AI竞争也是电力系统能力之争
主要观点
AI竞赛并非只有芯片和模型。美国在GPU及专用芯片上领先，但发电增量不足、电网设备老化，核电和传统电力装备制造能力又持续收缩；大型数据中心的脉冲式负荷因此难以靠临时自建电厂化解。中国虽然受先进芯片限制，却拥有更大的发电增量，以及覆盖火电、风电、光伏、储能和工程建设的产业链。未来胜负取决于两种短板谁先被补上：美国能否重建供电与设备能力，中国能否把电力优势转化为可用算力。
关键要点
- OpenAI在得克萨斯州规划的Stargate项目一期8栋建筑需120万千瓦、二期计划扩大至200万千瓦；这一量级接近两台百万千瓦燃煤机组的装机容量，显示大型数据中心会直接改变区域供电规划。
- 材料援引估算称，OpenAI Orion模型一次训练耗电110亿千瓦时；到2030年，美国数据中心用电可能达到约5000亿千瓦时、占总用电约10%。更棘手的是训练负荷并非均匀持续，而是脉冲式变化，对备用容量和电网响应提出额外要求。
- 美国能源基础设施存在明显存量压力：70%的变压器超过25年设计寿命，输电线使用年限超过40年。科技巨头即使自行投资电厂，建设周期仍需数年，瓶颈还涉及输配电和设备供应，而非只有发电量总量。
- 2000—2025年，中国发电量增加9.22万亿千瓦时；印度增加1.48万亿千瓦时；美国仅增加7199亿千瓦时。同期美国天然气发电升至1.94万亿千瓦时、占41%，煤电由2.13万亿千瓦时降至0.8万亿千瓦时，显示其电源结构发生替换却缺少足够增量。
- 美国传统电力装备能力收缩被视为深层原因：2000年后仅建设两台三代核电机组，成本严重超支；水电、核电和燃煤设备产业基础大幅衰退，目前较有竞争力的本土发电装备主要剩重型燃气轮机。
- 中国的优势不只在发电规模，还包括设备产业链：2025年全球风机前十企业中中国占8席并包揽前6名；储能所需磷酸铁锂电池及正极材料高度集中于中国；光伏则覆盖原料、设备和组件。美国通过加征关税推动本土化，代价是其光伏组件价格比中国市场高50%至1倍。
建议带着这些问题阅读
- 数据中心的核心瓶颈究竟是发电总量、输电接入、变压器供应，还是脉冲负荷下的调峰能力？
- 一次模型训练耗电110亿千瓦时及2030年占美国用电约10%的估算，分别采用了什么模型规模、利用率和增长假设？
- 中国的电力与设备产业链优势，能在多大程度上抵消先进GPU供应不足带来的算力差距？