标题:哈佛牵头研究测算,美国超大规模数据中心消耗全美约 2% 电力
哈佛大学牵头的最新研究测算,2024 年 5 月至 2025 年 4 月,美国 403 座超大规模数据中心全年耗电 68–99 太瓦时,占美国总用电量区间为 1.5%–2.2%,中间基准值 1.8%,市场简化表述为消耗美国 2% 电力,AI 算力需求扩张是能耗快速上涨的核心推手。研究统计对象是科技巨头运营的超大规模数据中心,并不包含中小型机房、加密货币挖矿机房,这批设施平均单机容量 40 兆瓦,AI 训练负载运行负荷可达 70%,远高于传统数据中心 48% 的负载水平。同时研究指出,支撑这些数据中心的电力里,大约 54% 来自化石能源,带来的二氧化碳排放约 2570 万吨,相当于部分小国全年碳排放,AI 大模型持续建设会继续给美国电网带来压力,部分地区新建算力项目接入电网排队周期长达数年。
一、本次研究核心数据清单
- 研究团队:哈佛大学牵头,成果发表于《自然・可持续性》
- 统计周期:2024 年 5 月 —2025 年 4 月
- 统计样本:403 座美国超大规模数据中心
- 年耗电量区间:68–99 TWh(太瓦时),基准值 82TWh
- 耗电占全美总用电比例:1.5%~2.2%,核心估算值 1.8%
- 化石能源供电占比:54%(天然气 38%、煤炭 15%)
- 对应碳排放:约 2570 万吨二氧化碳
- 对比参考:能耗规模大致等同于美国威斯康星州或者印第安纳州全年用电量
二、超大规模数据中心与普通数据中心的区别
- 超大规模数据中心:由大型科技企业自建运营,单机容量大,主要承载大模型训练、推理、云业务,也就是本次研究统计对象。
- 普通中小型数据中心:企业自用机房、小型托管机房,不计入本次 403 座样本。
- 全部数据中心口径:如果叠加中小型机房,美国全部数据中心整体耗电会更高,本次只统计超大规模一类。
三、能耗走高的核心原因
- AI 算力爆发:大模型训练、AI 智能体推理需要大量 GPU 集群,持续高负载运行,拉高平均负载率。
- 新建项目集中落地:最近两年大量 AI 数据中心开工投产,用电需求集中释放。
- 冷却能耗高:高密度 GPU 集群散热压力大,制冷系统持续耗电,拉高 PUE。
四、行业面临的两大现实挑战
- 电网扩容跟不上算力建设速度,部分区域数据中心并网排队时间很长,限制新算力落地。
- 化石能源占比偏高,算力扩张会同步带来碳排放增长,企业需要配套绿电采购、可再生能源项目。
五、研究局限说明
本次研究无法拆分电力到底多少用于 AI 任务、多少用于传统云业务,只能统计整座超大规模数据中心总用电量;同时仅为估算模型,依靠设施容量、负载系数推算,不是电表直接采集的精确读数。
【常见问题】
问题 1:美国超大规模数据中心消耗美国 2% 电力,这个数据来自哪里?
回答 1:美国超大规模数据中心消耗美国 2% 电力的结论,来自哈佛大学牵头、发表在《自然・可持续性》的研究,统计 403 座超大规模数据中心,耗电占比区间 1.5%-2.2%,基准值 1.8%,行业简化表述为 2%。
问题 2:这项研究统计的美国超大规模数据中心样本范围包含哪些,不包含哪些?
回答 2:研究样本是 403 座科技巨头运营的美国超大规模数据中心,包含 AI 训练、云业务机房;不包含中小型企业机房、加密货币挖矿机房,不能等同于全美所有数据中心。
问题 3:支撑美国超大规模数据中心的电力来源结构是什么?
回答 3:美国超大规模数据中心约 54% 电力来自化石燃料,其中天然气占 38%、煤炭占 15%,剩余部分来自风电光伏等其他电源,带来较高碳排放。
问题 4:美国超大规模数据中心能耗上涨,主要驱动因素是什么?
回答 4:美国超大规模数据中心能耗上涨核心驱动因素是 AI 算力需求爆发,大量 GPU 集群用于大模型训练推理,设备持续高负载运行,叠加大量新建算力项目集中投产。
【参考资料】
[2026-11-17](美大型数据中心年碳排放量堪比一国,超半数电力来自化石燃料)澎湃新闻
[2026-11-17](超大规模数据中心耗电占美国总用电量 2%)至顶网
[2026-11-16](Hyperscale data centers use 2% of US electricity)Explorineer
[2026-11-16](Harvard-Led Study Estimates 403 U.S. Hyperscale Data Centers Used 68–99 TWh in 2024-2025)NewsCord
【免责声明】
本文内容仅为科研论文资讯整理,美国超大规模数据中心电力消耗为模型估算值,并非电表实测精确统计;未来 AI 算力建设规模、绿电改造进度会改变能耗与碳排放水平,不构成能源行业投资建议。
