<div id="readability-page-1" class="page">過去一年，硅谷巨頭四處奔走，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。 為了解決這一問題，馬斯克從海外買了一整座電廠運回美國，頻繁安排團隊來中國調研、採購光伏設備，扎克伯格代表的 Meta 簽署了至少三個核能大單，谷歌也斥資 48 億美元收購了一家核電站。 可以説，在美國，建成一條電網需要 7 年，然而硅谷巨頭們卻等不了 1 天。 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，進一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”“綠色能源佔比” 和 “數據主權” 的競爭持續加劇，使數據中心從一種技術設施升級為影響全球權力結構的關鍵節點。 <h2>人工智能時代的 “基礎設施政治經濟學”</h2> 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。 在這一過程中，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。 回顧過去十年，全球數據中心的電力需求確實經歷了顯著的增長，但這種增長並非一直是 “爆炸式的”，而是經歷了一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%。 如果這一趨勢持續下去，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），佔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，約佔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 年翻一番，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，這十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。這一轉變主要受 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一基礎設施類型之一，並對能源系統、碳排放與數字治理帶來新的壓力。 特別是大模型問世以後，許多地區數據中心建設進入高速擴張期。全球到底有多少數據中心，並沒有一個完全統一、被廣泛接受的 “官方” 數字，因為各國對數據中心的定義、規模標準、登記方式等不盡相同，這使得估算其 “總數” 只能是一個近似值。 據市場統計機構 Market.biz 的一則匯總，截至 2024 年 3 月，全球大約有 11800 座數據中心正在運營。 就地域分佈而言，Statista 數據顯示，到 2025 年 11 月，美國是全球數據中心數量最多的國家，擁有 4165 個設施，其次是英國（499 個）、德國（487 個）、中國（381 個）、法國（321 個）、加拿大（293 個）、澳大利亞（274 個）、印度（271 個）、日本（242 個）以及意大利（209 個）。 必須承認，數據中心當前及未來的能源需求影響在全球範圍內分佈不均。舉例來説，在美國，數據中心已佔弗吉尼亞州總用電量的五分之一以上。在歐洲，2022 年愛爾蘭數據中心的電力需求為 5.3 太瓦時，相當於該國用電總量的 17%。到 2026 年，隨着人工智能應用快速滲透市場，這一用電量幾乎會翻一番，達到該國電力需求總量的 32%。 數據中心高度集中的特性及其極高的功率密度，在地方層面造成了重大挑戰，包括電網接入與容量限制、水資源消耗以及社區反對等問題。 還有一個明顯的趨勢：主要由大型科技公司運營的超大規模數據中心近年來消耗的電力增長顯著。從 2017 年到 2021 年，僅亞馬遜、微軟、谷歌和 Meta 四家公司的用電量總和就增加了一倍多，達到約 72 太瓦時。 科技公司的超大規模數據中心數量大爆發，給供給帶來了巨大的挑戰。 在許多國家，電力系統高度碎片化——由多個區域性或地方性電力公司獨立運營，缺乏統一調度和容量規劃——容易出現電壓波動、功率不足或調度延遲等問題。此外，不同地區的電價、政策和電力投資水平差異較大，也增加了數據中心建設與運營的複雜性。總體而言，電力系統的碎片化不僅制約了數據中心的擴展能力，也在一定程度上影響了數字基礎設施的可靠性和能源效率。 更根本的挑戰是能源的供應來源本身。 許多國家的數據中心仍依賴燃煤、天然氣等化石能源，這不僅帶來碳排放壓力，也容易受到燃料供應波動和價格變化的影響；而可再生能源儘管增長迅速，卻存在分佈不均和間歇性問題，缺乏足夠的儲能和智能調度手段，難以持續滿足數據中心的 “7×24 小時” 連續供電需求。在這樣的背景下，核能被視為一種長期可行的解決方案。然而，核能的建設週期長、前期投資巨大，並且需要嚴格的安全監管和政策支持，因此在實際推廣中仍面臨技術成熟度、社會接受度和廢料處理能力等挑戰。 綜合來看，數據中心的能源問題不僅是電網結構的技術問題，更是能源戰略和政策佈局的長期考驗。 <h2>美國模式：市場驅動下的能源約束</h2> 美國的數據中心發展長期依賴市場機制與私營資本驅動。這一模式在互聯網早期極為高效：企業能夠基於電價差異與税收激勵，在如俄勒岡州、弗吉尼亞州和得克薩斯州等地部署超大規模數據中心。 根據 JLARC（The Joint Legislative Audit and Review Commission）的報告，弗吉尼亞州數據中心容量約佔北美總容量的 25%，以及全球總容量的 13%。北弗吉尼亞的數據中心數量超過任何其他地區，人稱 “世界數據中心之都”。 JLARC 報告指出，北弗吉尼亞的數據中心容量是下一個最大競爭者——中國北京——的兩倍多，也是美國下一個最大數據中心聚集地俄勒岡州希爾斯伯勒（Hillsboro, Oregon）容量的三倍。該州税收減免使得希爾斯伯勒成為數據中心的熱門選址地，為 Meta、LinkedIn、TikTok、X 等多家公司提供服務。然而，隨着 AI 時代的到來，這一以市場為導向的擴張路徑正逐漸遭遇基礎設施與制度層面的硬約束。 雖然美國在人工智能的許多方面都領先於中國，尤其是軟件和芯片設計，但美國在數據中心的電力供應和基建審批上卻面臨着巨大的瓶頸。人工智能算力如同 “電老虎”，正在瘋狂吞噬美國的電力資源，讓本就脆弱的電網雪上加霜。 美國電網的大部分設施建於 20 世紀 60 至 70 年代。儘管系統已通過自動化及部分新興技術得到升級，但老化的基礎設施越來越難以滿足現代電力需求。 根據美國土木工程師協會評估，美國電網的整體健康狀況僅獲得 C+ 的評級，70% 的變壓器已超過 25 年的設計使用壽命，輸電線路的平均年齡也已接近 40 年。 當人工智能的 “脈衝式” 耗電需求與電網的 “老舊軀體” 迎頭相撞，這場危機不僅嚴重限制人工智能產業的進一步發展，更暴露出美國在基礎設施投資上的長期落後與新興技術需求之間的深層矛盾。如果不盡快打破制度性障礙、加大電網投資力度，美國在人工智能領域的算力優勢很可能因為電力短缺而化為泡影。 據《華爾街日報》報道，OpenAI 旗下名為 Orion 的模型在進行兩次為期六個月的大型訓練時，耗電量高達約 110 億千瓦時。這一數字相當於 100 萬個美國家庭一整年的用電量，也接近美國鋼鐵工業目前一年的耗電量。它足夠一輛特斯拉 Model 3 行駛 440 億英里，大約相當於往返海王星三次。 運行階段的計算密集度和能耗遠低於訓練階段，但隨着使用這樣的人工智能工具的人數增加，運行階段的電力需求也會不斷增長。而且，由於許多公司和個人擔心在人工智能技術的應用競賽中落後，“最新最強” 的模型往往會吸引大量使用，從而對電力需求產生更高壓力。 2025 年 9 月 22 日，OpenAI 宣佈與英偉達合作建設耗電量高達 10 吉瓦（GW）的人工智能數據中心。芝加哥大學計算機科學教授安德魯·錢（Andrew Chien）表示：“一年半前，他們還在討論 5 吉瓦規模的項目，如今已將目標提高到 10 吉瓦、15 吉瓦，甚至 17 吉瓦，呈現持續升級態勢。” OpenAI 每個數據中心項目的估值約為 500 億美元，計劃總投資額達 8500 億美元。僅英偉達一家就承諾投入 1000 億美元支持這一擴張計劃，並將提供數百萬枚新款 Vera Rubin 圖形處理器。 雖然這個例子展示了巨大的電力消耗，但它絕非個例；AI 行業的其他主要玩家，如 Google、Meta、Microsoft、Amazon、Anthropic 等，在訓練下一代 AI 模型時，也都會走同樣的道路。 由於對能源的迫切需求，美國一些數據中心正在選擇自建發電設施，而不再依賴於州公共電網的連接。例如，在得克薩斯州西部的荒原上，一座由天然氣驅動的發電項目正在興建，它並非傳統電力公司的投資項目，而是 OpenAI 與甲骨文（Oracle）共同建設的、價值高達 5000 億美元的 “星門”（Stargate）超級計算中心的重要一環。 同一時間，xAI 公司正在田納西州孟菲斯（Memphis）建造兩座名為 “巨像”（Colossus）的龐大數據中心，並開始採用燃氣輪機自發電。全美還有十多個由全球領先的數字基礎設施和數據中心服務公司 Equinix 運營的數據中心正依靠燃料電池提供電力。 這一風潮被稱為 “自帶能源”（Bring Your Own Power）。有人稱這是一場正在重塑美國能源格局的 “能源狂野西部運動”。 然而，地方層面的社會阻力很大。數據中心雖然投資規模巨大，但其直接就業崗位通常僅為幾十到幾百人，遠低於傳統制造業項目。同時，其資源消耗卻極為可觀：一個大型數據中心每日用水量可達數百萬加侖（約合數千噸），主要用於冷卻系統；其用電量可能達到 100 兆瓦（MW）或更高——相當於一個小城市的用電量。在這種 “高消耗——低就業” 的結構下，地方社區的不滿逐漸累積。 例如，在弗吉尼亞州的勞登縣（Loudoun）、費爾法克斯縣（Fairfax）和威廉王子縣（Prince William），居民多次抗議數據中心擴張，認為其推高房價、佔用土地並加劇電網壓力。據報道，截至 2025 年，由於當地社區反對，至少有 25 個擬建的數據中心項目被取消。在俄勒岡州，一些項目因水資源緊張而遭到地方政府限制。這種 “基礎設施外部性” 的顯性化，使數據中心不再是單純的商業投資項目，而成為美國地方政治議題。 綜合來看，美國數據中心的發展正受到三重約束的疊加影響：一是電網基礎設施的物理瓶頸，限制了算力擴張的速度；二是能源轉型過程中的結構性不穩定，推高了供電成本與風險；三是地方社會與資源衝突，削弱了項目落地的政治可行性。這三者共同構成了一種新的約束機制，使原本高度靈活、以市場為導向的數據中心擴張模式，在 AI 時代逐漸顯露出制度性邊界。 <h2>中國獨特的應對之道</h2> 中國電網在全球能源體系中具有獨特優勢，這些優勢源於其規模化、工程能力、制度協調性以及技術與產業鏈的深度一體化。它不僅支撐國內工業化、城市化和數字化，也成為全球能源轉型與數據中心產業佈局的重要戰略變量。 中國電力系統是世界上規模最大、最複雜的電網——建成了世界最長、容量最大的 UHV（特高壓）輸電網絡，UHV 的遠距離、低損耗特性，能夠實現 “西電東送”“北電南送”，在全球範圍沒有可比案例。UHV 使電網能夠接入大型可再生能源基地（風、光、水）並穩定輸送到負荷中心，為新能源消納提供關鍵基礎。 中國電網的互聯度與可靠性也可圈可點，部分城市的供電可靠性已達到世界先進水平，京津冀、長三角、珠三角主要城市年平均停電時間低於 1 小時/户，北京、上海、廣州、深圳等城市核心區域年停電時間進入 1 分鐘級，比肩東京、新加坡等國際一流城市。 大電網結構帶來規模經濟和冗餘供給，提高系統韌性。 與此同時，中國在 UHV 技術方面取得了突破性進展，涵蓋了從設備製造到工程設計、施工和運營的全過程。未來中國特高壓輸電工程將為更多國家提供領先的輸電方案，特高壓將成為中國 “新名片”。在 UHV 變電設備領域，中國企業處於世界領先地位，擁有全系列特高壓產品，並主導了國際標準的制定。在電力裝備製造和基礎設施建設方面，中國業已形成完整的產業鏈，令中國在大型電網工程的成本、效率和速度上具備全球優勢。 中國電網在數字基礎設施和智能調度方面也有突出優勢。AI 輔助調度、智能變電站、無人巡檢等技術已經規模化部署，有助於管理龐大而複雜的多源電力結構。同時，中國在 “新能源佔比快速提升、但電網仍保持穩定運行” 方面屬於全球領先實踐者。 如此電網優勢開始逐漸轉化為國際影響力。 在 “一帶一路” 框架內，中國援建或參與建設了東南亞、非洲、中東等地的大型電力工程。多項中國電網標準進入 IEC、ISO 體系，在未來全球電力基礎設施升級（如高壓直流、智能電網）中具有標準制定權潛力。 中國也可以扮演全球能源轉型中的關鍵角色：全球要實現新能源佔比提升，離不開高壓輸電、中國製造的光伏／風機／儲能設備，這也是為什麼馬斯克團隊要來中國採購的設備的原因，可以説中國電網與能源體系的規模化經驗對全球具有示範效應。 與美國依賴全球供應鏈不同，中國在硬件與關鍵材料上更多依靠國內自主產業，如本土服務器、AI 芯片、光纖和儲能設備，並且注重國內資源整合、綠色能源利用與國家規劃協調，呈現出中國特色的基礎設施與數字戰略體系，同時也在引導國內企業參與全球產業鏈，兼顧自主可控與國際合作。 能源方面，中國大力推動數據中心與清潔能源結合，佈局光伏、風電及核能供電的 “綠色數據中心”，緩解對化石能源的依賴，並提升可持續發展能力。 戰略上，中國強調區域樞紐與國家規劃結合——在粵港澳大灣區、長三角、京津冀等核心城市羣建設超大規模數據中心，同時通過 “算力網絡” 連接全國區域，形成算力調度與跨省協同能力。 但需要指出的是，中國在推動大規模數據中心發展的過程中，也面臨獨特的能源與結構性風險。 首先，能源結構轉型是長期規劃，現階段中國數據中心對煤電的依賴仍然顯著，這帶來顯著的碳排放與環境壓力。據統計，2024 年中國火電裝機容量仍佔全國總裝機的約 45%，其中煤電是主力。數據中心對高穩定性電力的需求，使得在短期內減少煤電比例存在現實困難。高耗能行業集中在東部沿海地區與中西部能源產地之間，意味着碳減排與能源供應的協調具有很高難度。 其次，中國數據中心發展呈現明顯的東西部分佈格局：算力中心主要集中在北京、上海、深圳等東部沿海城市，而電力供應則依賴中西部。長距離電力傳輸不可避免地產生線路損耗，也增加了對中西部電網穩定性的依賴。 數據中心佈局的高度集中也帶來潛在的系統性風險和韌性上的隱患，一旦遭遇自然災害、網絡攻擊或政策變化，可能對全國 AI 服務、雲計算及互聯網基礎設施造成連鎖衝擊。 所以，今年的政府工作報告提到了 “算電協同” 的概念，推動算力和電力的融合，優化電力供給結構，消除穩定性等方面的風險，這是一個更長遠的規劃和考量，落地還需要時間，但無論如何，可以確定的説，在能源供給上，美國的人工智能，無法摸着中國過河。 風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。</div>

GXAI

華爾街見聞資訊

C3.ai

Gaxos.ai

能源基礎設施 Alerian ETF - ALPS

納斯達克 Clean Edge 清潔綠能指數 ETF - First Trust

YieldMax AI Option Income Strategy ETF

2 倍做多 Meta ETF - Direxion

Roundhill GOOGL WeeklyPay ETF

2 倍做多 META ETF - GraniteShares

2 倍做多谷歌 ETF - Direxion

基準數據與基礎設施房地產 SCTR ETF - Pacer

iShares U.S. Power Infrastructure ETF

Range Nuclear Renaissance ETF

iShares Future AI & Tech ETF

谷歌-C

特斯拉

谷歌-A

美國 AI，無法摸着中國過河