很多人讨论 AI 竞争,目光全部聚焦 GPU 芯片、算法模型。但全球科技巨头已经遇到一个残酷现实:芯片有钱可以采购,但稳定充足的电力,有钱未必马上拿得到
AI 大模型无论是训练还是日常推理服务,都是不折不扣的耗电大户。芯片属于一次性资本投入,买完设备就结束;而电力是每秒都在持续消耗的长期运营成本。当集群规模拉到足够大之后,电费会超过硬件折旧,成为 AI 业务最大的成本项之一。
一、AI 到底有多耗电?看懂算力背后的电费账单
单张 H100 级别 AI 芯片满载功耗接近 700 瓦,相当于一台大功率取暖器,而且成千上万张芯片 24 小时不间断运转,还要配套制冷散热系统进一步增加用电消耗人民日报。
误区:AI 耗电问题,只靠堆电池储能就可以全部解决纠正:风电光伏属于波动性能源,储能可以做调峰,但对于十万卡、百万卡级别持续稳定的 AI 算力集群,单纯储能成本极高,现阶段核电、火电、风光水多种电源组合才是现实路径。
误区:电力优势可以直接等同于 AI 全面领先纠正:电力解决的是算力规模与成本问题,算法、软件框架、人才、芯片硬件依旧是不可替代的重要环节,电力是底座,不是全部。
误区:AI 会无限吞噬电力,电力很快就会彻底不够用纠正:一方面各国在持续新增清洁能源装机;另一方面 AI 软硬件能效也在持续提升,通过算电协同、错峰用电、模型蒸馏优化,可以降低单位算力能耗,实现算力与能源协调发展36氪。
结语
“算力的尽头是电力” 这句话正在全球 AI 产业逐步应验。
过去大家把全部目光放在 GPU 芯片争夺战,如今全球科技巨头已经开始抢电站、抢并网配额、锁定十几年周期的电力长协。芯片决定算力的上限,电力决定你能不能把这个上限真正跑起来。
对于 AI 产业未来的竞争,不只是实验室里面算法的比拼,更是一场横跨电站、特高压电网、新能源体系的底层基础设施竞赛。