11 月 16 日发表于《自然·可持续性》的一项研究估计,2024 年 5 月至 2025 年 4 月,美国 403 座超大规模数据中心用了 81.8 太瓦时电。贾恩卢卡·圭迪和同事给出的中心情景对应约 2,570 万吨二氧化碳。他们把这批设施的用电列为全美用电的约 1.8%,其中弗吉尼亚州约占样本负荷的四分之一。设施位于美国本土相连各州,数字描述的是这一年里已识别、已运行的样本。 《自然·可持续性》论文 · 出版方研究摘要

研究的重要贡献是把负荷的位置和用于描述它的发电结构联系起来。全国年度总数让人知道规模,按设施从下往上分析,可以看出哪些州占了哪些用电,以及电网结构变化时估计会怎么变。不确定性同样重要。用电按设施资料和负荷假设建模,排放使用区域平均因子。读者可以据此考察已经观察到的扩张规模与集中度。某个站在特定小时用多少电,需要另一类资料。

研究者数了哪些设施#

超大规模设施提供大量计算、存储和网络能力,服务包括云计算、数据处理和 AI。研究从设施资料出发,收窄到可对位置和特征作验证的一组站点。作者的可复现材料提到,初始有 675 条设施记录,纳入分析的是 403 座。这些数字描述资料搜集与过滤过程,覆盖范围比美国所有数据中心小。即使都属于有大量算力的建筑,刚公布的项目、施工中的机房和实际运行的站点,在特定年份贡献的耗电也不一样。 可复现说明与覆盖范围

明确范围有用,因为研究做的是历史估算。一个项目可能在公用事业公司的文件中有很大容量,在研究年份还没运营,却对电网预测很有影响。早年的设施目录也可能没反映新设备或运行状态。核查位置和日期,让观察到的设施能与用电估算对上,也会把一些材料不足的站点留在数据之外。即使漏掉位置、大小或状态暂时无法交叉验证的站点,可核实的样本仍有价值。阅读结果时,最好让分析站点数和时间窗口始终跟着能耗数字。

可以把它想成电网有两张清单。运行清单里有已接入的站和在用变电站,规划清单会包含其中一部分,加上随后几年可能出现的规模。一个从首座机房扩到后续工程的园区,可以同时处在两张清单上。规划数据需要概率和启用日期,历史数据需要实际运行区间和当期负荷。将两者混在同一个序列里,企业一宣布项目,曲线就往上,一取消就往下,而这些变化也许并没有出现在电表上。

作者的公开仓库明确写出这项边界。它提供模型代码、州和电力平衡区的汇总结果,以及合成输入。数据使用协议限制发布能识别真实设施的输入资料。合成行让读者可以检查处理和验证代码的过程,它不等于真实设施的观察值。独立读者能核对汇总结果与公开因子,要原样复现所有样本计算,就需要获得受限输入。这两件事的差别,决定了公开材料可以让人验证到什么程度。 作者仓库与数据可用性

需要知道一条记录为什么未通过验证。工业建筑特征明显、运营商资料齐全、历史较长的站点,可能比新设施或信息少的站点容易确认。缺失数据由此可能改变样本构成,而简单计数看不出来。有十座已登记建筑的运营商,单位容量可能与只有一座挂自己名字的运营商不同。后续独立调查可以说明未确认候选有哪些特征可得、在哪些地方覆盖最好。读者理解 403 站范围时,就能根据证据判断剩下设施的规模与分布。

从电气容量推算耗电#

设施电气容量按兆瓦表示功率,某一期间用过的电以兆瓦时或太瓦时表示能量。研究选了几种设施负荷系数,模拟各站平均用了多少电气容量。中心系数是 0.58。作者公开结果中,0.48 对应 67.7 太瓦时和 2,130 万吨二氧化碳,0.58 对应 81.8 太瓦时和 2,570 万吨。0.663 的敏感性情景给出 93.5 太瓦时、2,940 万吨,0.70 的高负荷情景为 98.6 太瓦时、3,100 万吨。这个区间表示在所选假设下会得到什么结果,没有为任何一个点规定出现的概率。 最终版情景结果

比如简化模型下,一座设施有 100 兆瓦可用容量,全年 365 天维持在 58%,耗电约 508,000 兆瓦时,维持在 48% 则约 420,000 兆瓦时。这是解释分母的假设,并非研究中的真实站点。负荷假设偏差有时会与容量偏差一样影响总量。系数描述的是设施电气使用,不能读成每台服务器忙碌的比例、AI 在任务中的份额,或电网压力最大一小时里数据中心的用电占比。

机架旁的两组仪表示意不同负载假设下的年度用电差异。

把中心用电估计换算成年均功率,样本相当于 9.34 吉瓦左右。这只是把 81.8 太瓦时均匀摊在一年各小时,便于理解用电速度。同一个平均值既可能对应很平稳的负荷,也可能有较大起伏。电力公司评估某地并网时,需要预期系统高峰期间的用电、负荷增长速度,以及突然退出大负荷时要怎样响应。全国均值可以作量级对照。到了并网研究,电网在哪、何时承压才决定哪个功率数字管用。

情景估算也提醒人们小心沿用旧比较。服务器使用变化会让设施用电朝不同方向走,任务结构和安装节奏都重要。一座数据中心可以已经营业、同时继续加服务器。新机房单位算力所需的辅助电量可以更低,总负荷仍会更高。设施用电没有给出有效计算量,也没单独测量冷却开销。要解释这些问题,应明确分母。容量、负荷、PUE 和每项已完成任务用电,是给不同问题的指标。把服务器利用率当作整栋楼的实测利用率,会盖住重要差别。

没有直读电表时,大规模设施研究可以用透明的需求情景估算。误差仍有可能在地区间不均匀。新机房近期投运的高速增长区,可能离满负荷很远。另一个成熟集群也许早已接近满载。对两者采用同一系数能统一模型,却显示不出这些差别。具有代表性的一组电表总量可以检验中心假设是否整体合理、是否有地区需要单列。这样还可以检查情景区间是否覆盖主要不确定性,有没有漏掉一种重要变化来源。

改变排放数字的分母#

正式版使用美国环保署的 eGRID 2023 年数据修订版 2,基于电力平衡区归属年度发电和排放。按总发电量法,区域发电记录中的二氧化碳总量,除以该区申报的全部净发电量,其中包括核能和许多可再生能源等电厂没有直接二氧化碳排放的电源。所得区域因子与设施用电的模型估计相乘,就得到研究使用的归属排放。因而同样的负荷,放在发电结构不同的区域会得到不同估算。 美国环保署 eGRID · 作者的排放方法与分母定义

早先版本对相近用电范围给出的排放区间较大,约 3,700 万至 5,400 万吨。最终仓库说明,修订时改了核算所用的分母。辅助的燃烧发电口径只除以燃烧来源的发电量,把该因子应用于全部消耗的电量,结果会高过把地区核能和可再生发电纳入分母后的口径。论文发表版用的是总发电量因子。变化来自同一组用电估计的碳排放换算,未观察到两个年份间的真实排放下降。 6 月预印本 · 最终版数值对照

最终数字里,按样本负荷加权的排放因子约为每千瓦时 314 克二氧化碳。作者所给全美 eGRID 总发电量基准为 348 克。用四舍五入后的中心数值算,2,570 万吨除以 81.8 太瓦时,得到接近 314 克。因此,按同一口径,样本的地区加权强度低于全国参考。设施总用量很大,绝对排放仍然可观。较低平均因子可能与新站选址有关,某个新负荷能否具有同样的因子,还要按具体条件判断。 最终版碳强度比较

作者把设施与地区发电关联后,给出的电力结构约为化石能源 54%、核电 21%、可再生能源 25%。这些是核算边界内的归属权重。研究没有追踪某家电厂的一条线路最后把电送进了哪座楼。区域可以输入和输出电力,发电结构也会在一天中变化。大买家可能签了能源属性合同,企业可在另一个市场口径下按规则应用这些合同。要分析为新增需求多开了哪些发电,需要调度、电力流向和时段资料。研究使用的平均因子适合它所问的地区归属问题。

2023 年的电网资料版本也应随数字注明。负荷估计来自 2024 至 2025 年,排放以指定 eGRID 版本建模。投运、退出或并网变化均可能改动区域构成。与以后的估算相比时,双方公开数据版本、区域和方法,读者就更容易理解差别。有的差异是运行真实发生了变化,有的是更新后的数据对相近活动给出了新的表示。保留电网版本与设施运行窗口,让读者看到两种情况各是什么。 最终分析口径

用电排放估算之外,还有不同来源的环境影响。建设机房和制造服务器会有排放。园区自建发电机的例子,要看燃料和所发电量怎样入账。冷却影响用电,也会牵涉很本地化的用水问题。完整环境评估需要考虑这些情况。2,570 万吨对应模型估算用电归属的二氧化碳,无法替代全生命周期足迹或污染对社区的暴露测量。更全面的比较可以以此为起点,把其他指标的数量、责任方和用法分开写清楚。

地理分布怎样拼出全国数值#

样本中,弗吉尼亚州有 142 座设施。出版方称它对应中心情景里约 21 太瓦时,约为 81.8 太瓦时的四分之一。俄勒冈州有 56 座,俄亥俄州有 38 座。设施数与用电量要合起来看。弗吉尼亚在样本站点数里约占 35%,在估计用电里约占 26%。这是特定时段与集合中的比较。它表明,看项目公布了几座,对判断电气容量和年度用量帮助有限。 出版方的州别汇总

行政区与电网区提供不同边界。州的职责可以关系就业、土地与部分许可。平衡区运营者管理自己的电力系统,范围可以跨越多个州,也可能小于一个州。附近社区更容易看到特定并网点或一座发电机的影响,汇总数字会把它们摊薄。研究把设施和发电因子放回各区域,有助于解释联系。读者判断本地决定时,仍需知道用电发生在何时、增加了哪些电源与输电能力,以及大型接入的成本由谁承担。全国份额提供了找这些数字的理由。

有些报道把样本用电和一个州或国家的全年用电相提并论。在双方都衡量全年能量的情况下,这能帮助读者想象大单位的规模,也会弱化工业负荷在地图上的分布。设备集中在同一段网络附近,和等量用电分布在许多城镇,是不同的规划问题。一个设施长时间需要 100 兆瓦,与一个能挪开用电时间的系统中的短时高峰也不同。看到国家对比时,可以进一步问,这个类比要说明能耗规模、电网压力,还是排放强度。三者都需要自己的证据。 美联社对研究的报道

发表时间也把论文带进了数据中心用电与气候承诺的讨论。国际电信联盟和 COP31 主席国在同一周提出自愿性 AI 承诺,包括针对基础设施能源和披露的做法。论文用实例说明为什么不应省略披露边界。描述使用清洁电力时,可以核对地区、日期、发电来源和声称使用的口径。用电数据要能追踪进展,后续读者需要确定它是否覆盖同一组设施、使用同一测量单位。论文的建模和自愿承诺在讨论中各有用途。 国际电信联盟对安塔利亚 AI 承诺的说明

怎样与更广范围的调查对照#

劳伦斯伯克利国家实验室模拟过美国更广的数据中心行业的用电。其 2026 年 6 月更新给出的 2030 年参考情景为 649 太瓦时,约占预期全美用电 11.8%。这是对更大集合的未来情景,受设备出货、用量和设计假设影响。81.8 太瓦时描述的是某个历史年份的 403 个已识别设施。直接作比会同时跨越多道边界。要合理比较增长,需要使用一致的设施组、起点、方法,或者解释中间有哪些统计和实际变化。 伯克利实验室用电研究更新

美国能源信息署在 2026 年 3 月启动数据中心能源调查试点。问卷可以向运营方询问测量、电源与设备,这些往往不是从公开目录能查到的事。第一个难点是让回答可比,有的人上报一部分楼,有的人上报一个园区或一组楼。答题者还要知道问的是实测年用量、合同峰值容量,还是未来负荷。独立估算在调查期间依然有用。它能指出在哪些地区应优先核查读数,也能帮助读者对照调查结果与已经知道的设施情况。 美国能源信息署试点

后续比较可先追踪已经核实的设施。用电上升是因为原有机房更忙,还是因为新一期工程投运?样本新增的设施应另行计数。排放增减随后可拆成用电变化,以及施加的因子变化。园区内发电、全年和逐小时匹配等资料,可以回答区域年度平均因子解决不了的问题。这样就能把两次研究的标题数字接起来,判断究竟哪一部分系统变了。

更好的数据也能使不确定性更具体。在相同边界公布容量与年度电表读数,就有可能从观测算出负荷系数。公布几类代表性机房的小时负荷,可以展示网络何时承压。写清哪些信息因保护需要不能公布,也能区分单纯缺失与依法保密的细节。汇总通常足以看一个地区的用能趋势。在适当条件下让合格复核者查底层记录,能加强对汇总表的信任,又无需开设一份公开设施操作记录清单。

较清晰的披露顺序可以很简单。写明运行站点、期间与单位,再报告方法和所用电网因子。标示功率代表接入承诺、峰值还是平均值。给出年度能量,条件允许时也给出本地电网最紧张时的实测负荷范围。更改站点范围或因子后,再说明此前的比较发生了什么变化。读者便能跟踪不同年度的数字。监管方与运营方谈到未来设施和已经发生的消耗时,也能清楚对上各自讲的是什么。

这项研究的结论,需要带着三个条件读。它以 403 座运行设施为样本,模拟一年约 82 太瓦时用电,用地区总发电量因子估算了 2,570 万吨二氧化碳,并说明改变设施负荷假设时数字会怎么变。如此大的用量值得推动一致的行业核算,方法也说明还有哪些关键信息缺失。下一项更有说服力的研究,需要让人更容易分清,变化来自设施数量、实际使用,还是供给它们的电力结构。