AI基础设施的持续扩张对能源供应提出了更高要求。然而,北美超过一半的地区在未来五到十年内面临能源短缺的重大风险,主要原因包括数据中心用电需求激增、电气化去碳化进程加快以及工业规模扩大。尽管目前已有多项扩大发电容量的举措在推进中,但这些努力的推进节奏能否满足未来能源需求,仍存在较大的不确定性。尤其是在关键电气设备的采购环节,供应链脆弱性正在成为制约AI能源供给的重要瓶颈。
关键发现
研究人员系统梳理了AI数据中心运营所需的核心电气设备,并对表前(FTM)、表后(BTM)及离网(通常称为桥接电源,BP)三类供电项目的供应链脆弱性进行了评估,进而分析了这些脆弱性对美国电网在2030年前满足AI用电需求能力的影响。
值得注意的是,部分设备(如天然气轮机)在FTM装置和离网桥接电源装置中均有需求,这意味着数据中心无法仅靠转向离网方式来规避供应链约束。
基于综合供应链脆弱性评分,研究人员发现:在2025年的FTM装置中,蒸汽轮机、地热生产井以及导线与电缆是最为脆弱的设备类型;电池技术及化学体系同样呈现出较高的脆弱性。在BTM侧,备用电源组件在2025年的供应链脆弱性排名中高度集中于前列。
研究还发现,不同设备在不同时期面临的供应链脆弱性来源存在显著差异,这意味着有效的供应链韧性策略必须针对每类设备的具体脆弱性特征进行定制化设计。例如,汽轮发电机的脆弱性主要源于市场集中度过高,而变压器的主要脆弱性则来自需求量的剧烈波动。
量化影响
FTM组件(天然气发电、储能、变压器)的供应链风险,有可能导致2030年可用净容量相较于基准情景(即天然气轮机、电池和变压器采购不出现额外延误)下降约7%至31%。
BTM组件(电池)的供应链风险,则有可能导致2030年可用净容量相较于基准情景(即BTM电池采购不出现额外延误)下降约8%。
政策建议
针对上述风险,报告提出以下政策建议:
美国能源部应建立决策框架,依据供应链脆弱性的实际观测情况,采取相应比例的政策应对措施。
美国政府应优先对发电系统实施供应链政策干预,因为相较于输电环节,发电系统的供应链脆弱性更为突出,且对所有供电方案均具有关键性影响。
美国国际贸易委员会与美国海关及边境保护局应协同合作,将相关协调关税税则编号及B表编码细化至十位数级别,以提升脆弱性组件的贸易数据颗粒度。
美国证券交易委员会与美国国土安全部应牵头推动与公用事业企业、生产商及政府合作方的协商机制,构建统一的供应链风险语言体系与信息共享机制,同时在新增报告要求的潜在负担与提升决策洞察力的预期收益之间寻求合理平衡。
美国能源部与联邦能源监管委员会应与公用事业企业及数据中心等大型用电方协调配合,识别并储备最关键的电网组件。通过建立透明的遴选程序和成本回收机制,确保这些战略储备在提升系统韧性的同时,也具备经济可持续性。
Q&A
Q1:AI数据中心的供应链脆弱性主要体现在哪些设备上?
A:根据综合供应链脆弱性评分,2025年FTM装置中最脆弱的设备包括蒸汽轮机、地热生产井以及导线与电缆,电池技术的脆弱性也较高。BTM侧的备用电源组件同样高度集中于脆弱性排名前列。不同设备的脆弱性来源不同,例如汽轮发电机主要受市场集中度影响,变压器则主要受需求量波动影响。
Q2:供应链问题会对2030年美国电网的AI供电能力造成多大影响?
A:影响较为显著。FTM组件(天然气发电、储能、变压器)的供应链风险可能导致2030年可用净容量下降约7%至31%;BTM组件(电池)的供应链风险则可能导致可用净容量额外下降约8%。两者叠加,对美国电网满足AI用电需求的能力构成实质性威胁。
Q3:数据中心转向离网供电能否解决供应链瓶颈问题?
A:不能完全解决。研究发现,天然气轮机等关键设备在表前装置和离网桥接电源装置中均有需求,这意味着即便数据中心转向离网运营,同样面临相同的设备供应链约束,无法通过离网方式彻底规避供应链短缺风险。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。