12

星期一

2026年1月

信息来源：网络

编辑-楓華

在大多数人还在讨论芯片制程、模型参数和算法效率时，埃隆·马斯克给出了一个底层判断：

未来AI算力竞争的核心，不在芯片，而在电力。

而在这一点上，中国已经建立起难以撼动的结构性优势。

一、AI的真正瓶颈，正在从“算力”转向“电力”

在一档科技播客节目中，马斯克直言不讳地指出：随着人工智能模型规模和训练频率呈指数级增长，电力基础设施将成为决定国家AI竞争力的关键变量。

原因很简单：

• 现代AI数据中心的耗电量，已经接近甚至超过一座中小城市

• 算力不是“买了芯片就能开”，而是必须长期、稳定、不间断供电

马斯克强调，在全球主要经济体中，只有中国，同时具备两种能力：

1️⃣ 满足超大型AI数据中心的用电需求

2️⃣ 不挤占居民与工业的基础用电

二、关键数据：2026年，中国发电量或达美国的三倍

为了说明问题，马斯克给出了一个极具冲击力的对比：

到2026年，中国的年度发电量，预计将达到美国的约三倍。

这意味着什么？

这不仅是“电多”，而是：

• 足以长期支撑数百万台高性能服务器持续运行

• 在芯片供应条件相近的情况下，中国的“可用算力”反而更高

换句话说：

真正限制AI发展的，不是算力上限，而是电力下限。

这一判断，并非马斯克一家之言。

高盛在去年的能源市场研究中指出：

• 到2030年，中国的备用电力容量将达到约400吉瓦

• 相当于全球数据中心总需求的三倍以上

这意味着，中国不仅可以消化AI产业扩张带来的用电激增，还能同时支撑：

• 制造业升级

• 新能源体系

• 电动汽车全面普及

而对比之下，美国的数据中心电力缺口却在以每年15%的速度扩大。高盛测算，如果能源基础设施投资无法同步跟上，美国AI发展速度可能被迫放缓20%以上。

四、共识形成：电力才是数字时代的新石油

越来越多科技巨头，正在把“电力”摆到与“芯片”同等重要的位置。

• 萨姆·阿尔特曼曾公开呼吁：

  美国应将能源投资提升至与芯片研发同等的战略高度，“电力就是数字时代的新石油”。

• 黄仁勋则从成本角度指出：

  受益于电价与供电稳定性，中国数据中心的单次模型训练成本可降低约40%，这一差距在长期算力竞争中具有决定性意义。

• 摩根士丹利最新报告更是将美国数据中心电力缺口预测上调35%，明确指出：

  基础设施，而非技术本身，正在成为AI突破的天花板。

资本市场对这一变化反应极为迅速。

多家投资机构指出：

• 全球科技巨头正在重新评估算力布局的地理选择

• 能够提供长期、稳定、低成本供电的地区，正成为新的投资焦点

一份跨国云服务商的内部文件显示：

• 原计划在欧洲建设的三个超级计算中心，已暂停推进

• 相关资源正转向中国西部水电资源丰富地区

这并非个案，而是一种趋势。

六、AI竞争规则正在改变：从“拼算法”到“拼能源”

如果说过去的AI竞赛，是：

算法 × 芯片 × 人才

那么接下来的竞争，公式正在变成：

算法 × 芯片 × 电力 × 基础设施韧性

在这一新规则下，马斯克的判断直指核心：

谁掌握了电力，谁就掌握了AI的长期上限。

而从现有结构来看，中国，已经提前进入下一阶段。