《投資者網》吳微
當大家還把注意力都放在GPU、模型和算法時，高盛在最新發布的《Powering the AI Era》報告中，提出了一個AI發展更“底層”的問題：AI的擴張不是單靠算力就能解決的，它更需要穩定、可持續的大量電力支持。換而言之，算力只是“上半場”，電力才是決定AI競賽下半場能不能打下去的關鍵。
從“東數西算”到美企自建電廠，AI底層的競爭戰早已打響。
需求端：量和“密度”雙重上升，電網面臨新課題
《Powering the AI Era》報告顯示，近兩、三年，數據中心的總用電量在快速上升，這既是數據中心規模增長產生的需求，也是單個中心能量密度提高所帶來的問題。
以美國為例，據伯克利實驗室統計，2023年美國數據中心用電約176TWh，約占全國用電的4.4%，且在未來數年內，這一占比將顯著上升空間。據高盛預測，到2030年，全球數據中心用電需求將比2023年增長160%。隨著AI對算力要求的持續提升，其用電量或會繼續提升。
除了規模擴張外，更值得注意的是單個算力中心功率密度的顯著提升。AI專用機架（用于大量GPU的“算力機柜”）單位面積、單位時間的耗電遠高于傳統云服務器；高盛的研究指出，面向AI的機架設計在短期內對供電、散熱的要求會大幅提高（文中用“文件柜里容納上千戶家庭用電”的比喻來說明這一點）。也就是說，電力問題不只是“多不多”的問題，還是“能不能把大功率安全、穩定地送到同一個點”的問題。
因此，AI數據中心建設帶來的挑戰主要有兩個：一是總體發電量需要大幅提升（發電側）；二是“最后一公里”的配電、變電、冷卻與局部儲能也需要同步升級（傳輸與園區側）。如果兩端不能同步，就可能會出現“算力有規劃、但上電受限制”的尷尬局面。
中美路徑與案例：不同制度下的同一難題
在AI技術發展迅速的中美兩國，政府、企業層面，早已著手解決算力與電力之間的矛盾。
其中，美國算力建設的特點是市場化程度高、資本介入力度大。因此，大型云廠商與公用事業公司常通過長期購電協議（PPA）、共同出資建設發電與輸電設施等舉措來保證供電。最近Meta在路易斯安那的超大數據中心就是典型案例。
為了保障Meta項目的用電，地方公用事業推進了總計數十億美元級別的發電與輸電擴產計劃，但該項目也引發了關于由誰承擔長期成本的討論。因此，美國路徑的優點是能較快調動私人資本、按合同分攤風險，但也帶來監管、公眾議價權與電價外溢成本的爭議。
以集中力量辦大事見長的中國，其做法更側重于政策引導和集中規劃。“東數西算”等國家級戰略，就試圖把算力需求向可再生資源較多的西部輸送，并通過標準化、配額與審批等手段來控制節奏。
同時，中國近年推出的綠色數據中心行動計劃與可再生能源配比要求，對新建數據中心提出了更高的能效與綠色電力比率目標（比如在重點地區對新能源使用比例提出硬性要求）。這種方式的好處是能在宏觀上協調輸配電與產業布局，但也面臨著地方審批、運維協調和短期內“產能過剩/利用率低”的風險。
美國靠市場用合同去“買”電、花錢解決輸電和發電問題；中國更傾向在頂層做規劃、用政策去“安排”電和算力落點。兩種方式各有千秋，但如果單純擴算力而不顧及電網與能源供給并行建設，都將會碰到算力實際部署的瓶頸。
資本、技術與治理：務實的路徑比單點押注更管用
要把算力和電力的矛盾變成可管理的問題，或需要從三個方向同時發力，即需要解決資金到位、技術預適配、制度協同等難題。
資金方面，AI與數據中心帶來的電力擴容不是小投資。行業研究所與市場機構都給出了天文級的數字。無論是電網升級、發電裝機，還是數據中心本身的建設，都需要長期且穩定的資金流。機構投資、基礎設施基金、公私合營和綠色債券，都或會成為行業的主要融資手段。各方需要在合同設計里明確誰承擔建設、維護與退場風險，以避免地方和消費者承擔隱性成本。
AI對電力、算力的旺盛需求，在A股相關公司的股價上也已有體現。電力板塊中，長江電力(600900.SH)憑借其穩定的現金流和高股息預期，其股價穩步上行；算力部件領域，受益于AI需求的持續爆發，光模塊龍頭中際旭創(300309.SZ)等核心供應商因訂單飽滿、技術領先，上半年公司股價漲幅巨大，成為市場焦點。儲能板塊雖競爭激烈，但陽光電源(300274.SZ)等具備全球渠道和品牌優勢的企業市場表現依舊堅挺。
當然，單單靠堆量，以追求“更多的輸電”還遠遠不夠，機房內部的電力供應形式、冷卻方式和冗余設計也需要更新，以更高效的使用電力。液冷、浸沒冷卻、高壓直流供電、機架級儲能等技術正在被試點采用，以應對高功率密度帶來的散熱與效率問題。提前在設計中預留升級口子，將能降低未來改造成本并提升算力中心的運行靈活性。
制度協同方面，電價、輸電補償、可再生電力配額、碳核算與地方財政安排，也是項目能否落地的關鍵。實踐中更有效的模式往往是地方、發電企業與云廠商三方協作。其中，地方負責規劃和審批、發電/電網公司負責長期供給能力、運營商負責需求側靈活調度。把這些規則寫進長期合同和財政安排之中，或將能把“臨時性壓力”變成“可預期的收益”。
總而言之，AI要跑得順，既要有算力，也要有“持續給力”的電力。靠單一能源、單一路徑或單方出資來解決問題，成功概率會大幅降低；只有把發電、輸電、冷卻、儲能和金融工具當成一個整體來設計，才能更現實也能更穩妥的解決問題。全球AI產業的競爭，既是算法的競爭，也是算力的競爭，但最終還是會落到電力的競爭上。（思維財經出品）
特別聲明：本文為合作媒體授權DoNews專欄轉載，文章版權歸原作者及原出處所有。文章系作者個人觀點，不代表DoNews專欄的立場，轉載請聯系原作者及原出處獲取授權。(有任何疑問都請聯系idonews@shenlucha.cn)
