AI的新视角：从算力之战到能源之争——通信策略之AI基础设施篇

无名小足

转自：吉时通信 国盛通信团队

投资要件

OpenAI创始人Sam Altman在访谈中曾说过一句话：未来的两种重要资源，将是算力和能源。AI对性能的追逐，在算力领域已经逐步呈现白热化，而下一阶段竞争的核心因子，将在能源基础设施上初步显现。

【从算力到能源：科技竞争的下一场战役】
人工智能的崛起更直接地将资源竞争引向算力和能源。在AI驱动的数字世界中，算力是迭代和创新的基础，而能源则是支撑这些算力运转的关键。“未来最重要的两种资源是算力和能源”，这一趋势从算法优化到硬件突破，再到当前对高效能源系统的需求，将贯穿AI技术发展的每一阶段。

【算力的加速需求与硬件极限】
AI算力的需求呈指数级增长。以英伟达H100 GPU为例，60 TFLOPS的计算能力正在推动大模型的规模化训练，算力激增带来了巨大的能耗挑战。Vertiv预计，到2029年，全球数据中心的总装机功率需求预计将从40GW飙升至140GW，而数据中心每MW价值量将从250-300万美金提高到300-350万美金。英伟达下一代产品Rubin ultra单机柜高达1MW以上的功耗也表明，AI算力提升正对电力基础设施施加前所未有的压力，算得多快很大程度上依赖于功率大小。

【能源瓶颈的突显与基础设施的挑战】
数据中心的扩张暴露了电力供应体系的脆弱性。Elon Musk曾经指出，变压器等关键电气设备的生产能力难以满足当下AI需求，而这种电力基础设施的短缺还会进一步放大电网负载的摆幅效应（load fluctuation），尤其是在AI训练峰值期，功率需求可能瞬时超过平均负载的数倍，高峰低谷的用电模式对能源系统的稳定性构成巨大威胁。这种瓶颈在AI发展的初期并不明显，而随着集群规模扩大、AI应用放量将愈发明显，Sora的落地过程就能看出这样的窘境。

【能源技术革新与算力生态协同】
在算力需求飞速增长的背景下，能源瓶颈正成为限制AI发展的核心障碍。核能，尤其是小型模块化反应堆（SMR），逐步显露头角，成为适配AIDC的最佳方案之一。以OKLONuscale为代表的新兴核能企业正在开发微型反应堆技术，谷歌和微软等云服务提供商已经启动SMR项目布局，目标是通过分布式小型核电站为未来的数据中心供电，提供持续、稳定的算力支撑。天然气+燃料电池/清洁能源/储能等方案也作为快速落地的选项之一，积极推进中，以Bloom Energy为代表的初创企业也借助行业东风快速崛起。

从投资角度看，市场对算力的重要性已有认知，对应用的落地也翘首以盼，不断寻找映射，而忽略了AI基础设施的重要性，这不仅仅是液冷、机房的机会，更大的视角来看，下一阶段的竞争，正在各个能源（天然气、核电等）领域逐步蓄力。

1、“电老虎”AIDC与薄弱电网

1.1 用电：AIDC下一个短板

1.1.1 美国用电的供与需

需求侧：数据中心已经是“烧电大户”，用电量占比达到全美4%。2023年美国数据中心合计功率约19GW，按此估算全年耗电量约166TWh（太瓦时），在全国用电量中占比4%。

数据中心烧电166 TWh，超过纽约市全年耗电量，相当于1538万家庭用户全年耗电量。分地区来看，22年纽约全年耗电量143.2TWh，德州全年耗电量475.4TWh，加州251.9TWh，佛罗里达248.8TWh，华盛顿90.9TWh，美国数据中心全年耗电量超过纽约市全年耗电量。而2022年每位住宅用户的年平均用电量为10791kWh，照此估算，166TWh相当于约1538万家庭用户一年的耗电量。
*1 TWh = 1000 GWh = 10^6 MWh = 10^9KWh

供给侧：美国全年的发电量较为固定，目前仍以火电为主要来源，新能源发电增速较快，核能占比进一步提高。美国全年的发电量大约在4000-4300太瓦时（TWh）之间，其中2023年火电（燃煤、天然气、石油）占比约60%，是主要能源来源；新能源发电（风能、太阳能等）近年来快速增长占比达到21%；核能约占19%，占比进一步提高。

电价：美国是全球电价最低的国家之一，且个别州因为能源优势有更低的电价水平。美国电力消费结构主要划分为4个领域：居民、商业、工业和运输。2024年9月居民用户电价为0.17美金/千瓦时（约折1.24元/千瓦时，汇率截至12月13日），商业用户电价为0.135美金/千瓦时（约折0.98元/千瓦时）；工业用电价为0.09美金/千瓦时，运输用电价为0.13美金/千瓦时，2023年批发电价为0.036美金/千瓦时。而一些州因为其能源优势电价水平较低，截至2024年4月，德克萨斯州（天然气和可再生能源丰富）的电价约为0.147美金/千瓦时、路易斯安那州（能源资源丰富）约为0.115美金/千万时、田纳西州（水电资源丰富）约为0.125美金/千瓦时。一些较为耗电的大型基建比如数据中心等，往往在低电价省份建设，上述州府也成为当今算力产业集中地。

数据中心全年用电成本测算：按照批发价0.036美金/千瓦时估算，美国数据中心（AI尚未大规模应用情况下）一年耗电166TWh，预估需要约60亿美金。

1.1.2边际变化：AI对电网的挑战

【挑战一：用电总量大幅提升】
与传统的数据中心相比，AI数据中心需要消耗大量电量。主要原因是数据量的大幅增长、复杂的算法以及24/7即时相应的需求。例如，一个谷歌传统搜索的请求消耗约0.3Wh，而一个ChatGPT请求需要消耗2.9Wh，为前者的十倍；《焦耳》上发表的一篇论文称，如果GOOGLE每一次搜索都使用AIGC，其用电量将上升到每年290亿KWh，这将超过肯尼亚、克罗地亚等许多国家的总用电量；根据纽约客杂志报道，ChatGPT每天消耗超过50万KWh。

【挑战二：用电摆伏加剧】

现象： AI数据中心（无论是训练还是推理）电流需求高度瞬变，会在几秒内出现巨大的摆幅。随着神经网络模型任务负载的增加或减少，电流需求会有剧烈波动，每微秒变化甚至可达 2000A。

原理：1）高峰负载波动：AI模型的训练和推理对算力需求巨大，但并非持续运行，模型训练启动时会出现高峰负载，而低谷时则维持基础运行，导致用电摆伏；2）资源动态调度：AI任务具有周期性，例如大规模训练需要集中资源，而推理阶段相对分散，这使得功耗曲线更加不稳定；3）实时响应需求：生成式AI和大模型应用需要低延迟和高吞吐，驱动基础设施实时扩展，进一步放大功耗波动性。

结果：影响电网稳定性。电网设计并不适应摆伏过大，电网基本针对用电负荷进行设计，希翼看到一个比较平稳、有规律的缓慢变化的负载，例如，用电负荷100GW的用电设备接入电网后可能会有两条200GW的传输线进行供电，两条传输线有一条传输线正常就可以保证运行。而AI用电特征会在几秒内出现巨大摆幅，这种剧烈波动可能会影响电网的稳定性。

【挑战三：后续用电需求更大】

AI数据中心的推理由于用户的大量请求，会比训练更消耗能源。目前，GOOGLE已在今年上半年宣布将加入新的AI功能完善搜索体验，将推出基于Gemini的AI Overviews，该功能已面向部分用户开放试用；MicroSoft推出名为微软 Copilot的个人AI助手，并已将ChatGPT集成到Bing中。而目前GOOGLE搜索引擎的访问量已经达到每月820亿次，Office商业产品的付费用户数量已超过4亿，庞大的用户基数意味着训练好的大模型如果集成到企业产品中，用户请求数将大量增长，AI即时响应次数激增，导致模型推理耗能超过训练耗能。根据麦肯锡估计，直到2030年美国数据中心电力负载可能占所有新增需求的30%至40%。

结论：随着AI的迅速发展，预计集成大语言模型的AIApp将会迅速发展，训练需求和推理需求共振，未来数据中心用电量将大幅提升，AIDC会成为新一代“电老虎”，数据中心消耗电力的比重会进一步提升。

1.2 现实困境：电网难以支撑

经济发展结构决定了北美电网基建较为薄弱。近20年来，美国电力需求与经济增长脱钩速度急剧加快。自2010年以来，美国经济累计增长24%，而电力需求却几乎保持不变，2023年，美国电力消耗甚至比2022年下降了2%。其本质是区别于国内经济主要靠工业和服务业带动，美国的经济增长主要并不依靠用电或能源的消耗，而主要依赖于高科技产业，能源消耗较低。且效率的提高（主要是用荧光灯和 LED 取代白炽灯）已经抵消了人口和经济增长带来的电力需求，使得公用事业企业和监管机构没有扩大电网或发电能力。

现状：缺时间、缺人、缺基建、缺经验、阻力多。

• 缺时间：建设一个数据中心大概要两年时间，但是电网的建设要慢得多，建设一个发电站可能需要三五年的时间，而建设一条长距离的高容量的传输线，则需要 8 年甚至 10 年的时间。根据美国区域输电组织MISO的说法，其正在规划的18个新输电项目可能需要7到9年的时间，而历史上类似的项目需要10到12年。据此推断，电网的建设速度很可能无法追赶 AI 的增长速度。
• 缺基建：根据美国的电力投资趋势，从2016年到2023年，美国公用事业的资本开支显著增加，尤其是发电、配电和输电领域，电网投资从2018年开始提速，主要由于制造业回流对电力需求的推动，在这种背景下，美国依旧没有大规模扩建电网，根据Grid Strategy出具的调查报告，2010-2014年美国平均每年安装1700英里的新高压输电里程，但在2015-2019年下降到每年仅645英里。
• 缺人：劳动力紧张也是一个制约因素，尤其是实施新电网项目所必需的电气专业工人的短缺问题。根据麦肯锡的估计，根据预计的数据中心建设和需要类似技能的类似资产，美国可能出现40万名专业工人的短缺。
• 缺经验：对于美国来说，整个电力行业的从业人员，在过去 20 年中没有见过电力需求的大规模增长，而且这 20 年很可能意味着有整整一批工程师、工作人员都没有大规模建设新电网的经验。
• 阻力多：电网的建设需要电站、传输线等基础设施，而这些可能需要无数利益相关者共同努力，就线路走向和承担费用达成妥协。
  

结论：相比于数据中心的建设速度，目前美国电网建设速度相对缓慢，且发电容量有限，因此短期内美国将面临AI发展下的电力需求困境。比如，北美公用事业企业Dominion Energy表示，可能无法满足弗吉尼亚州的电力需求，导致全球增长最快的数据中心枢纽建设项目推迟多年。而根据Wood Mackenzie机构的说法，在电力行业，新的基础设施规划需要5到10年的时间。此外，大多数州公用事业委员会在经济增长环境中监管经验不足。由此推断，未来几年电力能源可能将成为AI发展的最大制约因素之一。虽然市场关注可控核聚变等创新方案，但远水解不了近渴，形成短期、中期、长期的综合解决方案是必然。

1.3多角度测算：AIDC究竟多耗电？
*总电量（GWh）=总功率（GW）×时间（h）
*总功率（GW）=IT设备功率（GW）×PUE（能效比）
1.3.1测算角度一（保守）：AI芯片
测算逻辑：测算角度一是从芯片数量角度出发，推演到2030年，再用芯片数量*芯片功耗来预测用电总量，未考虑服务器整体功耗会大于单芯片*数量，未考虑将来芯片升级迭代后可能发生的单芯片功耗提升情况，因此大家认为测算角度一属于“保守型”测算，测算数据是几种方法中较小的，2030年AIDC用电需求为57GW。

在用GPU、TPU数量：根据DCD报道，2023年英伟达、AMD和英特尔三家企业数据中心GPU总出货量预估为385万个，2023年为GOOGLE生产的TPU数量预计为93万个。进一步追溯供应链，台积电预测，2024至2029年AI服务器制造的需求的同比增长率约为50%。以此计算，2030年GPU出货量约为6578万，TPU出货量约为1589万。而根据英伟达官方说法，大部分H100、A100的使用寿命平均为5年，因此大家假设2030年在用芯片数量为26-30年芯片出货量的总和，因此2030年在用GPU、TPU数量约为17136万和4139万。

GPU、TPU功耗： H100 NVL的最大功率可达到800W。则2030年预计将有17136万个GPU，假设GPU、TPU能耗占IT设备总能耗的90%，假设美国占比34%，利用率为80%，PUE为1.3计算，2030年美国AIDC中GPU电力需求约为54GW（GPU数量*GPU功耗*美国占比*PUE*利用率÷芯片占比=17136万个*0.8kW*34%*1.3*80%÷90%=54GW）；

而根据GOOGLE官方说法，TPU v4芯片平均功率为200W，结合上述2030年在用TPU量约为4139万的估计，大家预计2030年TPU总功耗约为3.3GW（其他指标假设与GPU相同）。

角度一结论：2030年美国AIDC用电总量为57GW。23-26年芯片存量仅考虑23年之后的芯片出货量进行加总，其他计算方法与上述方法相同，27年至30年与上述计算方法相同，最终加总GPU与TPU功耗得出美国AIDC所需电容量在24-30年将分别达到3/6/10/17/25/38/57GW。

假设一：芯片增速为每年50%（参考台积电说法）。
假设二：假设芯片平均寿命为5年（参考英伟达给出的GPU寿命）。
假设三：IT设备平均功率利用率为90%（考虑IT设备中NVSwitches、NVLink、NIC、重定时器、网络收发器等功耗，假设GPU、TPU耗能占比90%，其他IT设备耗能占比10%）。
假设四：考虑IT不可能都满负荷运行，且不可能永远24小时运行，参考Semi analysis，将可能利用率设置为80%。
假设五：PUE为1.3（PUE为数据中心总耗电量除以IT设备所用电量）。
假设六：美国算力需求占比全球34%（经中国信息通信研究院测算，美国在全球算力规模中的份额为34%）。

1.3.2测算角度二（乐观）：数据中心

测算逻辑：测算角度二是从数据中心建设角度出发，参考第三方预测的全球数据中心建设进度（复合增速25%），同时由于预测数据截至2026年，大家假设2027至2030年依旧维持25%的复合增速，对全球数据中心电力需求进行预测，并假设其中AIDC的用电量和占比，因此大家认为，该预测角度得到的数据较为“乐观”，最终预测到2030年美国AIDC用电需求最高为91GW。

研究企业SemiAnalysis利用了5000多个数据中心的分析和建设预测，并将这些数据与全球数据以及卫星图像分析相结合，预计未来几年数据中心电力容量增长将加速至25%的复合年增长率，同时AIDC占比将进一步提升，数据中心方面，根据预测数据，全球数据中心关键IT电力需求将从23年的49GW激增到26年的96GW，大家假设27-30年继续保持数据中心25%的复合增速（参考2023到2026年增速，为25%），那么到29、30年全球数据中心关键IT电力需求分别增长至188、234GW；参考Semi Analysis数据，结合AI算力蓬勃发展、下游应用陆续爆发大背景，大家认为未来AI在数据中心中占比有望持续加速提升，因此大家假设23-30年全球AIDC占比分别达到12%/16%/30%/44%/56%/68%/78%/88%，从而计算出29、30年全球的AIDC IT设备电力需求分别为65GW、91GW。

角度二结论：以美国占比为34%，PUE为1.3计算，到2030年美国AIDC电力需求将达到91GW。

假设一：结合AI算力蓬勃发展、下游应用陆续爆发大背景，大家认为未来AI在数据中心中占比有望持续加速提升，因此大家假设23-30年全球AIDC占比分别达到12%/16%/30%/44%/56%/68%/78%/88%。
假设二：PUE为1.3（PUE为数据中心总耗电量除以IT设备所用电量）。
假设三：美国算力需求占比全球34%（经中国信息通信研究院测算，美国在全球算力规模中的份额为34%）。

1.3.3总结一：AIDC占比全美总耗电比例提升
（1）AI耗电量占全美耗电量比重提升，占比有望超1成

根据Statista预测数据，2022年，美国的电力使用量约为4085太瓦时，预计未来几十年美国的电力使用量将继续上升，到2030年达到4315太瓦时（对应493GW），到 2050年将达到5178太瓦时。根据大家前面的“测算角度一”，假如2030年AIDC总功耗最高为57GW，那么占全美用电量的比重将提升至12%（57GW/493GW），较2023年的4%大幅提升。

1.3.3总结二：AIDC耗电量有望比肩比特币挖矿

在大家2024年8月6日发布的报告《AI东风已至，比特币矿场开启第二增长曲线》中，对比特币矿场用电量进行过假设和预测，在该报告中，据大家预测2024/2025/2026/2027/2028年得州比特币矿场负荷分别为4.7/6.5/8.3/10.1/11.9GW（假设得州比特币矿场年新增负荷为1.8GW），关于得州比特币矿场负荷在美国的份额，大家假设保持28.5%不变，因此据大家预测美国比特币矿场年负荷分别为17/23/29/36/42GW。

为了方便对比，大家将数据预测至2030年，假设：1）得州比特币矿场年新增负荷为1.8GW，2）假设2029年和2030年德州矿场份额保持28.5%不变。因此得出2024/2025/2026/2027/2028/2029/2030年，美国比特币矿场每年耗电分别为17GW/23GW/29GW/26GW/42GW/48GW/54GW。

结论：保守预测下，美国AIDC耗电量将在2030年赶超比特币挖矿电力需求；乐观预测下,美国AIDC电力需求将在2029年超过比特币挖矿。

2、困境何解：短期“天然气+”是主流

2.1短期内最快落地方案是天然气

2.1.1 变电站成为传统用电瓶颈

【数据中心供电的现状】
购买电力与变电站：数据中心通常通过与电力企业签订合同来购买电力，这意味着数据中心的电力供应是从发电站生成的电流经过传输网络输送到数据中心。然而，电力经过长距离输送后，电压通常需要通过变电站进行调整，以确保电力符合数据中心的电压需求。

变电站的必要性：变电站将高电压的电力转化为适合本地使用的低电压。大多数电力系统都需要经过变电站进行电压转换和分配。若没有本地变电站，电力就无法直接用于数据中心。

变电站的建设难度较大、周期较长、成本较高：变电站的建设通常需要大量资金投入，涉及到土地、基础设施建设、设备采购和人力储备等。此外，变电站建设的周期较长，且需要满足严格的环境和安全标准。

结论：目前现有买电方式下，变电站成为制约AIDC用电的瓶颈。由于数据中心的电力需求不断增长，新建变电站或扩容现有变电站需要较长的时间，而且需要大量的审批和建设时间，可能无法迅速跟上数据中心的需求。

【天然气不需要变电站，是分布式供电的优选】
天然气发电不依赖变电站。天然气发电是通过燃烧天然气产生电力，天然气发电站通常与数据中心通过专用管道连接，直接将天然气输送到发电设施进行燃烧发电，然后生成的电力通过当地的电网或专用线路供应给数据中心，通常可以在数据中心附近的发电设施中完成，与传统电力传输方式不同，天然气发电不需要经过高压电力传输网，因此不依赖于远程变电站和电力输送设施。天然气发电可以在数据中心附近建造小型的天然气发电站（如分布式发电系统），降低对外部电网的依赖，同时缩短电力供应的响应时间。

2.1.2 AI快速发展与SMR核电落地存在时间差

虽然核电在诸多方面具备优势，但北美算力市场当下最重要的需求是“快速实施”，迅速点亮GPU获得算力，天然气成为当下首选。

尽管2023年2月美国核管理委员会批准核电企业Nuscale Power设计首个SMR（Small Modular Reactors小型模块化反应堆），且中俄等世界各国都在竞相将SMR技术付诸实践，但SMR的商业化仍需要一段时间，安全审批流程复杂且较为耗时。目前已经可以看到SMR已唤起全球对核能的兴趣。在美国核裂变行业已获得《通胀削减法案》提振，该法案包括多项税收抵免和激励措施，同时为核能办公室提供7亿美金资金，用于支撑发展高纯度低浓缩铀（SMR 所需的燃料）的国内供应；全球有70多种商业SMR设计正在开发中，且目前已经有两个SMR项目在中国和俄罗斯运营。但根据美国能源监管部门的说法，核反应堆是极其复杂的系统，必须符合严格的安全要求，并考虑到各种各样的事故情景，且许可流程繁琐且因国家而异。这意味着SMR需要一定的标准化才能进入商业市场，因此需要寻找其他方案解决短期的能源短缺问题。

2.2“天然气+多能源”搭配更稳健

天然气+其他多能源的搭配方案，是目前能适应AI电力需求的最快落地方案。相比SMR核电这种高能量密度但部署周期较长的独立解决方案，天然气发电因其高效性和灵活性，可作为基础能源快速响应负载需求，同时与可再生能源、燃料电池、储能系统协同使用，有效弥补间歇性和稳定性不足。这种多能源组合既能满足AI数据中心对稳定供电的需求，又在碳排放和成本之间提供平衡，成为当前数据中心能源战略的重要选择。

协同不是必需，但对于需要综合平衡稳定性、环保性和成本的大规模AI数据中心，协同使用多能源方案是更灵活且长远的选择，有明确目标（如低成本、超快速部署）的情况下，单一方案也可以满足：

【仅用天然气发电（单一方案）】

• 优点：天然气发电本身可以作为独立的供电方案，适合对电力需求稳定、快速部署要求高的场景，尤其是需要高可调度性的AI数据中心；
• 局限：虽然部署速度快，但长期来看碳排放较高。
  

【多能源协同的必要性】

• 更稳定安全：AI数据中心对电力连续性要求极高（不允许短时断电），可以采用天然气+储能系统或燃料电池作为后备支撑；
• 更环保：天然气+风能、太阳能等低碳能源搭配。
  

2.3天然气方案：以xAI为例

天然气发电技术路径成熟、配套设备完善、且性价比较高，在短期内是能够最快解决AI电力短缺问题的选择，特斯拉xAI采用天然气方案作为应急电力供应。天然气发电机是一种使用天然气而不是汽油或柴油的发电机。相比于柴油，天然气购买成本较低且不存在“湿堆积”问题。因此从短期的能源解决方案来看，天然气发电机相比于燃油等其他使用化石燃料的发电机相比具有成本效益、运行效率高、更环保等优势。根据DCD报道，目前特斯拉CEO马斯克已从Voltagrid采购了14台移动天然气发电机，每台发电机可提供2.5 MW电力，用以缓解其初创企业xAI的数据中心电力短缺问题。

*补充细节1：马斯克xAI主要采用英伟达H系服务器，集群散热采用液冷方案。xAI数据中心中的每个液冷机架包含8个英伟达H100 GPU服务器，总计64块GPU，密集布局要求每个计算节点都能高效散热，传统风冷方式难以适应，因此xAI选择了超微的液冷方案。

*补充细节2：xAI数据中心同时采用了Megapack储能系统。xAI表示其团队在建设计算集群时发现AI 服务器并不会全天候以100% 的功率运行，而是存在许多功耗的峰值和谷底，因此在中间添加特斯拉的电池存储产品Megapack来缓冲波动，从而提高整体系统的可靠性，减少电力损耗。

2.4燃料电池：以Bloom Energy为例

企业概述：Bloom Energy专注于开发高效、低排放的能源技术，致力于通过创新的固体氧化物燃料电池（SOFC）和固体氧化物电解槽（SOEC）技术，推动全球能源转型。作为一家领先的清洁能源企业，企业通过其先进的氢气和燃料电池技术，致力于为工业、商业以及数据中心等高需求领域提供可持续、可靠的能源解决方案。企业成立于2001年，总部位于美国加利福尼亚州，并在全球范围内拓展业务。

核心技术：企业核心技术包括固体氧化物燃料电池（SOFC）和固体氧化物电解槽（SOEC），SOFC系统在使用100%氢气时提供高效的电力输出，电气效率高达65%，远超传统能源系统。Bloom Energy的燃料电池系统还能够集成热电联产（CHP）技术，使得总能效高达90%，从而有效降低能源消耗和碳排放。此外，SOEC技术可用于高效的氢气生产，是清洁能源转型中的关键技术之一。

产品应用：企业产品广泛应用于多个领域，包括工业电力供应、商业能源管理和数据中心能源解决方案。特别是在数据中心领域，随着对能源高效性和碳中和目标的需求不断增加，Bloom Energy的燃料电池技术的高效、低排放的特点更为突出，其氢气解决方案不仅可以满足大规模能源需求，还能为企业提供可靠的备用电源，确保运营的连续性和稳定性。目前Bloom Energy的市场已经覆盖北美、亚洲和欧洲等多个地区，尤其是在韩国与SK Ecoplant的合作中，Bloom Energy的氢气燃料电池项目预计将在2025年上线。此外，企业已经宣布与 AEP 达成千兆瓦燃料电池采购协议，为 AI 数据中心提供动力。