摘要：亚马逊拟在得州Pecos County建设AI数据中心，Pacifico Energy开发的配套私人电力园区获批最高7.65GW发电能力；许可上限不等于实际建设规模或实际排放。
亚马逊在美国得州西部的一项算力投资，把AI基础设施竞争中最容易被忽视的事实推到了台前：先进芯片可以买，机房可以模块化复制，但数吉瓦级、全年稳定供应的电力，无法用一张采购订单立即获得。
据《纽约时报》、TechCrunch以及项目开发商Pacifico Energy披露，亚马逊已取得Pecos County一处场地，计划建设AI数据中心园区；由Pacifico Energy开发的GW Ranch私人电力园区，其空气许可覆盖最高7.65GW发电能力。公开方案包括大小型天然气轮机、储能和光伏；开发商称项目可在2027年一季度提供首批电力，2028年达到1GW，2031年形成5GW以上供电能力。7.65GW是许可容量上限，不等于亚马逊已自建或确定投产同等规模的燃气机组。
最引人注目的数字是：得州空气许可文件允许该项目每年排放约3300万吨二氧化碳或温室气体。这个规模若被全部使用，可能超过美国现有任何单一电厂的排放量。
但首先必须校正一个容易误读之处：**3300万吨是许可上限，不是已经发生的排放，更不是项目建成后的必然实绩。**实际排放取决于最终投产多少台机组、年利用小时、轮机效率、光伏和储能贡献、数据中心上架率以及未来是否接入公共电网。准确的表述应是“项目具有最高约3300万吨的年排放许可空间”，而不是“亚马逊已经年排放3300万吨”。
亚马逊《2025可持续发展报告》显示，公司2025年绝对温室气体排放约8085万吨二氧化碳当量，比2024年增加16%，碳强度上升3%。3300万吨许可上限相当于其年度实际排放的约四成，但两者不能相加：前者是未建项目的最大许可空间，后者是既有业务盘查结果。这个对比只用于显示超大型AI能源园区可能给企业减排轨迹带来的压力。
一、7.65GW是什么概念：一座算力园区正在接近大型城市负荷
GW Ranch空气许可覆盖的最大发电规模是7.65GW，开发商计划最终交付5GW以上可靠电力，并配置约1.8GW电池储能和最高750MW交流侧光伏；其页面另一处又以“2GWh储能”描述方案。GW和GWh分别表示功率与储能量，二者不能直接替代，这也说明最终储能时长和配置仍需以工程文件为准。
假设7.65GW机组全年满负荷运行，年发电量约为：
7.65GW × 8760小时 ≈ 67TWh，即670亿千瓦时。
美国能源信息署（EIA）给出的2023年天然气发电平均直接排放强度约为0.96磅二氧化碳/千瓦时，折合约0.435千克/千瓦时。按这一行业平均值粗算，67TWh对应约2920万吨二氧化碳；如果机组组合效率较低、辅助系统耗能更高，接近3300万吨许可上限并非不可理解。反过来，如果先建设5GW、利用小时低于满负荷，并由光伏和储能分担部分供电，实际排放就会明显低于上限。
这一计算还揭示了PUE的作用。PUE是数据中心总用电与IT设备用电之比。假设园区总供电5GW、PUE为1.2，则真正进入服务器、网络和存储设备的功率约为4.17GW，其余约0.83GW用于冷却、配电损耗、照明等辅助系统。Uptime Institute的2024年全球调查显示，行业平均PUE约1.56；头部超大规模中心可以逼近1.1至1.2。
但PUE只回答“电是否被高效送到芯片”，不回答“电从哪里来”。一个PUE为1.1、主要燃烧天然气的数据中心，可能比PUE为1.3、使用高比例低碳电力的数据中心排放更多。因此，未来评价绿色算力，至少要同时看PUE、服务器利用率、单位有效算力能耗、小时级电源结构和用水效率，而不能只展示一个漂亮的PUE数字。
二、亚马逊为什么选择“离网燃气”：抢的不是最低电价，而是最早通电时间
美国能源部和劳伦斯伯克利国家实验室估算，美国数据中心2023年用电约176TWh，占全国用电4.4%；到2028年可能升至325—580TWh，占比达到6.7%—12%。国际能源署则预计，全球数据中心用电将由2024年的约415TWh增至2030年的约945TWh，AI加速服务器贡献大部分新增需求。
需求增长并不是均匀铺开，而是集中在少数算力集群。一座传统工厂可能分阶段增加几十兆瓦负荷，AI园区却可能一次申报数百兆瓦乃至数吉瓦，而且要求接近全天候运行。输电线路、变电站、燃机和变压器的建设速度，已经跟不上GPU集群交付速度。
并网排队正成为隐形瓶颈。伯克利实验室统计，截至2024年底，美国约有10300个发电和储能项目申请接入输电网，涉及约1400GW发电和890GW储能；近年建成项目从提出并网申请到商业运行，典型周期已接近五年。该数据主要描述发电侧并网，并不等同于数据中心负荷接入周期，但它反映了同一个问题：电网研究、扩建、成本分摊和许可流程已经拥堵。
Pacifico给出的商业卖点因此非常直接：私人电网不等待公共电网接入，2027年即可供电。亚马逊也表示，现场新增电源不会把项目成本转嫁给得州居民，并计划在并网条件允许后转为接入电网服务。
这意味着企业当前优化的目标函数，不再只是每度电价格，而是：
算力项目价值 = 芯片可得性 × 通电时间 × 供电可靠性 × 网络条件 × 合规确定性。
对于生命周期很短的AI芯片而言，晚通电两三年，损失可能远高于使用更便宜电力所节省的费用。燃气方案真正出售的是“时间确定性”。
三、燃气、核电、风光储：不存在单一完美电源
1. 天然气：快、稳、可调，但锁定排放和燃料风险
燃气轮机可模块化扩建，既能承担连续负荷，也能跟随光伏、风电变化；Pecos County又位于二叠纪盆地，气源基础较好。联合循环机组效率高于简单循环机组，直接碳排放通常约为煤电的一半左右。
代价也很明确：它不是零碳电源，且上游天然气开采、处理和输送中的甲烷泄漏会增加全生命周期气候影响。数十年资产寿命还可能形成“碳锁定”。如果未来碳价、甲烷监管或企业客户的供应链减排要求收紧，今天为抢速度建设的燃机，可能成为明天的合规成本。
2. 核电：低碳、稳定，适合基荷，但难解眼前交付期限
核电容量因子高、碳排低，与数据中心24小时负荷曲线十分匹配。美国科技企业近年来通过延寿、重启机组和长期购电协议锁定核电，小型模块化反应堆也被视为2030年后的潜在方案。
问题是新建大型核电资本开支高、审批和施工周期长；SMR仍处于商业化早期，成本和批量制造尚未充分验证。因此，核电适合长期算力能源战略，却很难满足“2027年首批通电”的节奏。近期更现实的是购买现有核电、支持延寿或签订远期协议。
3. 可再生能源加储能：增量最快、边际排放低，但需解决连续供电
美国能源部认为，光伏、陆上风电、电池储能和能效提升，是近期最具扩展性和成本竞争力的新增资源。GW Ranch也规划最高750MW光伏和电池系统。
但750MW光伏相对于5GW以上连续负荷，只能覆盖部分白天用电。电池适合秒级调频、短时备用和削峰，却不能经济地单独跨越连续数日的低风低光天气。若要实现真正的24×7低碳供电，需要更大范围电网互济、风光互补、长时储能、可调水电或地热、核电，以及可迁移的计算负荷共同参与。
因此，合理架构不是在三种路线中“押一道单选题”，而是分阶段组合：近期用风光、短时储能和必要的灵活燃气保证投产；中期扩大并网与跨区交易，降低燃机利用小时；长期引入核电、长时储能、地热或碳捕集等稳定低碳电源。关键指标应从“年度购买了多少绿电”升级为“每个小时的负荷由什么电源匹配”。
四、电力之外，土地和水同样会决定项目能否落地
GW Ranch占地超过8000英亩，约32平方公里。大面积土地不仅容纳机房，还要布置电厂、储能、光伏、燃气管线、变电设施、安全间距和后续扩建空间。AI数据中心的选址正在从房地产问题变为国土空间和能源系统工程。
水约束也不能被“使用非饮用水”一句话带过。亚马逊称项目将使用咸水地下水，可减少与居民饮用水的直接竞争，但仍涉及抽采、处理、浓盐水处置和地下水层影响。若燃气电厂采用高耗水冷却，发电侧与机房冷却侧还会叠加需求。地方审批应公开耗水强度、回用比例和极端干旱情景。
五、对中国的启示：不能把“东数西算”简化成去西部找便宜电
中国已经提前把能源约束纳入算力布局。国家数据局披露，八大枢纽节点数据中心集群平均PUE约1.3，先进项目最低达到1.04，并提出国家枢纽节点新建数据中心绿电占比达到80%的目标。《数据中心绿色低碳发展专项行动计划》要求到2025年底全国数据中心平均PUE低于1.5、整体上架率不低于60%、可再生能源利用率年均增长10%。
2025年发布的绿电直连政策进一步明确，新能源可通过专线向单一用户供电，但并非简单“绕开电网”：并网型项目要接受调度，做到可观、可测、可调、可控，合理承担系统费用；新能源年自发自用电量原则上不低于可用发电量的60%，占项目总用电量不低于30%，2030年前提升至不低于35%。
由此看，中国不能照搬得州大规模离网燃气模式，而应建立“算力—电力—网络—水—碳”一体化规划。
**第一，地方招商要从承诺土地和电价，转向核验可交付电力。**应披露变电站和线路建设节点、绿电小时级曲线、备用容量、极端天气保障、水资源预算及碳排放边界。没有电力系统方案的“万卡集群”，只是招商概念。
**第二，东数西算要按业务时延分层。**大模型训练、离线渲染、备份和批处理适合向风光资源丰富、气候较冷的西部迁移；实时推理、金融交易和工业控制仍需靠近用户。真正的全国算力网既要搬服务器，也要能跨区域调度任务，在风光高出力时增加训练，在电力紧张时延后非紧急作业。
**第三，绿电直连必须配套源网荷储，而不是只建一条专线。**数据中心是连续负荷，风光是波动电源，两者之间需要储能、可调电源、需求响应和公共电网兜底。项目应同时公布绿电占比、弃电率、储能时长、公共电网最大交换功率和备用方案。
**第四，严防低上架率造成“绿色浪费”。**PUE再低，如果机柜空置、GPU利用率不足，单位有效算力能耗仍然很差。地方支持政策应与实际上架率、算力利用率、绿电消费和单位算力碳效挂钩，避免以能耗和土地换取闲置机房。
**第五，企业选址要把碳约束计入全生命周期成本。**除了电价和土地价，还要计算并网等待、燃料波动、绿证或碳成本、水处理、网络时延、设备迭代和退出成本。短期最便宜的地点，未必是五年后综合成本最低的地点。
结语：AI的基础设施竞争，最终是一场能源组织能力竞争
亚马逊Pecos County项目不能只用“AI污染巨大”概括，也不是“完全不影响电网”的简单方案。它以自建电源缩短通电时间，却把燃料、排放、水和可靠性风险集中到一个私人园区。
它所揭示的产业趋势非常清晰：继GPU和高带宽内存之后，稳定电源、变压器、燃气轮机、储能、土地、水权、并网许可和碳指标，正在成为AI时代的新型稀缺资源。未来真正有竞争力的算力中心，不是拥有最多机架的项目，而是能以可审计、可持续、可扩展的方式，把每一度电转化为有效算力的系统。
参考资料
- The New York Times, New Amazon Data Center Stokes Worry It Would Be the Most Polluting Power Plant in the U.S.
https://www.nytimes.com/2026/08/08/climate/amazon-data-center-texas-pollution.html - TechCrunch, Planned Amazon data center could become the biggest climate polluter in the U.S.
https://techcrunch.com/2026/08/08/planned-amazon-data-center-could-become-the-biggest-climate-polluter-in-the-u-s/ - Pacifico Energy, GW Ranch—Off-Grid Power Generation
https://www.pacificoenergy.com/gw-ranch - Amazon, 2025 Amazon Sustainability Report
https://sustainability.aboutamazon.com/2025-amazon-sustainability-report.pdf - U.S. Department of Energy, 2024 United States Data Center Energy Usage Report
https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers - Lawrence Berkeley National Laboratory, Queued Up: 2025 Edition
https://emp.lbl.gov/publications/queued-2025-edition-characteristics - U.S. Energy Information Administration, How much carbon dioxide is produced per kilowatthour of U.S. electricity generation?
https://www.eia.gov/tools/faqs/faq.php?id=74&t=11 - International Energy Agency, Energy and AI
https://www.iea.org/reports/energy-and-ai - Uptime Institute, Global Data Center Survey 2024
https://datacenter.uptimeinstitute.com/rs/711-RIA-145/images/2024.GlobalDataCenterSurvey.Report.pdf - 国家发展改革委等：《数据中心绿色低碳发展专项行动计划》
https://www.ndrc.gov.cn/xwdt/tzgg/202407/t20240723_1391895_ext.html - 国家发展改革委、国家能源局：《关于有序推动绿电直连发展有关事项的通知》
https://www.ndrc.gov.cn/xxgk/zcfb/tz/202505/t20250530_1398138.html - 国家数据局：《体系化推动算力电力协同，持续提升数据中心绿电供给水平》
https://www.nda.gov.cn/sjj/swdt/sjdt/0318/20250318212051776584737_pc.html