01 触发事件
Amazon 在西德州 Pecos County 投资新建一座 7.65GW 燃气轮机发电厂, 由 35 台天然气机组组成, 初期专供其新建数据中心, 不并入德州电网 (ERCOT)。根据追踪数据中心电力的 Cleanview, 该项目 (GW Ranch) 已获德州排放许可, 单厂排放量可能跻身全美最脏燃机之列。
02 这事的真正含义
这不是一条环保新闻——这是 AI 算力扩张曲线撞上美国电网物理天花板的第一个硬数据点。
7.65GW 是什么概念: 大致等同于 6-7 个大型核反应堆的装机容量, 比绝大多数美国城市的峰值负荷还大。Amazon 之所以选择 build behind the meter (BTM, 厂内自供) 而不是接 ERCOT, 答案藏在两个我都不太确定但值得追的细节里:
第一, ERCOT 互联排队。我没在内部跑过 Texas 互联申请的实际数字, 但行业里有个流传说法: 当前 ERCOT 大型负荷接入排队已经排到 2030+。当你的负荷是 GW 级, 互联审批周期可能比数据中心土建还长。
第二, 7.65GW 是单一园区的负荷量。这不是逐步上线的订单, 是一次性 drop 的超大块。任何电网操作员都会告诉你, 这种 step load change 要么靠 BTM 吸收, 要么触发电网稳定性改造——后者的时间和钱, hyperscaler 都不愿意付。
AWS / Microsoft / Google 这一波集体往 behind-the-meter 跑, 真正在变的是 electricity is becoming a co-located input, 不再是从公用事业买的 commodity。这是 Stratechery 式的 aggregation theory 变形: 当需求大到 critical mass, 你就会垂直整合上游。Amazon 没有去开燃气轮机公司, 是因为电网不能 scale 到他们的需求节奏——所以他们必须自己长出供电能力。
03 历史类比 / 结构对照
我想到的是 2010 年代 Apple 自己做芯片这件事。M 系列芯片诞生的真正催化不是"我们想做更好的 CPU", 而是 Intel 的迭代节奏装不进 iPhone 的功耗预算和上市时间表。
Amazon 在 Pecos 做的事是同一个结构: 当外部供给 (互联容量、批发电价稳定、grid 服务质量) 的演进速度 lock 不上你的产品节奏, 你就自己造。
更深一层: 这件事和 2008 年前后 hyperscaler 自建数据中心是同一个剧本的 v2。第一波是 capex on real estate, 这波是 capex on electrons。再往下推, 大概率会有 capex on transmission lines, 甚至 capex on cooling water rights (德州已经开始)。
我也想到一个反面类比: 1980 年代 Alcoa 之类的能源密集型巨头在西北太平洋自建水电。这次的差别是 AI 的负荷增长斜率远比任何历史先例陡——核电从开工到上网要 10 年, GW Ranch 这种 gas peaker 只要 24-36 个月。所以 gas 成为过渡答案, 但这是个带 transition tax 的答案。
04 对 AI builder 意味着什么
我对 opcx.ai 的客户说: 接下来 12 个月, 至少盯紧三件事。
推理定价的"电力 passthrough"会显性化。AWS、Azure、GCP 在 2026-2027 的 GPU 实例价格里, 越来越大的边际成本不是 H100/H200 的折旧, 而是 PPA (power purchase agreement) 的固定成本传导。当 gas peaker 资本金被分摊进去, 你会看到一种新的"区域算力溢价"——西部、南部便宜, PJM/NEISO 区域贵。
colocation 选址变成基础设施决策, 不是财务决策。如果你在 build 训练集群或长期锁定推理 capacity, 现在开始要看 ERCOT / MISO / PJM 的互联排队深度, 而不是只看 GPU 价格。我可能高估了这点对中小 builder 的实际影响——大多数应用层公司不会自建 GW 级负荷——但作为选 region 的次要信号, 它开始有意义。
碳成本的合约化会成为企业 AI 采购的隐藏变量。欧盟 CSRD、SEC 气候披露规则都在逼 procurement team 问: 你的 inference 1M tokens 多少 g CO2e? 这条供应链会倒逼 API 提供商去签 PPA、买 REC, 然后把成本摊进 token 单价。这对纯应用层是噪声, 对 infra 层是定价权的新护城河来源。
更直接的: 这周该做的就是 review 你的推理 workload 地理分布, 看是否过度集中在 PJM (美东) 区域——那边未来 24 个月的电费上行斜率, 可能比西部 gas-rich region 高 1.5-2 倍。我没看到公开的精确数据, 这是基于历史 IRP 文件的推断, 读者自行判断。
05 反方观点 / 风险
我可能在三个地方错。
第一, GW Ranch 是特例而非趋势。Amazon 这一个项目可能反映的是 Pecos County 特定的电网瓶颈 + 德州监管宽松组合, 而不是全国性 systemic 拐点。如果 Mississippi 或 Virginia 那边互联排队其实没那么糟, 整个 behind-the-meter 叙事就矮化成一个 local 故事。Amazon 拒绝评论具体选址逻辑, 我也没拿到他们的内部互联申请时间表, 这个判断我承认是建立在公开信息上的推理。
第二, 我可能高估了 gas peaker 的过渡性质。如果电网升级慢到再拖十年 (这是完全可能的), gas 反而成为 "new normal" 而非过渡方案, 整个能源转型叙事被 AI 需求 delay。这反过来又会让"AI 是清洁技术使能者"这个被许多 climate-tech VC 反复说的话变成苦涩的反讽。
第三, 也是最脊梁的一条: 我可能低估了 demand side 的弹性。如果模型效率的提升 (MoE 架构、MLA、SSM、speculative decoding、prompt caching) 真的把 inference compute per task 每年砍 50%+, 那 GW 级新负荷的需求假设就会塌。这个假设能不能成立, 我比六个月前更不确定。scaling law 阵营和 post-training 阵营的辩论其实就在回答这件事——我们到底需要多少瓦来跑 AI?
最锋利的反方: AI 的电力饥渴是 hype 在自反馈, 不是结构性必然。如果是这样, 今天的 gas peaker 投资会变成 stranded asset。但这点我要诚实说——我看不出怎么判断。我只能在两边都摆出 stake, 等下一个数据点 (最可能是 Q2 2026 hyperscaler capex guidance) 来证伪其中一边。