

有些冷却系统用电力换取用水。

这是实实在在的交易，不是白白省钱。

为什么“100%可再生能源”的说法需要谨慎对待

许多运营商声称使用可再生能源。

这通常意味着他们会购买与其使用量相等的证书。

实际的电子仍然来自本地电网。

那不算不诚实，但这和使用太阳能不一样。

询问电力是按小时结算还是按年结算。 差别很大。

💡 这究竟会带来哪些改变

这类数据只有在影响决策时才有意义。有三个群体感受到了这一点。

政府 必须提前数年审批发电站和电网连接方案。

企业 面临不断上涨或波动更大的电价。

老百姓 如果当地需求超过供应，账单可能会发生变化。

电网连接队列

这是谁也没料到的实际瓶颈。

在许多地区，将大型站点接入电网需要数年时间。

建设数据中心比为其供电要快。

电力供应而非芯片，正成为人工智能发展的限制因素。

企业可以做什么

大多数小公司对此无能为力。

但他们可以选择发布真实能源数据的供应商。

而且他们可以避免运行不需要的大型人工智能任务。

如果您正在挑选工具，我们的 人工智能工具指南 涵盖了值得付费的内容。

💧 没人会把水的问题写进图表里

电力新闻经常登上头条，而水资源新闻却很少见。

许多大型数据中心都使用水冷来保持低温。

蒸发冷却成本低廉，而且比冷水机组耗电量少得多。

但它用电力换取水，而水是本地化的。

为什么这笔交易很尴尬

电力可以通过电线输送到全国各地。

水在任何实际意义上都不可能做到。

因此，节约用电的站点可能会给当地电力供应带来压力。

在干旱地区，这是一个更难克服的限制。

如何解读水权声明

各运营商以不同的方式报告用水量。

有些人只计算蒸发掉的物质，有些人则计算所有绘制出来的物质。

有些人将发电过程中使用的水排除在外。

最后一项排除条款影响很大，因为火力发电厂也需要用水。

当你看到水景雕塑时，问问它包含哪些元素。

🧊 建筑物内部究竟是什么在消耗电力？

人们脑海中浮现的画面是成排的服务器。但这只是其中的一部分。

系统	大致占站点功率份额
计算硬件	最大份额
冷却	第二大，因气候而异
功率转换损耗	虽小但持续
照明和楼宇服务	次要的

冷却系统是变化最大的部分。

冰岛的网站在这方面的花费远低于亚利桑那州的网站。

这就是为什么寒冷地区不断赢得数据中心投资的原因。

效率衡量指标

该行业使用一种称为电源使用效率的比率。

它将网站总功率与到达计算机的功率进行比较。

满分是 1.0 分。冷却和损耗方面没有任何浪费。

现代大型网站通常会报告接近这个数字的数据。

为什么良好的比例仍然会误导人

即使是节能型建筑，也可能消耗巨大的总电量。

效率是指单位做功所消耗的功率，而不是总功率。

一个网站可以每年提高其配比，同时还能使其消耗量翻倍。

两个数字都很重要。但报道往往只显示比较漂亮的那一个。

🔬 国际能源署是如何得出这些数据的

预测的准确性取决于其方法。以下是此预测方法的运作方式。

国际能源署是一个政府间机构，负责发布成员国的能源数据。

它是 能源与人工智能 该报告参考了新的数据集，并咨询了科技和能源行业的意见。

方法特征	为什么这很重要
政府支持的机构	我们没有产品要卖给你
利用国家能源统计数据	基于实测数据，而非调查数据
发布多种情景，而非单一答案。	展示了一系列期货
直接咨询行业	记录已规划的建设项目
定期更新	随着现实的到来而修改

情景分析并非预测。

这是能源报道中最容易被误解的部分。

国际能源署发布了几个基于不同假设的情景。

新闻报道通常会引用其中一条，并称之为“天气预报”。

情景描述是“如果这些事情发生，就会发生以下情况”。

这是一个条件语句，而不是预言。

为什么945这个数字可能出错

如果人工智能的应用增长速度超出预期，这个数字可能会太低。

如果效率提高得更快，或者需求降温，那么这个数字可能会过高。

六年以后的预测确实存在不确定性。

将方向视为确定值，将确切数值视为近似值。

🌍 各国应对措施

同样的预测却会得出截然不同的政策。

方法	实际应用情况如何
增加供应	快速审批流程
减缓需求	暂停新的数据中心连接
推动需求	转向建设有剩余动力的地区
使其灵活	付费网站可在高峰时段减少负载
按实际成本收费	让大用户出资升级电网

最后两个最有趣。

为什么灵活性可以改变一切

并非所有计算工作都是紧急的。

训练模型通常需要几个小时。

如果这些工作在电力充足时进行，电网压力就会急剧下降。

对于电网而言，灵活的数据中心比固定的数据中心更有价值。

国际能源署指出，人工智能本身可以帮助更好地运行能源系统。

需求转移理念

太阳能发电高峰出现在中午。风力发电高峰出现时间难以预测。

采用廉价电力进行计算成本更低，污染也更少。

一些运营商已经实现了跨时区运营。

这是这里为数不多的真正有希望的答案之一。

🧠 如果你只使用人工智能，这意味着什么？

大多数读者并不从事数据中心建设。那么，哪些内容适用于您呢？

说实话，这远没有耸人听闻的标题所暗示的那样。

一个人的AI使用量可以忽略不计。

这里的规模是工业规模，而不是个人规模。

个人选择至关重要的地方

它们总体上很重要，而且会体现在你的付费方式上。

选择发布真实能源数据的供应商会带来压力。

询问供应商他们的计算资源运行在哪里也是一个方法。

五年前这些问题很少见，但现在在采购过程中已是常态。

值得保留的视角

向聊天机器人提问而感到内疚是没有必要的。

真正重要的决定是由政府和大买家做出的。

理解这些数字比为之难过更有意义。

这正是这些数据值得一读的原因。

🚫 这些数字无法告诉你什么

明确限制条件是有效利用数据的一部分。

他们不会告诉你人工智能对地球有害。 这取决于人工智能要取代什么。

他们并不直接测量排放量。 仅使用电力。

它们没有详细说明用水情况。 那是另一个问题。

他们并没有将人工智能与其他计算方式精确区分开来。 边界模糊不清。

这些是全球平均值。 你所在国家的景象可能与此截然不同。

没有人能正确运行比较

如果人工智能能减少通勤，那么它节省的能源可能比它消耗的能源还要多。

如果用视频通话代替航班，就能节省一大笔钱。

如果只是产生更多电子邮件，那么节省的费用为零。

最终效果完全取决于使用情况，而几乎没有人去衡量这一点。

🏁 简短版

到 2024 年，数据中心将消耗 415 太瓦时电力，约占世界电力消耗的 1.5%。

国际能源署预计到 2030 年将达到约 945 太瓦时（国际能源署，2026 年）。

人工智能是增长最快的部分，预计增长超过四倍。

美国承担了目前全球45%的货运量，并将率先感受到增长带来的影响。

问题不在于尺寸，而在于速度。

电网建设需要十年时间，而人工智能的需求将在三年内到来。

这种不匹配才是所有重要数字背后真正的故事。⚡

❓ 常见问题

数据中心消耗多少电力？

到 2024 年，发电量约为 415 太瓦时，约占世界电力的 1.5%（国际能源署，2026 年）。

到2030年，他们将使用多少？

国际能源署预测约为 945 太瓦时，略高于日本目前的总用电量。

人工智能是主要原因吗？

人工智能是增长最快的驱动力，预计将增长四倍以上。但目前大多数数据中心的算力仍然用于运行普通的云服务。

哪个国家使用量最大？

美国约占 2024 年全球总量的 45%，其次是中国（25%）和欧洲（15%）。

使用人工智能会对环境造成损害吗？

这取决于当地电网以及人工智能替代了哪些设备。用电量与排放量并不相同。

更好的芯片能解决这个问题吗？

部分如此。效率一直在提高，但目前需求增长速度超过了效率提升速度。

真正的瓶颈是什么？

电网连接。在许多地区，为数据中心供电所需的时间比建造数据中心所需的时间还要长。

2030年的数据可靠吗？

这些只是推测，而非预测。方向性已得到充分论证。具体数字则存在很大的不确定性。

数据中心用水量大吗？

许多地方使用水冷，这虽然节省了电力，但却加剧了当地供水压力。由于统计方法各不相同，因此务必查看用水量数据具体包含哪些内容。

什么是电源使用效率？

它将站点总功率与实际到达计算机的功率进行比较。得分 1.0 表示没有因冷却或转换损耗而造成的功率浪费。

数据中心能否帮助电网缓解压力，而不是加重电网负担？

是的，如果他们的工作量比较灵活的话。像模型训练这类可以等待的任务，可以在电力充足且价格低廉的时候运行。

我使用人工智能应该感到内疚吗？

在这个规模下，个人使用量可以忽略不计。真正重要的决策是由大型买家和政府做出的。

我可以在哪里阅读原始研究报告？

国际能源署发布 能源与人工智能 免费在线获取。相关链接见下方参考文献。

📚 参考资料

国际能源署。(2026)。 能源与人工智能：执行摘要2026年8月8日检索自 https://www.iea.org/reports/energy-and-ai/executive-summary

国际能源署。(2026)。 人工智能的能源需求2026年8月8日检索自 https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai

国际能源署。(2026)。 人工智能将推动数据中心电力需求激增2026年8月8日检索自 https://www.iea.org/news/ai-is-set-to-drive-surging-electricity-demand-from-data-centres

斯坦福大学以人为中心的人工智能研究所。(2026)。 2026年人工智能指数报告2026年8月8日检索自 https://hai.stanford.edu/ai-index/2026-ai-index-report

Carbon Brief。（2026 年）。 人工智能：五张图表揭示数据中心能源消耗和排放的现状2026年8月8日检索自 https://www.carbonbrief.org/ai-five-charts-that-put-data-centre-energy-use-and-emissions-into-context

本站相关阅读

关于哪些人工智能工具值得付费，请参阅我们的 人工智能工具综述如果您正在比较一次性软件购买和月费，那么 终身合约与订阅合约对比分析 涵盖数学部分。我们的 创业软件指南 着眼于在扩大规模的同时降低成本。

关于本次分析

所有数据均来自国际能源署已发布的报告，并注明了名称、日期和链接。国际能源署发布的是情景分析而非单一预测，本文保留了这一区别，并未将其简化为预测。数据已于2026年8月8日与原始出版物进行核对。