人工智能热潮需要能源——世界能否满足需求？

人工智能热潮已成为塑造全球科技与投资未来的主导力量。从先进的语言模型到机器人自动化和自主系统，人工智能正在重新定义经济格局。但有一个关键因素远未获得应有的关注：驱动这一切所需的能源。

人工智能不仅仅关乎芯片和代码，更关乎电力——而且是巨量的电力。

从数据中心到训练基础设施，从推理引擎到机器人硬件，人工智能技术栈的每一层都依赖于可靠且可扩展的能源供应。没有它，世界上最先进的算法也不过是服务器上的一个文件。

我们谈论的是多大的能源消耗？

训练一个大型语言模型可能消耗数百兆瓦时的电力。每天为数百万用户运行推理则会成倍放大这一需求。事实上，多方行业预测显示，数据中心的能源使用量到2030年可能翻倍——而人工智能正是这一加速趋势的主要推手。

这一需求的核心是电力。人工智能革命不仅仅是一场数字化转型，更是一场物理基础设施的转型。人工智能工作负载需要高性能芯片，而这类芯片极其耗能。为这些芯片散热又需要更多能源。在数百万台设备上大规模运行推理则又增添了一层能源消耗。

即便在当下，OpenAI、微软和谷歌等公司也在争相为其数据中心争取电力资源。许多公司正直接收购发电厂，或与能源生产商签订长期协议，以确保未来十年的电力供应。

能源确实存在成为人工智能指数级增长瓶颈的真实风险。如果基础设施无法跟上需求增速，将延缓部署进度、限制扩张规模并推高运营成本。

以下三种情形尤其可能挑战人工智能的发展轨迹：

上述每一项风险都对人工智能建设的推进速度构成实质性威胁。投资者不应假设增长会一帆风顺、不受干扰。能源供应的物理限制将成为一种天然的速度制约因素。

这场人工智能竞赛不仅仅是智能层面的较量，更是一场基础设施的角逐。

美国在芯片设计方面保持显著领先。英伟达、AMD 和英特尔主导着高性能计算领域。大多数前沿人工智能模型运行在美国设计的硬件之上。美国在软件创新、模型训练和人工智能初创生态方面也居于领先地位。

但中国拥有另一样东西：规模和能源。

中国的发电量和用电量均超过世界上任何其他国家，其发电总量比美国高出70%以上。凭借庞大的煤电、水电、核电以及不断增长的可再生能源产能，中国能够以极少国家能够匹敌的规模为基础设施供电。

这种能源优势至关重要。随着人工智能日益依赖大规模计算，电力的成本与可获得性将越来越成为决定哪个国家能够实现规模化部署的关键因素。

中国人工智能雄心受到的一项关键限制，一直是对高端芯片的获取渠道。美国的出口管制曾限制英伟达等公司向中国客户销售其最先进的硬件。这一瓶颈限制了中国以与西方公司同等速度训练模型的能力。

但近期的变化正在改变这一局面。

新的协议和出口规则调整现在允许中国购买英伟达芯片的部分版本，尽管性能略受限制。虽然这些芯片并非顶级产品，但仍具备很强的性能，可能缩小中国与西方人工智能系统之间的性能差距。

这种芯片获取渠道与中国的能源优势相结合，为这场竞争开启了新的阶段。人工智能竞赛不再仅仅关乎创新，如今也成为一场工业规模、物流和基础设施的较量。

对投资者而言，信息很明确：不要只关注那些构建人工智能模型的公司，还要关注那些为基础设施提供动力的公司。

能源生产商、输电运营商、公用事业供应商以及原材料供应商，都将从人工智能能源热潮中受益。这包括铜、铀、天然气乃至石油等行业——石油目前仍被用于备用发电和离网数据中心。

同时也要关注地理布局。拥有丰富廉价能源的地区将成为人工智能活动的新枢纽。能够提供可靠电力、廉价土地和优惠监管政策的州或国家，将吸引资本流入。

最后，密切关注政策动向。如果监管限制了能源扩张，或地缘政治紧张局势限制了人工智能相关组件的贸易，整个人工智能革命的时间表都可能因此改变。

请勿将本文视为投资建议。我们仅展示自己的观点。在投资任何另类投资机会之前，请务必自行进行充分尽职调查。