《数据中心快速接入电网，关键可能是学会“错峰”》

导语

这篇 MIT Technology Review 文章讨论 AI 数据中心与电网之间越来越紧张的关系。作者不是简单主张“多建电厂”，而是追踪一条更复杂的路线：如果数据中心能在电网紧张时自动降载、转移任务或调用备用资源，它们可能更快上线，也可能让电网更稳定。

1. 从英国“茶壶效应”模拟开始

1.1 足球比赛后的用电尖峰

• 文章用一个足球比赛场景开头：英格兰男足对德国的上半场结束后，数百万英国人同时烧水泡茶，电热水壶造成巨大的瞬时用电尖峰。National Grid 需要马上匹配供需，否则可能出现停电或硬件损坏。

1.2 Conductor 模拟如何让数据中心降载

• 这个场景其实是 2025 年 12 月的一次模拟。工程师重现 2020 Euro 比赛时英国电网面对的需求波动，测试 Emerald AI 的软件 Conductor 如果在线会如何响应。模拟中，AI 程序向 London 的数据中心发出指令，让部分耗电芯片降速，从而给电网让出空间。

1.3 从模拟走向真实电网

• Conductor 是 Washington, DC 公司 Emerald AI 的核心产品。2026 年，它计划部署在 Virginia 的 Data Center Alley 一座新设施中，并接入真实电网。项目伙伴包括 Nvidia 和 Digital Realty，他们把它称为世界上第一批 “power-flexible AI factories” 之一。

2. 数据中心的瓶颈不只是电量，而是接入速度和公共压力

2.1 新电厂慢于新数据中心

• 许多科技公司认为，数据中心上线的瓶颈是电力接入。建造数据中心比审批、建设、并网新电厂快得多。Virginia 所在的 PJM 是美国最大电网运营商，RMI 数据显示，在这里新增发电需要 8 年左右。Nvidia 可持续发展负责人 Josh Parker 因此说，AI factory flexibility 是 AI 需求和电网现实限制之间的桥。

2.2 社区反对正在改变政策

• 数据中心一旦接入，也会遭遇邻里批评：耗电过多、推高电价、制造噪声、污染环境、长期就业有限，还可能让人失业。Data Center Watch 估算，2025 年组织者阻滞了超过 1500 亿美元项目。十多个州正在考虑禁令，Minneapolis 和 Georgia 的 DeKalb County 等地已有地方暂停令；美国参议院的两党 GRID Act 甚至提议让新数据中心与公共电网切断。

2.3 现有电网其实只在少数高峰时刻满负荷

• 一些电网专家认为，答案可能藏在已有输电线路里。电网一年中只有少数高需求小时接近满负荷；如果数据中心愿意在那些时段降低用电，就可能不必等待大规模基础设施升级，也不必自建离网发电。

3. 研究显示，少量灵活性可能换来巨大容量

3.1 Duke 和 Princeton 的容量估算

• Duke University 2025 年一份报告发现，如果设施愿意一年中 0.25% 的时间降低用电，也就是约 22 小时，美国电网可为数据中心额外提供 76 gigawatts，相当于全网容量约 5%，足以容纳美国到 2030 年预计的数据中心增长。
• Princeton University 与两家电网现代化公司研究 PJM 区域时发现，一座 500-megawatt 数据中心如果能一年中不到 1% 的时间灵活降载，可能比完全刚性的设施提前 3 到 5 年满负荷运营。Google 资助了这项研究。

3.2 公共形象和费率也会被影响

• 灵活接入还可以改善数据中心的公众形象。它们在电网压力时减少取电，可避免抢占关键用电，提高稳定性；利用现有容量也可能减少新化石燃料电厂需求，并把固定成本分摊给更多用户，压低电价。Duke 今年 2 月的研究还估计，灵活性可能让费率降低 0.5% 到 2.8%。

4. 灵活性不是新概念，但数据中心把难度放大了

4.1 从 demand response 到 VPP

• 电网运营商几十年来一直使用 demand response（需求响应）：热浪等高峰来临时，要求大型商业或工业用户关闭部分操作，避免启用 fossil-fuel peaker plants（化石燃料调峰电厂）。但这种方法慢、不精确、难扩展。2000 年代后，电动车、太阳能和联网电网推动 virtual power plants（VPP，虚拟电厂）发展，工厂、家庭智能温控器、太阳能板和大电池都可被协调调节用电，并获得补偿。

4.2 数据中心有三种降载办法

• 第一种是安装现场备用储能或发电，在电网满载时自费顶上。第二种是调用 VPP：公用事业公司调低参加 VPP 用户的用电，数据中心付费购买这份灵活性；Voltus 就在美国和加拿大推广 “bring your own capacity”，并在 6 月与 Google 签下三年计划，由 Google 资助 PJM 区域 VPP。第三种是数据中心自己在高峰期少用电，这最难，因为每台服务器都像可能“下金蛋”的鹅，但 Emerald AI 的 Ayse Coskun 认为，快速接入电网的价值正在让运营商愿意交易一部分灵活性。

4.3 GridCare 的数字孪生路线

• Silicon Valley 初创公司 GridCare 用生成式 AI 建立电网 digital twin（数字孪生），把电厂、线路、变电站和住宅都纳入不同配置模拟，再用基于电气物理的模型检查结果是否可靠。它的 CEO Amit Narayan 指出，电网经常利用率偏低，如果航空公司只有 30% 利用率，不会马上买更多飞机；电网从 30% 提到 60% 并非没有科学可能。

5. 案例：PGE、Google、Voltus 和 Emerald AI

5.1 PGE 和 Aligned 用电池换来新增容量

• GridCare 的第一个客户在 Pacific Northwest 的 Silicon Forest。2024 年，Aligned Data Centers 想扩建 Oregon Hillsboro 设施，Portland General Electric 采纳 GridCare 建议，让 Aligned 安装 31-megawatt 电池，预计 2027 年 5 月投入使用，并在电网拥堵时最多减少同等取电。结合其他灵活措施，PGE 无需新电厂就能给 Aligned 和附近运营商增加 80 megawatts 容量。

5.2 Google 和 Voltus 把灵活性做成区域协作

• Google 从 2023 年开始把计算负载从需求紧张地区转移到压力较小的设施，并与 Tennessee Valley Authority、Indiana Michigan Power 等五家公用事业公司签约，累计提供最高约 1 gigawatt 灵活性。Voltus 的方案则是让数据中心公司在附近资助 VPP，电网运营商在高峰时降低其他参与者需求，参与者获得补偿。

5.3 Emerald AI 让数据中心自己听懂电网

• Emerald AI 的路线最激进：让数据中心直接响应电网。Conductor 可本地或云端运行，基于 Coskun 在 Boston University 的研究。她的团队 2013 年两篇论文显示，数据中心可以观察电网并帮助平衡太阳能、风能等大波动；到 2022 年，他们在 36 台研究服务器集群上证明系统可遵守功率限制而不破坏任务。

6. Conductor 如何判断哪些 AI 任务可以慢下来

6.1 任务优先级决定哪些计算可以慢

• Conductor 的关键问题是：哪些 AI 任务可以降速而不严重影响性能。许多公司会给任务标优先级，例如实时聊天机器人查询高于 deep research 的网页搜索；没有标签时，Emerald AI 会从任务性质推断。Conductor 分析 AI workload（工作负载），判断调低某个处理器功率会如何影响性能，并帮助满足电网运营商设置的用电上限。Coskun 说，不同工作负载的性能曲线不同，系统的智能就在于判断当前位置。

6.2 Phoenix、Virginia、Chicago 和 London 的测试逐步加难

• Emerald AI 在 Data Center Flexible Load Initiative 合作中逐步提高测试难度。第一次在 Phoenix，让 Conductor 控制 256 个 Nvidia A100 GPU 的服务器机架，这些硬件耗电约相当于 170 个美国家庭；面对繁忙电网模拟，Conductor 连续 3 小时把芯片功率降低 25%，同时保持可接受计算性能，结果 2025 年 12 月发表于 Nature Energy。之后试验加入无预警电网波动，并把 AI 任务从 Virginia 转移到 Chicago；London 试验则纳入 GPU 之外设备，处理更复杂、长短不一的拥堵和茶壶效应。

7. 争议：灵活性是工具，不是替代基础设施

7.1 还没有默认方案，但 Data Center Alley 压力巨大

• 目前灵活性仍处早期。Princeton 研究作者、Firma 联合创始人 Jesse Jenkins 说，大家认识到它可能是方案，也有个别案例，但还没有默认、统一的解决集合。Northern Virginia 的 Data Center Alley 拥有约 500 座计算设施，占全球容量 13%；北京和 Oregon 各占 6%。Virginia 还有数百个新设施提案，州政府研究认为，如果全部推进，到 2040 年电力需求将增加 183%，约 26 gigawatts，即使只支持一半也很困难。

7.2 Manassas 是 Conductor 的真实电网考场

• Emerald AI、Nvidia、Digital Realty 在 Manassas 建设的设施将让 Conductor 首次在真实电网、大规模场景中运行：英国演示只有 130-kilowatt AI 集群，Manassas 将是 96-megawatt hyperscale AI factory。PJM 的 Scott Baker 认为，短中期内不同形式的数据中心灵活性对可靠整合数据中心负载至关重要。

7.3 反方认为它不能替代新增发电和输电

• 但反方并不乐观。PJM market monitor Joseph Bowring 说，认为大量数据中心负载可在不新增发电的情况下接入，是 magical thinking（魔法式想象）。核心问题是，没有法律或监管要求时，无法保证数据中心真的会在高峰时降载。技术顾问 Stephen Empedocles 也说，灵活性是优化工具，可提高可靠性、用好现有设施，但不能替代发电、输电和配电扩张。
• 文章最后把 AI 用电压力放进更大的能源转型中。International Renewable Energy Agency 2026 年 1 月报告称，为平衡需求增长和可再生能源波动，2030 年全球电网需要的灵活性将是 2019 年的 3 倍，到 2050 年需要 10 倍。Coskun 的收束判断是，危机没有快速解法，但可能创造一次重新设计更智能、更灵活电网的机会。

思想框架

文章先用英国茶壶效应模拟和 Emerald AI 的 Conductor 展示数据中心如何临时降载，接着解释为什么 AI 数据中心卡在电网接入速度、社区反对和政策限制之间。中段用 Duke、Princeton、Google 资助研究和 PGE/Aligned、Voltus、GridCare 案例说明，少量高峰降载可能释放大量现有容量，并让数据中心更快上线；随后细拆 Conductor 如何按任务优先级调节 AI 工作负载。最后，文章通过 Data Center Alley、Manassas、PJM 内部分歧和 IRENA 的长期预测给出边界：灵活性不是替代发电和输电建设的银弹，却可能成为 AI 用电危机推动电网智能化的现实入口。