這個悖論一句話就能說清：被標榜為效率化身的技術，實際上靠的是看起來一點也不高效的電力飲食。超大規模資料中心現在耗用相當於一個城市的電力與工業級的用水，與此同時，家庭面對電價上漲，公用事業則為了趕不上速度的產能擴張苦惱。市場持續獎勵算力，但稀缺的資產其實是電子（電力）。
在美國各地，公用事業報告數十年未見的負載成長。過去兩年已有數百個新的超大規模場址上線，許多集中在曾以廉價土地與寬鬆許可作為招商誘因的州。基礎設施從未為此設計。在印第安納州，一個亞馬遜持有、支援 Anthropic 的園區已至少拉取 500 兆瓦，完工後預計將與兩個中型城市的用電需求相當。全國層面，研究團體估計資料中心到 2030 年可能消耗美國高達 9% 的電力，超過現今的兩倍。帳單一到人們就注意到了：今年家庭電價約上漲 10%，資料中心是重要推手。摩擦如今在從亞利桑那到維吉尼亞的市政聽證會上可見。早期的善意在社區得知工作機會有限、稅基薄弱、電網升級以附加費形式出現後，正轉為反對。
這些場址不只是需要電力；它們需要足夠的水來冷卻大片算力。易受乾旱影響且審批快速的地區看似便宜，直到熱穹抵達。冷卻系統會轉向更耗電的方法，電網運行更熱、變壓器接近熱極限，而小小的設計選擇會疊加成為巨大的失效模式。這正是 Nassim Taleb 所說的脆弱性：系統無法良好吸收變異，並成群體性崩壞。業界偏好大型園區並與有限的輸電冗餘共置，放大了單點失效風險。歷史已見過類似情節。過去太平洋西北的鋁冶煉廠靠近水力大壩，當水庫下降時遭遇電力限電。加密貨幣礦場追逐廉價電力也走進類似死胡同。搬移資料比搬移電子容易；AI 的延遲限制如今把算力拉得更靠近人口中心，恰好那些地方已有阻礙成長的擁塞。假設水與電是可互換投入的投資者，正在承擔一個他們在下一波熱浪期間不會喜歡的相關性。
十年間，市場把「再生能源＋電池」當作一條可預期的廉價新增供給輸送帶。這套邏輯依賴政策連續性。聯邦對大型風電、太陽能與儲能的獎勵若逆轉，已在延遲併網與 2026 年後進入管線的案子減少上顯現。地熱有潛力，但仍處早期。小型模組核能有希望，但屬於後期階段。融合有前景，而且永遠有前景，直到沒有為止。與此同時，國際能源署預期美國、China 與 EU 將推動 80% 的新增資料中心需求，即便貿易摩擦放慢了設備流動並推高成本。這不只是物理的故事，這是制度性的。美國的輸電建設需要十年，而非一季。天然氣電廠面臨許可風險與燃料成本波動。燃煤電廠退役的速度超過公用事業補充穩定產能的速度。把 AI 的成長曲線押在不中斷、廉價的電力溢流上，並不是基本情境；那是最樂觀的情境。
圍繞 AI 的估值堆疊建立在一個默契假設：電力會像 2019 年一樣存在且定價相同。這正是教科書式的自由能源謬誤。訓練一個前沿模型大約可能耗用 50 吉瓦時，但真正的壓力來自大規模推理——每天數十億次查詢，全天候運行，對延遲的要求限制了地理套利空間。這是一個反覆出現的資產負債表問題，卻被誤框為營運成本的附注。如果電力緊縮，雲端供應商會出價高於社區與小商家來爭奪電子，政治情勢也會轉向。如果他們不出價，服務品質則會下降。無論哪個分支，「算力需求必然變現」的假設都會遇到約束。資訊不透明則加劇風險。科技公司把能源使用當作營業祕密。政府缺乏標準化指標來稽核。無法揭露之下，監管機關無法校準費率或資源計劃，投資者也無法為負債定價。當投入被隱匿時，錯誤定價會持續—直到衝擊在一週內強迫重新定價，而不是在數年內逐步調整。
把電網想像成共享的公地，而 AI 開發者是反覆博弈中的囚徒困境玩家。每家公司都有動機預先承諾產能——鎖定電力購買協議、併網隊列與變電站升級——因為先行者能取得選擇權。集體上，這種囤積行為擠堵系統並提高所有人的成本。面對資產報酬基礎的誘因，公用事業樂於建設，但長交期確保供給落後於需求。這不是實時競價市場的清算；這是一場具有肥尾的規劃遊戲。結果類似於有保留權利的公地悲劇，而非過度放牧。與此同時，競爭者試圖購買相同的 GPU 與相同的兆瓦。那些兩者都拿下的公司會增加市占率，不是因為他們寫了更好的程式，而是因為他們掌控了稀缺輸入。策略退化為能源套利。當關鍵瓶頸是電力時，護城河屬於公用事業或發電商，而不是模型本身。
電網是一個有熱與頻率限制的工程系統。尾部事件會把它推進非線性領域。熱浪會在冷卻需求上飆升，同時使熱電廠降額運轉與輸電線路下垂。乾旱壓縮水力與需水冷卻的資料中心。風停伴隨著高氣壓而來。這些風險並非獨立；它們是相關的。若再加上燃料供應的地緣政治風險或對電力電子的貿易限制，就會複合化尾部風險。加州能源危機顯示市場設計缺陷加上供給緊縮如何導致層層失靈。歐洲 2022 年的衝擊顯示一個節點的短缺如何波及整個大陸。Institute of Internet Economics 警告若供給落後，褐色停電（降壓）將變得頻繁且常態化。一個脆弱的系統看起來穩定——直到它不再穩定。這裡的機率數學很簡單：若一個低機率事件乘以龐大暴露，期望損失不會小。它是系統性的。
在此脈絡下，抗脆弱意味著 AI 在電網受壓時變得更強，而非更弱。這需要市場目前迴避的設計選擇。工作負載應在時間與地點上移動：在離峰時段訓練、將推理導向再生能源充沛的地區，而非土地便宜的地方。併網必須以揭露為前提：針對每單位算力的能耗與耗水標準化指標，由監管機關驗證並對投資者公開。選址必須把水風險與當地基礎建設限制納入價格，而非視為外部性。長期而言，現場發電需要超越新聞稿上的承諾。地質允許時發展地熱。廢熱整合到區域系統。儲能要以天為單位而非小時計量，若要使所謂的韌性有任何意義。這些都不浪漫。這是工程與治理，是持久的無聊護城河。如果 AI 是下一個通用技術，它應該能通過一項基本壓力測試：在不假定無限且廉價電力下能否茁壯？若今日答案是否定的，那麼故事中脆弱的部分不是模型，而是建立在借來的電子上的商業模式。
