在人工智能（AI）技术飞速发展的当下，一场因算力需求引发的电力供应变革正在美国悄然上演。指数级增长的算力需求，与美国老化且缓慢的公共电网之间的矛盾日益尖锐，成为AI行业发展的关键阻碍。有观点指出，在AI竞争的赛道上，谁能更快解决电力供应问题，谁就能占据先机，反之则可能被淘汰。
为摆脱公共电网的束缚，众多美国AI数据中心开始采取一项大胆举措——在园区内自建电厂。燃气轮机、燃气发动机以及燃料电池等设备被迅速部署在数据中心周边，目的只有一个：尽快实现电力供应，让算力设备能够高效运转。这种曾经难以想象的做法，如今正成为越来越多AI企业的选择。
知名半导体与算力研究机构SemiAnalysis发布的深度报告《AI实验室如何破解电力危机：现场燃气发电深度解析》指出，当AI进入大规模部署阶段，电力问题已从单纯的成本考量，升级为决定算力能否按时投入使用的首要制约因素。该报告长达60多页，对这一现象进行了系统分析。
从表面看，美国似乎并不存在系统性缺电问题。然而，SemiAnalysis研究发现，AI数据中心面临的真正瓶颈在于电力交付速度与算力扩张速度严重不匹配。AI数据中心的建设周期通常被压缩至12 - 24个月，而电网扩容、输电建设以及并网审批等流程，往往需要3 - 5年时间。当算力需求以吉瓦为单位集中涌现时，“等待电力接入”本身就成为一种难以承受的风险。以德州ERCOT为例，2024 - 2025年间，数据中心提交的新增负荷申请规模高达数十吉瓦，但同期真正获批并成功接入的新增负荷仅约1吉瓦。
那么，为何AI公司宁愿承担更高成本，也要绕开公共电网呢？SemiAnalysis给出的解释是，算力的时间价值正在重塑企业的决策逻辑。据测算，一个规模达1吉瓦的AI数据中心，年化潜在收入可达百亿美元级别。即便是中等规模的集群，只要上线时间提前数月，所带来的商业价值也足以覆盖因自建电厂而增加的电力成本。在这种背景下，电力不再仅仅是运营成本的一部分，而是成为决定AI项目能否顺利开展的前置条件。
在此背景下，“自建电厂”这一曾经仅存在于极端场景的方案，迅速成为现实选择。这种模式被称为BYOG（Bring Your Own Generation，自建电源、现场发电），其核心目标并非永久脱离公共电网，而是“抢时间”。在AI时代，算力设备的“先上线”比“先最优”更为重要。
xAI便是这一趋势的典型代表。SemiAnalysis在报告中重点分析了xAI的案例。在孟菲斯，xAI仅用不到四个月时间就建成了一个拥有10万张显卡的GPU集群。这一成果的背后，是一场电力工程的极限挑战。为进一步压缩建设周期，xAI在设备选择上采用租赁而非采购的方式。
到2025年底，“自建电厂”已不再是个别企业的行为，而是成为一种系统性趋势。在美国，已有十余家发电设备供应商，单笔订单规模超过400兆瓦，客户均为AI数据中心。SemiAnalysis认为，这标志着电力首次被视为AI基础设施的关键组成部分，而非外部依赖条件。
在众多现场发电方案中，天然气成为主流选择。原因在于，天然气在规模、稳定性以及部署速度上，能够同时满足AI行业的需求。相比之下，核电建设周期过长，风电与储能难以支撑全天候高负载运行，而高效率联合循环机组虽经济性更优，却无法满足“立刻上线”的时间要求。在AI竞争的激烈环境中，“最优解”正逐渐被“时间解”所取代。
SemiAnalysis在报告中承认，从长期来看，自建电厂的成本通常高于使用公共电网供电。但在AI的竞争逻辑中，“速度慢”比“成本高”更具杀伤力。随着算力成为新一代基础设施，电力正从公共资源转变为AI公司必须掌控的内部能力。在这场没有硝烟的竞赛中，决定胜负的不仅是模型、芯片或资本规模，更是谁能更快将电力输送到算力设备上。
