AI算力竞赛：能源成本成关键
这是大凡投资的第6 7 1 期分享
作者｜大凡基金
出品｜大凡投资（ID：dafantouzi）
以往讨论 AI，业界关注点常在大模型、应用、芯片与算力。
谁的模型更优？
谁的应用落地更快？
谁能率先获得先进芯片？
谁更早将 AI 融入业务流程？
这些固然重要。
但近期，一个新问题逐渐凸显：
AI 发展越深入，对电力依赖越强。
这看似反直觉。
AI 给人轻盈、云端的印象，实则依赖数据中心、服务器、GPU集群及能源系统。
AI 越先进，基础设施越重。
因此“算电协同”成为焦点。国家能源局等四部门联合发布《关于促进人工智能与能源双向赋能的行动方案》，提出至2030年大幅提升AI算力设施的清洁能源供给能力。
AI产业竞争，已从模型参数转向算力、电力与基础设施。
01
AI发展越深，越非“轻资产”
AI行情初期，市场多被模型能力吸引。
谁发布新模型，谁的多模态能力更强，谁的推理成本更低，谁的应用入口更多，都会成为焦点。
但当AI从概念走向实际应用，逻辑逐渐变重。
模型训练需要算力。
用户使用需要推理。
视频生成、智能体、多模态交互、企业AI应用一旦普及，不再只是“有好模型”。
它需要持续供给更大规模算力资源。
而算力需要芯片、服务器、数据中心、冷却系统及稳定电力。
因此，AI看似软件革命，实则是一场基础设施扩张。
大型科技公司加大AI投入，验证了这一点。
腾讯2026年一季度资本开支319亿元，同比增长16%；主要用于IT基础设施、数据中心与AI建设。
阿里方面，管理层释放继续加大AI基础设施投入信号。阿里将超此前三年3800亿元AI投资计划；截至2026年3月底，阿里云收入同比增长38%至约416亿元，AI相关产品收入高速增长。
这些投入表明，AI已非“讲故事”。
它正转化为真实资本开支、算力中心与基础设施建设。
至此阶段，市场不仅看技术想象力，还会追问：
资金投向？
设备交付？
算力利用？
电力与能源成本？
最后能否转化成收入、利润与现金流？
这轮AI行情若深入，将从“模型叙事”走向“基础设施兑现”。
02
算力的尽头，是电力、冷却与成本
“算力”听起来抽象。
但换个角度看，它很具体。
算力越大，更多芯片运行；
芯片越多，能耗越高；
能耗越高，电力需求越大；
电力需求越集中，对电网、用能指标、清洁能源消纳与冷却能力要求越高。
因此，AI规模化应用的挑战不只是“GPU数量”。
有无稳定电力？
电价是否可控？
用能结构是否低碳？
数据中心能否有效散热？
峰谷负荷能否调节？
电网能否承受集中用电？
这些问题过去很少进入投资者视野。
因大家更愿讨论模型能力与应用场景。
但产业真正运行后，能源不再只是背景。
尤其AI推理需求上来后，算力消耗从训练阶段的一次性高峰，逐步走向日常化、持续化、高频化。AI越普及，后端算力消耗越可能变成长期支出。
这时，电力成本成为AI商业模式的一部分。
同样是AI公司，同样是数据中心，若电力成本、冷却效率、算力调度效率不同，利润表结果也会不同。
因此，市场开始关注算力网络可扩展性、清洁能源消纳能力与硬件热管理效率。
不是物理环节突然变成AI本身。
而是AI越往底层走，能源、空间、散热与调度能力，越可能影响扩张速度与成本结构。
03
“算电协同”为何重要？
“算电协同”看似政策词，但产业问题很现实。
算力增长快，电力系统必须跟上。
一边是AI数据中心快速建设，带来更高密度、更连续、更敏感的用电需求；另一边是能源系统本身也在转型，需兼顾安全、稳定、低碳与经济性。
若算力布局只考虑土地、网络与机房，而不考虑电力供应、清洁能源消纳与系统调度，未来可能遇到瓶颈。
国家能源局文件提到，《行动方案》以能源支撑AI发展、AI赋能能源转型为主线，聚焦能源供给、绿色低碳转型、算力电力高效经济协同等方面部署重点任务。
对专业机构来说，这类文件值得关注，不只因给出政策方向，更因指出产业落地中的真实瓶颈。
算力中心不是虚拟设施，而是高度集中的用电负荷。
若布局、供电、调度与能耗管理无法匹配，局部区域的能源承载能力可能成为扩张约束。
因此，“算电协同”不是新增概念，而是产业规模化后绕不开的硬条件。
算力中心本质上是大负荷用电设施。
它既需要稳定供电，也可能成为电力系统中的可调节资源。
若能通过电价信号、跨区域调度、储能配置、清洁能源直供等方式，把算力需求与电力供给更好地匹配，数据中心运营成本可能下降，电力系统调节能力也可能提升。
这不是单纯的“AI用电多”。
而是AI发展到一定规模后，必须面对的成本、调度与能源匹配问题。
过去，市场谈AI基础设施，更多关注芯片与服务器。
现在，电力、能源与调度能力也被放进了同一张图里。
04
科技行情走到后面，市场会从讲故事转向算账
每一轮科技行情，早期往往更看重想象力。
新技术出现，市场先定价空间：
它能改变什么行业？
能创造多少新需求？
能不能带来新的商业模式？
这个阶段，故事很重要。
但越往后走，市场越会关心兑现。
AI也一样。
模型能力、应用入口、用户增长，当然仍然重要。但当科技公司开始大规模投入资本开支，市场就会问更现实的问题：
这些投入未来能不能带来收入？
收入能不能覆盖折旧、能耗与运营成本？
数据中心利用率是否足够高？
AI应用是否能形成稳定付费？
企业投入这么多钱，最后能不能形成现金流？
这就是AI投资从“看方向”走向“算账”的过程。
同样叫AI产业链，不同环节的风险收益特征并不一样。
有些环节受益于资本开支扩张，短期订单可能比较直接；
有些环节处在技术迭代中，竞争激烈，盈利不一定稳定；
有些公司看起来站在热门概念上，但真正能转化为收入的业务占比并不高；
有些基础设施环节增长没那么性感，但现金流与订单能见度反而更清晰。
所以，越是热门主题，越不能只看概念标签。
AI算力烧到电力端，并不意味着所有相关产业环节都会同步受益。
后面还是要看订单、技术壁垒、成本控制、盈利能力和估值水平。
市场可以因为叙事上涨，但长期回报最终还是要回到基本面。
最初买的是想象力。
最后检验的是现金流。
05
AI不是飘在云端的故事
AI越发展，越会暴露出一个很朴素的事实：
再强的模型，也需要算力承载。
再多的应用，也需要服务器运行。
再丰富的场景，也离不开稳定的能源供给。
所谓“云端”的智能，最后还是要落在地面上的机房、电网、冷却系统与能源调度里。
这也是为什么这轮科技行情，不能只看最热闹的模型发布与应用入口。
AI真正进入产业化阶段后，竞争会变得更重，也更复杂。
它不仅拼算法，也拼基础设施。
不仅拼研发能力，也拼资本开支效率。
不仅拼增长速度，也拼能源成本与系统协同。
从这个角度看，“AI算力烧到电力端”并不是一个短期热点，而是AI产业链继续深化后的自然结果。
未来，市场可能会越来越关注那些看起来不那么“前台”的问题：
算力如何布局；
能源如何供给；
负荷如何调节；
电网如何承载；
热管理效率如何提升；
算力资源如何调度。
这些问题没有模型发布那么热闹。
但它们决定了AI能不能真正跑起来，跑得久，跑得经济。
写在最后
这轮AI行情，最热闹的地方仍然在模型、应用和芯片。
但把视角再往下沉一层，能源正在变成这场科技竞争里越来越重要的底层变量。
AI不是只存在于云端的故事。
它越强大，越依赖现实世界的基础设施。
算力需要电力。
数据中心需要能源。
推理需求需要长期稳定的成本结构。
科技公司的资本开支，最终也需要回到收入和现金流中接受检验。
所以，理解AI投资，不能只看谁的模型更强、谁的应用更热，也要看谁能更有效率地组织算力、能源和基础设施。
当AI从概念走向产业，市场定价的对象也会发生变化。
前半段，大家看想象力。
后半段，市场会开始算账。
而电力、能源、调度和基础设施效率，可能正是这本账里越来越重要的一页。
风险提示：
本文内容仅为市场现象与产业趋势分析，不构成任何投资建议，不涉及任何具体证券、基金或行业板块推荐。市场有风险，投资需谨慎。
- END -
「声明：本文为作者独立观点，仅供参考广大投资者科普学习和交流，不构成投资意见或建议，请理性看待，树立正确的理念，提高风险意识。文章版权和最终解释权归大凡投资所有。」
⭐星标大凡投资，关注大凡原创连载⭐
关于我们
重庆大凡投资管理有限公司，成立于2014年，是中国证券投资基金业协会观察会员，重庆市渝北区重点企业。
公司专注二级市场量化投资，在市场中寻找风险收益比最佳的交易机会，服务群体涵盖高净值客户及FOF、期货公司自营资金等各大金融机构，进入多家证券、期货公司白名单，多次荣获行业相关奖项。
大凡理念：“因天下之力，以生天下之财；取天下之财，以供天下之费”。