美国数据中心建设受阻对AI的影响

停摆不可能，但大降速不可避免。 2026年11月4日，美国中期选举结果落定后的第二天上午，OpenAI的高管们坐到了一起。 据外媒援引知情人士的消息，他们讨论的是要不要重设2027年的数据中心容量预期。 讨论还没有形成决定，但焦虑已经摆上了台面。 过去几个月，美国各地的大型数据中心项目接连被按下暂停键。 得州前任州长Abbott从8月起冻结了数据中心的并网和空气许可，要求审计到年底； 新当选的州长Gina Hinojosa承诺，在州议会立法保护居民之前，暂停所有新数据中心审批，而议会会期要到2027年5月才结束。

俄亥俄新州长Amy Acton提出有条件暂停，要求新项目承担全部电力成本、只能建在旧工业用地上； 佐治亚新州长Keisha Lance Bottoms则准备上任后直接签行政令，暂停全州新建。 据Tokenpost统计，今年7月到11月4日，美国至少有21个大型数据中心项目被取消，已经接近2025年全年的23个。 Anthropic在10月26日提交的招股书里，也把暂停令写进了风险因素：一些辖区正在考虑或已经批准暂停令，可能推迟或阻止它依赖的算力设施，而且反对数据中心的声音正在跨辖区变得更有组织。

如果我们把这股趋势推到极端，去设想这样一个场景，如果美国所有规划中的数据中心都建不成，对当下和未来的AI，意味着什么？ 潜在算力增长被砍掉50%。 为了把推演的边界划清楚，我们设定这样一个极端场景，它建立在三条假设上：1，全美所有尚未开工的规划项目全部冻结，相当于把目前约41%的暂停范围推向全国； 2，已经在建的项目全部按期完工，这和德州等地暂停令只针对新审批的做法一致； 3，芯片照常供应，唯一的硬约束是电和地。 我们只推演美国本土，暂不讨论算力外迁。 这个场景下，被卡住的算力规模有多大？

据Newmark估计，美国数据中心当前用电约60GW，这里包含所有数据中心，并非全是AI。 在建容量各家口径不同：Cleanview约57GW，Wood Mackenzie约80GW，DCMap 8月的统计约90GW。 这部分项目在情景里会照常完工，构成未来几年美国算力的全部增量。 真正庞大的是「规划中、未开工」的部分，DCMap 8月统计为228GW，Wood Mackenzie披露的累计管线超过430GW，取一个约230到340GW的区间比较稳妥。

据此粗略推算，在极端情景下，美国数据中心总容量会在2028年前后停在约120到150GW，大约是今天的2到2.5倍，此后不再增长。 作为参照，Synergy此前的预测是美国容量到2029年翻倍； 而如果管线里的规划全部落地，这个数字本该是今天的5倍以上。 极端场景砍掉的，是翻倍之后的那一大段增长。 换算成芯片会更直观。 1GW电力大约能带动数十万块Blackwell级GPU：按单卡全口径功耗1.8到2.3kW理论计算，约43万到55万块； Abilene这样的实际园区，约每GW 27万块。

两三百GW的规划被冻结，相当于数千万块最先进的AI芯片失去了机房。 这个情景很极端，但不荒谬。 据Cleanview测算，新州长承诺暂停的州里，规划容量合计158.6GW，约占全国的41%，其中德州88.4GW、俄亥俄21.9GW、佐治亚20.2GW、新墨西哥11GW、纽约9.9GW。 也就是说，情景A里接近一半的冻结，在现实中已经有了对应的政策承诺。 2024年以来被取消的69个大型项目里，有33个主要因为当地反对。 参议员桑德斯还提出了全国性暂停法案，虽然通过的可能性很小。

有一点需要诚实说明，目前规划的数字水分很大。 德州电网ERCOT的大负荷排队约474GW、约1800个项目，相当于该电网峰值负荷的五倍左右，大部分是占位性质的投机申报。 所以极端场景实际砍掉的有效算力，会小于账面数字。 即便打掉水分，它依然是一次算力供给的急刹车。 这样一脚「算力刹车」踩下去后，会对AI产生怎样的影响？ 当下照常，下一代AI受阻。 如果极端情景明天发生，用户在一两年里其实感觉不到异样。 2027年之前的前沿模型，照常训练、照常迭代。 因为支撑这一代模型的训练基地，都已经建成或接近完工。

据Epoch AI的数据库，目前已知最大的AI园区是Anthropic与亚马逊在印第安纳州的New Carlisle，容量1037MW； 其次是xAI的Colossus 2，946MW。 OpenAI在德州Abilene的园区规划1.2GW，8栋楼里的6栋截至9月已经交付，预计年底完工。 被卡住的，是计划在2028到2030年登场、需要数个GW才能喂饱的下一代模型。 Epoch AI的数据显示，前沿训练的电力需求每年增长2.2到2.9倍，目前的前沿训练已经超过100MW。

Epoch预计，未来一年会有多个园区突破1GW，大约两年后，最大规模的训练可能用到约250万块H100等效算力； 照这个趋势，到2030年，最大单次训练需要4到16GW。 作为对比，今天最大的园区刚刚超过1GW。 Epoch也指出，数据中心的容量，实际上就是训练规模的上限：园区建多大，模型最多就能训多大。 而那些瞄准2028年之后的超级工程，已经有不少撞了墙。

OpenAI的Stargate计划到2029年超过9GW，美国7个站点中的多数原定2027到2028年大规模上线，主要集中在得州、新墨西哥和俄亥俄这几个暂停州。 其中，Abilene旁原计划的扩建已被放弃； 新墨西哥州Doña Ana规划2.45GW的Project Jupiter，今年3月被州土地办公室否决了供气管道； 俄亥俄州Lordstown站点，直到4月的卫星图像里还看不到大规模施工。 Meta约1GW的Prometheus园区也在俄亥俄，只有路易斯安那州目标5GW的Hyperion避开了这一轮暂停。

新墨西哥州Doña Ana的Project Jupiter工地卫星图。 这就带出了接下来的疑问，下一代训练的算力基地搁浅之后，AI的进步会慢多少？ 降速，但不会停摆。 要回答这个问题，需要把算力增长拆开来看。 据Epoch AI统计，2020年以来，前沿语言模型的训练算力每年增长约4到5倍。 同期训练用电每年增长2.2到2.9倍。 两者之间约2倍的差值，主要来自芯片能效的提升，也就是每瓦电能提供的算力在变多。 硬件之外，算法也在帮忙。 常用的口径是算法效率每年提升约3倍（Ho等人2024年的研究给出约2.7倍）。

Epoch后来把后训练也算进去，估计约每年10倍，但区间从2倍到50倍不等，这里采用更稳妥的3倍。 现在可以做一个粗略的推算。 正常情况下，AI每年获得的「有效算力」增长，等于物理算力增长（4到5倍）乘以算法提升（约3倍），大约每年12到15倍。 在情景A下，2028年之后新增电力归零，物理算力增长里最大的一根支柱被抽走，只剩芯片换代带来的能效提升，每年约2倍。 再乘上算法的3倍，「有效算力」的年增速会从12到15倍，降到约6倍。 有效算力年增速拆解：正常情况与极端情景A对比。

如果换用Epoch更乐观的算法口径（每年约10倍），正常情况下的有效算力增速是每年40到50倍，情景A下约20倍。 两种口径下，电力冻结都会让有效算力增速掉到原来的四成到一半左右。 算法进步再快，也补不上电力扩张留下的那一块。 这里还有一个隐患。 芯片能效的红利，前提是新芯片能顺利装进机房。 机房总电量锁死后，供电和散热改造的难度，可能让这2倍也打折扣。 即便如此，每年约6倍依然是可观的数字。 推演下来，结论很清楚：极端场景下，AI会明显减速，但不会停摆。

不过这笔账只算了训练需要的算力部分，把视野放到整个AI的运转上，电量锁死之后，还有一场争夺会立刻开始。 Token限额时代来了。 过去算力不够，就去圈地建新机房。 在极端场景下，盘子里的电就这么多，分给训练的每一度电，都要从推理、智能体和后训练那里挤出来。 全市场的算力早已向推理倾斜。 据德勤预测，推理占全部AI算力的比例，2023年约三分之一，2025年约一半，2026年预计达到约三分之二。 推理与训练在全部AI算力中的占比变化。 AI实验室内部也在变。

SemiAnalysis基于OpenAI和Anthropic合计算力的估算显示，2024年初，预训练占67%，后训练和强化学习只占约5%，推理约29%； 此后预训练占比逐季下滑，二季度63%，三季度57%，2025年降到五成多，后训练占比持续上升，最新估计两者已经相当。 更大的压力，来自产品形态。 推理模型在回答前会生成很长的思维链，用户看不到，但每一步都在耗电。 Gartner的数据显示，智能体完成一项任务消耗的token，是普通聊天的5到30倍。

高盛预测，2026到2030年，全球token总消耗将增长24倍。 智能体与token消耗的增长。 把这些数字放进极端情况下固定的电量里，每家实验室都会面对同一道选择题：每一兆瓦，要么拿去训练下一代更大的模型，要么拿去服务现有的用户和智能体。 想调几十万块卡训一个更大的基座模型，就得限制现有用户的调用量； 优先保推理、保用户，下一代模型的进度就会落后。 增加电力这条路被堵住以后，剩下的问题，就是在固定的电量和算力下，继续发展AI，还有什么路。