今天AI竞争的本质已经不再是单纯的芯片与模型之争，它背后拼的是谁？有更强的能源系统来支撑更大的算力。AI的耗能主要集中在两个阶段训练和推理。如果把大模型当做一个大胃王，训练阶段，决定模型能长到多大推理阶段，则决定这个大胃王每天会吞掉多少资源。2020年的GPT-3训练耗电1287兆瓦时到2026年的GPT-5能耗达到了6万兆瓦时。
它的训练动用了5万张尖端GPU，连续运行了90天。短短几年，模型的训练能耗就翻了50倍，但训练仅仅是耗电的开始。训练好的模型就像变成了一个持续不断的能耗黑洞。真正让全球能源系统感到恐惧的是，它上线后，用户的日常使用。你每问豆包一个问题，它大约会消耗0.34瓦时的电量。
这能点亮你家里的灯泡两分钟，当你用AI生成一张高清图片，消耗的能量大约是12瓦时，这足以让你的手机电量从零直接冲到100。而当你不满足于静态的图片要求，AI生成一段五秒钟的高清视频时，因为涉及到庞大的多模态时空计算耗电量会瞬间飙升到大约一度。
这足以让你家里的空调全速制冷一小时。如果我们把上面几个单次数据乘上国内每天的AI调用量相加之后，我们得到了这个数字，这还仅仅是机房里那些GPU芯片计算时的直接耗电。如果我们算上数据中心的庞大制冷系统，水泵以及电网在传输中的损耗。
实际每天的总消耗量将会达到400万度以上。这已经相当于中国一个几十万人口的中型县城，全县老百姓一天的所有用电量。然而，AI吞掉的还不只是电大型数据中心里极高的热量，逼迫机房必须大量消耗淡水来降温。
研究显示，每向大模型发出十次请求，就相当于将一瓶500毫升的纯净水倾倒在地。微软一年的耗水量暴涨51%一口气喝掉了足足56亿升。谷歌仅仅在美国爱荷华州的一个单体数据中心一年就抽干了49亿升水。每年有超过4000个奥运会标准游泳池的干净水被机房巨大的冷却塔蒸发吞噬，只为了给那些发烫的硅片降温。
至此，AI已经很难再被看成一个轻的互联网产品了，它更像一套被电力系统，冷却系统和水资源共同托举起来的重工业设施。如果说AI竞争的上半场，各方拼的是谁能抢到更多先进制成的算力芯片，那么到了下半场，拼的则是谁拥有更庞大，更强人的基础设施。
这已经不再是几家科技公司之间的单打独斗，而是一场大国重器的底层较量。美国这边科技巨头们虽然掌握着顶级的算力芯片的技术优势，但其底层物理电网长期面临着投资不足，线路老化以及高度去中心化的割裂现状。当狂飙突进的AI算力，一头撞上了极其僵化老旧的公用电网，一场人类能源史上最夸张的大塞车爆发了，你可以把整个国家的电网想象成一个已经插满了各种电器的超级大插排。
过去几十年，这个大插排一直紧巴巴的维持着供电平衡，可现在AI企业突然拉来了成百上千个极其耗电的工业巨兽，他们举着插头却绝望的发现，国家电网上根本没有多余的插座给他们用了。这就是美国的电网容量现状。美国PJM区域是全球最密集的数据中心走廊，而这里的电网危机已经到了触目惊心的地步。目前，排队等待并网的新项目容量高达惊人的195吉瓦一个新算力中心想要接上电，需要面临四到五年的漫长等待。
对于按月迭代的大模型来说，等五年通电黄花菜都凉了。电网容量的严重不足，直接引爆了天价电荒。在最新的系统拍卖中，电网容量价格飙升了十倍以上。面对僵化昂贵且排不到队的公用电网，美国科技巨头们开始尝试绕开电网砸钱去买核电。
微软在2024年砸下数十亿美元，试图在2028年重启发生过严重核泄漏事故的三里岛核电站。亚马逊不仅重金买下了宾夕法尼亚州核电站的专属电力，还斥巨资去豪赌一种尚未经过大规模商业验证的小型模块化核反应堆。谷歌也与多个核能初创公司签下生死契约。但远水终究解不了近渴，建一座核电站，需要极其严苛的联邦审批。
建设周期动辄长达十年甚至更久。这种各自为战的微电网自救模式，无法在短期内填补国家级的能源缺口。在这场硅基时代的军备竞赛里，美国AI企业正面临着一个致命的死结，资本跑得再快，最终也要被那根接不上高压的电线死死卡住。
马斯克前不久在公开对话中一针见血的指出，扩大人工智能规模的真正限制因素不是芯片，而是电力。在谈到全球电网面临的瘫痪危机时，马斯克直言不讳的表示，中国凭借极其庞大的发电规模，惊人的清洁能源增速以及系统化的电网优势，将拥有远超其他国家的能源支撑能力。
与美国深陷电网大塞车的焦头烂额完全不同，中国正依托一种刻在骨子里的基建狂魔基因，在广袤的国土上下一盘史无前例的大棋。哥伦比亚大学的研究员用令人震惊来形容中国的电网扩张速度。仅仅在过去一年里，中国新增的发电容量就相当于整个美国现有电网总容量的40%，但中国也有自己头疼的问题。极端的空间错位耗电的AI大脑和海量的用户扎堆在东部沿海，但能供养这些机器的廉价风电，光伏，以及能免费给机房降温的冷空气。
却远在几千公里外的西北荒漠，算力嗷嗷待哺，绿电却在远方吃土怎么办？为了跨越这道天堑，中国同时砸出了两张震撼世界的国家级王牌。第一张牌是世纪工程东数西算，既然电送不过来，那就把那些不需要毫秒级反应的大模型训练任务打包直接扔到西部去，比如内蒙古乌兰察布这座曾经的农牧城市，现在成了算力集群的草原云谷，那里年平均气温只有4.3度，是个天然的超级大冰箱。
在这里，机房降温根本不需要开空调，而且风车和光伏板发出的绿电不进，公共电网直接一根专线怼到数据中心，原本高昂的AI算力成本被西部廉价的自然资源瞬间打穿，可是模型推理的机房主要还是分布在东部，无法运到西边。这时，中国给出了第二张王牌特高压输电网，这是中国在全世界拥有绝对统治力的电力黑科技。
目前，中国已经铺设了突破4万公里的特高压线路，足足可以绕地球赤道一整圈。从四川的水电站到江苏的AI机房，跨越2080公里的千山万水，清洁的水电只需要七毫秒就能精准输入东部机房的服务器里。这种国家级的能源大动脉暴力击碎了局部电网容量受限的死结，这就是大国重器带来的降维打击。当美国的科技巨头还在绝望的排着长队，为了抢几张电网入场券打破头，甚至去豪赌十年后的核电时，中国的AI开发者们猛然发现，最棘手的能源危机已经被国家机器提前扫平了。
在这场硅基时代的底线战役里，中国硬是靠着全国一盘棋的特高压和绿电大基地，为未来的算力扩张，铺上了一块最坚硬的垫脚石。通用人工智能的黎明固然绚丽，但它也毫不留情的把我们拖入了一个极度依赖能源与水的巨型算力时代。从动辄吞噬几千万度电的旗舰模型，到我们在屏幕上百亿次的点击AI产业，隐秘的碳排放与水足迹正在无声无息的逼近地球生态的临界点。
其实面对AI这头能耗巨兽，人类并没有坐以待毙。工程师们正在研究把滚烫的服务器直接泡在绝缘液体里的全浸没式液冷把机房废热抽出来，给北方城市集中供暖的余热回收网络能瞬间算出哪里风大，哪里太阳猛把算力像变魔术一样，全网调度的碳感知算法，还有彻底颠覆发热逻辑，以光速运行的下一代光子AI芯片。
人类正在拼尽全力将AI从一头吞噬地球资源的碳排放猛兽，驯化成能够与自然共生的绿色智慧引擎。
