晨观时报最新报道（杨帆），大模型不断刷新能力上限，AI 算力集群疯狂扩建，但很少有人关注一个残酷现实：AI 竞争下半场，比拼的不只是 GPU 芯片，而是电力供给。有测算显示，万卡规模算力集群单日耗电量超过 20 万度；到 2030 年，全国算力相关用电量或将达到 8000 亿千瓦时，算力产业正在变成名副其实的用电大户。黄仁勋此前公开表示，限制 AI 扩张最大的瓶颈，早已不是芯片产能，而是供电能力。
海外市场已经率先感受到电力约束。北美多地数据中心建设被叫停，不是没有资金采购 GPU，而是当地电网无法承接新增用电负荷。英伟达联合多家海外资本计划募集 5000 亿美元投入 AI 基础设施建设，大量资金并没有全部投向芯片采购，相当一部分预算用于配套电网、储能、绿电改造，足以印证电力在 AI 基建中的核心地位。
国内同样面临算力与电力的适配难题。各地争抢
于是，“算力 + 绿电” 一体化模式快速兴起。很多新建智算中心不再单纯选址一线城市，转而靠近风光资源富集区域，把算力集群和新能源电站绑定，通过储能装置平抑发电波动，实现绿电直供。部分头部企业探索 “东数西算” 更深层的逻辑，不只是简单把数据搬去西部，更是利用西部充沛新能源，解决算力的能源底座问题。
但绿电落地并非一蹴而就。风电光伏受天气影响，发电和算力全天候用电需求天然错配。算力机房需要 7×24 小时不间断供电，新能源发电却看天吃饭。大容量储能设备投资高昂，如果完全依靠储能兜底，会大幅抬升算力运营成本。这就倒逼行业发展智能调度系统，把算力任务和新能源发电曲线匹配，用电高峰减少非紧急任务，风光发电高峰全力跑大模型训练任务。
市场也正在诞生全新赛道。液冷散热技术大规模普及，降低机房能耗；新型储能、虚拟电厂、电网智能化改造订单快速增长。过去大家聊 AI 产业链，目光集中在 GPU、光模块、服务器；如今资本市场开始重新审视电力供应链的价值，电网设备、储能、特高压相关企业，成为 AI 产业的间接受益者。
很多人有误区，认为只要买到足够多高端芯片，就能打造顶尖 AI 能力。现实恰恰相反，如果电力供给跟不上，再多 GPU 也只能闲置。AI 大模型训练、推理不是简单的芯片堆叠，它是芯片、软件、网络、电力、储能组成的复杂系统。芯片决定算力上限，电力决定算力能不能真正跑起来。
对于国内 AI 产业发展而言，构建安全可控的算力体系，除了实现芯片国产化，能源自主同样至关重要。未来的竞争格局里，谁能解决算力的能源成本与稳定供给，谁才能在 AI 产业长跑中占据优势。芯片是前台主角，电力才是支撑整个 AI 浪潮，低调却不可或缺的幕后基石。
