AI与能源关系的核心哲学观点 - 人工智能是能量找到了自主意识，智能本身是一种能量现象，创造局部有序（如训练大模型）需要消耗能量 [4] - 根据热力学第二定律，宇宙趋向无序（熵增），超级智能必然需要超级能量来支撑 [4][12] - 文明的跃迁，从碳基生命到硅基智能，底层始终是能量获取与组织方式的进化 [4] 美国“AI用电荒”的现状与根源 - 美国“电荒”本质是基础设施与AI需求的结构性错配，其主体电网建于七八十年前，难以承载AI算力中心5%以上的爆发式负荷增长 [6][10] - 当前美国90%的算力依赖天然气发电，而其本土天然气产量预计将在2035年达峰，今日的AI繁荣可能建立在十五年后供给见顶、价格暴涨的“流沙”之上 [6][11] - 美国的缺电已导致数据中心并网要等待五年之久，对AI发展构成了实质性制约 [7][10][32] 中美能源体系对比及对AI竞赛的影响 - 中国得益于完善高效的电网和蓬勃发展的新能源产业，实际上并不缺电，缺的是能完美匹配AI需求的未来新型能源体系 [7][30] - 中国的“缺”是追求更领先能源体系的“锦上添花”，美国的“缺”是亟需“雪中送炭”的能源供给短缺 [7][31][32] - 人工智能的边际成本很大程度上就是能源成本，一个国家若想让人工智能产业具备全球竞争力，就必须在能源成本上做到极致 [7][31] - 未来能源很可能成为AI竞赛中最关键的影响因素之一 [7] 支撑AI时代的能源要求与成本目标 - 要让AI时代真正到来，能源成本必须在现有基础上再降50%甚至80% [9][20] - 化石能源总量有限、达峰在即、成本看涨，难以担当大任，最终答案是基于可再生能源、由AI实时调度控制的能源系统 [9][27] - 可再生能源成本在过去30年下降了99%，太阳照射地球一小时的能量相当于全球人类一年的能源消耗总量 [20] 中美能源结构现状与趋势 - 美国发电结构中天然气占40%以上，风电、光伏合计约20%多 [21] - 中国电力消费中可再生能源（包括水电、风电、光伏）占比已超过30%，且目前电力装机增量主要来自可再生能源 [21] - 在中国，风电、光伏的最低度电成本已可降至0.1元以下，即使配上储能，其成本也远低于煤电和天然气发电 [21] AI对能源需求的颠覆性影响 - 未来，智能世界对能量的需求可能是无止境的，并成为最主要的能量消耗领域 [16] - 从GPT-2到GPT-5，模型参数和复杂度指数级增长，训练能耗也成百倍增加 [16] - 构建“物理人工智能”（如实时模拟整个地球）所需的算力能量，可能是当前最先进大模型的成千上万倍 [16] - 训练GPT-6最大的瓶颈就是能源，其能耗可能是一个天文数字 [17] 未来数据中心建设的核心逻辑 - 未来AI算力中心的核心逻辑是能源逻辑，而非传统的商业地产逻辑，关键是建立具备竞争力且可持续的能源系统的能力 [23][27] - 数据中心公司的关键核心竞争力之一，是对未来能源系统的深刻理解和驾驭能力 [23] - 能源公司做数据中心的优势在于对能源本质有更深理解，能致力于让数据中心最大化使用低成本绿电、摆脱电网带宽限制 [24] 远景科技的实践与模式 - 远景在内蒙古赤峰打造了全球最大的绿色氢氨项目，规划年产能152万吨，首期32万吨已投产，核心是构建了100%基于可再生能源的独立电力系统 [26] - 通过将电力系统与制氢系统深度融合，实现了绿氢、绿氨与灰氢、灰氨的平价，证明了其驾驭和管理复杂未来电力系统的能力 [26] - 该系统背后依赖气象大模型对区域气象的预测，以及能源大模型对复杂流程进行毫秒级实时调控的能力 [26] - 远景的“天机”气象大模型是为自身新型电力系统服务的垂直模型，有明确的价值闭环，不同于谷歌、微软的通用型天气模型 [25] 未来能源体系的核心特征与投资视角 - 未来的能源体系必须具备永续、融合和互相促进的特征，能源网络与智能系统将像生命体的双螺旋一样融合共生 [9][46][47][48] - 从投资视角，评估与AI联动的能源公司需关注：中长期能源成本具备可持续竞争力；公司是能驾驭复杂系统的科技公司；具备与数据中心深度整合、电算一体化的能力 [41] - 可再生能源技术体系被视为中国的“第五大发明”，包括光伏、风电、储能、特高压及智能电网、能源大模型等一整套系统解决方案 [35] 全球能源格局与地缘政治 - 全球戈壁、沙漠地区蕴含的可再生能源潜力足以满足人类当前能源需求的十倍以上 [33] - 构建100%可再生能源的独立系统，可以在全球资源丰富地区（如撒哈拉）训练大模型，这可能规避传统化石能源带来的地缘政治问题 [33][34] - 美国不愿大力发展可再生能源的原因包括：天然气本土供应充足上马快；缺乏完整的可再生能源制造产业链；决策更受短期政治周期和商业利益影响 [36][37]