AI 數據中心耗電量激增，行業開始想方設法解決供電難題。最新方案是：在變電站旁邊建微型數據中心，根據電網負荷動態調度算力。

英偉達與合作伙伴計劃在今年下半年啟動試點：在美國 5 家公用事業公司范圍內，共建25 個微型數據中心，單站功率 5–20 兆瓦。某變電站負荷過高或斷電時，算力自動遷移到供電充裕的鄰近站點。

合作方包括：數據中心建設商 InfraPartners、地產服務商 Prologis、電力研究機構 EPR（原電力研究院）。

項目目標

驗證彈性算力 + 電網協同新模式，快速獲取電網零散富余電力 —— 這在當下愈發珍貴。

EPRI 智能 AI 架構主管 Ben Sooter：“單個變電站富余功率約 5 兆瓦、最高 20 兆瓦，規模太小難建傳統數據中心，但多個微站協同就能湊成可用算力，還能把電網可用容量翻倍。美國約 5.5 萬座變電站，富余電力總量驚人。”

英偉達能源高級總監 Marc Spieler：“AI 推理負荷可隨電走，是大勢所趨。”

電網困局與解法

數據中心用電激增：預計 2030 年美國數據中心耗電占全國9%–17%，較現在翻倍。AI 訓練中心能耗達吉瓦級，堪比中型城市。

傳統方案周期長、成本高：

• 電網擴容審批可達十年；

• 自建燃氣電廠、投資核聚變、修高壓線路。

新機會：美國電網平均利用率僅 53%，尖峰負荷（年 < 200 小時）之外，大量電力閑置。

尼古拉斯研究所測算：數據中心僅 0.25% 時間限電，即可釋放76 吉瓦富余電力（約峰值 10%）。

微站優勢

• 建設快：無需新建電廠，直接接入變電站現有線路；

• 成本低：復用變電站電網、光纖、配套設施；

• 彈性高：負荷動態遷移，適配推理類任務。

訓練 vs 推理：算力調度差異

• AI 訓練：需要數萬 GPU 高速互聯（NVLink/InfiniBand），不可拆分；

• AI 推理：單次請求、低延遲、可分布式調度。

Mod42 戰略副總裁 Valerie Crafton：“推理是唯一能‘跟著電走’的算力，這正是微型數據中心興起的原因。”

項目進展

英偉達 + EPRI 的分布式推理試點：2026 年底前開工，預計僅0.1% 時間需要遷移算力。

EPRI 的 Sooter：“第一輪算力浪潮是超大型數據中心（5 吉瓦級）；第二輪是推理專用微型集群，2027 年推理需求將爆發。”