来源：中国电力报2026-03-26

以当前主流大模型在高强度推理任务下的表现测算，生成100万个词元的平均耗电量约为15~20千瓦时，其电力成本仅为个位数（以人民币计量）。

来源：苏电牛思2026-03-26

一条20秒的“救狐狸”视频大约需要消耗1万词元，结合云端算力配置，最终得出该视频的总耗电量约0.1度电。总之，ai 越“聪明”，运算量越大，耗电越多！

来源：中国电力报2026-03-25

2030年我国算力中心耗电量将超5000亿千瓦时，占全社会用电量3.7%，大模型训练推理、万卡级集群推高区域用电峰值。需求呈现区域差异化。ai用电分布与算力布局一致，呈“东密西疏”。

来源：高工储能2026-03-24

高工产研储能研究所数据显示，在aidc时代，耗电量正迎来爆炸式增长，预计到2030年全球数据中心耗电量将达到1500twh。...但随着芯片算力的指数级增长，单芯片功耗将突破2千瓦甚至向5千瓦迈进，智算中心机架功率也从传统的8千瓦提升到100千瓦、500千瓦乃至于1mw，单个机柜耗电量堪比一座摩天大楼亦或是小型社区。

来源：工信部2026-03-24

电机是工业的“心脏”，也广泛应用于我们的生活，电机及其系统年耗电量约占社会用电量的60%。

来源：电网头条2026-03-24

实际生产中，一件工艺复杂的汉服如采用织金、多重绣花的马面裙，因使用高功率设备其耗电量会远高于此。但无论如何计算一度电，都能在曹县释放出大大的产业能量。

来源：南网50Hz2026-03-23

以当前主流大模型在高强度推理任务下的表现测算，生成100万个token的平均耗电量约为15-20度，其电力成本仅为个位数人民币。

来源：天合光能2026-03-19

国际能源署（iea）预测，2026年全球数据中心耗电量将突破1万亿千瓦时；2023年全国数据中心能耗已达1500亿度，碳排放近1亿吨。算力低碳化已从可选项变为必答题。

来源：北极星风力发电网2026-03-19

另一个是哈密（伊吾）算力创新示范区，该项目同样以240mw风电，280mw光伏，配置15%/ 2⼩时储能搭建稳定绿电供应体系，达成年耗电量的60%为绿电直供，综合电价0.3元/千瓦时的示范应用成效。

来源：北极星储能网2026-03-19

根据《数据中心能效限定值及能效等级》国标要求，数据中心低碳节能要求（pue）的计算公式当中，分母为it设备的耗电量，分子为数据中心的总耗电量，在数据中心的能耗指标当中，数据中心的电能比分为三级，1级1.2

来源：中国能源观察2026-03-17

aidc智算中心成为储能需求增长的重要驱动力，iea预测2025—2030年全球数据中心耗电量年均增速超10%，增量主要集中在中美欧三大区域，储能在数据中心可实现备用电源、削峰填谷、光储绿电直连等功能。

来源：苏电牛思2026-03-17

当然，耗电量也会因设备和使用频率产生巨大的区间波动。...同样本地流也有“省电模式”，如果使用轻薄本跑小模型，满载功率仅30、40瓦，每天高强度运转3小时，其余时间待机，耗电量甚至可以压低到0.3千瓦时左右。发现没？无论哪种流派，每天的耗电量跨度都很大。

来源：能源评论·首席能源观2026-03-16

我国算力产业正迎来爆发式的增长，2025年中国算力总规模同比增长45%，人工智能（ai）数据中心全年耗电量达3600亿千瓦时，相当于一个中等省份的年用电量。

来源：老汪聊碳中和2026-03-16

零碳变压器对于耗电量较大的工业园区，其内部通常设有变电站，有变电站就离不开高压开关和断路器。

来源：北极星电力网2026-03-12

从算力侧看，作为数字经济时代的核心生产力，算力是名副其实的“耗电大户”：2025年中国算力总规模同比增长45%，ai数据中心全年耗电量达3600亿千瓦时。...一次大模型训练的耗电量，堪比一个小城市全年用电量。中国信通院的测算显示，电力成本占数据中心运营总成本的60%至70%。从电力侧看，中国绿电资源正在快速发展。

来源：硕电汇2026-03-12

该项目算力强劲、能耗可观，6 个算力舱每小时耗电量达 1400 度，但凭借电站直供的独特优势，实现了电价更低、供电更稳的双重保障。

来源：湖南省人民政府2026-03-10

对公务用车实行编制管理，严格控制车辆保有数量；（二）公务用车应当优先选用新能源汽车，严格执行车辆报废制度；（三）严格执行公务用车管理制度，禁止非公务用途使用公务车辆；（四）定期公布车辆行驶里程和耗油、耗电量状况

来源：科士达新能源2026-03-10

劣势：成本高，蓄电池价格贵且寿命有限（通常5-10年需更换）；设计复杂，需精确计算负载功率、日耗电量、日照时数，否则容易出现供电不足；无法并网，发电过剩时会造成能源浪费。

来源：国家电网报2026-03-10

算力与电力协同是人工智能发展的关键支撑，当前需根据算力类型差异实施精准匹配：大模型训练延迟容忍度高、地理敏感性低，应调度至西部新能源富集区消纳绿电；推理计算延迟要求严苛，须就近部署于东部负荷中心；超算任务耗电量巨大

来源：高工储能2026-03-03

这一压力在欧美尤为突出，美国 ai 数据处理耗电量即将超过钢铁、水泥等传统高耗能产业总和。