当AI开始比拼电力，为什么中美的制度差异也变成了算力的一部分？

过去几年，人们谈论中美人工智能竞争，注意力大多集中在芯片上。

美国拥有全球最先进的AI芯片企业，也通过出口管制限制中国获得部分先进计算芯片。中国则一方面加快国产芯片的发展，另一方面尝试通过更大的计算集群、高速互联、软件优化和系统架构，弥补单颗芯片性能上的差距。

按照这个逻辑，中国似乎还应该面对另一个更加明显的问题：电力。

如果性能较低的芯片需要通过增加数量来获得相近的计算能力，不仅意味着更多服务器和机柜，也可能意味着更高的整体耗电。AI数据中心本来就是用电大户，如果单位计算能力需要消耗更多能源，中国发展大规模AI基础设施面对的电力压力理论上并不会比美国小。

然而，当AI建设真正进入大规模扩张阶段以后，中美面对的问题开始表现出不同的形态。

美国拥有全球最高效的一批AI芯片，却越来越频繁地讨论数据中心什么时候能够接入电网、新的发电能力从哪里来、谁来承担输电投资，以及数据中心扩张会不会推高居民电价。

中国同样面对迅速增长的数据中心用电需求，但它正在把算力基地、能源基地、电网建设和区域发展放进一个更统一的规划框架之中。

这个差异提醒我们：

当AI从芯片和算法竞争进入大规模基础设施竞争以后，一个国家拥有多少真正可用的“算力”，已经不能只看它拥有多少GPU。

电力，以及组织这些电力的能力，也正在成为算力的一部分。

AI为什么突然变成了一个能源问题？

数据中心当然不是AI时代才出现的。

搜索引擎、电子商务、在线视频、云计算和社交网络早已需要大量服务器。但是生成式AI迅速扩大了数据中心的用电规模，也提高了单个机柜和单个园区的功率密度。

大型模型训练往往需要成千上万甚至更多AI加速器同时运行，而随着AI应用进入搜索、办公、编程、广告、医疗和企业服务，模型推理还会形成更加持续的计算需求。

国际能源署估计，全球数据中心2024年消耗约415太瓦时（TWh）电力，占全球用电量约1.5%；到2030年，这一数字可能增加到约945 TWh。

其中，美国和中国将成为增长最明显的两个国家。

这意味着，AI竞争正在出现一个过去并不突出的新问题。

过去，人们首先问的是：

谁能够获得更多、更先进的GPU？

现在还必须再问一句：

即使GPU已经运到了数据中心，电从哪里来？

一个需要几百兆瓦甚至超过1吉瓦电力的大型数据中心园区，并不是接上一条普通电线就能够运行。它可能需要新的变电站、新的高压输电线路，甚至新的发电设施。

于是，一个原本看起来属于计算机产业的问题，开始进入能源政策、土地规划、电价监管和公共治理领域。

中国的一种办法，是让算力跟着能源重新布局

中国长期存在一个明显的能源与经济地理差异。

互联网、金融、制造业和数字经济最活跃的地区主要集中在东部，而大量煤炭、风能、太阳能以及适合建设大型能源基地的土地，则更多分布在西部和北部。

如果大型数据中心继续高度集中在北京、上海、广东、浙江等地区，土地、电力和环境容量都会越来越紧张。

2022年全面启动的“东数西算”工程，就是试图改变这种布局。

中国在京津冀、长三角、粤港澳、成渝，以及贵州、内蒙古、甘肃、宁夏布局八大国家算力枢纽节点，并建设十大数据中心集群。

其中一个重要思路，就是把一部分对网络延迟要求没有那么高的计算任务，引导到能源和土地条件更合适的地区。

这意味着，中国解决算力能源问题时，并不只问：

怎样把更多电送到数据中心？

它同时也在问：

能不能把一部分计算任务搬到能源更加充足的地方？

大型模型训练、数据处理、备份以及部分非实时计算，并不一定需要位于北京、上海或者深圳附近。只要网络传输和任务调度条件允许，计算中心完全可以建设在距离大型能源基地更近的地方。

到了2026年，这个思路又进一步发展成为所谓的“算电协同”。

简单来说，就是不再把电力系统和算力系统看作两个彼此独立的基础设施，而是考虑算力设施应该在哪里建设、什么时候运行，以及怎样与当地风电、光伏、煤电、储能和电网条件相互配合。

这其实重新提醒人们一个常常被数字经济掩盖的事实：

互联网可以传输信息，却没有消除物理世界。

服务器仍然需要土地，芯片仍然需要电，电仍然需要发电设施和输电网络。

真正不同的，是这些基础设施怎样被组织起来

中国在这一领域表现出来的能力，与它长期形成的基础设施建设模式密切相关。

中国主要电网企业以及大量能源、通信和大型数字基础设施企业具有国有背景。中央政府确定发展方向之后，能源政策、电网建设、产业布局、土地开发和地方政府投资可以在较大的政策框架内协调。

因此，“建设AI算力”并不一定只是某一家科技公司的商业投资。

它还可以同时成为能源工程、电网工程、区域发展工程和产业政策的一部分。

例如，在新能源资源丰富的地区建设大型能源基地时，可以同时考虑数据中心；在规划新的算力集群时，也可以把当地电力供给、电网容量和绿色电力消纳纳入规划。

截至2025年底，中国八大国家算力枢纽及其十大数据中心集群已经形成了全国绝大部分智算能力。进入2026年以后，“算电协同”又被进一步提升到国家层面的基础设施政策之中。

这正是中国制度在这一类问题上比较明显的特点。

一旦某项基础设施被确定为长期战略方向，国家可以比较容易地推动跨行业、跨地区和跨政府部门的协调。

过去几十年，高速铁路、高速公路、港口、电网和新能源产业的发展，都不同程度体现了这种能力。

AI基础设施正在进入类似阶段。

美国为什么更加频繁地遇到“电从哪里来”的问题？

美国当然并不是一个缺少能源的国家。

美国拥有丰富的天然气资源，也拥有巨大的风能、太阳能和核电基础。今天困扰很多数据中心项目的，往往不是美国全国有没有足够的能源，而是这些能源能否在需要的时间，通过足够的输电和配电能力，到达数据中心准备建设的地方。

美国的电力系统高度区域化，同时涉及联邦、州和地方多个层级。

科技公司决定建设一个数据中心，并不意味着当地电力公司可以立即增加几百兆瓦供电能力。

新的大型负荷可能需要电网研究、变电站升级、输电线路建设以及新的发电能力。不同地区又由不同的公用事业公司、电网运营机构和监管机构负责。

谁承担这些投资，也是一个非常现实的问题。

如果电力公司为了满足某个大型数据中心的需求建设新的输电和发电设施，这些成本应该由科技公司承担，还是由所有用户共同承担？

如果新的输电线路需要经过私人土地，土地所有者有什么权利？

如果当地居民担心水资源、噪音、空气污染或者居民电价，又应该拥有多大的发言权？

这些问题并不是AI带来的，但AI数据中心的规模突然把它们集中暴露出来。

到2026年，美国联邦能源监管委员会已经开始专门处理数据中心等“大型负荷”怎样接入输电系统的问题，并要求区域电网运营机构重新审视相关规则。

这说明，数据中心接入电网已经不再只是某家科技公司与某家电力公司之间的商业问题，而正在成为美国电力制度本身需要解决的问题。

于是，美国基础设施建设经常会表现出一种看起来很矛盾的状态：

资本可能已经准备好了，GPU也可以买到，土地甚至已经确定，但电力接入仍然需要等待。

这并不只是技术能力的问题。

它也是制度运行方式的结果。

中国的效率与美国的阻力，都有制度来源

如果只比较建设速度，很容易得出一个简单结论：

中国效率更高，美国效率更低。

但这种比较并不完整。

中国可以更快协调能源、电网、土地和大型算力基地，是因为政府在基础设施规划和资源配置中拥有更强的协调能力。

美国建设过程更加复杂，则部分来自权力被有意分散。

地方政府可以提出条件，居民可以参加公共听证，土地所有者可以反对输电线路，公用事业监管机构可以审查投资是否合理，环保规则可能要求环境评估，争议还可能进入司法程序。

这些机制确实可能拖慢基础设施建设。

但它们同时也在回答另外一些问题：

谁有权决定一个社区应该接受什么项目？

谁来承担基础设施成本？

谁应该从中获益？

如果大型数据中心需要大量水、电和土地，当地居民是否应该拥有改变项目的权力？

因此，中美之间真正值得比较的，并不是简单的“效率”和“低效率”。

它更像是两种制度长期形成的不同取舍。

中国更容易在确定国家战略目标以后集中资源推进大型基础设施建设。

美国则赋予企业、地方政府、监管机构、土地所有者和普通居民更多谈判、修改、延缓甚至阻止项目的机会。

前者提高了动员和建设能力。

后者增加了协调成本，但同时保留了更多制衡机制。

过去，这种制度差异更多体现在高铁、电网、港口、公路和新能源建设上。

AI正在把它带进算力竞争。

当制度本身开始成为算力的一部分

这也让中美AI竞争出现了一个很有意思的局面。

美国拥有目前世界上最先进的一批AI芯片，因此能够用更少的芯片获得更高的计算能力，并拥有较好的单位算力能效。

中国在先进芯片受到限制的情况下，则更多依靠国产芯片、更大的计算集群以及软件、互联和系统工程来缩小差距。

这样的路线可能需要付出更高的设备和能源成本。

但如果一个国家能够更快增加发电能力、更快建设输电网络，并且更容易把大型数据中心布局到能源条件合适的地区，那么芯片效率上的一部分劣势，就有可能被基础设施规模和系统能力所弥补。

反过来也一样。

拥有世界上最先进的GPU，并不意味着能够无限增加AI算力。

如果一个数据中心已经拥有最先进的芯片，却需要几年才能获得足够的电力，那么真正限制它的就不再是GPU，而是电网。

当然，这并不意味着中国已经解决了AI时代的能源问题。

中国的数据中心用电同样正在快速增长。国家有关部门公布的数据表明，2025年全国在用算力基础设施总用电量已经接近2000亿千瓦时，而且仍在高速增加。大规模建设算力设施还要面对能源效率、投资利用率、跨区域调度以及新能源波动等问题。

同样，美国也并非只能接受现有制度带来的缓慢建设速度。

美国正在调整大型负荷接入规则，推动新的发电、储能和输电能力，一些科技公司也开始直接参与能源项目。

真正发生变化的，是我们理解“算力”的方式。

过去，人们很容易把算力理解成：

GPU数量 × 单颗芯片性能。

AI时代正在让这个公式变得复杂得多。

芯片只是第一层。

芯片后面还有服务器、冷却系统、数据中心、发电能力、输电线路、土地、资本，以及决定这些基础设施能不能建、在哪里建、由谁付钱的制度。

从这个意义上说，中美AI竞争正在进入一个新的阶段。

未来真正决定一个国家能够运行多少AI计算的，不仅是它能够制造或者获得多少先进芯片，也包括它能够以多快的速度，把能源、电网和数据中心组织起来。

当AI开始比拼电力以后，制度本身，也开始变成算力的一部分。

文 ｜ 语间