算力的尽头是电力？从第一性原理看AI基础设施

从GPU到变压器：AI瓶颈正在“迁移”

过去两年，“算力的尽头是电力”几乎成了行业共识。这句话没错，但只说对了一半。电当然是必要条件，可真正卡住AI扩张的，往往不只是“有没有电”，更是一整条由发电、电网、变压器、散热、存储、封装和资本串起来的链条，以及链条上每一环截然不同的建设速度。

回顾过去三年，瓶颈的迁移路径清晰可见：先是GPU本身，然后是HBM和CoWoS先进封装，如今是变压器、燃气轮机和并网排队。下一个会是什么？如果资本市场的耐心先于基础设施耗尽，瓶颈可能变成钱；如果社区反对持续扩散，瓶颈可能变成许可；如果芯片的一年一代迭代继续超过机房的三年建设周期，瓶颈还可能变成“建好的机房装不下下一代芯片”的资产搁浅风险。

一焦耳电换一个Token？先拆解“有效智能”公式

从第一性原理出发，更完整的表述应该是：只要Token需求的增速快于单位能效的提升速度，AI账本上的电力项就会持续增长。剥掉所有商业包装，从物理层面看，AI做的事情其实就是：把电能送进晶体管，驱动比特翻转，完成矩阵乘法，最终吐出Token。照此拆解，一个国家或一家公司能产出的“有效智能”，可以粗略写成四个因子的乘积：

• 可用电力
• 硬件能效（每焦耳能完成多少次运算）
• 算法效率（每次运算能换来多少有用的Token）
• 利用率（机器实际在干活的时间占比）

这个公式不精确，但它的好处是，每一个因子都对应着一层具体的基础设施。电力对应发电厂和电网，硬件能效对应芯片、内存、封装与互联，算法效率对应模型架构和推理软件，利用率则对应调度系统、散热和供电的可靠性。任何一个因子掉链子，另外三个做得再好也会被拖累。正因为此，AI基础设施的瓶颈会不断“迁移”：前两年是GPU买不到，后来是先进封装和高带宽内存排不上产能，如今轮到变压器、燃气轮机和并网排队。

65户家庭的用电量塞进一个机柜：散热与供电是一体两面

首先，来看两个物理事实。第一条是能量守恒。数据中心吃进去的电，除了极少部分变成光信号和机械振动，几乎全部最终变成热。这意味着“供电”和“散热”本质上是同一个问题的两面：你往机柜里送进多少千瓦，就必须从机柜里搬走多少千瓦的热。机柜功率密度的飙升正在同时压垮传统的配电和风冷体系。

一个冰箱大小的服务器机柜，重量超过一辆皮卡；到2027年，它的峰值功率将相当于65户家庭同时用电；为了不让它烧掉，每个机柜需要排出的热量相当于30台燃气锅炉。这个看似科幻的论述其实是国际能源署（IEA）在2026年4月的报告里对下一代AI数据中心的描述。这份报告给出了另一组数字：2025年，五家科技巨头的资本开支超过4000亿美元，2026年还要再涨75%，这笔钱已经超过全球油气开采的年度投资总额。

电力的尽头是能源：大厂为何“贴着能源搞算力”

现在全球算力需求疯狂攀升，数据中心越建越多，一个以AI为核心的数据中心，耗电量能顶得上10万户家庭，预计到2030年，全球数据中心的用电量还会翻番。大家表面上在抢芯片、拼算法，实则暗地里在争夺电力资源——谁能拿到低成本、高稳定的电力，谁就能在算力成本上占据优势，进而在行业竞争中站稳脚跟。

所以我们能看到，很多科技大厂都在往西部迁徙，扎堆在光伏、风电、水电丰富的地区建算力中心。说白了，他们就是在“贴着能源搞算力”，把西部的能源优势，转化成自己的算力优势，这就是大企业的生存逻辑：能源就是算力的底气，有能源，才能谈发展。而对国家层面而言，逻辑链条更清晰：谁控制了能源，谁就控制了电力；谁控制了电力，谁就控制了算力；谁控制了算力，谁就掌握了未来的科技话语权。看似是芯片战、科技战，剥开外壳，全是能源的博弈。

算电协同：下一场系统工程竞赛

没有一种单一技术能一劳永逸地解决问题。可以确定的是，AI竞争已经从一场模型和芯片的竞赛，演变为一场覆盖能源、制造、金融和社会治理的系统工程竞赛。在这场竞赛中，最容易被高估的是单点突破，最容易被低估的是链条上那些不起眼的环节：一台变压器、一片取向硅钢、一纸规划许可。

而未来算力的发展，一定会走向“算电协同”的模式——算力跟着电力走，电力跟着能源走。清洁能源基地、储能设施、特高压线路、算力中心，会形成一个有机整体，相互支撑、协同发展。没有能源做底盘，再炫的AI、再强的算力，都只是空中楼阁，迟早会崩塌。说到底，我们看似在疯狂发展数字经济、跑AI、拼算力，其实底层都是在高效利用能源。算力的尽头是电力，电力的尽头是能源，而能源，就是一个企业、一个国家最坚实的底气。