核心观点 - 未来AI算力竞争的核心在于电力而非芯片 中国在此领域已建立起结构性优势 [1][2] AI发展的瓶颈转移 - AI发展的关键瓶颈正从“算力”转向“电力” 电力基础设施成为决定国家AI竞争力的关键变量 [4] - 现代AI数据中心的耗电量已接近或超过一座中小城市 算力需要长期、稳定、不间断的供电 [5] - 真正限制AI发展的不是算力上限 而是电力下限 [6] 中国的电力优势 - 到2026年 中国的年度发电量预计将达到美国的约三倍 [6] - 到2030年 中国的备用电力容量将达到约400吉瓦 相当于全球数据中心总需求的三倍以上 [9][10] - 高盛指出中国将拥有“全球级电力冗余” 可消化AI产业用电激增 同时支撑制造业升级、新能源体系和电动汽车普及 [6][7][10] - 受益于电价与供电稳定性 中国数据中心的单次模型训练成本可降低约40% 这在长期算力竞争中具有决定性意义 [8] 美国的电力挑战 - 美国的数据中心电力缺口正以每年15%的速度扩大 [7] - 高盛测算 若能源基础设施投资无法跟上 美国AI发展速度可能被迫放缓20%以上 [7] - 摩根士丹利将美国数据中心电力缺口预测上调35% [9] 行业共识与资本动向 - 行业共识认为电力是数字时代的新石油 应被提升至与芯片研发同等的战略高度 [8] - 在芯片供应条件相近的情况下 中国的“可用算力”反而更高 [9] - 全球科技巨头正在重新评估算力布局的地理选择 将长期、稳定、低成本供电的地区作为新的投资焦点 [11] - 有原计划在欧洲建设的超级计算中心已暂停推进 相关资源正转向中国西部水电资源丰富地区 [12] AI竞争规则的演变 - AI竞争规则正从“拼算法”转变为“拼能源” 新公式为：算法 × 芯片 × 电力 × 基础设施韧性 [11] - 基础设施而非技术本身 正在成为AI突破的天花板 [11] - 谁掌握了电力 谁就掌握了AI的长期上限 [11]