电力才是AI终极战场：芯片之外的暗战

记得从2024年初DeepSeek横空出世后，AI领域的话题就从未停歇——这家刚推出新一代大模型，那家又发布了升级版本。资本市场的波动几乎全跟着AI的节奏走，连存储芯片的报价都被一路炒高。

不过仔细观察就会注意到，除了AI芯片概念股一路高歌猛进，电力板块也迎来了一波又一波的行情。

芯片是AI运算的基础，电力则是芯片运转的血液，归根结底，AI的终极瓶颈在电力。因此，布局AI产业，光有芯片远远不够，电力配套必须一并解决。

接下来我们一起拆解中美在AI领域的较量，看看谁更能笑到最后。之所以只比较这两个国家，是因为全球范围内真正具备AI综合实力的只有中美，其他玩家早已掉队。

不可否认，美国在芯片层面占据领先位置，且盟友体系庞大，能调动全球资源为己服务。中国在硬件领域确实存在差距，但也探索出了替代路径，勉强能够补齐短板。

然而，支撑AI运转绝不只是芯片这么简单，电力供应才是更关键的一环。

先来看看美国当前的电力状况。

8月3日，得克萨斯州州长Greg Abbott签署行政命令，冻结所有新建数据中心的并网申请。要知道得州可是全美数据中心密度最高的区域，目前排队等待接电的项目超过1800个，总规模达474吉瓦，相当于该州峰值负荷的5倍。其中90%都服务于AI计算，现在却一纸禁令全部叫停。

纽约州出手更狠，率先在全美范围内暂停大型数据中心审批。

进入2026年第一季度，美国合计有75个、涉及投资额1300亿美元的数据中心项目陷入了停滞或延期。AI数据中心本属国家战略级项目，如今却陷入了举步维艰的境地。

原因何在？

答案其实就一个字：电！

AI数据中心与普通机房有着本质区别。

普通机房单机柜功率约10千瓦，AI训练集群直接拉到100千瓦，差距高达十倍。一座大型AI数据中心的耗电量，相当于一座小型城市的用电规模。

谷歌、微软、Meta、亚马逊四大科技巨头原本计划投入2.4万亿美元用于数据中心建设，但资金到位后，电力供应却成了拦路虎。

一系列不可思议的操作接连上演。

微软砸下16亿美元重启三里岛核电站——就是1979年差点让宾州陷入灾难的那个核设施。当年事故后已被永久封存，如今为了给AI数据中心供电，又被从废墟中挖了出来。

谷歌另辟蹊径转向地热资源，签署了上百兆瓦的地热开发协议。

Meta的步子迈得更大，一举拿下6.6吉瓦的核电合同，一举成为全美最大的企业核电采购方。

然而远水解不了近渴，这些项目最快也要2027至2028年才能落地。至于新一代小型模块化反应堆，全球范围内只有中国和俄罗斯实现了商业化运营，美国本土还是一片空白。

等不及也抢不到——弗吉尼亚州的数据中心排队等电最长需要七年之久。

七年意味着什么？回到2019年，GPT-2才刚刚问世，大模型的概念对绝大多数人而言还十分陌生。

七年之后，谁会甘愿原地踏步等你？届时AI产业大概率已经全面铺开。

反观中国，局面则截然不同。

2025年，中国算力中心的用电量约为1700亿千瓦时，占全社会用电量的1.6%。主流机构预测，到2030年这一数字将攀升至4000亿至6000亿千瓦时，占比可能升至4%-6%。

需求同样在飙升，但中国充足的电力储备让各方底气十足。

原因有三：发电量大、电价低廉、电网强劲。

2025年，中国发电总量达到10.37万亿度，是美国的两倍多。把欧盟、俄罗斯、印度、日本的发电量全部加起来，仍不及中国。特高压输电线路总里程超过4万公里，而美国几乎不具备这一技术，电网由各州各自运营，犹如一盘散沙。

更具战略意义的是"东数西算"工程。

甘肃庆阳作为国家算力枢纽节点之一，到户电价仅0.398元/度，比东部地区低30%到50%。一家中型数据中心每月耗电1000万度，一年下来可节省电费数千万元。

截至今年6月，庆阳算力规模已突破18.5万P，智能算力占比超过99%，承载了全国超过25%的独立模型AI运算需求。

东部数据密集但电力和土地成本高昂，西部风光资源充沛却产业基础薄弱。把算力布局到西部，让数据追寻着廉价电力流动。

美国是联邦制国家，建设数据中心需要面对环评、社区抗议、审批流程等一系列固定程序，跨州供电更是麻烦重重，法律程序层层叠加。最快也要三年，六年也并不罕见。

中国则能实现全国统一调度，一声令下即刻执行。庆阳有项目仅用100天便建成投运，三个月多一点，远不是三年。

马斯克曾指出：AI发展的瓶颈已从芯片转移到电力。

黄仁勋也表达过类似观点：中国凭借庞大的电力规模和集群效应，能够弥补单卡性能上的不足。

中国工业电价约为0.65元/度，美国约为0.87元/度。中国电价二十年来基本保持平稳，而美国电价波动剧烈，各州差异显著，加州部分地区的工业电价甚至超过中国的两倍。

别小看这几毛钱的差距，对于年耗电数十亿度的超大型数据中心而言，每年的电费差额可达数亿元人民币。

一颗H100 GPU功耗700瓦，10万块GPU组成的集群仅GPU本身就要消耗70兆瓦，加上散热、网络、存储等配套设施，总功耗轻松突破百兆瓦。

训练一次GPT-4级别的大模型，耗电量可达吉瓦时级别，足够一座小城市使用数日。推理阶段的能耗更加惊人——ChatGPT每天处理数十亿次查询，背后是一座座昼夜不停的电力消耗巨兽。

芯片决定AI模型的性能上限，电力则决定AI能部署多大规模、运行多长时间。

美国在芯片领域占据优势，但芯片运转离不开电力。电价是否稳定、电网容量是否充足、扩容速度是否够快，这些才是决定AI发展天花板的关键。

中国发电量是美国的两倍多，数据中心建设速度以月为单位，工业电价稳定且更具优势。芯片被"卡脖子"是不争的事实，但在电力这张牌上，美国的焦虑程度远超中国。

你可以限制别人的芯片，但无法封堵别人的发电厂。

电力博弈的格局，远比芯片博弈更为宏大，也更难逆转。

如果觉得分析有道理，欢迎关注【鸣谦观天下】。有不同意见也欢迎关注，后续可在评论区理性交流。用经济逻辑解读热点，不跟风、不盲从，只看数据本身的逻辑。

#AI#人工智能#电力#中美博弈#数据中心#未来科技