2026年9月底，白宫举办了一场关于超级智能的研讨会，空气中弥漫着一种期待与不安。特朗普坐在圆桌中央，目光锐利地扫视着左右两边，分别站着埃隆·马斯克和英伟达的掌门人黄仁勋。会场沉寂片刻，主持人抛出了一个看似标准，实则蕴含着深意的提问：美国如何才能在人工智能领域继续保持领先？ 马斯克并没有陷入对模型架构、芯片设计或监管政策的争论，他的回答出人意料地简单直接，却又掷地有声。AI真正的瓶颈在于电力，美国亟需大规模的电力和能源生产能力。扩大能源规模，这或许是当前最关键的事情之一。 此前，马斯克就曾公开赞赏中国的发电能力是美国的数倍，如今他更是直言不讳地指出：AI这门生意，已经远非我们最初想象的那回事了。 十年前，人工智能的浪潮刚刚兴起，它似乎还是一门轻资产的生意。2015年OpenAI成立之初，谁又能预料到它会与发电厂扯上关系？当时，公司只是租了一间办公室，购买了一批服务器，从谷歌挖来了一批顶尖的工程师。他们埋头编写代码，训练模型，发表论文，一次又一次地融资，耗费半年时间。那时的AI，就像典型的软件行业一样——资本可以快速注入，代码可以轻易复制，人才可以自由流动。微软在2019年向OpenAI注资，也仅仅将其视为一个软件项目，投资的是一群聪明才智。 然而，七年后的今天，OpenAI已经蜕变成了一个需要寻找土地、接入电力、签署长达二十年的购电协议、甚至重启核电站的重工业客户。 究竟是怎样的一步步演变，将人工智能变成了重工业？ 最初的转变，源于算法的竞赛。2018年至2022年间，人工智能领域的竞争主要体现在模型的参数规模、数据集的大小以及工程师的水平上。谁的模型参数更多，谁拥有更大规模的数据集，谁拥有的工程师更加出色，谁就能占据优势。这正符合硅谷一贯的擅长领域——高速迭代，快速创新。
但GPT的横空出世，彻底改变了游戏规则。为了提升模型的能力，必须堆砌海量的计算资源，英伟达H100 GPU的价格高达三万美元一张，一个包含上万张GPU的集群，成本更是高达数亿美元。这一阶段的竞争，转变为一场资本的较量——微软向OpenAI注资数百亿美元，谷歌自研TPU，Meta每年投入数百亿美元用于资本开支。华尔街自然兴奋不已，因为这仍然是一个充满机遇的资本游戏。 到2026年，这场竞赛进入了第二阶段的尾声。仅仅拥有再多的GPU，也需要一个合适的场所来安放它们。这个场所必须稳定可靠，一旦停电哪怕一个小时，训练过程就会中断，造成的损失就可能高达数百万美元。需要水冷系统，需要高速网络，需要强大的冷却设备，更需要足够的土地。但最关键的，还是电力从何而来？ 一个包含上万张GPU的集群，功耗大约为十兆瓦，乍听之下并不算高。然而，OpenAI、微软和Meta现在需要的，却是包含上百万张GPU的集群。一百万张GPU同时运行，所需的电力高达几个吉瓦——这几乎相当于一座核电站的装机容量。 黄仁勋将这些数据中心戏称为超级智能工厂，这个称呼丝毫不差。人工智能早已不再是单纯的代码编写，而是一种规模庞大的工业生产活动。而且，它与互联网时代轻资产、高回报的理念背道而驰，变得愈发厚重。简单来说，模型需要服务器运行，服务器需要数据中心，数据中心需要电力，而电力背后，则是发电设备、电网、土地、冷却系统以及庞大的基础设施投资。 美国被卡住的地方，恰恰在于这部分现实的、厚重的环节。 硅谷对这种转变的认识和准备，显然还不够充分。 虽然在模型算法方面，OpenAI、Google、Anthropic、Meta等公司仍然掌握着最先进的技术，英伟达也占据了AI芯片市场的八成份额，这些无疑决定了人工智能的上限。 但人工智能真正要跑起来，还需要另一套东西：土地、变电站、高压电缆、冷却系统、长期电力合同。而这些，正是美国目前所缺乏的。 平均而言，美国电网的设备已经使用了四十年。新建一条跨州输电线路，需要经历漫长的环评程序、州议会的审批、联邦监管机构的审核，以及社区的抗议，整个过程可能需要十年时间。更糟糕的是，2024年，被称为全球数据中心之都的弗吉尼亚州，已经开始冻结新数据中心接入电力，因为电网已经不堪重负。 迫于时间压力，微软不得不将三里岛核电站重新启动，这座核电站曾在1979年发生过事故，已经关停近二十年。亚马逊也在俄亥俄州拼命建设燃气轮机电厂，燃气轮机的交货时间已经排到了2028年。 为什么交货时间如此漫长？因为全世界的电力设备订单，现在都堆积在中国工厂门口。变压器、开关柜、高压电缆、光伏板——全球七成以上的产能都位于中国。如果美国想要建设一座兆瓦级的光伏电站，其中一半的组件都需要从中国进口。 这就是马斯克说中国发电能力是美国三倍的真实语境。他并非在空穴来风，而是根据自己的成本表进行计算。 中国所拥有的，是一种更为根本的优势。 如今，中国在电力、基础设施建设和重工业方面的优势，并非取决于工人月薪的多少。一个特高压变电站的建设成本中，人工成本可以忽略不计。真正的优势，在于整个社会建设事物的高效速度。 中国建设一条±800千伏特高压线路，从项目批准到正式投产，只需要两到三年的时间。 国家电网作为一家央企，规划由国家统一制定，沿线各省市给予配合，土地征用也有统一安排，环评程序也享有快速通道。西部的风电光伏电力，通过这条线路一千公里外运送到数据中心。 在中国，建设一座数据中心，地方政府会迅速征用土地，电网公司会迅速接入电缆，变压器本地有货，短短六个月就能通电。而在美国，要建设一座规模相当的数据中心，首先要与电力公司协商电力容量，然后要与州政府进行环评，再与联邦能源监管委员会协商输电权，最后还要与环保组织打官司——十年时间转瞬即逝。 这绝非人工成本的差距，而是建设事物能力本身存在的差距。 马斯克在美国政治光谱中，通常与共和党保持着密切联系。他频频公开称赞中国的电力能力和建设速度，这本应遭到批评的，但他却毫不避讳。 因为他是一名企业家，而非政客。企业家最看重的，是成本表上的每一个数字。 特斯拉每天面临的都是非常具体的问题：电池的价格，零部件的交货时间，工厂扩建的进度，电费的成本。这些数字最终都将影响成本表、股价和下一轮融资的估值。 特斯拉上海工厂从开工到投产仅用了一年时间，而他回美国在奥斯汀建设超级工厂，却因为审批和建设问题，拖延了近四年。他对此最为清楚。他并非在白宫夸赞中国，而是在白宫抱怨自己在美国被卡了四年。 这场人工智能竞赛，表面上是OpenAI和DeepSeek比拼谁的模型跑分更高，实际上是两个截然不同的产业体系在碰撞。 美国掌握着人工智能的大脑——最聪明的模型、最先进的芯片、最优秀的程序员、最活跃的风投。这些因素决定了人工智能能够达到的上限。 但人工智能能够部署到多大规模、能够以多低的成本运行、能够服务多少人，取决于一个国家能够提供多少兆瓦级的电力、能够多快建设好一座数据中心、能够多便宜地购买到一台变压器。 这已经变成了一个重工业的游戏。谁能够更快获得先进芯片，谁就拥有更多算力；谁能够更快建设数据中心，谁就能将这些芯片转化为实际计算能力；谁能够提供稳定且廉价的电力，谁就能将算力成本压下来。 这也是为什么人工智能浪潮正在将原本属于能源行业、电力设备行业、建筑行业和金融行业的问题，全部拉进科技竞争的范围之内。 资本可以跨国流动，软件可以快速复制，工程师可以自由迁移。模型可以通过烧钱的方式在三年内追赶上一代技术，但电网不行。 电网需要审批，需要建设，需要完善的产业链，需要国家意志，需要十年甚至二十年的积累。人工智能的上限可能由算法决定，但人工智能能够部署到多大规模，最终取决于一个国家能够拿出多少真实的电力和基础设施。 中国所拥有的，恰好是这身体部分：全球最大的发电系统、最完善的光伏风电电池产业链、输配电设备的完整产能，以及一个能在短短两年内将特高压线路从无到有建设起来的国家体系。 这些本身并不直接生产人工智能模型，但它们决定了未来能否以足够低的成本，建设大量的数据中心。 美国所拥有的，则是头脑部分：最聪明的模型、最先进的芯片、最活跃的风投。这些因素决定了人工智能的上限。 这两套优势正在发生正面碰撞。美国在高附加值的技术、芯片设计和资本环节拥有明显优势，而中国在制造能力、电力基础设施和新能源产业链上拥有规模优势。 科技优势如果无法转化为足够低成本的生产能力，最终仍然会受到现实经济条件的约束。但即使拥有再多的电力，如果没有最先进的芯片，也只能运行次级的算力。 可以肯定地说，现在人工智能的竞争，需要两个最大的筹码分别掌握在美国和中国手中。中美各自拥有对方都难以在短期内企及的优势，中美各自所拥有的，恰恰是对方最大的短板，中美各自所拥有的，都是对方最渴望的。这就是马斯克在白宫发表那番言论的真正分量所在。他并非在提醒美国要加快建设电厂，而是提醒所有人：人工智能这场仗，打到第三阶段，比拼的已经不再是谁更聪明了，而是谁能够真正把这堆聪明的大脑插上电。
