AI基建瓶颈从缺芯转向缺电，数据中心用电缺口或达268GW

集邦咨询（TrendForce）发布AI Server产业研究，提出了一个值得整个行业关注的判断：AI发展的下一道瓶颈，正从芯片转向电力与电网。这意味着，过去几年围绕GPU产能、先进制程与HBM供应的紧张叙事，可能正在被一场关于电力的新博弈所取代。

从数据上看，这一趋势的斜率相当陡峭。TrendForce估计，AI服务器在数据中心电力需求中的占比将从2025年约25%增长至2026年约33.4%，到2027年可能超过40%。换句话说，未来云计算基础设施的建设逻辑，将更多围绕AI来重构，而非像过去那样以通用计算负载为中心进行规划。数据中心的机柜功率密度、供电架构、散热方案，都需要为AI工作负载重新设计。

需求端的膨胀同样迅猛。报告估计，2026年全球数据中心用电需求容量约为161GW，同比增长约31%。然而，电网的接入和输配电建设速度未必跟得上这一节奏。电力接入、变压器、输电线路以及散热能力，都可能成为推迟新机房投产的现实约束。基础设施建设的周期以年计算，而AI算力需求的增长以季度计算，两者之间的时间差正在形成结构性错配。

TrendForce认为，这种供需背离会在2028年之后进一步扩大。按其情境估计，到2030年数据中心需求容量可达490.7GW，而电网可供给数据中心的容量约为222.6GW，账面缺口约268GW。这一数字意味着，即便芯片供应充足、资本开支到位，电力供给仍可能成为AI基础设施扩张的硬性上限。

产业界的观察与研究报告的判断形成了呼应。谷歌首席技术官阿明·瓦赫达特（Amin Vahdat）指出，随着AI模型规模不断扩大，制约扩张的核心瓶颈已从芯片本身转移至电力供给，AI算力的天花板正在从造不出芯片变成找不到电。谷歌此前已宣布其TPU系统扩展至100万芯片级规模，这种超大规模集群对供电容量与电网稳定性的要求，远超传统数据中心。

对AI产业链而言，这一转变意味着关注点需要重新分配。过去几年，行业焦点集中在晶圆代工产能、封装技术、显存带宽等环节；而接下来，供电方案、储能配置、液冷散热、电网协同等能力，将越来越直接地决定算力落地的速度与规模。谁能更早解决电力接入与能效问题，谁就更有可能在下一阶段的AI基础设施竞争中占据主动。