软银为保障人工智能数据中心的电力供应，提前向天然气涡轮机制造商支付预付款进行大规模采购，相关交易导致其录得超过30亿美元的亏损。这一数字反映出，在算力需求快速增长的背景下，科技企业通过锁定天然气发电设备来获取稳定电力的做法，正在承受显著的成本压力。
随着大模型训练与推理规模持续扩大，数据中心的用电量已成为制约AI基础设施扩张的关键瓶颈之一。电网接入周期长、可再生能源供给存在波动性，使得部分企业转向自建天然气发电设施，以缩短供电周期并保障负载稳定。软银的采购正是这一思路的典型体现：通过提前锁定涡轮机产能，为后续数据中心园区提供独立电源。
但预付款模式的代价同样明显。涡轮机属于长周期、高单价的重型设备，提前数年下单意味着企业需承担设备交付延迟、项目进度调整以及电力需求预测偏差带来的风险。一旦数据中心建设节奏或算力部署计划发生变化，已支付的设备款项便难以快速回收，进而形成账面亏损。软银此次超过30亿美元的损失，即属于此类前置投入未能按预期转化为运营收益的情形。
从电力市场角度看，大型科技公司集中采购天然气发电设备，可能对涡轮机供应链形成阶段性挤占，推高设备价格与交付周期，并影响中小型数据中心运营商的供电方案选择。与此同时，天然气发电的燃料成本与碳排放约束，也使这一路径在长期可持续性上存在不确定性。部分业内人士认为，自建发电更适合作为过渡方案，而非数据中心供电的长期主力。
软银的案例为AI基础设施的能源策略提供了一个可观察的样本。在算力投资持续升温的当下，如何在电力获取的确定性、成本可控性与低碳目标之间取得平衡，将成为数据中心运营商和云服务商共同面对的问题。天然气涡轮机能否继续充当AI算力的“过渡电源”，取决于设备成本、燃料价格与电网扩容进度之间的动态变化。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
