在人工智能（AI）技術飛速發展的當下，一場因算力需求引發的電力供應變革正在美國悄然上演。指數級增長的算力需求，與美國老化且緩慢的公共電網之間的矛盾日益尖銳，成為AI行業發展的關鍵阻礙。有觀點指出，在AI競爭的賽道上，誰能更快解決電力供應問題，誰就能占據先機，反之則可能被淘汰。
為擺脫公共電網的束縛，眾多美國AI數據中心開始采取一項大膽舉措——在園區內自建電廠。燃氣輪機、燃氣發動機以及燃料電池等設備被迅速部署在數據中心周邊，目的只有一個：盡快實現電力供應，讓算力設備能夠高效運轉。這種曾經難以想象的做法，如今正成為越來越多AI企業的選擇。
知名半導體與算力研究機構SemiAnalysis發布的深度報告《AI實驗室如何破解電力危機：現場燃氣發電深度解析》指出，當AI進入大規模部署階段，電力問題已從單純的成本考量，升級為決定算力能否按時投入使用的首要制約因素。該報告長達60多頁，對這一現象進行了系統分析。
從表面看，美國似乎并不存在系統性缺電問題。然而，SemiAnalysis研究發現，AI數據中心面臨的真正瓶頸在于電力交付速度與算力擴張速度嚴重不匹配。AI數據中心的建設周期通常被壓縮至12 - 24個月，而電網擴容、輸電建設以及并網審批等流程，往往需要3 - 5年時間。當算力需求以吉瓦為單位集中涌現時，“等待電力接入”本身就成為一種難以承受的風險。以德州ERCOT為例，2024 - 2025年間，數據中心提交的新增負荷申請規模高達數十吉瓦，但同期真正獲批并成功接入的新增負荷僅約1吉瓦。
那么，為何AI公司寧愿承擔更高成本，也要繞開公共電網呢？SemiAnalysis給出的解釋是，算力的時間價值正在重塑企業的決策邏輯。據測算，一個規模達1吉瓦的AI數據中心，年化潛在收入可達百億美元級別。即便是中等規模的集群，只要上線時間提前數月，所帶來的商業價值也足以覆蓋因自建電廠而增加的電力成本。在這種背景下，電力不再僅僅是運營成本的一部分，而是成為決定AI項目能否順利開展的前置條件。
在此背景下，“自建電廠”這一曾經僅存在于極端場景的方案，迅速成為現實選擇。這種模式被稱為BYOG（Bring Your Own Generation，自建電源、現場發電），其核心目標并非永久脫離公共電網，而是“搶時間”。在AI時代，算力設備的“先上線”比“先最優”更為重要。
xAI便是這一趨勢的典型代表。SemiAnalysis在報告中重點分析了xAI的案例。在孟菲斯，xAI僅用不到四個月時間就建成了一個擁有10萬張顯卡的GPU集群。這一成果的背后，是一場電力工程的極限挑戰。為進一步壓縮建設周期，xAI在設備選擇上采用租賃而非采購的方式。
到2025年底，“自建電廠”已不再是個別企業的行為，而是成為一種系統性趨勢。在美國，已有十余家發電設備供應商，單筆訂單規模超過400兆瓦，客戶均為AI數據中心。SemiAnalysis認為，這標志著電力首次被視為AI基礎設施的關鍵組成部分，而非外部依賴條件。
在眾多現場發電方案中，天然氣成為主流選擇。原因在于，天然氣在規模、穩定性以及部署速度上，能夠同時滿足AI行業的需求。相比之下，核電建設周期過長，風電與儲能難以支撐全天候高負載運行，而高效率聯合循環機組雖經濟性更優，卻無法滿足“立刻上線”的時間要求。在AI競爭的激烈環境中，“最優解”正逐漸被“時間解”所取代。
SemiAnalysis在報告中承認，從長期來看，自建電廠的成本通常高于使用公共電網供電。但在AI的競爭邏輯中，“速度慢”比“成本高”更具殺傷力。隨著算力成為新一代基礎設施，電力正從公共資源轉變為AI公司必須掌控的內部能力。在這場沒有硝煙的競賽中，決定勝負的不僅是模型、芯片或資本規模，更是誰能更快將電力輸送到算力設備上。
