[智能应用]中美AI竞赛下半场：能源瓶颈成比芯片更紧迫的挑战 [复制链接]

11 月初，英伟达 CEO 黄仁勋在接受《金融时报》采访时称中国将在 AI 竞赛中击败美国，其中一个原因在于中国的能源成本更低。而在做出这样的直白表态之后，黄仁勋又在另一份简短声明中做了补充说明，他说中国在 AI 技术领域只落后美国一点点，并指出对于美国而言保持领先地位至关重要。差不多同样的时间，微软 CEO 萨提亚·纳德拉（Satya Nadella）在一档 YouTube 频道节目中指出：“我们当前面临的核心矛盾并非算力过剩，而是能源瓶颈，关键在于如何抢在电力缺口之前快速完成基础设施部署。”
对能源表示关切的还有山姆·奥特曼，10 月底 OpenAI 提交给白宫的建议书上，更是直接指出美国 AI 发展的真正瓶颈其实是电力。
事实上，当中美两国明星企业聚焦于 AI 大模型的算法博弈与芯片储备时，一场更具决定性的较量已悄然展开。AI 的马力不仅仅再由 GPU 的数量决定，也取决于电网能够提供的电力瓦特。这场中美之间的 AI 竞赛，正逐渐演变成为一场关于能源供给、基础设施与工业体系的终极耐力赛。可以说，在 AI 时代，瓦特正在成为比浮点运算更重要的竞争力指标。
中国科学院青岛生物能源与过程研究所研究员田亚峻告诉 DeepTech：“如果 AI 在未来是像互联网、无线通讯一样重要的基础设施，就应该与国家安全视为同等地位，基于此，应该给 AI 系统提供最可靠的电力供应。这种电力供应可能是煤电，如果不允许煤，当下来看应该是核电，除非新能源体系在可靠性方面取得突破。”

中美 AI 发展面临的共同挑战
OpenAI 的建议书给白宫发出了明确的警告，美国陈旧的电网设施和漫长的项目审批周期，已经成为影响 AI 算力扩张的天花板。美国电网的增长速度远远落后于 AI 基础设施的扩张，假如不能在接下来的每一年都新增 100 吉瓦电力装机，美国将面临致命的电力缺口（Electric Gap）。事实上，这一天花板在现实中已经有所体现。例如，由美国三家电力公司承建的中西部 Cardinal-Hickory Creek 高压输电线路项目，从规划到最终通电花了整整 13 年之久，因此这一案例也常被用作美国电网基础设施现代化面临官僚障碍和环境诉讼的反面教材。
与之形成鲜明对比的是，2024 年，《华盛顿邮报》在题为“To compete with China on AI, we need a lot more power”的报道中称，中国建成新的输电线路通常只需要不到五年时间。这种基础设施上的巨大差距，迫使美国在与中国的 AI 竞赛中，从起跑线上就背负着沉重的能源负担。
美国在 AI 领域的雄心和数据中心的爆炸式增长，正在被其电网基础设施的薄弱和关键工业链的瓶颈所严重制约，其中电力变压器短缺是核心痛点。来自伍德麦肯兹和麦肯锡的多个行业报告均指出：在美国电力变压器特别是大型高压变压器的供应短缺，是限制数据中心和电网升级的主要瓶颈之一。
媒体报道普遍证实，在美国大型变压器的交货周期已从数月延长到两年甚至更长，部分地区甚至长达 4 到 5 年。这是因为，此前的去工业化导致美国本土的变压器制造业在算力需求平稳期经历了投资不足和产能微缩，导致一时很难应对 AI 时代骤增的需求。同时，美国在变压器上也存在过于依赖进口的问题。
太平洋的彼岸呈现了另一幅面貌。今年 8 月，美国投资咨询公司 Tech Buzz China 的创始人马睿带队实地考察了中国的 AI 发展现状，考察之后她发了一则贴文，其中写道：“中国电力供应是安全且廉价的...... 这与美国形成了鲜明对比。在美国 AI 的发展越来越多地与数据中心电力消耗和电网限制的争论联系在一起。”中国国家能源局数据显示：2024 年，中国可再生能源发电新增装机 3.73 亿千瓦，是美国的数倍以上 [1]。之所以能够实现这样的速度，是因为中国有着完整的产业链支撑。比如，中国光伏组件产量占全球八成以上，风电主机产能占全球六成以上。
中国则有其“幸福的烦恼”，在 AI 算力扩张的过程中，东部沿海地区电力供需则面临着失衡的挑战。随着长三角、粤港澳等核心经济区的 AI 数据中心的密集启用，这些地区的电网负荷较高，夏季用电高峰期间甚至出现区域性供电紧张。面对这一问题，中国正在通过“东数西算”这一国家级工程进行系统级布局，将东部产生的海量计算需求，经由高速光纤网络调度到西部地区进行处理。这样一来，西部荒漠的光伏风电也找到了稳定的消纳渠道，东部的 AI 产业则能获得可持续的绿色动力。
2025 年 8 月，由国务院印发的《关于深入实施“人工智能+”行动的意见》指出 [2]：到 2027 年，新一代智能终端、智能体等应用普及率超 70%，智能经济核心产业规模快速增长；到 2030 年，新一代智能终端、智能体应用普及率超 90%，智能经济成为中国经济发展的重要增长极。
这组数字的背后也蕴含着国家对于能源体系的战略思考，只有当算力增长与电力供应实现协同发展，如此大规模的智能设备部署才会具备可行性。因此，这一政策实质上也是对于构建能源基础设施体系做出的一种承诺，旨在确保 AI 发展建立在可持续的能源基础之上。
应对能源问题的东西分野
在上述 OpenAI 向美国政府提交的文件中，OpenAI 提出了多项具体建议，其中包括利用 AI 技术加快联邦层面的项目审批与环境评估流程。当前，繁琐的审批流程已经成为 OpenAI 等企业推进 AI 基建的重要阻碍，比如其“星际之门”项目既需要对接电网，又涉及到能源配套设施建设，这种漫长的审批流程会严重拖慢项目落地节奏。
面对 AI 基础设施的供应链危机，OpenAI 也向白宫提出了系统性解决方案，如其建议通过扩大税收抵免来覆盖芯片制造与电网组件、设立关键原材料战略储备、提供贷款担保提升变压器等设备产能扩张。这些建议本质上是为了弥补美国过去数十年来去工业化造成的产业空心化，是一种迫不得已的补课式追赶。
在向白宫提出建议的同时，OpenAI 自己也在摸索方法。它希望通过建设可调度、可回馈的数据中心来提高电网的灵活性，比如在电网紧张时减少用电，在电力充足时增加负荷。目前，OpenAI 也正在探索小型模块化核反应堆的混合供能方案，以便实现可调度电源的目标。同时，其也正在评估冰岛等可再生能源丰富的地区部署算力。
而在中国进行的大规模绿色能源建设依然如火如荼。当下，中国风光装机占据全球总装机的将近一半，近十年新增装机占全球六成 [3]。2025 年上半年中国贡献了全球太阳能发电增长的 55%。以首批并网的 100 万千瓦风光项目为例，它位于甘肃省庆阳市，是中国首批“沙戈荒”大型风电光伏基底项目之一 [4]，项目并网后预计每年生产绿电 22.71 亿千瓦时，相当于节约标煤 68 万吨，能够减少 167 万吨二氧化碳排放，以及可以满足将近 78 万个家庭一年的用电量。
前面提到的“东数西算”作为中国国家级资源调配的核心工程，并不只是单纯的算力布局，而是一个能够破解能源供需矛盾的战略方案。据媒体报道，青海等地的绿色数据中心依托风光储充的协同模式，达成了 100% 的绿电供应，电源使用效率控制在 1.2 以下，年减碳达到 30 万吨 [5]。2024 年，全国数据中心电源使用效率已经降至 1.46，印证了“东数西算”的能源优化价值。
也就是说，通过“东数西算”等国家工程，中国正在将西部荒漠的光伏风电，经由特高压电网输送到东部的算力中心。这种能源与算力协同的国家级布局，解决了电力供需的地理错配，也构建起了美国难以复制的系统性优势。
与此同时，中国已经构建起从矿物加工到成品制造的电力全产业链，从源头拥有了自主供应根基。在上游矿产端，内蒙古建成了从铌钽锂矿采选到储能电池生产的闭环产业链；在中游制造环节，中国的光伏组件产量和风电主机产能均在全球占据高位；在下游电网组件端，从换流阀到变压器中国均已实现自主量产。
田亚峻研究员同时指出：“未来十年或者更长，在稳健的发展形势下，能源消耗的不断增加是人类文明发展的必然结果，在这个意义上无论是 AI 或者未来出现比 AI 更高形态的技术产业，大力生产、转化、调制能源是未来的必然。中国当下有很多算力处于休眠状态，未来 AI 的规划要算力+落地应用场景+能源供应体系同时规划，避免大规模行动带来的各种不适配所形成的巨大社会资源浪费。”
能源的缺乏让美国 AI 巨头将视野投向开始可控核聚变。可控核聚变被描述为是一种几乎无限、零碳排放、与核裂变相比本质上安全的能源。巨头们不再信任现有体系能够通过渐进式改良来满足需求，而是选择押注了可控核聚变这样一个或许能够彻底改变游戏规则的技术。
过去，可控核聚变更多是人们所熟知的国际热核实验反应堆（ITER）这样的国家级大科学项目，其往往进展较为缓慢。但现在，以美国Commonwealth Fusion Systems（CFS）等为代表的一批私营公司，凭借从硅谷等地涌入的巨额风险投资，正在试图使用更敏捷、更工程化的方式加速这一进程。
在美国，微软与 OpenAI 已率先布局可控核聚变。山姆·奥特曼个人重金押注核聚变企业 Helion Energy，微软则与之签署全球首份核聚变购电协议，预计 2028 年实现供电。这一浪潮也将全球市场卷入其中，可控核聚变成为最近一两年不容忽视的投资风口，其背后的信念是：我们等不起 50 年了，必须亲手创造起来。
如果说中美 AI 竞赛分为上下两场，那么上半场就是代码与芯片，下半场则是电网与工业。在 AI 竞争的初期，人们比拼的是模型能力，但是长期大规模部署需要海量算力，而谁的能源更廉价、更稳定、更绿色，谁就能支撑起更持续、更深入的 AI 研发与应用。这场竞赛的胜负，很有可能不在于谁最先设计出更聪明的模型，而在于谁能率先构建起支撑巨量能耗的能源基座。对于中国而言，这既是挑战，也是将制造业优势和新能源优势转化为下一代科技领导力的历史性机遇。

中美AI竞赛已进入以能源供给能力为决定性因素的下半场，电力瓶颈对产业发展的制约远超芯片算力。核心态势与关键挑战如下：

一、能源成为AI竞赛的战略级资源
电力取代算力成为新石油
OpenAI在向白宫提交的建议书中明确指出：美国AI发展的真正瓶颈是电力，电力已成为比芯片更紧迫的战略资产257。AI服务器集群的功耗呈指数级增长，搭载高端AI芯片的机柜功率达传统服务器的120倍（600千瓦 vs 5千瓦），老旧电网完全无法承载15。
能源缺口威胁技术领导地位
美国2024年仅新增51吉瓦电力，而维持AI优势需年增100吉瓦（约8000万户家庭年用电量）。若无法突破能源瓶颈，美国可能丧失AI主导权57。
二、中美能源能力差距加速扩大
维度    美国现状    中国优势
基建速度    电网升级受法规限制，需7年完成英国年度发电量    每18个月新增发电量≈美国现有总产能49
成本控制    电价高企，企业运营成本攀升    低廉电价构成核心竞争力13
政策协同    政府与企业协作推进缓慢    “东数西算”战略整合绿电与算力资源15
黄仁勋直言：“中国将在AI竞赛中击败美国，核心因素之一是能源成本优势。”3

三、技术路径的战略分野
美国的突围方向
核能优先：特朗普政府将核电视为“AI基础设施核心”，推动小型模块化反应堆（SMRs）建设，目标缩短审批周期至3年49
太空能源实验：探索月球/太空部署太阳能电站（如Relativity Space项目），规避地球环境限制612
中国的务实路线
风光火储协同：在西部风光富集区建设“发电+算力”一体化基地，新能源占比超30%15
液冷技术普及：强制新建数据中心50%采用液冷散热（效能为风冷20-50倍）15
四、产业生态的终极博弈
企业绑定能源源头

英伟达、微软、亚马逊等科技巨头直接投资核能项目；中国科技企业通过“绿电直供”模式锁定低价电力

电力决定算力部署权
高盛指出：谁能建成下一代数据中心，取决于电力融资方案而非芯片性能57。全球AI基础设施3万亿美元投资中，能源配套占比超60%15。
结论：能源自主权即AI主导权
当算法与芯片的竞争转向“瓦特竞赛”，电力供给能力直接定义国家AI天花板。中国凭借基建速度与成本控制构建短期优势，美国则押注核能与太空技术寻求跨越式突破。未来五年，电网扩容效率与新型能源落地速度，将重塑全球AI权力格局。

根据您提供的信息，英伟达CEO黄仁勋和微软CEO萨提亚·纳德拉都强调了能源在AI竞赛中的重要性。黄仁勋指出中国在AI领域只落后美国一点点，而能源成本较低是中国的优势之一。纳德拉则强调了能源瓶颈问题，认为关键在于快速完成基础设施部署以应对电力缺口。

OpenAI的建议书也向白宫发出警告，指出美国AI发展的真正瓶颈是电力。美国电网设施陈旧，项目审批周期长，导致AI算力扩张受限。相比之下，中国建成新的输电线路通常只需要不到五年时间，基础设施上的差距迫使美国在AI竞赛中背负沉重的能源负担。

美国在AI领域的雄心和数据中心的增长受到电网基础设施薄弱和关键工业链瓶颈的制约，尤其是电力变压器短缺。而中国则在大规模绿色能源建设方面取得显著进展，风光装机占全球近一半，新增装机占全球六成。中国通过"东数西算"等国家工程，将西部的光伏风电输送到东部的算力中心，解决了电力供需的地理错配问题。

总的来说，中美AI竞赛已从上半场的代码与芯片，转向下半场的电网与工业。谁的能源更廉价、更稳定、更绿色，谁就能支撑起更持续、更深入的AI研发与应用。这场竞赛的胜负可能不在于谁最先设计出更聪明的模型，而在于谁能率先构建起支撑巨量能耗的能源基座。对于中国而言，这是将制造业优势和新能源优势转化为下一代科技领导力的历史性机遇。

技术人才的储备，是取胜的关键