3萬億美元規模，AI競爭進入基建驅動周期

孫昱：隨著算力需求的迅速上升，一項新的共識開始在投資和產業界形成：基礎設施將在很大程度上決定人工智能的長期競爭格局。

文 | 孫昱

過去幾年，全球圍繞人工智能的競爭幾乎完全圍繞模型能力展開，市場關注的焦點集中在算法突破和芯片性能。然而，隨著算力需求的迅速上升，一項新的共識開始在投資和產業界形成：基礎設施將在很大程度上決定人工智能的長期競爭格局。

在4月18日舉行的哥倫比亞大學中國峰會上，多位來自投資機構、能源企業和數據中心供應鏈的業內人士表示，圍繞算力、電網和能源體系展開的新一輪建設周期正在成為全球科技產業最重要的投資主題之一，其規?？赡苓_到數萬億美元。

“我們正在進入一個由AI基礎設施驅動的3萬億美元超級建設周期，”主營光伏逆變器和儲能設備的上能電氣美洲區負責人李秉璽表示。

這項預測意味著投資邏輯的重要變化：人工智能的未來將越發取決于能源供應能力、電網建設效率以及設備制造能力。

盡管綠色能源被普遍視為未來數據中心的重要電力來源，但產業界人士普遍認為，在可預見的未來，大模型訓練仍將高度依賴穩定的基載電力——即能夠全天候持續供電、不受天氣影響的電力來源。這意味著天然氣在AI基礎設施體系中的戰略地位短期內難以被替代。

另類資產管理公司Apollo Global Management董事總經理、數字基礎設施主管Joshua Pang表示，訓練大型語言模型所需的并不只是更多電力，而是穩定、持續、可調度的電力供應。“訓練大型語言模型需要穩定基載電力，而太陽能和風能通常無法單獨滿足這一需求，”他說。

在現實項目中，越來越多AI數據中心采用“天然氣 + 電池儲能 + 電網 + 可再生能源”的混合供電模式，以確保訓練過程不受電力波動影響。

這種結構變化已經開始影響數據中心選址邏輯。李秉璽表示，在當前一輪AI算力建設周期中，能源條件正在成為決定項目落地的首要因素。

“過去建設數據中心首先考慮的是是否靠近光纖網絡，現在第一優先級變成了能源供應能力。”他說。

在美國市場，這一變化尤為明顯。隨著大型模型訓練需求快速上升，越來越多開發商在項目初期首先確認的不是土地或網絡條件，而是天然氣接入能力。

“現在客戶建設AI數據中心時，第一件事是確認能不能拿到天然氣終端容量。”他說。

在一些地區，面對并網周期過長、電力接入緩慢的問題，數據中心運營商事實上正在采取一種更主動的“自帶能源”思路：先圍繞天然氣、太陽能、風能、儲能等可獲得資源搭建本地供電組合，再逐步解決與大電網的連接問題。換句話說，部分AI數據中心已不再只是電網的被動用電方，而是在向擁有自備能源能力的基礎設施項目轉變。

“AI基建不能依賴一種能源，”數據中心電力設備供應商京泉華電子全球運營總裁張禮揚表示：“你需要建立一個能源組合?！?/p>

與此同時，產業界人士指出，不同類型AI任務對能源結構的需求正在出現分化趨勢。訓練型數據中心通常依賴穩定基載電力，而推理型數據中心則可以容忍一定程度的電力波動，從而更容易接入可再生能源體系。

“訓練型數據中心需要基載電力，而推理型數據中心可以接受一定程度的中斷?！崩畋t表示。

這種結構性差異意味著未來AI算力體系可能形成新的空間布局：訓練型數據中心更可能靠近能源基地，而推理型數據中心則更接近人口密集地區和應用端市場。

雖然市場普遍關注美國對中國采取出口管制導致兩國AI芯片領域的差距，但產業界越來越認為，美國AI發展的最大約束可能來自能源體系建設的短板。

Apollo的Pang舉例說明：一次與ChatGPT相關的搜索所消耗的能源，可能是普通Google搜索的約10倍。這給美國的電力系統提出了很大挑戰。

業內人士表示：與其說美國AI擴張面臨的是簡單的“缺電”，不如說它面臨的是輸電建設、并網審批與負載管理的系統性滯后。

上能電氣的李秉璽表示，目前美國AI數據中心建設速度正在明顯快于輸電網絡擴容節奏，“建設輸電系統需要5到10年，而新的數據中心每個季度都在涌現，“他說，”這里存在巨大的錯配?！?/p>

相比之下，國家電網主導建設的特高壓工程在成本和輸電能力方面都具備明顯優勢。

“我羨慕中國在電力建設實現的成就，”Apollo的Pang說，“中國不僅擁有有強大、多元化的電力供應，也建設起一流的輸電網絡。”

本文僅代表作者及受訪者觀點

責任編輯郵箱：tao.feng@ftchinese.com