趸售电力价格

公用事业公司并非自产所有销售的电力。在美国大部分地区，它们通过持续拍卖方式运营的区域趸售市场购电。这些市场由PJM、MISO等区域电网运营商运作，它们负责协调跨州区域的电力供需。

在这些市场中，发电厂提交投标，说明其能够供应的电量及愿意运营的最低价格。然后，电网运营商将这些投标按最低价到最高价进行排序，并调度足够的发电容量以满足当时的总需求。这一体系的关键特征在于，所有电力均按满足需求所需的最后一台发电厂所报价格进行结算。这通常是成本较高的电厂，也可能是运行成本高昂但产能足以快速爬坡的天然气“调峰”电厂。即便大部分电力可能来自核电、煤电或可再生能源等较廉价电源，但支付给所有发电商的价格反映的仍是该边际、最后调度机组的成本。

批评者认为，大型AI数据中心因其新增了大量稳定、全天候的需求而影响了这一定价机制。当总需求上升并接近系统可用供应上限时，电网运营商必须更频繁地调用这些高成本电厂以满足高峰或接近高峰时段的状况。从实际角度看，这意味着市场更频繁地以更高价格出清，因为需要更经常地动用昂贵电厂来维持供电。

当趸售价格以此方式上涨时，公用事业公司会将这些增加的成本作为月度账单上增加的购电费转嫁给用户。在批评者看来，居民用户因此面临更高的电价，原因在于数据中心的需求迫使系统更加依赖成本更高的发电方式，即便居民用户并非该新增用电负荷的来源。

推高居民电费的真正原因是市场设计，而非数据中心负荷

与数据中心增长相关的居民电费上涨，主要是一个市场设计失灵问题，而非需求问题。电力市场并不区分不同类型的需求。数据中心使用的一个电子与家用电器、工厂或电动汽车使用的电子并无差别。电网只对总需求做出反应，而不关心是谁在消费。若数据中心带来的需求增长本质上在推高价格，那么无论这种需求在何处扩张，都应出现相似的价格涨幅。

证据表明情况并非如此。SemiAnalysis近期一项对PJM与ERCOT的比较分析显示，尽管两个地区都在经历数据中心快速扩张，但它们的电价走势已然分化。SemiAnalysis估计，在PJM地区，与2024年相比，2025至2026年间容量预留费的飙升将转化为普通居民月度账单上25至30美元的附加费。而在ERCOT，预计不会出现类似的价格冲击。若两个系统经历了相似的需求增长却产生了截然不同的价格结果，那么仅凭需求便无法解释这一结果。差异在于每个系统将预测需求转化为价格的方式。

PJM依赖所谓的容量市场，该市场基于对未来需求的预测来设定价格。它使用一个数学模型估算未来数年的电力需求，然后决定支付多少费用给发电厂业主以保持其设施处于待命状态。实际上，这相当于为确保未来有容量可用而向发电商支付的“预留费”。该成本随后通过电费转嫁给居民和企业。价格与今日实际消耗的电力无关，而是与一家中央规划机构对未来需求状况的估计挂钩。

由于这笔预留费建立在模拟预测而非实际使用基础上，即使预测中的适度调整也可能引发成本的极端飙升。若模型预测AI负荷将激增，公式便会自动触发涨价以确保有足够电厂处于备用状态——即便这些数据中心目前还只是一片空地。在2025至2026年周期中，这一预测机制已导致PJM此类待命支付的总成本较上一年度增长至9.3倍。这造成了总计160亿美元的费用被直接转嫁给居民用户，迫使他们为尚不存在需求的预留电力买单。

相比之下，ERCOT依赖所谓的仅电能市场，发电商仅按其实际生产并输送到电网的电量获得报酬。不存在为保持电厂待命的预付款。相反，该系统利用实时定价来平衡供需。在这一模式下，只有当电力出现物理性短缺时，价格才会上涨。若需求激增，电价在那一刻随之上升，这自然激励发电厂开机发电，并促使投资者建设新容量以获取更高收入。

这一设计限制了投机性需求对价格的影响。预计数据中心增长的延迟或高估不会立即转化为居民成本，因为价格对实际状况而非模型预期做出反应。其代价则是价格波动性更大。在极端需求或供应紧张时期，价格可能急剧飙升。但这些价格尖峰与电网的实时实际状况挂钩，而非基于对未来数年的预测，并且可以通过一系列工具进行管理（本报告其他部分有述）。

这一对比清晰表明，更高的居民电费是市场设计使然，而非数据中心用电本身所致。

对趸售电价的担忧错误地假定AI需求缺乏弹性

要理解为何对AI需求导致趸售电价上涨的担忧并不必然给居民带来无法避免的成本外溢，借用经济学中经典的“鱼市”比喻会有所帮助。

想象一下清晨的本地鱼市。渔民已经归港；当日的渔获量固定，短期内无法增加。供给是完全无弹性的。若突然涌入大量新买家，价格将急剧上升，因为所有人都在争夺同样固定数量的鱼。

电力市场与此情景类似。短期内，发电容量基本固定，因为可用发电厂的数量受限于物理和监管建设周期；许多基荷机组（如核电或大型煤电）无法快速调节出力以应对突发变化。当需求在固定供给背景下上升时，价格会上调以平衡系统。

在一个运作良好的市场中，价格上涨会导致部分买家减少消费或退出市场。例如，一些鱼市买家会直接离开，明天再来或改买鸡肉。正是这种反应限制了价格飙升，并防止成本最昂贵的供应商为所有人设定价格。

然而，在当今的美国电力市场中，需求之所以反应迟钝，是因为零售电价与趸售市场的现实脱钩。大多数美国家庭和数据中心支付受监管的固定电价，这使他们无从感知电力的实时实际成本。由于看不到电价正变得昂贵，他们便不会停止购买。公用事业公司不得不支付尖峰电价，随后通过加收附加费或提高基准电价的方式，将差额“平账”转嫁给所有用户。这将一次市场尖峰转化为了针对整个电费基数的长期价格上涨。

然而，AI需求并非天然缺乏弹性。与家庭或关键服务不同，运行AI工作负载的数据中心可以成为灵活的电力消费者，其灵活性是大多数家庭和关键服务所不具备的。许多AI工作负载——尤其是训练及其他对延迟不敏感的任务——可以被暂停、减慢、推迟或迁移，而不会损失进度。这种灵活性正是国家可再生能源实验室前沿研究的重点，该实验室关于“负载感知型电网管理”的研究表明，数据中心如何在电网承压时期自动降速或暂停训练，将计算任务转移至电价较低的非高峰时段，或将工作负载地理迁移至可再生能源发电过剩的地区。

AI数据中心不仅不必为居民电价不可避免的上涨负责，反而可以通过稳定电网净负荷来减轻本会传导至消费者的价格压力。根据麻省理工学院斯隆管理学院2025年的一项研究，实施灵活、电网感知型工作负载调度的数据中心，可将系统总成本降低2%至5%。当这些大规模用户将其密集的AI训练任务转移至非高峰时段时，它们便拉平了需求曲线，从而减少电网对昂贵、高排放调峰电厂的依赖，而正是这些电厂通常为所有其他用户设定了高昂的趸售电价。在此情境下，数据中心不仅支付了自身应承担的费用，还作为一种稳定力量，为整个电费基数内的用户降低了平均电力成本。

政策制定者应支持电网感知型灵活调度以抑制价格飙升

阻碍数据中心发展或将其成本社会化均摊，两者均是失败的政策选择。任务在于确保AI基础设施以反映实际系统状况的方式融入电力市场，而非迫使居民家庭承担本可避免的风险。

政策制定者应恢复电网状况与大规模电力消费之间更为清晰的关联。当价格无法反映实时系统约束时，即便是灵活的需求也会表现得如同固定负荷一般。美国能源部在其2024年《商业化腾飞之路：虚拟电厂》报告中强调了价格响应型需求的作用，指出让大型负荷直面真实的电力成本，可以释放电网日益需要的灵活性。使数据中心能够作为自我调节、调整用电的“虚拟电厂”运行，可以让AI增长支撑电网稳定，而非将短期压力转化为居民永久的成本增长。

信息技术与创新基金会2025年的报告《美国需要数据中心，数据中心需要能源——但这未必是个问题》，向能源部、联邦能源管理委员会以及数据中心自身提出了若干建议，阐述如何支持数据中心成为高峰需求管理的合作伙伴。

一项尤为重要的改革是要求区域输电组织探索如何实时播报透明、机器可读的拥塞和价格信号。若数据中心的工作负载调度器能够预见到即将来临的价格尖峰，它便可自动推迟非必需的计算任务，或在区域间转移负荷。当大型负荷在电网压力峰值期间减少用电时，它们便降低了调度那些为整个市场设定出清价格的最昂贵边际发电机组的需求。