AI究竟需要多少电力才算足够？目前无人知晓，即便是OpenAI首席执行官Sam Altman或微软首席执行官Satya Nadella也无法给出确切答案。
这一不确定性令OpenAI、Microsoft等软件优先型企业陷入困境。尽管科技界普遍将算力视为AI部署的主要瓶颈，且各大科技公司正竞相锁定电力供应，但相关努力仍滞后于GPU采购进度。微软订购的芯片数量显然已超出其当前签约的电力容量。
Nadella在BG2播客中表示：“供需周期确实难以预测。我们面临的最大挑战并非算力过剩，而是电力供应，以及能否在电源附近快速完成数据中心建设。”
他进一步指出：“若无法做到这一点，大量芯片将积压库存而无法投入使用。这正是我目前的处境：问题不在于芯片短缺，而在于缺乏现成的‘暖壳’（warm shells）可供接入。”所谓“暖壳”，是商业地产术语，指已具备基础条件、可立即供租户入驻的建筑。
从某种程度上看，我们正目睹一种结构性转变：习惯于处理硅片与代码——这两项技术相比大型发电厂更易扩展和部署——的企业，如今必须在能源领域加大投入。
过去十多年，美国电力需求总体持平；但在最近五年，数据中心用电需求开始攀升，增速已超过公用事业公司新建发电容量的规划。这促使数据中心开发商采用“表后”（behind-the-meter）供电模式，即电力直接输送至数据中心，绕过公共电网。
同样参与该播客的Altman警告称，潜在风险正在积聚：“如果廉价能源很快大规模上线，许多现有合同将使签约方蒙受巨大损失。”
他表示：“若能持续实现单位智能成本的大幅下降——假设年均降低40倍——从基础设施建设角度看，这将带来极为可怕的指数级增长压力。”
为此，Altman已布局核能领域，投资了裂变初创公司Oklo、聚变初创公司Helion，以及太阳能企业Exowatt。后者通过聚焦太阳光热并储存热能，实现后续稳定供能。
然而，上述新技术短期内尚不具备大规模部署条件；而天然气发电等传统化石燃料设施建设周期长达数年，当前下单的新燃气轮机预计要到本十年后期才能交付。
这也解释了为何科技公司正加速部署太阳能：该技术成本低廉、零排放，且部署速度快。
此外，潜意识层面的契合也可能发挥作用。光伏太阳能在许多方面与半导体技术高度相似：两者均以硅为基底，均经历风险降低与商品化进程，并以模块化组件形式量产。这些模块可灵活组合成并联阵列，使整体性能远超单一单元。
得益于模块化特性与快速部署能力，太阳能项目的建设节奏更接近数据中心。
但即便如此，两者仍需建设周期，而AI需求的变化速度可能远超项目完工进度。Altman坦言，若AI效率提升超预期，或实际需求未达预期，部分企业或将背负闲置电厂的重担。
不过，从其整体言论判断，他并不认为这种情况会发生。相反，他是杰文斯悖论的坚定信奉者——该理论指出，资源利用效率的提升反而会刺激更大规模的使用，从而推高总需求。
Altman表示：“倘若每单位智能的计算成本明日骤降100倍，使用量必将增长超过100倍。人们会欣然利用这些廉价算力，去做许多在当前成本下毫无经济意义的事情。”