在2025年,数据中心仅承担了82.5亿美元新能源基础设施账单中的38%,剩下的62%——超过50亿美元——由居民承担。这种差异对于低收入和农村家庭尤为严重,他们可能面临额外的能源成本占到总收入的28%。

显示数据中心和家庭之间基础设施成本分布的饼图。
在2025年,数据中心仅支付了82.5亿美元基础设施账单中的38%,剩下的62%由家庭支付。news.cornell.edu

此图表说明了家庭承担数据中心所需新能源基础设施大部分成本的主要发现。

显示2020年至2025年输电投资飙升的图表。
能源基础设施的输电投资从2020年的20亿美元飙升至2025年的340亿美元。news.cornell.edu

该图表支持了关于数据中心增长驱动输电投资大幅增加的数据点。

基础设施成本差距

康奈尔大学的研究人员分析了美国四个主要的电力网络,发现虽然数据中心驱动了巨大的需求,但目前支付电网扩张费用的规则仍滞后。由于基础设施成本通常根据过去的能源消耗进行分配,新数据中心并未支付它们所需建设的容量成本。

这种“鸡生蛋还是蛋生鸡”的问题意味着,由于数据中心在基础设施准备就绪之前尚未消耗电力,因此这些升级的成本落到了现有客户身上。这造成了一个系统,即驱动新需求实体的并非是支持这些需求所需的扩张的主要付费方。

2025年数据中心基础设施成本分布: 数据中心占比 38%; 家庭占比 62%
2025年数据中心基础设施成本分布news.cornell.edu

HN Digest 根据 news.cornell.edu 报告的数据绘制;数值按来源原文显示。

“这不仅仅是生成足够电力的问题,而是支付电网费用的规则是否与驱动新需求的人保持同步的问题。”

— Data centers need power – lower income, rural residents pay the price | Cornell Chronicle

对弱势社区不成比例的影响

该研究强调了这些成本在分配上的显著地理和社会经济差异。农村居民(他们使用ChatGPT等AI工具的可能性较低)看到的收入中用于能源的比例高于城市居民。

比较城市、郊区和农村地区AI使用的饼图。
农村居民报告的AI使用率最低,尽管他们受数据中心相关能源成本的影响最严重。news.cornell.edu

此图表直观展示了社会经济差异,即农村居民承担高成本的同时利用较少的AI工具。

这些成本的影响并不局限于数据中心的直接周边。由于电网连接跨州社区,新泽西州、宾夕法尼亚州和俄亥俄州等州的居民正在帮助资助与弗吉尼亚州数据中心增长相关的电网升级。

经济权衡与拟议解决方案

研究指出,数据中心确实提供经济效益,每吉瓦的容量可能在整个经济中创造15,000个工作岗位。然而,研究建议必须权衡这些收益与公众承担的基础设施成本。

为了减轻负担,研究人员建议数据中心可以在需求高峰时段削减耗电,或者根据他们增加的新需求直接收费。其他拟议的策略包括州级计划,将资金定向给低收入家庭,以抵消更高的能源支出。

Hacker News 读者的反应

  • 技术补充: 一位评论者批评了研究的方法论,认为它错误地根据峰值能源需求而非升级本身的实际成本来分配基础设施成本。 评论 ↗
  • 技术补充: 另一位评论者认为主要问题是成本分配而非部署速度,认为更快的许可审批只会加速家庭对数据中心的补贴。 评论 ↗
  • 技术补充: 一位读者建议,成本上涨是关于固定供应体制的政策选择结果,而非宇宙的物理要求,并指出立法行动可以解决这一问题。 评论 ↗
  • 技术补充: 一位评论者提出,地方政府可以将数据中心视为机遇,通过征收高额财产税来为居民提供红利或福利。 评论 ↗

以上为 Hacker News 讨论中观点的摘要,并非经过核实的事实。 阅读完整讨论 ↗