第二章　电力零增长时代的终结

一份让人不敢相信的清单

在弗吉尼亚州里士满，电力公司 Dominion Energy Virginia 的规划部门保存着一份清单。

清单上是想要接入它的电网的客户。截至 2025 年底，已经签署合同的数据中心新增容量是 47.2 吉瓦。这些不是意向，不是询价，是合同。

合同之外，还有请求。约 25 吉瓦的项目提出了明确的接入需求，希望在 2031 年底之前通电；另有约 45 吉瓦的项目提出了需求，但没有给出接入日期。两项相加，约 70 吉瓦。^[1]

现在给这些数字一个参照系。Dominion 目前服务的整个弗吉尼亚电网，历史最高用电负荷大约在 20 吉瓦出头的量级。

也就是说：这家公司手上握着的新增用电请求，是它一百多年来建成的全部供电能力的三倍以上。而其中已经签了合同的部分，就已经超过了两倍。

更能说明问题的是申请规模的变化。在 2025 年之前，一个典型的数据中心园区接入申请是 30 兆瓦。2025 年开始，单个园区的申请规模跃升到 300 兆瓦到数吉瓦。^[1]

一百倍。

一个规划者昨天在处理”多接一个工业客户”的问题，今天在处理”多接一座城市”的问题。而他手上的规划工具、他受过的训练、他所在机构的商业模式，全都建立在一个已经维持了二十年的假设之上：

电力需求不会增长。

本章要讲的，就是这个假设是怎么形成的，为什么它现在失效了，以及——一个必须诚实面对的问题——它是否真的像所有人说的那样失效得那么彻底。

本章的核心问题

上一章我给了结论：需求曲线在 2023 年折断了。但我只给了结果，没有给机制。

本章要回答三个问题：

那条平了二十年的曲线，为什么会平？
它为什么在此刻折断，以及这次折断是暂时的还是永久的？
我们凭什么相信那些预测——尤其是当预测者有系统性的动机去高报的时候？

第三个问题最重要。因为如果预测是假的，本书的其余部分就只是一场精致的虚构。

二、那条曲线为什么会平

先看一条长周期的斜率。

在美国，1950、1960、1970 年代，用电量常常以每年超过 5% 的速度增长。1980 和 1990 年代，降到每年 2% 到 3%。而在 2010 年代，这个数字跌到了 1% 以下。^[2]

2005 到 2020 年这十五年，是曲线最平的一段——用电量基本原地踏步，而同期美国经济持续扩张。这在能源界有一个专门的词：脱钩（decoupling）。

对脱钩的通常解释是”技术进步”。这个解释不算错，但太懒了。真正发生的事情，是两股力量的精确对冲。

第一股力量：能效改进。

白炽灯泡换成 LED，同样的照度耗电降低八成以上。定频空调换成变频空调。工业电机加装变频器。冰箱、洗衣机、电视，每一代产品的能效标准都在收紧。数据中心自己也在这个名单里——它们的 PUE（电能使用效率，即总耗电与 IT 设备耗电之比）从早期的 2.0 左右，压缩到今天先进设施的 1.1 出头。

第二股力量：结构性外迁。

这一股常被忽略，但可能更重要。美国的经济结构在这三十年里从制造业转向服务业。钢铁、铝、化工、纺织——这些用电密集的重工业，大量转移到了海外。GDP 在增长，但增长的部分是金融、软件、医疗、法律，这些行业创造一美元产值所需的电力，比炼一吨铝少得多。^[2]

换句话说，美国用电量的”零增长”，一部分是靠把用电搬到了别的国家实现的。

这两股力量加起来，恰好抵消了人口增长与经济扩张带来的用电需求。曲线因此平了。

这里有一个关键的、几乎从未被明确说出的性质：

零增长不是”停滞”的结果，而是”对冲”的结果。

这两者的区别是决定性的。如果是停滞，那么只要经济重新增长，用电就会重新增长。但如果是对冲，那么问题就变成了：是什么在被对冲掉？以及，对冲机制还能不能继续工作？

不过在回答这个问题之前，必须先看这条平直曲线造成了什么。

三、一条曲线如何重塑一个行业

二十年，足够长到让一个假设变成一种世界观。

它重塑了规划者。 整整一代电力系统工程师，职业生涯的全部经验是在”负荷不增长”的环境里积累的。他们擅长的是可靠性维护、资产更替、成本优化——而不是扩张。一个从业二十年的输电规划师，可能从未主持过一条新建的长距离输电线路。这不是能力问题，是经验断层。

它重塑了监管。 州公用事业委员会的核心职责，变成了保护消费者不被过度投资所累。任何一笔大额资本开支都要证明其”必要性与合理性”。在需求不增长的年代，这是完全正确的立场——为不存在的需求建设，成本由所有人承担。审批因此变得谨慎、缓慢、举证责任极重。

它重塑了商业模式。 受管制的公用事业公司无法通过多卖电赚更多钱（电价受管制，电量不增长）。它们的利润来自另一个公式：被批准的资本开支 × 核定回报率。

于是出现了一种奇特的激励结构：公司的增长必须来自建设，而不是来自销售。 这个结构在需求不增长时是可控的——因为监管者会严格审查每一笔建设。但当需求突然爆发，监管者的举证责任被反转（现在是”不建设”需要证明其合理性），这个结构会发生什么？

我会在第十一章和第十三章回到这个问题。这里只留下一个提醒：当你读到公用事业公司提交的负荷预测时，请记住，预测这件事本身，是它利润公式里的第一个变量。

它还重塑了供应链。

这是最直接、最物理的后果。变压器、开关设备、高压电缆——这些设备的需求在二十年里没有增长过。厂商关闭产线、合并、退出。取向硅钢的全球产能在 2008 年金融危机后经历了一轮出清。熟练的绕线工人、变电站施工班组、线路工人，逐渐老去而无人接班。

没有人会为一个不增长的市场保留冗余产能。这不是短视，这是理性。

于是当需求真的来了，行业发现自己站在一个二十年没有扩过产的产业基础上。上一章那个 128 周的变压器交期，它的根源不在 2024 年，在 2009 年。

四、对冲机制为什么永久失效

现在回到那个关键问题：对冲还能继续吗？

我的判断是：不能了。而且失效的方式是结构性的、不可逆的。

理由有三条。

理由一：能效改进作用于存量用途，而新增负荷是新用途。

这一条极其重要，我要把它说透。

能效改进的本质是”用更少的电做同一件事”。LED 替代白炽灯，做的是同一件事（照明）；变频空调替代定频空调，做的是同一件事（制冷）。这类改进能够抵消增长，前提是用电的用途基本不变，只是效率在提升。

但过去三年新增的负荷，做的是以前不存在的事。

训练一个大模型，是一件 2015 年不存在的事。给一辆电动车充电，替代的不是另一种用电，而是加油站里的汽油。给一栋房子装热泵，替代的不是另一种用电，而是燃气锅炉。

对于这些新用途，没有对应的历史存量可供效率改进去抵消。 能效改进只能让新用途本身更高效，不能让它消失。

这是脱钩逻辑的根本裂缝。脱钩之所以能维持二十年，是因为电力的用途图谱基本冻结了。当用途图谱开始扩张，脱钩就结束了——不是因为效率停止改进，而是因为效率改进的对象和增长的对象，不再是同一批东西。

理由二：数据中心的能效空间已经接近物理极限。

PUE 从 2.0 降到 1.1，意味着”非 IT 部分的耗电”（主要是制冷）从占总电量的一半压缩到不足十分之一。剩下的改进空间，最多再挤出几个百分点。

而 IT 设备本身的能效，遵循的是另一条曲线。芯片的每瓦特算力确实在持续提升——但这带来的是第三条理由。

理由三：杰文斯悖论。

1865 年，英国经济学家威廉·杰文斯观察到一个反直觉的现象：蒸汽机的煤耗效率提高之后，英国的煤炭消费量不降反升。因为效率提升降低了使用成本，使得原本不划算的用途变得划算，需求因此扩张，扩张的幅度超过了效率的节约。

每瓦特算力的提升，降低的是单位智能的成本；而单位成本的下降，会打开更多的应用场景。 推理成本每降低一个数量级，就有一批此前在经济上不可行的应用变得可行。

我要在这里保持克制：杰文斯悖论不是一条物理定律，它是一个经验观察，而且并非在所有情况下成立。 如果需求存在饱和上限，效率提升最终会导致总消费下降。人类对智能的需求是否有饱和上限？我不知道。没有人知道。

所以这一条我给【仍有争议】。

但把三条放在一起：

对冲机制的两个前提——用途图谱冻结、效率改进不诱发新需求——在 AI 与电气化时代同时失效了。【高概率推演】

前提：新用途的电力需求持续增长；算力效率的提升不足以抵消应用场景的扩张。

五、量与形态：负荷因子是理解这一切的钥匙

如果本章只让你记住一个技术概念，我希望是这一个。

负荷因子（load factor）= 一段时间内的平均负荷 ÷ 同期的峰值负荷。

一个日常类比：想象一条高速公路。它的通行能力必须按照最拥堵的那个小时来设计——早高峰。但在一天的其余二十三个小时里，这条路的大部分车道是空的。这条路的”负荷因子”，就是全天平均车流量与早高峰车流量的比值。

美国电网的整体负荷因子大约在 55% 到 60%。^[3] 这意味着电网的容量，有四成左右在大部分时间里闲置着，专门为了应付一年当中最热的那几个下午。

居民负荷的负荷因子很低（早晚用电，白天上班时家里没人）。传统工业负荷居中（三班倒的工厂较高，单班制的低）。

数据中心的负荷因子，在规划假设中是 80% 到 90%。^[3]

服务器不睡觉。AI 训练任务一旦启动，连续数周满载运行。没有早高峰，没有季节性，没有周末。

这个数字为什么重要？因为它揭示了一个电力系统最深的结构性矛盾：

电网是按容量（千瓦）建设的，却主要按电量（千瓦时）收费的。

变压器的成本取决于它必须承载的峰值功率，不取决于它一年送了多少度电。输电线、开关、电缆，都是如此。电网的成本几乎完全由峰值决定。

但用户账单的主体是电量。

在过去，这个错配是可以容忍的，甚至是有利的。一个高负荷因子的客户——比如一家三班倒的工厂——对公用事业来说是理想客户：它用同样的容量买走了更多的电量，把固定成本摊薄在更多的度电上，从而降低了所有人的平均成本。

这就是为什么在 2010 年代，各州的公用事业争先恐后地用低电价争抢数据中心。 它们不是在饮鸩止渴，在当时的负荷环境下，那是完全正确的商业判断。数据中心是那个年代最好的客户：稳定、高负荷因子、不吵不闹、还带来税收。

问题出在增量全部变成高负荷因子的那一刻。

当电网的存量是低负荷因子（有峰有谷），新增一个高负荷因子客户，可以填谷，不增峰，几乎免费。但当新增负荷本身就是峰——而且是全天候的峰——填谷的空间消失了。 每增加 1 吉瓦的数据中心负荷，就要增加接近 1 吉瓦的确定性容量，而且这 1 吉瓦必须在一年中的每一个小时都可用。

这是理解 PJM 容量拍卖价格在两年内涨了十倍以上的钥匙。容量市场买的不是电，是”随时能发电的承诺”。而数据中心购买的，恰恰是这种承诺的最纯粹形式。

我会在第十三章展开这条线索。

六、但等一下——形态本身可能也被高估了

上一节的论证很漂亮。漂亮到我必须立刻攻击它。

因为 80% 到 90% 的负荷因子，是规划假设，不是实测数据。

而实测数据讲了一个不太一样的故事。

有研究收集了真实数据中心的负荷遥测数据，结果是：只有两个数据中心的负荷因子超过其报告峰值的 90%，不到一半的数据中心超过 80%。 加州公用事业 PG&E 的分析显示，数据中心的实际峰值负荷，平均只有其”铭牌负荷”的约 67%。^[3]

三分之二。

行业专家已经在公开质疑，一些负荷预测使用了”不切实际的高负荷因子“。^[3] 假设 90% 与假设一个更真实的数字之间，在单个规划区域内的差异，可能超过 1300 兆瓦的确定性容量需求。^[3]

1300 兆瓦。那是一座核电站。

请注意这里发生了什么。我在第五节用负荷因子论证了数据中心为什么是一种全新的、更难服务的负荷；然后在第六节用同一个概念，指出这种论证可能被系统性地夸大了。

这不是自相矛盾，这是本书的方法。

数据中心确实是高负荷因子负荷——它的负荷因子远高于居民和多数工业客户，这一点是【确定趋势】。但它的负荷因子有多高、它的峰值是不是等于它申请的容量，这一点是【仍有争议】的，而且现有证据倾向于说明：申请容量系统性地高于实际峰值。

原因不难理解。开发商申请接入容量时，申请的是”最坏情况下我可能需要的最大值”，因为申请多了不吃亏（未来可以不用），申请少了要重新排队（可能等五年）。在一个接入许可极度稀缺的市场里，超额申请是理性行为。

这就自然引出了本章最重要的一节。

七、一份负荷预测是怎么做出来的，以及它在哪里坏掉

如果你从来没见过负荷预测的制作过程，你可能会以为那是一个技术活。它一部分是，但更大一部分是激励结构的产物。

流程大致是这样的：

大客户向公用事业提交接入申请，写明需要多少容量、希望什么时候通电。
公用事业对这些申请做概率加权——判断哪些”真”、哪些”假”、哪些会延期。
加权后的结果，叠加常规负荷增长预测，汇总上报给区域电网调度机构（如 PJM、ERCOT）。
调度机构再汇总所有公用事业的上报，形成区域预测，用于容量市场、输电规划、可靠性评估。

现在看每一步的激励。

第一步：开发商没有理由不多申请。

在多个电网、多个州、多个公用事业辖区同时为同一个项目提交申请，成本极低（一份申请费和一些工程费），收益极高（最终可以选择条件最好的一家落地，其余撤回）。

有专家估计，接入申请的数量，是实际会建成的数据中心数量的五到十倍。^[4]

这就是”幽灵负荷“（phantom load）。它不是欺诈——每一份申请背后可能都有一个真实的项目意图。它只是同一个项目被数了很多次。

上一章那个 438 吉瓦的 ERCOT 队列数字，现在应该更容易理解了。

第二步：公用事业的概率加权，存在结构性的向上偏差。

我在第三节埋下的那个提醒，现在要兑现了。

受管制公用事业的利润 = 被批准的资本开支 × 核定回报率。

一份高负荷预测，是申请更多资本开支的最有力证据。这不意味着公用事业在造假。 它意味着，在一个本质上高度不确定的判断中（这个客户是真的吗？会不会延期？会用到申请容量的百分之多少？），存在一个持续的、温和的、几乎无法被察觉的向上压力。

经济学里有一个专门的名字：Averch-Johnson 效应——受管制企业在回报率与资本量挂钩时，会倾向于过度投资。它在 1962 年被提出，六十多年来一直在电力行业被验证。

第三步：调度机构的损失函数是不对称的。

这一条最深刻，也最无法被”改进模型”所解决。

如果调度机构低估了负荷，后果是什么？大停电。数百万人断电，国会听证会，管理层辞职。

如果它高估了负荷，后果是什么？多建了一些容量，成本分摊给用户，电费涨了几个百分点。有人抱怨，但没有人辞职。

一个理性的调度机构，在面对不确定性时，必然选择高估。这不是它的缺陷，这是它的职责。

把这三层叠起来：开发商重复申请 → 公用事业向上加权 → 调度机构保守放大。 每一层的行为都是局部理性的，每一层都不构成欺诈，而三层叠加的结果，是一个系统性高估的预测。

这就是为什么我在第一章说：166 吉瓦这个数字最有价值的部分，不是它的绝对值，而是它在两年内被上修了 4.4 倍这个事实本身。

这里必须补上一句，因为它是本节论证的最强证据，而它来自那份报告自己。

166 吉瓦不是任何机构测量出来的负荷，它是规划主体上报预测的汇总——主要基于 FERC 714 表和各规划机构的自报数字，并叠加了专业判断。而 Grid Strategies 在报告中写道：其中约 90 吉瓦的数据中心部分，可能高估了约 25 吉瓦。

请注意这句话的分量。做出这份预测的机构，公开告诉你它的最大单一分项可能虚高四成。 我在上面用三层局部理性推导出「系统性高估」，而那个被推导出的结论，就写在被推导对象的报告里。

这不是对 166 吉瓦的否定。这是对它的正确读法：它是一份关于”谁想接入”的统计，不是一份关于”谁会用电”的统计。 前者是意图的总和，后者是物理的总和，而这本书从头到尾都在讲这两者之间的距离。

八、那么，怎么办？——不依赖公用事业的交叉验证

如果预测系统性地偏高，我们还能相信什么？

我的答案是一条方法论原则，它不只适用于电力：

任何需要付出沉没成本的信号，都比任何免费的信号更可信。

接入申请是免费的。合同定金不是。订单是免费的（可以取消）。已经浇筑的混凝土不是。

按照这条原则，我把可用的验证信号排成一个可信度的阶梯，从最不可信到最可信：

第 1 级 · 宣布（几乎无信息量）
新闻稿里的”计划投资 X 亿美元建设 AI 数据中心”。零成本，可撤回，常常一个项目被多家媒体报道多次。忽略它。

第 2 级 · 接入申请（信息量很低）
成本极低，可在多地重复提交。ERCOT 的 438 吉瓦属于此级。只能用来判断”关注度”，不能用来判断”规模”。

第 3 级 · 签署的合同与并网协议（有信息量，但仍需折价）
Dominion 的 47.2 吉瓦签约容量，比它的 70 吉瓦请求量更可信。^[1] 但合同也可以带有宽松的退出条款。关键是看：有没有定金？有没有 take-or-pay 条款（不管用不用都要付钱）？

这正是公用事业们现在正在做的事——服务于美国十大数据中心热点区中八个的公用事业，已经在重构定价结构、为潜在项目设置严格的门槛。^[4] 它们在给申请这个动作重新定价，把免费的信号变成昂贵的信号。

从投资研究的角度，这些门槛政策本身就是最值得追踪的领先指标：一旦申请开始要钱，队列的水分就开始蒸发。你会看到一个真实的数字浮出来。

第 4 级 · 设备订单（高信息量）
变压器、中压开关柜、燃气轮机、UPS、母线。这些设备交期长、定制化、难以转售、通常需要预付款。一家数据中心开发商如果为一个项目下了变压器订单，它基本不会退出——因为它已经排了两年半的队。

这也是为什么本书的第七、八章要花大量篇幅讨论设备制造商的订单簿。电力设备公司的在手订单，是关于 AI 需求最诚实的一份数据，因为下单的人已经付了钱。

第 5 级 · 物理沉没成本（最高信息量）
变电站的土建开工、混凝土浇筑、钢结构吊装、土地过户、施工许可。这些无法撤回。

一个粗糙但有力的比率：已宣布容量 ÷ 在建容量。第一章提到，某些口径下 2026 年约 16 吉瓦的已宣布容量中，只有约 5 吉瓦在建。这个比率的变化方向，比它的绝对值更重要。

第 6 级 · 市场用钱投票（独立且诚实）
电力远期曲线、容量市场清算价格、工业地产成交价、电力设备公司的订单出货比（book-to-bill）。

这些价格是由下注的人形成的，而不是由申报的人形成的。它们会犯错，但它们不会有系统性的向上偏差——因为高估的人会亏钱。

第 7 级 · 撤回率（最被忽视的指标）
LBNL 的数据显示，2025 年美国并网队列容量同比下降了 10%，原因是”高撤回率叠加相对较少的新申请”。^[5]

请注意这个信号有多重要。在一个所有人都在谈论需求爆发的年份，队列在收缩。 这不一定意味着需求在减弱——它更可能意味着队列正在被清洗，水分正在被挤出。

但这恰恰说明：队列的绝对规模从来就不是一个需求指标。它是一个拥堵指标。

九、所以，曲线到底折断了吗？

我的判断是：折断了，但斜率被夸大了。

拆开来说：

折断的部分是真实的，而且是结构性的。 用途图谱在扩张（AI、电动车、热泵、回流的工厂），对冲机制的物理前提消失了。这一部分不依赖于任何一家公用事业的预测，它可以从电动车销量、热泵出货、工厂开工这些独立数据中被交叉验证。

斜率的部分是被放大的，而且是系统性地被放大的。 开发商重复申请、公用事业激励向上、调度机构损失函数不对称，三层叠加。再加上一个技术性的放大器：规划中假设的负荷因子（80%-90%）高于实测（PG&E 数据显示实际峰值约为铭牌的 67%）。

而这两件事同时为真，恰恰是本书论点最重要的支撑，而不是它的削弱。

为什么？

因为如果需求增长是被夸大的，那么”多建电厂”就更加不是答案——在一个需求信号本身失真的环境里，最不该做的事情就是大规模新增点状资产（电厂），因为如果需求没有兑现，这些资产就是搁浅成本。

而电网升级的性质不同。输配电资产是共享的、多用途的、寿命三十年以上的。 一条输电线，无论最终送的是数据中心的电、工厂的电还是居民的电，它都在被使用。它对需求预测的错误具有更强的鲁棒性。

更何况，还有一个完全独立于 AI 的变量：存量替换。 美国大量输配电资产已接近或超过设计寿命。这句话在本书里始终没有一个精确的数字支撑——全国性的输配电资产年龄普查并不存在。但它的方向不需要争论：无论 AI 是否兑现，这些资产都必须被更换。AI 决定这个市场的斜率，不决定它的存在。

这是我在第一章对”反方论证 B”给出的部分辩护，现在它有了完整的形式。

十、反方最强的论证

反方论证 A：脱钩没有结束，只是暂停了。

历史上，每一次”电力需求即将爆发”的预言都落空了。1970 年代，人们预测核电将供应美国一半的电力。2000 年前后，人们预测互联网数据中心将吞噬全美电力的一半——这个预言被写进了国会报告，最后被证明高估了一个数量级。

效率的力量总是被低估。AI 算力的能效正在以远快于摩尔定律的速度提升。今天训练一个 GPT-3 级别模型的能耗，只是 2020 年的一个零头。如果这个趋势延续，2030 年的算力需求可能只需要今天的电力就能满足。

我的回应： 2000 年那个预言的失败，是我在写这本书时反复提醒自己的东西。它应该让每一个人保持谦卑。

我的部分辩护是：那次预言的错误在于外推了一条尚未验证的需求曲线，而今天我们至少有已签署的合同、已支付的定金和已下单的变压器。第 4、5、6 级信号在 2000 年是不存在的。

但这只是部分辩护。如果算力能效的提升速度持续快于应用扩张的速度，我这本书的斜率判断就是错的。 我在第十五章为这个情景（情景 C）保留了完整的位置，并给出了它的领先指标。

反方论证 B：负荷因子的争议其实证明了整个瓶颈叙事是泡沫。

如果数据中心的实际峰值只有铭牌的 67%，如果队列里 80% 是幽灵，那么真实的新增负荷可能只有宣传的三分之一。而三分之一的增长，是电网完全可以消化的。所谓瓶颈，只是一个由重复计算制造出来的幻觉。

我的回应： 这是本章最值得认真对待的反驳，而我只能给出一个不完全令人满意的回应。

即使把 166 吉瓦打三折——比报告作者自己承认的高估幅度还狠得多——剩下的约 50 吉瓦五年增量，仍然远超过美国电网在过去二十年的任何一个五年周期。而输电建设速度是每年三百到九百英里，对每年外推出来的 5000 英里。瓶颈的成因不是需求有多大，而是供给有多僵。 一个供给弹性接近于零的系统，面对任何非零的需求增长都会出现拥堵。

换句话说：我不需要 166 吉瓦是对的，我只需要它不是零。

但我承认，如果需求增量最终只有 20 吉瓦，那么这本书描述的是一个真实但平庸的产业机会，而不是一个时代性的瓶颈。这个区别对投资的含义是巨大的。

【仍有争议】

十一、本章的判断分级

【确定趋势】

美国用电量在 2005-2020 年间基本零增长，同期经济持续扩张。这一”脱钩”是能效改进与产业外迁共同作用的结果。
二十年的零增长，重塑了电力行业的规划范式、监管立场、商业模式与供应链产能。当前的设备短缺，根源在这段时期的产能出清。
数据中心的负荷因子显著高于居民与多数工业负荷。电网按容量建设、按电量收费的结构性错配因此被放大。
单个数据中心园区的接入申请规模，已从典型的 30 兆瓦跃升至 300 兆瓦至数吉瓦量级。
弗吉尼亚州是全球第一个负荷结构被数据中心重新定义的电网。Dominion 已签约的数据中心新增容量（47.2 吉瓦）超过其现有系统峰值负荷的两倍。
负荷预测中存在”幽灵负荷”，即同一项目在多地重复申请。这是已被电网运营方公开承认的事实。

【高概率推演】

能效对冲机制已经永久失效。
前提：新增负荷主要来自新用途（AI、电动车、热泵、回流制造业），而非既有用途的扩张。
当前的负荷预测系统性地高于最终实现值。
前提：开发商重复申请、公用事业的资本开支激励、调度机构不对称损失函数三者持续存在。
各州公用事业为大负荷设置的接入门槛（定金、take-or-pay、专门费率类别）将在未来两年内大规模铺开，并使队列规模显著收缩。
即便负荷预测被大幅下修，电网投资仍将增长，因为存量资产替换是独立于 AI 的需求来源。

【仍有争议】

杰文斯悖论是否适用于智能。人类对算力的需求是否存在饱和上限，无人知晓。
数据中心的真实负荷因子。规划假设 80%-90%，实测证据指向更低（PG&E：峰值约为铭牌的 67%）。
真实的负荷增量究竟是 166 吉瓦、50 吉瓦，还是 20 吉瓦。这个区间的两端，对应完全不同的产业结论。
算力能效提升的速度，能否抵消应用场景扩张的速度。这是本书论点最脆弱的一环。

本章核心观点总结

零增长不是停滞，是对冲。 2005-2020 年美国用电量的平直曲线，是能效改进与产业外迁精确抵消经济增长的结果，而不是需求消失的结果。理解这一点，才能理解它为什么失效。
对冲机制已经永久失效，因为它的两个前提同时崩塌了。 能效改进作用于存量用途，而 AI、电动车、热泵是新用途，没有历史存量可供抵消；同时数据中心自身的能效空间（PUE 1.1）已接近物理极限。
二十年的零增长塑造了今天的供给僵化。 规划者失去了扩张经验，监管者习惯了阻止投资，公用事业的利润来自建设而非销售，而设备产能在无人关心的二十年里被彻底出清。128 周的变压器交期，根源在 2009 年。
负荷因子是理解容量危机的钥匙。 电网按容量建、按电量收费。数据中心是纯粹的容量购买者。当增量负荷全部是高负荷因子，填谷空间消失，每 1 吉瓦负荷需要接近 1 吉瓦的确定性容量。
但形态本身也可能被高估。 PG&E 的实测显示，数据中心的实际峰值只有铭牌容量的约 67%。规划假设的 80%-90% 负荷因子，缺乏实测支撑。
负荷预测系统性偏高，而且每一层的行为都是理性的： 开发商重复申请（免费）、公用事业向上加权（资本开支激励）、调度机构保守放大（不对称损失函数）。三层叠加，没有任何一层构成欺诈。
验证需求的唯一可靠方法，是追踪沉没成本。 宣布是免费的，申请是廉价的，合同要定金，设备订单要预付款，混凝土无法撤回。信号的可信度，与付出的代价成正比。
需求被高估，恰恰强化而非削弱了本书的论点。 在需求信号失真的环境里，最不该做的是新增点状资产（可能搁浅）；而输配电资产是共享的、多用途的、寿命三十年的，对预测误差具有鲁棒性。AI 决定这个市场的斜率，不决定它的存在。

_{[1] Dominion Energy Virginia 向弗吉尼亚州公司委员会（SCC）的备案文件；PJM 负荷预测文档；行业媒体报道，2025-2026 年。}
_{[2] 美国能源信息署（EIA），”Link between growth in economic activity and electricity use is changing around the world”及相关 Today in Energy 专栏。}
_{[3] E3（Energy and Environmental Economics），《Forecasting Large Loads in the Age of AI and Data Centers》， 2025 年 12 月；PG&E 分析；Grid Strategies 相关评论。}
_{[4] Latitude Media；Utility Dive；Thomson Reuters Institute 关于”幽灵负荷”的报道， 2025-2026 年。所引”五到十倍”为行业专家估计，非统计结果。}
_{[5] Lawrence Berkeley National Laboratory，《Queued Up： 2026 Edition》（数据截至 2025 年底）， 2026 年 6 月。}

本书内容为产业研究与公开信息分析，不构成任何投资建议。所涉公司仅作机制说明之用。