新聞 
電力這件事,美國AI無法摸著中國過河
電力這件事,美國AI無法摸著中國過河電力這件事,美國AI無法摸著中國過河
過去壹年，硅谷巨頭肆處奔走，難為扎克伯格、馬斯克們的不僅是算力，也包括更底層的能源基礎設施。
為了解決這壹問題，馬斯克從海外買了壹整座電廠運回美國，頻繁安排團隊來中國調研、采購光伏設備，扎克伯格代表的Meta簽署了至少叁個核能大單，谷歌也斥資48億美元收購了壹家核電站。
可以說，在美國，建成壹條電網需要7年，然而硅谷巨頭們卻等不了1天。
硅谷巨頭困在電網裡。圖片由AI生成
大模型的訓練和推理需求的暴增，使得數據中心對穩定、低延遲和可持續的供電需求遠超傳統互聯網基礎設施，進壹步迫使各國電網在輸配電能力、儲能技術、可再生能源消納以及“電—算”協同管理方面進行深度改造。
與此同時，電力資源本身開始轉化為新型戰略資產，國家與區域之間圍繞“算力可得性”“綠色能源占比”和“數據主權”的競爭持續加劇，使數據中心從壹種技術設施升級為影響全球權力結構的關鍵節點。
01 人工智能時代的“基礎設施政治經濟學”
正如鐵路曾重塑物流速度與國土空間結構，互聯網曾改變信息流通與商業組織方式，人工智能以“可計算性”為核心的生產方式也正在重構價值創造的邏輯，催生出新的產業分工、消費模式與治理體系。
在這壹過程中，基礎設施與資本投資成為釋放人工智能經濟潛力的根本前提。
換言之，競爭不僅表現在算法層面，也體現在誰能夠更快、更大規模、更綠色地建設相應的基礎設施網絡。因此，資本流向從軟件向“算力—能源—網絡”的新型基礎設施轉移，成為當前全球經濟格局變化的重要信號，而基礎設施與投資能力的差異，將決定未來各國在全球人工智能經濟中的位置與影響力。
回顧過去拾年，全球數據中心的電力需求確實經歷了顯著的增長，但這種增長並非壹直是“爆炸式的”，而是經歷了壹個從緩慢到加速的過程。
根據國際能源署（International Energy Agency，IEA）2024年的分析，2010年至2018年間，全球數據中心的能源使用量上升了約6%，年均增長率約0.7%。然而，自2018年以來增長約50%–80%，年均增長率相當於8%-13%。
如果這壹趨勢持續下去，預計到2030年，全球數據中心的能源消耗將達到600–800太瓦時（TWh），2025年國際能源署報告已更新至935太瓦時（相當於108GW容量的數據中心規模），占當年全球預測電力需求的1.8%–2.4%。若人工智能推動更高的消耗率（比如，大模型訓練需求使得能源消耗可能以20%的年速度增長），則2030年數據中心的能源消耗可能達到1100–1400太瓦時，約占全球預測電力需求的3%–4%。
在中國，預計到2030年，數據中心的電力需求將比2020年翻壹番，達到400太瓦時。
需求從緩慢到加速，兩個階段背景各有不同。
2018年之前，雖然數據服務量、網絡流量與存儲需求大幅上升，但由於服務器硬件效率提升、冷卻技術改進、以及超大規模服務商（hyperscaler）數據中心替代傳統低效小型數據中心的趨勢，這拾年的數據中心總體能耗並未跟隨業務量同比“爆炸”。
然而，2018年之後，全球數據中心能源使用量明顯上升，增速水平躍升至兩位數區間。這壹轉變主要受AI算力需求、超大規模數據中心的擴張以及視頻內容平台的流量激增共同驅動。數據中心已發展成為全球電力消耗增長最快的單壹基礎設施類型之壹，並對能源系統、碳排放與數字治理帶來新的壓力。
[加西網正招聘多名全職sales 待遇優]
好新聞沒人評論怎麼行，我來說幾句
為了解決這壹問題，馬斯克從海外買了壹整座電廠運回美國，頻繁安排團隊來中國調研、采購光伏設備，扎克伯格代表的Meta簽署了至少叁個核能大單，谷歌也斥資48億美元收購了壹家核電站。
可以說，在美國，建成壹條電網需要7年，然而硅谷巨頭們卻等不了1天。
硅谷巨頭困在電網裡。圖片由AI生成
大模型的訓練和推理需求的暴增，使得數據中心對穩定、低延遲和可持續的供電需求遠超傳統互聯網基礎設施，進壹步迫使各國電網在輸配電能力、儲能技術、可再生能源消納以及“電—算”協同管理方面進行深度改造。
與此同時，電力資源本身開始轉化為新型戰略資產，國家與區域之間圍繞“算力可得性”“綠色能源占比”和“數據主權”的競爭持續加劇，使數據中心從壹種技術設施升級為影響全球權力結構的關鍵節點。
01 人工智能時代的“基礎設施政治經濟學”
正如鐵路曾重塑物流速度與國土空間結構，互聯網曾改變信息流通與商業組織方式，人工智能以“可計算性”為核心的生產方式也正在重構價值創造的邏輯，催生出新的產業分工、消費模式與治理體系。
在這壹過程中，基礎設施與資本投資成為釋放人工智能經濟潛力的根本前提。
換言之，競爭不僅表現在算法層面，也體現在誰能夠更快、更大規模、更綠色地建設相應的基礎設施網絡。因此，資本流向從軟件向“算力—能源—網絡”的新型基礎設施轉移，成為當前全球經濟格局變化的重要信號，而基礎設施與投資能力的差異，將決定未來各國在全球人工智能經濟中的位置與影響力。
回顧過去拾年，全球數據中心的電力需求確實經歷了顯著的增長，但這種增長並非壹直是“爆炸式的”，而是經歷了壹個從緩慢到加速的過程。
根據國際能源署（International Energy Agency，IEA）2024年的分析，2010年至2018年間，全球數據中心的能源使用量上升了約6%，年均增長率約0.7%。然而，自2018年以來增長約50%–80%，年均增長率相當於8%-13%。
如果這壹趨勢持續下去，預計到2030年，全球數據中心的能源消耗將達到600–800太瓦時（TWh），2025年國際能源署報告已更新至935太瓦時（相當於108GW容量的數據中心規模），占當年全球預測電力需求的1.8%–2.4%。若人工智能推動更高的消耗率（比如，大模型訓練需求使得能源消耗可能以20%的年速度增長），則2030年數據中心的能源消耗可能達到1100–1400太瓦時，約占全球預測電力需求的3%–4%。
在中國，預計到2030年，數據中心的電力需求將比2020年翻壹番，達到400太瓦時。
需求從緩慢到加速，兩個階段背景各有不同。
2018年之前，雖然數據服務量、網絡流量與存儲需求大幅上升，但由於服務器硬件效率提升、冷卻技術改進、以及超大規模服務商（hyperscaler）數據中心替代傳統低效小型數據中心的趨勢，這拾年的數據中心總體能耗並未跟隨業務量同比“爆炸”。
然而，2018年之後，全球數據中心能源使用量明顯上升，增速水平躍升至兩位數區間。這壹轉變主要受AI算力需求、超大規模數據中心的擴張以及視頻內容平台的流量激增共同驅動。數據中心已發展成為全球電力消耗增長最快的單壹基礎設施類型之壹，並對能源系統、碳排放與數字治理帶來新的壓力。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
推薦: