北京
文 | 任河
有关人工智能（AI）发展导致的电力缺口，马斯克又发声了。
在刚刚闭幕的G20峰会上，马斯克预计，2027年AI芯片可能面临至少15吉瓦的电力缺口，原因是AI芯片产量增速约为40%至50%，而中国以外地区的电力供应年增速仅为10%至20%。
过去几十年，全球科技竞争的焦点不断演变：从石油、钢铁等工业基础，到互联网、芯片等数字底座，再到如今的人工智能。然而，无论技术革命以何种形态呈现，其底层始终遵循着一条朴素的物理铁律——谁能掌控充沛、廉价、可靠的能源，谁才能真正将技术优势转化为产业优势。
今天的AI爆发，再次证明了这一点。
当人们谈论AI竞争时，往往习惯将目光投向芯片架构、算法创新或大模型参数。但如果把视线下沉到物理世界，逻辑就会变得清晰：AI本质上是一场高密度的能量消耗，算力是以电力基础设施为底座的新型生产力。
大模型的生命周期主要由训练和推理构成。在训练端，上万张显卡长期并行运转，对基线电力的稳定供给提出了极高要求。以GPT-4为例，单次训练消耗的电力就高达5000万千瓦时以上。在推理端，随着AI接入各类终端应用，无数数据中心在后端进行7×24小时不间断计算，同样在持续抽取庞大的电能。
不仅如此，AI的发展正在触发能源经济学中的“杰文斯悖论”：技术的突破虽然大幅降低了单次算力的能耗，但极低的使用门槛却带来了成百上千倍的需求激增。计算效率提升得越快，全社会的总电力消耗反而增长得越迅猛。
国际能源署预测，全球数据中心用电量到2030年将接近翻番，其中AI数据中心是主要的增量来源。国家能源局数据显示，我国数据中心用电量将从2025年的1700亿千瓦时，快速增至2030年的8000亿千瓦时。
这意味着，AI正在把一个科技界的问题，转化为整个能源系统的挑战。一条清晰的传导路径由此形成：电力供给决定算力规模，算力规模决定AI深度，而AI能力正在重塑国家竞争力。
这种供需关系的变化，正倒逼科技产业与能源产业发生深度交叉。科技公司不再只是被动的用电客户，而是开始大规模进入能源基础设施的建设与分配环节。
以亚马逊、微软、谷歌为代表的科技巨头，近年来通过签订长期购电协议（PPA）、直接投资甚至收购核电及储能资源，提前锁定未来的绿电产能。
仅亚马逊一家掌控的绿电装机量就已经达到42GW，规模与大型发电企业相当。有机构预测，到2030年，全球前十大科技巨头持有的绿电装机将占全球总量的15%，实质上成为仅次于中美两国的“第三大能源主体”。
当数据中心的选址越来越依赖于电源节点和电网枢纽，科技资本正转化为能源资产，能源资产则成为了算力的“原料”。这种结构性变化值得警惕：跨国科技公司在特定区域对能源资源的掌控，可能使其演变为当地能源体系中“大到不能倒”的存在，甚至对国家能源主权和地缘格局带来潜在影响。
未来的数据中心竞争，绝非单纯的比拼显卡数量或模型参数，而是“发电—输电—变电—储能—算力”的系统性协同。如果一个国家缺乏足够的发电总量、柔性调峰能力和高密度的输电网络，即使拥有顶尖的芯片设计，也难以将算法转化为持久的产业优势。算力极有可能因为缺电而面临产能受限。
王高峰新著《电力超级周期：AI 驱动的能源变革》，系统剖析了电力、算力及其背后的国家竞争力逻辑，并全面梳理了这一变革催生的在发电侧、电网侧、储能侧以及相关原材料等相关的产业机遇。
过去，我们常把电力看作经济增长的滞后指标——经济规模扩大了，所以顺理成章地增加供电。但在AI驱动的“电力超级周期”下，二者的因果逻辑发生了变化：电力正成为科技与产业发展的先导条件。
能否建设起更充沛、更廉价、更绿色、更可靠的新型电力系统，正在决定一个国家能够支撑多少数据中心运行、部署多少算力资源。算力已经成为战略资源，而电力，则是决定算力上限与国家竞争力的最底层基座。
电力，正在成为AI时代最底层、也最容易被忽视的国家竞争力。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
