中美算力，都等電來

中國與美國要兌現token經濟學，都需要用電力來破題。兩國情況各有不同。美國的問題在于缺電，發電與電網基礎設施落后，token產出規模受限于電力規模；中國的問題在于用電力換算力，相對低能效的硬件，推高了token單位成本。

在上周的采訪中，微軟CEO納德拉（Satya Nadella)認為，現在與其說是缺卡，，電力與就近數據中心的建設速度，限制了token的產出與變現。電不到位，通電的建筑（Warm Shell）不到位，GPU再多也只能躺著吃灰。

美國巨頭之間新一輪AI基礎設施投資高潮，已經變成了一場電力競賽。扎克伯格也說，如果能獲得能源，Meta就可以建立比現在更大的集群。它們的電或者來自公共電網，或者自建表后電力（behind-the-meter），或者兩者結合。但每一項都不簡單。尤其是ChatGPT智能體，算力巨獸。美國的數據中心，正在從1GW級穩步邁向10GW級。Crusoe就聲稱，目前正在建設中的懷俄明州單一數據中心，一期目標1.8GW，遠期目標10GW。

目前巨頭自建離網電力，迄今還沒有達到1GW級別的。它涉及到大規模天然氣管道等基礎設施的建設與燃氣輪機的部署。但是，即使電力主要來自公共電網，在電力規模不斷擴展的趨勢下，同樣困難重重。

研究機構EpochAI分析稱，因為市場時不時擔心AI泡沫，出于對需求方“跑路”的擔心，美國的公用事業公司，通常不愿簽署非常大的購電協議，也不愿對輸電基礎設施進行相應的資本投資。當然，OpenAI的奧特曼估計也不愿意親自和電力簽長約，上周他就說，“如果極廉價能源在短期內大規模上線，很多人會被自己簽過的長約反噬”。

還有一個重要原因在于，數據中心規模與負荷越來越大，將對老舊的電網帶去風險。美國最大的公用事業公司NextEra的首席執行官John Ketchum就稱，支撐1GW需求相對容易，但要容納5GW需要“一些工作”，更不用說10GW了。而且，即使美國最高容量的765kV雙回路電壓走廊，長距離也只能承載6-7GW容量規模的數據中心。

硅谷巨頭已經多次向白宮喊話，索要產業政策的支持。面對白宮征詢AI行動計劃（AI Action Plan)意見，，主要是電力系統。谷歌已經看到，創新需要迫切地從芯片（Chip）轉向電網（Grid）了。此后，白宮也確實將“發展與人工智能創新速度相匹配的電網”，寫入了“建設美國AI基礎設施”這一章節，包括探索利用現有承載量的創新方法，優先考慮可靠、可調度電源的互聯，并擁抱技術前沿的新能源發電來源。

上周，OpenAI繼續向白宮建言，要和中國在AI上競爭，美國必須每年新增100GW的電力容量。去年，美國新增裝機51GW，中國新增429GW，“電力鴻溝”巨大。

中國的發電量是美國的兩倍多，電網比美國更加“堅強”，但是，中國的AI基礎設施也有自己的“電力”難題。它建立在國產芯片的基座之上，后者在能效等方面仍然處于劣勢。隨著多模態模型與智能體協作的滲透，中國巨頭對于算力的需求，向百萬張卡級別邁進也是時間問題，低能效的短板會進一步放大。字節跳動的日均token調用，從今年5月的16.4萬億攀升至9月的30萬億，4個月翻了一倍。

在token經濟學中，token成本是相當重要的組成部分。對于市場化的互聯網巨頭而言，token的成本就是AI基礎設施的競爭，既包括硬件之上的軟件與工具，也包括硬件本身，當然還包括讓這些軟硬件運行起來的電力與冷卻系統。

長期而言，缺芯片的中國，正在舉國攻關芯片和計算效率的突破。最重要的長期戰略之一，就是維護國產算力生態健康有序地競爭與創新。在產業方面，DeepSeek等開源模型廠商正在牽引著芯片廠商軟硬件協同設計；在資本方面，A股也在加速迎接摩爾線程與沐曦股份上市，壁仞科技、礪算科技與燧原科技也在推進中；在政策方面，國家也出臺多項政策鼓勵數據中心使用國產芯片，尤其是央企與政務相關。

這意味著，如果互聯網巨頭為長期戰略選擇國產芯片，也就在短期內承擔了國產芯片用電力換算力的相對成本。在國內，一個家主流云廠商，1GW的全年電費，大概在80-90億元。

上半年，華為CloudMatrix 384發布，被。相比當時英偉達最新推出的GB200 NVL72，它差不多在總算力上提升了1.7倍，但全系統能耗相應提高了3.9倍。為方便比較，不考慮單位內存或單位帶寬的能耗，僅比較單位算力性能，那么，GB200 NVL72的約為0.81pJ（皮焦耳）/ FLOP，而CloudMatrix 384約為1.87pJ/ FLOP。相當于，超節點每執行需要1個FLOP的算力的任務，CloudMatrix 384就要比GB200 NVL72多消耗130%的電力。

下半年，華為在全聯接大會上展示了昇騰AI芯片4年5款產品的路線圖，以及更強大的Atlas 950 SuperPoD和Atlas 960 SuperPoD超節點，在卡規模、總算力、內存容量、互聯帶寬等關鍵指標上全面領先，不過沒有披露最新的能效數據。考慮到在中國先進制程等半導體設計與制造領域，尚未追平全球最領先的水平，單位能效的差距在短期內也無法迅速抹平。

補貼等產業政策仍然可以與支持國產算力生態形成組合拳。甘肅、貴州和內蒙古等省份的工業電力單位成本，比中國東部更發達的沿海地區低約 30%，隨著算力樞紐補貼采用國產芯片的數據中心，電價已經降至每度電4毛錢（5.6美分/kWh）以下甚至更低；而根據美國能源信息署8月份發布的數據，美國工業電力平均成本約為9.1美分/kWh。這相當于，中國AI生態每執行需要1個FLOP的算力的任務，花費的電費相當于美國AI生態的140%。這還沒算上更低能效帶來的更大的散熱用電需求。

但是，一旦中國與美國的AI競爭擴展到全球，相應的補貼優勢就會削弱。這就得進一步依靠模型效率與芯片能效的提升，以及新能源與儲能出海的配合了。