AI背后的能源挑战

你是否思考过：与AI对话一次，究竟会消耗多少电力？

让我来为你计算一下。当你使用GPT-5.5向AI提出一个较复杂的问题，让它生成一份分析报告时，大约需要消耗3000到5000个Token。这背后，数据中心的服务器需运行GPU进行推理和散热，耗电量约为0.01度电。

虽然听起来不多，但考虑到全球每天有数百亿次的AI请求，这个数字就变得非常惊人了。

2026年5月，AI领域发生了两件大事，让我意识到AI的“电力成本”问题已不容忽视。

第一件事：谷歌母公司Alphabet与黑石集团联合成立了一家新的AI云计算公司。

这家公司的核心卖点是：使用谷歌自研的TPU芯片，打造专为AI推理和训练设计的云平台，目标是在2027年实现500兆瓦的算力规模。

500兆瓦意味着什么？相当于一座中型燃煤电厂的发电量（约300至600兆瓦）。也就是说，这家公司所需的电力，几乎等于一座发电厂的输出。

而且这并非普通数据中心。传统数据中心的服务器承担多种任务，如运行网站、存储数据库或视频转码等。而这家新公司只专注于一件事：为AI提供电力支持。

你可能会问：为什么Google不自己做，而要与黑石合作？

答案很简单：成本太高。

建设一个500兆瓦的AI数据中心，仅基础设施投入就需上百亿美元。尽管Google财力雄厚，但也不愿将全部资产押注于AI基础设施。与黑石合作，实际上是将AI算力视为一种“基础设施资产”，由投资人出资建设，企业按需租用。

这说明了一个事实：AI的底层逻辑正从“软件业务”转变为“重资产游戏”。

第二件事：2026年5月19日，英伟达正式向OpenAI、Anthropic等四大AI实验室交付了Vera CPU。

Vera是什么？你可能知道英伟达的GPU——A100、H100、B200，它们是训练AI的“显卡”。但Vera是CPU，即中央处理器，是电脑的“大脑”。

简单解释：过去训练AI的流程是，CPU负责准备数据和调度任务，GPU负责大量并行计算。CPU是管家，GPU是苦力。英伟达虽是GPU之王，但在数据中心中，CPU一直是英特尔的领域。

现在情况不同了。Vera是英伟达专为AI场景设计的CPU，与自家GPU深度耦合，能大幅减少数据在CPU和GPU之间传输的时间。正如英伟达CEO黄仁勋所说：“这不是一颗CPU，而是一个计算新时代的开始。”

说实话，这话有些营销成分。但从战略上看，英伟达这一步棋走得非常正确。

它不再只是“卖铲子的”——挖金矿的人需要铲子来找它。它想成为“卖整个矿山的”——从芯片到网络到软件栈，全包了。

首批拿到Vera的是谁？OpenAI、Anthropic、Google DeepMind、微软。全是美国公司。

这里有一个微妙的信号。

你可能还记得，2022到2025年间，美国对中国的AI芯片出口管制逐步收紧。先是A100被禁售，后来H100也不行了，连降级版H800也被限制。

现在最新的Vera CPU，首批交付名单中没有中国公司。这不一定是禁令直接导致的，因为Vera是英伟达与几家顶级AI实验室深度合作开发的产物，中国公司未参与也属正常。但它反映了一个现实：在AI算力最前沿，中国企业在物理上被隔离了。

这不是禁售某款产品的问题，而是一个“生态系统”级别的隔离。

英伟达的CUDA软件生态、自研的NVLink互联技术、CPU-GPU协同设计——这些共同构成了一套完整的AI计算体系。即使你拿到了芯片，没有配套的软件和互联技术，性能也会大打折扣。

更值得关注的是，Google和黑石合作的500兆瓦AI云，使用的是谷歌TPU自研芯片。这也是一种“生态闭环”。

说白了，全球AI基础设施正在形成两套体系：一套是美国的，从芯片到云到模型，垂直整合；另一套是中国的，在限制条件下自建替代方案。

那中国这边在做什么？

当然不会坐以待毙。

华为的昇腾系列芯片一直在迭代，百度有自己的昆仑芯，寒武纪、壁仞科技等国产AI芯片公司也在努力追赶。虽然单卡性能与英伟达最新产品相比还有差距，但大规模集群部署能力在快速提升。

更重要的是，中国在“用效率换算力”这件事上走得很前面。

前面提到，百度文心大模型5.1的预训练成本只有业界同规模的6%。这不是靠偷工减料，而是通过“多维弹性预训练”技术，用更聪明的算法降低了对原始算力的需求。

打个比方：别人练肌肉要去高端健身房买顶级器械，你研究出了一套自重训练方法，用公园的单杠也能练出差不多的效果。虽然顶级器械还是好，但你没有它也能行。

这种“效率优先”的思路，正在成为中国AI的一个差异化优势。因为芯片受限是客观现实，那就只能在算法和工程上死磕。结果反而逼出了一些真功夫。

回到电力这个话题。

全球AI数据中心的用电量正在以每年40%以上的速度增长。有研究机构预测，到2030年，AI数据中心的用电量可能占到全球总发电量的5%到10%。

这是什么概念？如果把所有AI数据中心的用电量加在一起，可能超过整个日本的用电量。

而且电力只是问题的一半。冷却呢？一个大型数据中心每天用来散热的水，够一个小城市的居民用一天。

所以你看，Google和黑石搞500兆瓦AI云，不只是商业上的合纵连横，背后还有一个更根本的焦虑：再不建专门的AI基础设施，现有的电网和供水系统根本扛不住。

这也是为什么最近AI圈开始流行一个词：“可持续算力”。

不是“能不能买到更多GPU”，而是“你建的数据中心，有没有足够的电和冷却能力来跑这些GPU”。

2026年5月的这两件事——Vera交付、500兆瓦AI云——表面上是两个商业新闻，但加在一起看，指向的是同一个趋势：

AI正在从一个“软件故事”变成一个“能源故事”。

过去十年，我们聊AI的时候聊的是算法、数据、模型结构。未来十年，我们聊AI会更多地聊电力、芯片制程、冷却效率、数据中心选址。

这件事其实挺讽刺的。AI被寄予厚望要解决人类的能源问题、气候问题，但它自己先成了一个巨大的能源消耗者。

不过我不觉得这是坏事。

每一次技术革命都伴随着巨大的资源消耗，然后技术本身又会反哺资源效率的提升。当年蒸汽机也烧煤烧得很凶，但它最终让整个工业体系的效率提升了百倍。

AI也一样。它现在吃掉的电，未来可能通过优化电网调度、提高工业能效、加速新材料研发，十倍百倍地“还”回来。

但前提是，在“还回来”之前，我们先得保证电网撑得住，芯片跟得上。

这不是一道技术题，这是一道应用题。考的不仅是算法有多聪明，更是基础设施有多扎实。

而这方面，中国有自己的路要走，也有自己的仗要打。