美国老百姓最近是真感受到了电费的"烫手"。过去五年里，美国平均电价从每度0.13美元涨到了0.18美元，涨幅超过36%。
普通家庭的月电费从120美元飙升到160美元，工商业用电成本更是直线上扬。而这背后的"电老虎"，正是席卷全球的AI热潮。
训练一个ChatGPT的耗电量，差不多抵得上10万美国家庭一年的用电。随着科技巨头疯狂建设数据中心，美国正陷入一场前所未有的电力危机。
一块英伟达顶级算力芯片满负荷跑一天就要耗65度电，相当于一户家庭好几天的用量。而一个数据中心动辄上万张芯片起步，OpenAI训练GPT-5用了5万张，马斯克的xAI则用了10万张。
这样的数据中心，美国在建的有700多个，规划中的还有2400多个。到2028年，全美数据中心年耗电预计将达6000亿度，占全国用电量的12%，几乎要赶上整个工业用电。
更要命的是，美国的电网已经是个"百岁老人"，一半设施寿命超过60年，三成超过50年。煤电、天然气、核电机组多数已经超期服役，未来几年还将集中退役。
中信证券的研报指出，截至2026年9月初，美国已有数据中心容量52.4GW，在建容量达71.7GW，而2027—2028年美国电网新增容量预计仅25.2GW，仅为当前在建容量的35%，对应缺口约46.5GW。一边是激增的用电需求，一边是老化退化的供电能力，矛盾一触即发。
数据中心不仅耗电大，用电波动还极其剧烈，动不动就能让局部电网瘫痪。2024年美国人均停电时间长达11小时，比前一年暴增80%。
而在美国修电网，难度堪比西天取经。电网被分割成东部、西部和德州三张网，跨州输电项目需要沿途所有州批准，各州利益不同、法规不一，审批拖上五年七年是家常便饭。
再加上地方势力割据、居民抗议、环保组织阻挠，一个从怀俄明州到拉斯维加斯的输电项目，搞了17年还没完工。美国最大电网运营商PJM的数据显示，主干电网项目平均超3年才能拿到互联服务协议，批准后再等约4年才能上线。
科技巨头们烧钱投AI，设备买了、模型训了，最后可能卡在"没电可用"这一关。与美国的焦头烂额形成鲜明对比的，是中国这边完全不同的景象。
想象一下在一年之内建设一个国家的电力产能，这差不多就是中国在2025年所做的事情。新增电力足以匹配整个印度的电力系统，短短12个月内发电能力增加超过500吉瓦，这样的增长速度和发展规模在人类历史上前所未有。
以2060年实现净零排放为目标，并把能源安全摆在国家优先事项的位置上，北京正在推进世界有史以来最大规模的可再生能源建设。中国已经证明自己能够大规模建设可再生能源发电能力，现在要做的是证明它能用好这些电。
因为目前中国的产能已经出现过剩，据估计，仅2026年上半年浪费掉的风能和太阳能，就足够给整个法国供电。然而中国正把宝押在人工智能、机器人和先进制造业上，用来推动下一阶段的经济增长，而这些行业无一例外都是用电大户。
中国希望打造一层近乎无限的廉价清洁电力底座，让工业自由取用。问题的关键在于，能不能成功重构电网，吸收这些能量而不至于让系统过载。
如果真的做成了，中国就等于向全世界展示了一个由丰富清洁能源驱动的经济到底是什么样子。要理解中国正在做的事情，得先搞明白它正在改造的那台机器——电网。
回想小学科学课，用电线把电池连到灯泡上，灯泡才能亮。电力要发挥作用，就得平衡。
把电池换成发电厂，有的烧煤、有的靠风能太阳能，再把那只灯泡换成千千万万的家庭和工厂。发电厂发出的电量必须时刻保持平衡，电多了灯泡会爆，电少了灯泡会暗。
从很多角度来看，电网就是世界上最大的一道平衡题。2021年和2022年，中国的这道平衡题就出过错。
东北多个省份遭遇了全国最严重的停电。彼时中国经济从疫情中快速复苏，煤炭生产跟不上节奏，工厂塞满了来自全球的订单，数据中心开始冒头，电动汽车制造、光伏板制造一片火热。
中国期待这些新产业把经济带向未来，而它们对电的胃口大得惊人。真正的问题在于系统不够灵活，没法对这些变化及时做出反应。
这其实也是全球许多国家面临的共同难题——在逐渐摆脱化石燃料的过程中，电力系统必须更好地适应不同地区的需求增长，以及从可再生资源获得的间歇性供应。这是对未来的一记警钟。
像重庆这样以工业为底盘的大城市，每年用电量都在节节攀升，保证经济运转就意味着必须保证灯亮、电通。政府基本上宣告这种事再也不能发生。
随后掀起了一场大规模的新能源产能建设运动，不止可再生能源，还包括煤炭、天然气、水电和核能。中国还成为了电池储能领域的全球领头羊，2024年到2025年间把锂离子电池产能提升了84%，同时铺设了从戈壁沙漠到市中心的数千公里长距离输电线路。
但基础设施只是成功的一半，真正的挑战是怎么用好它。中国现在必须回答一个根本问题：电不够用的时候怎么办，电太多的时候又怎么办。
风有时候吹有时候不吹，太阳有时候出有时候没，这意味着一天中只能间歇性发电。可老百姓的冰箱得24小时转，工厂也得24小时开。
关键在于把电送到需要的地方，而且是在需要的时候送到。这就是目前最大的瓶颈——电池有了、电线也有了，但没有被充分利用起来。
中国正进入一个要求更高的转型阶段。新系统增长得够快，已经达到了相当的规模和深度，开始对老系统施加更直接的压力。
中国太阳能和风能装机容量约占总装机的50%，但风光发电量实际只占20%出头，中间存在明显的落差和错配。这种错配一部分是天气原因，还有另一个因素——中国仍然严重依赖煤炭，而煤电大多局限于不灵活的发电模式。
于是当可再生能源出力激增时，电网最终可能得到的清洁电力超过了它能够吸收的上限，这就引出了所谓的"弃电"。弃电说白了就是电网要求发电厂停止发电，因为再发下去系统有过载风险，可能损坏设备、引发停电。
在中国，风电和光伏是受此影响最严重的两块。这种浪费之所以重要，是因为北京更大的目标是用充沛廉价的电力重塑经济增长。
几十年来，煤炭一直是中国崛起的发动机。现在风电和光伏变得越来越便宜，正成为政府下一步棋局中的新驱动力。
可以看出，未来的经济将更加聚焦于电气化制造。在重庆，电动汽车制造商赛力斯运营着所谓的超级工厂，拥有3000台能耗惊人的智能机器人。
从制造车间到最终的整车测试，赛力斯表示自动化几乎贯穿了生产的每一个环节。结果就是速度、效率和更大的规模。
据赛力斯披露，其高端问界系列车型在短短46个月内交付量突破了100万辆，创下了中国电动汽车市场的新纪录。政府正在推动这类自动化系统的普及，人力劳动被电机取代，但代价是对电力更加贪婪的需求。
从长远看，清洁能源行业被视为支撑这些新兴产业的关键。但要更好地消纳这些绿色能源，就意味着要改变电网的运行方式。
中国的电网由几家大型国有公司运营，运行模式和几十年前大多数国家的电网几乎一样——电网调度告诉发电机什么时候运行、什么时候停下，一切都由电网说了算。相比之下，欧洲靠互联的批发市场来撮合供需。
最便宜的电先上网，随着需求增加，更贵的电才接着上。电力还可以跨越国界，从便宜的市场流向更贵的市场。
这正是中国计划效仿的模式。可再生能源转型的某些方面与传统电力市场确实不一样。
风能、太阳能这类波动性电源，通常需要系统具备很大的灵活性，才能把潜力发挥到最大。在一个更灵活的电力部门里，煤炭不再充当电网的脊梁，而是在清洁能源出力不足时顶上做后备。
问题是，在几十年的依赖之后，想戒掉煤炭并不容易。到目前为止，中国仍然是全球最大的煤炭消费国和生产国。
这就像在大海上维修一艘超级油轮——不可能简单地把船拖到码头、关掉发动机，然后立刻换上一台干净的新引擎。清洁引擎只能一点点搭建起来，与此同时老引擎还得继续运转。
还有燃煤旧电网的历史遗留问题，它的大部分电力都被锁死在年度合同里。到了年底，如果风电和光伏发电量相对走高，这些煤电厂为了履约，往往会在最后几个月被迫压降出力。
中国另一个绊脚石是幅员辽阔、地区差异巨大。虽然目前没有全国统一的电力市场，但每个省份实际上都得对自己的能源供应负责。
举个例子，在用电高峰时段，中国南方遇到热浪袭来，制冷和用电需求随之暴涨，必须拿出电来；但如果其他省份也在面对同样的难题，彼此就很难共享或者交易电力。打破这些省级壁垒，现在是北京的头号任务。
有报道指出，到2030年中国将建成全国统一的电力市场。就算放到10年前，如果有人说中国会在2026年基本实现电力行业的自由化，很多人恐怕会觉得这是天方夜谭。
但眼下，中国正实实在在地把自己的电力系统推向成为世界上最大的电力市场。中国不会成为被其他国家简单复制粘贴的样板，但它确实提供了一个有用的参照——转型是一场深刻的变革，并不简单，需要时间，真正需要的也不只是高层的政策承诺，而是培养一种持续而坚定的决心，让转型走深走实。
根据国际能源署的数据，2030年全球AI数据中心用电将是2025年的3倍。面对困局，美国科技公司开始"自救"，自己建发电厂给数据中心供电。
天然气发电最受青睐，因为建设快、调峰灵活。但全球燃气轮机市场被通用电气、西门子等垄断，升压变压器等核心设备的交付周期超160周，部分定制机组要3到5年。
更长远看，小型核反应堆被视为理想选择，微软、谷歌等巨头已经在布局；储能设备也迎来爆发窗口。中国作为全球最大的储能生产国，相关企业正加速进入美国市场。
与此同时，中国的电力优势越发凸显。内蒙古乌兰察布等地电价仅每度0.06美元，气候凉爽适合建数据中心，华为、阿里等上百家企业已经扎根。
中国的特高压电网能够实现"西电东送"，保障稳定廉价的电力供应。《华尔街日报》直言，在全球AI竞赛中，中国的"超级电网"已经成为杀手锏。
未来，电力可能比芯片、稀土更重要，全球正进入电网投资的超级周期。中国电网企业凭借特高压等技术积累，正加速出海，从设备出口到工程承包，全面参与全球电力升级。
这场由AI引爆的电力危机，已经演变成一场国家基础设施层面的较量。美国能否冲破体制束缚、快速升级电网，中国又能否把电力优势实实在在转化为科技竞争力，将直接决定未来全球AI产业的格局走向。