AI 军备竞赛，不再局限于晶片和算力，正升级为关乎电力供应可靠性与整体营运成本的全面战略博弈。
Text_林佩璇 / Filia Lin Photo_istockphoto
今年 9 月，DeepSeek 团队在英国自然杂志《 Nature 》上发表论文，揭露其开源 AI 模型 R1 使用 512 颗辉达 H800 晶片，训练成本仅 29.4 万美元，推理成本不到 600 万美元，每百万 token 处理成本只要约 1 至 2 美元。相比之下，美国同类型模型（如 OpenAI-4 ），训练成本动辄上亿美元，每百万 token 处理成本通常超过 10 美元，差距可谓天壤之别。
AI 从拼算力到较量电力
DeepSeek 能有如此压倒性的成本结构源于多项技术创新， 包括知识蒸馏 *注1（ Knowledge Distillation ）、自动化数据处理等方法，大幅提升效率并降低运算能耗，使其每百万 token 仅消耗约 23 度电，仅为美国同级模型的 25%–30%。更关键的是，中国多年累积的基础设施布局，构成其不可忽视的低电力成本优势。
电力是资料中心营运的核心支出。视资料中心规模而定，电力支出可占总营运成本的 20% 至 60%；而规模越大、架构越先进的 AI 资料中心，因需投入更多冷却与网路系统，电力占比通常更高。中国平均电价约每度电 0.08 美元，仅美国的一半，再加上部分地方政府可提供高达 50% 的电费补贴，使实际成本进一步下降。对于电力开销在营运中占比极高的资料中心而言，这项差距具有明显的战略意义。
这场人工智慧的世纪竞赛，焦点已从晶片算力之争，进一步扩张至基础设施与营运成本的全面较量，为白热化的中美 AI 竞争注入了新的变数。
注1： 知识蒸馏技术（ Knowledge Distillation ） - 从更成熟、强大的 AI 模型中提炼数据来训练新的模型。
中国能否以「电力+ 市场」优势突围?
中国在基础设施上的优势，连美国企业家也深有体会。特斯拉执行长伊隆．马斯克（ Elon Musk ）曾公开赞扬中国的基础建设「比美国先进 100 倍」。
中国的电力优势奠基于其政府的前瞻性布局，以及从上游供应到终端应用自给自足的完整产业链。十年来，中国持续投入数兆美元于核电、太阳能和风力发电，发电量以每年平均约 6% 的速度持续增长，短短 10 年内发电量就翻了一倍。 2024 年总发电量超过 10 兆度电，位居全球之冠，且超过美国、欧盟与印度加总的发电量。不仅如此，中国还打造出全球规模最大、输电距离最远的特高压输电网络，总长度超过 4 万公里，输电损耗率仅为 1.6%。这项世界级工程可将西北地区便宜的风电和光电，高效输送至 3,200 公里外工商业高度集中的东部地区。
如此惊人的扩张速度与成本优势，得益于中国长期作为「世界工厂」所累积的产业链掌控力与人才优势。中国在矿产精炼、太阳能板、风电主机、和锂电池等电力相关设施，市占率高达 60% 至 80%，使其在电力系统的建设成本与工期远低于西方国家。举例来说，中国一座核电厂从开工到并网仅需 5 至 7 年，每瓦建造成本约 2 至 3 美元；美国普遍需耗费 10 年以上，每瓦成本高达 14 至 16 美元。此外，在人才与创新方面，中国拥有大量工程师与 STEM 人才*注2 ，并且在核电与再生能源等关键领域的学术论文引用数已领先美国，确立了中国在全球能源技术创新领域的领导地位。
尽管美国对 7 奈米以下的先进制程及先进 AI 晶片设下严格出口管制，中国企业因此转向能耗较高的国产晶片。然而，由于中国拥有低廉的电力成本和政府补贴，这些因素有效抵消了晶片高能耗带来的负担，使中国企业其能以更高效率、低成本的方式开发多元化的 AI 应用场景，进而加速国内 AI 的普及。同时，中国拥有逾 14 亿的网路用户与相对宽松的资讯监管环境，企业得以从庞大的市场端持续获取海量数据，快速优化模型，形成推动 AI 生态加速演进的良性循环。
中国凭借「基础建设 + 低廉电力 + 广大市场」的三大优势，已在电动车、自驾车等许多科技领域，不仅实现后来居上，甚至超越美国。尽管中国在晶片与半导体制程上仍存技术差距，这些独特优势已为其建立自主、高效的 AI 体系提供了坚实后盾，并进一步削弱美国在全球 AI 领域的主导地位。
注2： STEM 代表科学（ Science ）、技术（ Technology ）、工程（ Engineering ）和数学（ Mathematics ）。
美国残破的电力系统将拖累 AI 发展?
中国在电力基础建设上的战略优势，却恰好是美国在AI 发展上最大的结构性瓶颈。美国在电力资源上的布局严重落后。根据美国能源部的资料，美国过去 20 年发电量年均增长不到 1%，大部分电网和设施建于 1960 至 1970 年代，平均服役已达到50 年。目前已有六成地区的备转容量率跌破 15% 的临界值，等同随时暴露在停电风险之下。据传台积电（ TSMC ）亚利桑那州厂在今年第三季因为气体供应商遭遇断电事故，导致数千片晶圆报废，使单季获利较前一季呈现跳水式下滑 99%，凸显出电力系统的脆弱性已直接威胁到高科技产业的稳定运营。
目前，全球约 44% 的资料中心都在美国，已占美国总电力需求的4% 。然而，随着各大 AI 企业疯狂追逐「算力即效能」的发展逻辑，资料中心的建置速度达到了前所未有的高峰。美国政府更推出了多项补助金和税收减免政策，鼓励相关建设。根据估计，未来 5-10 年美国至少会增加 40 座以上功率达 1GW 的超大型资料中心。光是由 OpenAI、甲骨文（ Oracle ）、软银集团（ Softbank ）和阿联酋 MGX 基金合资的星际之门（ Stargate LLC ）企业，就预计将在德州兴建 10 座资料中心。
面对 AI 基础建设的极速扩张，原已脆弱的旧有电力系统已不堪重负。美国能源部预估，全美资料中心用电量将在 5 年内成长 1 倍以上，电力占比可能飙升至 8%至 12%，电力供需失衡风险正日益加剧。 Gartner 警告，至 2027 年全美有超过 40% 的资料中心都将面临电力不足问题。微软执行长萨蒂亚．纳德拉（ Satya Nadella ）2025 年 11 月接受知名 Podcast 节目「Bg2 Pod 」专访中直言，由于基础设施与电力供应不足，资料中心建设进度被迫放缓，导致大量 GPU 只能闲置在仓库中。
美国电网危机的根源，其实是长期「重消费、轻基建」的发展模式所累积的结构性问题。过去数十年，美国政策重心倾向于刺激科技创新和消费，忽略了电力、交通等关键基础设施，导致产业成长与基础设施投资严重失衡。 AI 带来的用电激增只是加速暴露问题。美国政府正试图亡羊补牢，计画在 2030 年前投入 7,000 亿美元优化电网、升级老旧设施并扩大核能发电。同时，政府也松绑法规，鼓励企业投资或自建发电设施。
然而，多数政策目前仍停留在纸上谈兵。除了繁复冗长的制度与审查流程外，其根本的问题在于制造量能的长期严重不足。从上游矿物到终端变压器皆高度仰赖进口，地缘政治紧张与关税摩擦更推升采购成本并拉长交期，使原本就进展缓慢的工程愈发遥遥无期。而且，美国长期缺乏熟练劳工与专业人力，需要仰赖外国劳工，政府却又自相矛盾地收紧移民政策，使问题雪上加霜。
高盛（ Goldman Sachs ）认为，美国虽然在 AI 模型和晶片领域居于领先，但电力基础设施的瓶颈正加重资料中心的营运负担，侵蚀企业的获利能力，让庞大 AI 投资回本更遥遥无期。该机构甚至预测，最快至 2030 年，企业可能因电力不足而被迫放缓 AI 扩张步伐，进一步引发市场对 AI 泡沫的疑虑。
AI 马拉松刚起跑，鹿死谁手尚难预料
自 OpenAI 于 2022 年 11 月 30 日推出 ChatGPT 引爆生成式AI 热潮后，全球企业蜂拥抢购GPU，加速建置大型 AI 资料中心。辉达（ Nvidia ）因此成为最大赢家，其股价在一年半内狂飙 714%，并在 2024 年 6 月 18 日，成为全球市值最高的公司。然而，随着 GPU 短缺问题缓解，市场开始体认到，这场 AI 竞赛比的不再是模型参数大小或 GPU 使用量，而是一场关乎基础设施完善度、电力供应可靠性与整体运算成本的全面战略较量。
尽管美国在 AI 技术和半导体制造上居于主导地位，但老旧的电力基础设施已构成严重的发展瓶颈。相比之下，中国虽受先进晶片限制，却可能依靠完备的基础设施、低廉电力成本以及灵活高效的开发模式，开辟自己的AI 发展道路，甚至有望重演电动车产业的历史，成为全球市场的领导者。
阿里巴巴主席蔡崇信博士曾将 AI 竞争比喻为一场「漫长的马拉松」。在马拉松竞赛中，前半程的领先并不保证夺冠；后半程的耐力、策略与资源运用才是决胜关键。前这场世纪级AI 竞赛才进行到最初的 5 公里，未来仍充满变数，中美双方谁能称霸，不到最后，难见分晓。
■