谷歌AI扩张推高用电量37%，数据中心成本开始反噬模型竞赛
谷歌的人工智能扩张已经从模型榜单问题变成电力账单问题，二零二五年用电量同比增加百分之三十七，增幅主要来自数据中心建设和高密度算力集群运行。对一家长期强调碳中和的公司来说，这个数字比单个模型发布更能说明产业压力。
相关报道显示，谷歌正试图用清洁能源采购、长期电力协议和更高效的冷却系统抵消排放增长。问题在于，大模型训练和推理需求不是一次性项目，而是搜索、云服务、办公套件、广告系统持续接入后的日常负荷。每一次产品接入模型，都意味着服务器、网络、电力和散热同步增加。
数据中心耗电的难点不只在总量，还在地理位置。大型园区往往集中在电价、土地和网络条件较好的地区，本地电网需要提前多年规划输电容量。若企业承诺的清洁能源无法按时并网，实际运行阶段就可能短期依赖化石能源，公开减排目标和真实用电结构之间会出现落差。
这也解释了为什么云厂商开始把算力效率写进产品叙事。谷歌需要说服客户，模型调用带来的业务收入足以覆盖更高的能源成本；也需要说服监管机构，数据中心不会挤占居民和制造业的电力资源。过去云计算卖的是弹性容量，现在人工智能云还要解释每度电的去向。
对竞争对手而言，谷歌的用电曲线是一个反向样本。微软、亚马逊和甲骨文都在扩建人工智能基础设施，如果同样的增长发生在多个云平台，电力供应会成为模型竞争的硬约束。芯片采购可以用资本支出解决，输电线路、变电站和水资源却很难按季度扩张。
用户侧也会感受到成本传导。免费搜索摘要、办公助手和编程工具看似由平台补贴，底层推理成本却会进入广告定价、云服务套餐和企业订阅费。若模型调用规模继续扩大，平台很难长期把能源和硬件成本全部留在资产负债表里。
谷歌的优势在于自研芯片、全球数据中心和能源采购经验，但这些优势并不会取消物理限制。人工智能业务越接近日常产品，越需要像电信网络一样长期运维。二零二五年的百分之三十七用电增长，已经把模型竞赛拉回到电网、土地和资本开支三个具体问题上。
接下来的判断标准不应只看参数规模和跑分，还要看单位推理成本、单位能耗收益和数据中心利用率。若一个功能需要持续消耗大量电力，却不能带来稳定付费或广告增量，它就会从战略项目变成财务负担。谷歌这份用电数据给出的信号很直接：人工智能不是轻资产软件生意。