超越AI能源炒作？美国各州数据中心相关设施增长、电力需求与排放实证研究

《Frontiers in Environmental Science》：Beyond the AI energy hype? data-center-related establishment growth, electricity demand, and emissions across U.S. states

　　

人工智能（AI）和数据中心基础设施的快速扩张，引发了人们对电力系统日益增长的压力以及计算需求上升所带来环境后果的担忧。本研究考察了2010年至2023年间，美国50个州数据中心相关活动的扩张是否与总电力需求和电力部门排放的可测量变化相关。采用平衡州级面板数据和双向固定效应模型（two-way fixed-effects model），以年度设施数量作为数据中心扩张的代理指标，并使用人口归一化暴露度及多种替代设定进行稳健性检验。基线估计未提供证据表明数据中心相关设施增长与总电力需求之间存在正向的州内关联。这一发现在替代函数形式、人口加权、州特定趋势、滞后暴露、电网投资和人口控制、剔除主要数据中心州、缩尾处理以及一阶差分估计下均保持稳健。数据中心活动同样与电力部门CO₂总排放量或平均发电排放强度无显著关联。这些结果不应被解释为数据中心没有能源或环境影响的证据。相反，它们凸显了年度州级数据和基于设施数量的衡量指标在检测可能高度局部化且跨设施异质的基础设施影响方面的局限性。因此，研究结果强调了区分总电力系统结果与局部电网约束、以及平均发电排放与增量数据中心负荷相关的边际排放的重要性。

**超越AI能源炒作？美国各州数据中心相关设施增长、电力需求与排放的实证解读**

### 研究背景与问题

随着人工智能（AI）的快速扩散，数据中心作为核心计算基础设施，其电力消耗和碳排放问题日益受到关注。已有估算显示，2023年美国数据中心用电量约占全美总用电量的4%–4.4%，且有预测称到2030年这一比例可能升至12%。然而，现有证据多基于工程模型和情景预测，而非实际观测数据。电力系统在不同州存在显著的发电结构、碳强度和容量约束差异，数据中心扩张的环境影响可能因化石燃料依赖程度而不同。此外，数据中心的空间分布高度集中，可能对局部电网造成压力，但在州级聚合层面未必能检测到显著影响。因此，一个关键问题是：基于实际数据，数据中心相关活动的扩张是否已与可测量的电力需求和排放变化相关联？该研究旨在通过2010–2023年美国50个州的平衡面板数据，回答这一问题。

### 研究概述与结论

研究人员利用美国人口普查局县商业模式（County Business Patterns, CBP）中NAICS 518210（数据处理、托管及相关服务）的年度设施数量，作为数据中心相关活动的代理变量，结合美国能源信息署（EIA）的电力销售、电价、发电及排放数据，采用双向固定效应模型进行实证分析。基线结果显示，数据中心相关设施增长与州内总电力需求之间不存在稳健的正向关联；与电力部门CO₂总排放或平均发电排放强度也无显著关联。这一发现意味着，尽管数据中心用电量在增长，但年度州级聚合数据难以捕捉其局部化、异质性的基础设施效应。研究强调了区分总体电力系统结果与局部电网约束、平均排放与边际排放的重要性，为政策制定和未来数据收集提供了方向。

### 关键技术与方法

该研究使用2010–2023年美国50个州的平衡面板数据（共700个州-年观测）。数据中心活动以年度设施数量对数衡量，替代原有以发电量归一化的指标，避免内生性；另以每百万居民设施数作为替代。基线模型控制电价、人均实际GDP、可再生能源发电占比，并加入州和年份固定效应，标准误聚类到州层面。稳健性检验包括：人口归一化暴露、加入电网投资控制、州特定线性趋势、滞后1–2年暴露、水平值设定、1%和99%分位缩尾、人口加权、剔除设施数最高的州、一阶差分估计，以及直接控制人口。环境分析以总CO₂排放和平均发电CO₂强度（吨CO₂/MWh）为结果变量。

### 研究结果

#### 4.1 描述性统计

基于50个州2010–2023年的平衡面板，电力销售均值7530万MWh，数据中心相关设施数均值308个，每百万居民设施数均值46.5个。可再生能源发电占比平均20.9%，平均CO₂强度为0.474吨/MWh。图1显示每百万居民设施数从2010年39.1增至2023年55.7；图2显示设施高度集中于少数州；图3在去除州和年份固定效应后，设施数与电力需求的残差关系微弱且略为负向，初步不支持正向关联。

#### 4.2 相关矩阵

电力销售与数据中心设施数的无条件相关系数为0.850，这主要反映规模较大的州两者均较高，而非州内动态关联。解释变量之间相关系数最高为0.420（电价与人均GDP），方差膨胀因子在1.07–1.35之间，不存在多重共线性问题。

#### 4.3 基准回归结果

双向固定效应模型显示，数据中心设施数对数系数为?0.0266（标准误0.0278），统计不显著；以每百万居民设施数衡量时系数为?0.0500（标准误0.0260），仅在10%水平显著。电价弹性约?0.26，人均GDP弹性约0.27–0.29，均显著；可再生能源占比不显著。总体无证据支持设施增长与州内总电力需求的正向关联。

#### 4.4 稳健性检验

加入电网投资、州特定趋势、滞后1–2年、水平值、缩尾、人口加权、剔除前五州、一阶差分等设定，数据中心系数始终未出现显著正结果。直接控制人口时，系数变为?0.0536（标准误0.0246）且显著为负，表明人口等时变特征影响估计幅度，进一步支持将结果解释为条件关联而非因果效应。

#### 4.5 数据中心扩张与电力部门排放

数据中心设施数与总电力部门CO₂排放的系数为?0.1190（标准误0.0811），与平均CO₂强度的系数为0.0423（标准误0.0681），均不显著。剔除佛蒙特州（因其极低化石燃料发电占比导致强度极端值）后，强度系数变为?0.0569（标准误0.0607），仍不显著。这些结果不表明增量数据中心用电是排放中性的，而是因为总排放和平均强度无法识别边际排放。

### 讨论与结论

讨论部分指出，未检测到显著正向关联不等于数据中心不耗电。空间聚合是重要解释：大型设施可能集中于特定公用事业区域或输电区，而非均匀分布，导致局部负荷增长难以在州级年度数据中体现。设施数量无法区分小型企业设施与超大规模设施，也不反映实际容量或利用率。平均排放强度受异常发电结构影响，不能衡量增量负荷引起的边际排放。政策上，规划应关注设施位置与集中度，强化设施容量、负荷和效率的数据披露，环境评估应采用边际和位置特定排放因子，并区分总体需求与局部电网压力。该研究的局限性包括：设施数仅反映扩展边际，州级年度数据掩盖更细尺度的变化，以及对设施内生位置无法进行因果解释。

**研究结论翻译**：该研究考察了2010–2023年间美国50个州数据中心相关活动扩张与总电力需求和电力部门排放之间的关系。利用平衡州级面板和双向固定效应模型，分析发现，没有稳健证据表明数据中心相关设施增长与总电力需求之间存在正向的州内关联。基线系数统计不显著，替代暴露指标、电网投资控制、州特定趋势、滞后设定、替代函数形式、缩尾、人口加权、剔除主要数据中心州或一阶差分估计均未推翻这一结论。明确控制人口会改变估计幅度，但同样未揭示预期中的正向关联。环境结果同样谨慎：数据中心活动与总CO₂排放或平均发电排放强度无显著关联，且平均强度估计对具有异常发电结构的州敏感。这些结果不应被解释为增量数据中心负荷是排放中性的，而应强调聚合数据在识别局部化影响上的局限。