德州電網管理機構ERCOT報告顯示，申請在2030年前接入德州電網的大型專案容量合計已超220GW，是今夏該州峰值需求的兩倍多，其中超七成是數據中心。今年在德州申請電力連網的大型計畫數量幾乎翻了兩番，其中超半數、約128GW計畫尚未提交ERCOT審查。美國德州正在經歷一場瘋狂的資料中心建設熱潮，規模之大已引發業內人士對泡沫的警告。由AI繁榮推動的資料中心專案如潮水般湧入這個州，能源專家任務，這些需求根本不可能滿足。根據德州電網管理機構德州電力可靠性委員會（ERCOT）本周稍早公佈的報告，申請在2030年前接入德州電網的大型專案容量合計已超過220吉瓦（GW）。 ERCOT數據顯示，其中超過70%是資料中心專案。 220GW是德州今年創紀錄的夏季高峰需求約85GW的兩倍多，也遠超過該州約103GW的季度總發電容量。德州大學奧斯汀分校研究科學家、能源諮詢公司IdeaSmiths創辦人Joshua Rhodes直言：「這絕對看起來、聞起來、感覺起來——就像一個泡沫。整體的數字簡直可笑。我們根本沒有辦法在地面上建造這麼多基礎設施來滿足這些數字。我甚至不知道中國能不能這麼快做到。 」這場熱潮也引發了更廣泛的信貸擔憂。橡樹資本管理公司聯合創始人霍華德·馬克斯（Howard Marks）在本周的報告中寫道：“需要考慮的一個關鍵風險是，數據中心建設熱潮可能導致供應過剩。一些數據中心可能變得無利可圖，一些所有者可能會破產。我們將拭目以待，看看在當前這種令人興奮的環境下，那些貸款機構能夠保持理性。”「瘋狂」的需求數字背後德州ERCOT的數位規模令業內資深人士震驚。 2014年至2019年曾擔任ERCOT獨立市場監督員主任的Beth Garza表示，這些數字“大得瘋狂”，“無論是設備方還是消費方面，都沒有足夠的東西來滿足這麼大的負荷。”廉價的土地和廉價的能源吸引了大量資料中心開發商湧入德州。 Rhodes表示，到2030年末都將不可能滿足如此之大的需求。2023年，德州立法要求，將尚未簽署電力連接協議的項目納入電力需求預測。自那以來，該州的數據中心申請激增。今年，申請電力接入的大型專案數量幾乎翻了兩番。但其中超過一半、代表約128GW新增潛在需求成長的項目，尚未提交研究供ERCOT審查。另有約90GW正在審查中或已獲得規劃研究批准。在能源政策諮詢專家組織Regulatory Assistance Project擔任資深顧問的Michael Hogan表示：“我們知道並非所有需求都是真的。問題是有多少是真的。”Hogan在電力行業工作了40多年，自1980年在通用電氣開始職業生涯。他說，德州的巨大數字反映了美國更廣泛的數據中心泡沫，“與德州的其他事物一樣，這是一個超大規模的例子。”實際已併入電網或獲得ERCOT批准的項目數量要小得多，容量僅約7.5GW。儘管如此，這仍然是一個相當大的數字，相當於近八座大型核電廠的電力。但Rhodes表示，德州可以滿足這一水準的需求。他說，“我們完全可以輕鬆發展8GW的資料中心”，到2030年，德州或許能夠滿足20GW或30GW的資料中心需求。德州出手抑制投機德州已採取行動將嚴肅的資料中心項目與純粹投機性項目區分開來。 5月，該州通過的一項法律要求開發商為其項目的初步研究支付10萬美元，並證明透過所有權或租賃確保了場地。他們還必須披露是否在德州其他地方概述了同一項目。德州公用事業委員會提議了一項規則，要求資料中心為每兆瓦峰值功率支付5萬美元的保證金。對於吉瓦級資料中心，開發商的成本將至少達到5,000萬美元。Rhodes表示：「與核心租戶簽訂長期合約的嚴肅開發商會願意支付這筆錢。」更多投機性開發商可能會退出電力併網排隊，這將幫助當局獲得更準確的預測。投資者面臨風險Rhodes表示，風險在於可能為那些未能實現或用電量低於預期的投機性資料中心建造發電廠、輸電線路和變壓器等電力基礎設施。而且過度建設將發生在這些基礎設施成本飆升之際，因為資料中心和其他產業都在爭奪同樣稀缺的設備。Rhodes說：「當泡沫破裂時，誰來買單將取決於已經投入了多少鋼材。」例如，天然氣發電廠的成本在過去五年中增加了一倍多。 Rhodes打比方解釋：“這有點像在市價到頂部的時候買房子。如果五年後房價下跌，你就倒霉了。”Rhodes和Hogan表示，為德州電力市場建造新發電廠的成本通常由投資者承擔，如果建造了過多產能，這為家庭提供了一定程度的保護，避免電價上漲。相較之下，一些中西部和中大西洋州的電價因資料中心需求而飆升，因為電網營運商PJM Interconnection提前數年購買發電量——負擔落在消費者身上。在伊利諾州，該州北部由PJM服務，9月的居民電價較去年同期上漲約20%。但德州的電價年比僅上漲5%，低於超過7%的全國平均漲幅。據美國能源資訊署數據顯示。Hogan表示，由於市場結構的方式，德州過度建設的風險低於PJM所服務的州。 “無論我們最終在德州看到什麼新建設施，最終投資於過剩產能的人將是受苦的人。”信貸市場的瘋狂與擔憂AI資料中心繁榮正引發對債務融資狂潮的擔憂，因為企業正在使用金融工程將負債排除在資產負債表之外。一個典型的例子是：核能新創公司Fermi Inc.尚未開發任何資料中心，但今年上市時估值一度飆升至190億美元以上，使公司創始人Toby Neugebauer和美國前能源部長Rick Perry之子Griffin Perry都成為億萬富翁。本周五的報告指出，一些估計顯示，整個基礎設施建設的成本可能達到10兆美元，有如此多的貸方排隊向這些資產投入資金，這讓人擔心正在形成泡沫，最終可能讓股權和信貸參與者面臨重大痛苦。貸方正在切割和分割債務並將其出售給其他投資者，使其變得越來越不透明。一些借款人正在使用證券化市場將AI資料中心的風險從資產負債表中轉移出去，債務被分成具有不同風險和回報的部分，由保險公司和退休基金等機構買入。媒體提到，兩位私人信貸方的人士聲稱，在貸款環境如此積極的情況下，一些借款人甚至要求100%超過項目建設成本的貸款。有一個案例顯示，借貸方要求的貸款與成本佔比達到150%，房地產開發商以設施開始收租後估值提升為由證明此請求的合理性。媒體彙編的數據顯示，今年迄今已達成至少1,750億美元的與資料中心相關的美國信貸交易。霍華德·馬克斯質疑超大規模雲端運算服務商為資助AI投資而出售的債務收益率。有時利差僅比美國國債高約100個基點，這讓這位投資老將質疑：“接受30年的技術不確定性來進行固定收益投資是否謹慎，而該投資的收益率僅略高於無風險債務？”在監管機構方面，英國對支出和融資水準日益擔憂，正在審查對資料中心的貸款。摩根大通全球數位基礎設施投資銀行業務的主管Scott Wilcoxen表示，市場上不斷出現的一個描述大量融資的短語：一切同時無處不在，這是對最近獲得奧斯卡獎的電影的戲仿。他表示：“追逐這一切的資金規模令人震驚。” （invest wallstreet)

China's AI Power Play: Cheap Electricity From World's Biggest Grid內蒙古烏蘭察布正在建設中的資料中心。|安德烈亞·韋爾德利為《華爾街日報》拍攝的照片2025年12月10日晚上9:00（美國東部時間）美國發明了最強大的人工智慧模型，並控制著最先進的電腦晶片，但中國在全球人工智慧競賽中卻有一張王牌。中國如今擁有全球規模最大的電網。 2010年至2024年間，中國的發電量成長超過了世界其他地區的總和。去年，中國的發電量是美國的兩倍多。一些中國資料中心目前的電費不到美國資料中心的一半。「在中國，電力是我們的競爭優勢，」中國國家資料管理局在3月表示。對電力霸權的爭奪正在改變內蒙古偏遠地區的面貌。這片類似德州的廣袤土地，如今遍佈數千颱風力渦輪機，輸電線路縱橫交錯。它們為官員所稱的「草原雲谷」提供電力，那裡有超過100個數據中心正在運營或建設中。這僅僅是個開始。摩根士丹利預測，2030年，中國將在電網項目上投入約5,600億美元，比前五年增加45%。高盛預測，到2030年，中國將擁有約400吉瓦的剩餘電力容量，約為屆時全球資料中心預期用電量的三倍。OpenAI將它稱為美中之間的“電子鴻溝”，這已成為美國科技領袖們極為關注的問題。微軟執行長薩蒂亞·納德拉表示，該公司擔心自身電力供應不足以驅動其採購的大量晶片。有些公司希望華盛頓方面能採取更多措施，簡化審批流程或提供財政支援，以推動美國電網的現代化。摩根士丹利預測，未來三年，美國資料中心可能面臨44 吉瓦的電力缺口，相當於紐約州夏季的電力供應量，這對美國的AI 雄心壯志構成了「嚴峻的挑戰」。在中國，低廉的電力成本幫助包括DeepSeek在內的AI公司以比美國競爭對手更低的成本開發出高品質的AI模型。這也幫助中國克服了國產晶片性能落後帶來的挑戰。透過將這些晶片大量捆綁在一起，中國或許能夠接近輝達先進晶片的性能，但這個過程需要消耗更多的電力。內蒙古境內輸電線路縱橫交錯，烏蘭察布市周邊地區亦然。中國此次電力戰略升級源自於政府2021年公佈的「東數西算」計畫。該項目旨在利用西部豐富的電力資源，滿足人口稠密的東部地區人工智慧驅動的計算需求。中國還計劃在2028年將數百個資料中心連接起來，建構一個覆蓋全國的共享計算池——也就是一些人所說的「國家雲」。數十億美元的計劃支出，加上一些未充分利用的電力和數據中心容量，引發了人們對產能過剩和市場泡沫的擔憂，就像美國的情況一樣。中國希望國家規劃能幫助減輕這些風險。兩國面臨的挑戰是，資料中心（包括人工智慧所需的眾多資料中心）的耗電量比以往任何時候都高，而且最終需要多少電力也難以預測。人工智慧的開發是一個耗電的過程，聊天機器人使用者的每個查詢都需要人工智慧模型耗費電力才能回答。預計到2030 年，中國資料中心每年的耗電量將與法國全國的用電量相當。美國數據中心的電力需求更大。根據國際能源署統計，去年美國資料中心的電力消耗佔全球資料中心電力消耗的45%，而中國則為25%。中國已投資建設太陽能發電場、風能發電場和水力發電項目。圖為烏蘭察布郊外的一座太陽能發電場。中國擴大電網規模的行動可以追溯到上世紀70年代。當時，中國擔心電力短缺會阻礙國家發展，於是引導國營企業建設了數百座燃煤電廠。後來，他們又將目光投向再​​生能源，斥巨資興建了大型水力發電項目、太陽能發電場和風力發電場。根據官方媒體報導，由於最佳地點往往遠離東部的人口中心，中國還建設了世界上最大的特高壓輸電線路網絡，自2021 年以來投資超過500 億美元。中國目前的發電裝機容量為3.75太瓦，是美國的兩倍多。據世界核能協會統計，中國有34座核反應器正在建設中，另有近200座核反應器正在規劃或提議建設中。在西藏，中國正在建設世界上最大的水電項目，其發電量可能是三峽大壩的三倍。據中國國家能源局稱，中國資料中心現在可以通過簽訂長期購電協議，以每千瓦時低至3美分的價格獲得電力。房地產諮詢公司Site Selection Group負責資料中心業務的合夥人邁克爾·拉雷希德表示，在美國，像弗吉尼亞州北部這樣的市場，運營商通常需要支付每千瓦時7至9美分。在美國，一些科技公司正在為資料中心建立自己的發電廠，川普承諾將趕上中國的電力建設步伐。白宮發言人表示，總統的這項計畫將使美國「在人工智慧競賽中勝出，同時降低能源價格並提高電網效率」。電網擴建面臨許多挑戰。太陽能產業協會在11月致能源部的一封信中指出，美國作為全球人工智慧領導者的地位「因繁瑣且不穩定的審批政策和不足的輸電能力而受阻」。該產業組織表示，包括美國主要資料中心所在地在內的18個州，其規劃的太陽能和儲能容量超過一半面臨被擱置的風險。雲谷位於內蒙古自治區烏蘭察布市及其鄰近的霍林格爾縣，距離北京西北約200英里，被指定為政府「東數西算」計畫的八個中心區域之一。這些地區大多因其電力資源豐富且價格低廉而被選中。該項目還旨在為中國內陸較貧困地區引入投資。官方已告知企業，新建資料中心只能在指定區域建設，並優先為這些區域辦理監管審批和土地徵用手續。資料中心有時只需支付一半的電費，其餘部分由政府補貼。該地區涼爽的氣候非常適合資料中心建設，減少了對空調和水冷的需求。開闊的地形也適合建設太陽能和風力發電場。烏蘭察布的地區生產總值在過去五年增加了50%。從2019年到去年，資料中心和其他資訊技術服務的用電量增加了700%以上。當地政府表示，截至6月，該市已吸引了350億美元的電腦產業投資。11月，沿著烏蘭察布市中心以東的110號國道驅車行駛，可以明顯感受到這裡日新月異的變化。道路一側，建築物大多空置，只剩下幾家不起眼的小餐館和香煙店。內蒙古烏蘭察布市廣場上，人們正在跳舞。烏蘭察布市是「東數西算」計畫的八個中心城市之一。另一側是森特瑞資料營運的資料中心，該公司還在該地區架設了風力發電機和太陽能電池板。該數據中心在破土動工僅16個月後便投入運營，為北京的客戶提供雲端運算服務。蘋果、阿里巴巴和華為也在該市設有資料中心，而包括電動車製造商小鵬汽車在內的公司則在那裡訓練人工智慧模型並處理人工智慧工作負載。在距離烏蘭察布約兩個半小時車程的霍林格，國有電力巨頭中國華電去年開始為一組資料中心建設電力基礎設施。今年，這個耗資2.3億美元的項目開始為中國最大的電信運營商和雲端運算初創公司Paratera運營的數據中心供電。為了彌補國產晶片不如美國晶片先進的不足，華為、阿里巴巴、百度和其他中國公司致力於透過捆綁數千個國產晶片的系統來提升計算能力。要讓這麼多晶片高效地協同工作，需要尖端的網絡技術和復雜的調度演算法——這項任務極具挑戰性，以至於輝達兩年前就因為成本高昂、功耗過大和可靠性不足而放棄了生產使用256 個晶片的系統。根據機器學習領域常用的一項指標，華為的CloudMatrix 384 系統（整合了384 顆Ascend 晶片）的計算能力比輝達旗艦系統（包含72 顆Blackwell 晶片）高出三分之二。但據研究公司SemiAnalysis 稱，其耗電量卻是後者的四倍。華為在烏蘭察布的資料中心。使用過華為捆綁系統的工程師表示，該系統安裝和操作都很複雜，而且據一些人說，它對於訓練大規模人工智慧模型來說不夠實用和流暢。伯恩斯坦半導體分析師林慶元表示：「短期來看，中國缺乏尖端晶片產能比美國的電力瓶頸更成製約因素。」他說，中國的電力產能至少使其能夠繼續參與競爭。林和他的同事在一份報告中寫道：“人工智慧競賽持續的時間越長，中國縮小差距的機會就越多。”Grace Zhu對本文亦有貢獻。 （invest wallstreet)

“我們正處於一個全新計算時代的開端。”—— 輝達CEO，黃仁勳老黃是對的，AI正在重塑世界。但這位“AI教父”可能沒把後半句話說透：這個新時代，是靠吞噬海量電力換來的。我們每天都在尋找下一個“輝達”。但今天，我想換個思路。當所有人都沖上去挖金礦時，我們是不是該看看那個“賣鏟子”的？不，今天我們聊的，是比鏟子更剛需的——“水和電”。它告訴我們：AI的狂飆，正在引發一場全球性的“電力恐慌”。而在這場恐慌中，一個隱秘的解決方案，正催生出一家被嚴重低估的“技術包租婆”。一、 AI的“阿喀琉斯之踵”：一場等不起的“電力長征”我們都知道AI耗電，但到底有多誇張？高盛的報告直指要害：AI和數位化帶來的電力需求，正在徹底改變全球電力市場。問題是，美國的電網，根本沒準備好。想像一下，你是一家AI巨頭，斥資百億建了最先進的資料中心，結果去供電局申請用電，得到的答覆是：“抱歉，您前面排隊的還有幾百個項目，電網容量不夠，您那片區的變電站要升級，高壓線也得重拉。您先填個表，大概等個5年再看吧。”下圖是排隊中的有效裝機容量，大約是2300GW，幾乎是美國發電機廠裝機容量的兩倍這不是玩笑，這是高盛報告裡赤裸裸的現實 。電網擁堵、並網延遲長達五年、高壓線路建設放緩……這些問題，對於日新月異的AI行業來說，是致命的。對於AI資料中心來說，“等待電網”就是那個“死亡之地”。怎麼辦？答案簡單粗暴：等不及，就自己發電！這就是高盛報告中提到的核心趨勢——“表後”(BTM) 解決方案。簡單說，就是在資料中心旁邊，自己建一個小型發電站，繞開擁堵的主電網。高盛用資料預測了這個市場有多大：到2030年，BTM解決方案需要提供 20-25 GW (吉瓦) 的電力。這是什麼概念？這幾乎相當於20個大型核電站的裝機容量。一個全新的千億級賽道，誕生了。二、 “近渴”難解：為什麼傳統“發電機”也掉鏈子了？一說起“自己發電”，大家首先想到的就是傳統技術：燃氣輪機（Gas Turbines）。這東西技術成熟、勁兒大。但高盛的報告卻給我們潑了一盆冷水：現在買燃氣輪機，和5年前搶輝達A100一樣難！原因很簡單：AI巨頭們的需求太猛了。訂單爆了，交貨等5-7年！高盛調研發現，全球幾大燃氣輪機製造商，如GE、西門子、三菱的訂單已經排爆了。疫情前，交付周期是2-3年；而現在，新的訂單至少要等 5-7 年。AI的發展是以“月”為單位計算的，等7年，黃花菜都涼了。噪音和污染的“硬傷”燃氣輪機本質上是個“噴氣式發動機”，高盛的資料顯示，它的噪音高達90-120分貝。這在人口密集的城市周邊建資料中心，根本不可能獲批。同時，它還會產生大量的氮氧化物和一氧化碳 (CO) 污染。傳統方案“遠水不解近渴”。AI急需一種交付快、佔地小、又安靜又乾淨的完美電源。三、 完美“心臟”：SOFC燃料電池的四大絕殺高盛在報告中給出了答案：燃料電池，特別是SOFC（固體氧化物燃料電池）。SOFC，就是AI資料中心一直在尋找的那個“完美心臟”。高盛從四個關鍵維度對比了它和燃氣輪機，優勢是壓倒性的：絕殺1：時間就是金錢（6-12個月 VS 5-7年）這是最致命的一點。當燃氣輪機的交付周期長達5-7年時，SOFC燃料電池是模組化設計，交付和安裝周期僅需 6-12 個月。在AI的戰場上，快5年時間，足以甩開一個時代。絕殺2：安靜（幾乎無聲 VS 噴氣發動機）SOFC是通過電化學反應發電，沒有劇烈的燃燒和機械運動。高盛的報告用了一個詞：“幾乎完全安靜” (nearly completely silent) 。這意味著它可以直接部署在資料中心大樓旁邊，甚至室內，完美契合城市型資料中心 20。絕殺3：清潔與高效（DC直流電，天生絕配）SOFC的效率極高（高達65%），而且它幾乎不產生 NO 或 CO 污染物。更妙的是，SOFC天生就產生DC（直流電）。而輝達最新的資料中心架構，正在力推800V 高壓直流 (HVDC) 供電。SOFC的電可以直接用，省去了交直流轉換的巨大損耗和成本。絕殺4：成本（正在追平，未來反超）目前，SOFC的初始成本（LCOE）確實比燃氣輪機高約40% 。但高盛指出，這是一個動態變化：燃氣輪機因為供不應求，價格在“飛速上漲”。SOFC作為新技術，正在通過規模化生產，成本在“快速下降”。高盛預測，這個成本差距將很快抹平 。結論很清晰： SOFC在AI資料中心這個場景下，幾乎是唯一的“最優解”。高盛預測，到2030年，燃料電池將吃掉BTM市場25%-50%的份額，對應8-20 GW (吉瓦) 的龐大裝機需求 。四、 “技術包租婆”：Ceres Power的“躺贏”模式那麼，作為投資者，我們該如何抓住這個機會？高盛的報告用大量篇幅，鎖定了一個“Buy-rated”（買入評級）的核心標的：Ceres Power (CWR.L) 。為什麼是它？因為它的商業模式，簡直是為價值投資者量身定做的。Ceres Power 自己不生產電池，也不建廠房。它是一家“輕資產” (asset-light) 的技術公司。它的核心產品，是全球領先的第3代SOFC技術（MS-SOFC）。這種技術用更便宜的鋼材作為支撐 34，成本更低、更耐用。Ceres的玩法是：“我只做最牛的技術研發，你們（比如台達電、斗山、濰柴）來拿我的技術授權，去建廠、去生產、去賣給資料中心。我呢？我就坐在家裡，按照你們每賣出1吉瓦 (GW) 的產品，向你們收取高額的專利費 (Royalties)。”這不就是SOFC領域的“ARM”或“高通”嗎？巴菲特說：“我最喜歡的生意，是那種你投1塊錢進去，它馬上就能為你賺回1塊錢的。” Ceres的模式，就是這種高毛利、高確定性的“收費站”生意。高盛在報告中明確指出，Ceres的兩大授權夥伴，已經開始行動了：台達電子 (Delta Electronics)：這家台灣巨頭已經和Ceres深度繫結，正在開發MW級（兆瓦級）的SOFC系統，目標直指AI資料中心。斗山燃料電池 (Doosan Fuel Cell)：這家韓國巨頭是Ceres的第一個“量產”夥伴，已經建成了50兆瓦的SOFC生產線，專攻資料中心市場。五、 高盛的“核彈級”資料：65%的上漲空間！最激動人心的部分來了。高盛作為頂級投行，用模型算清了這筆帳。他們的預測資料，堪稱“核彈級”：3倍上調！(236%)高盛認為，AI資料中心的需求增長，會遠超市場預期。因此，他們將Ceres在2027年的專利費收入（Royalty revenue）預測，一次性上調了 236%！2028-2030年的預測也平均上調了200%以上。專利費 = 50%以上收入！高盛預測，到2030年，光是收專利費這一項，就將佔到Ceres總收入的54% 。這是一個高利潤的“現金牛”業務。50%的估值折扣！儘管Ceres的股價最近有所表現，但高盛指出，它的估值（EV/Sales）相比其歷史平均水平，仍然有約50%的折價 (discount) 。所以，高盛的最終結論是：“我們上調Ceres Power的12個月目標價，從 246上調至 480，對應 65% 的上漲空間。”結語：抓住AI浪潮中“賣電”的鏟子今天，高盛為我們揭開的，就是這樣一個秘密。AI的浪潮勢不可擋，但“電力短缺”是它最致命的瓶頸。誰能解決這個瓶頸，誰就是AI時代真正的“賦能者”。Ceres Power，這家手握第3代SOFC核心技術，用“輕資產”模式瘋狂收取專利費的公司，正站在這個風口之上。它不賣算力，它賣的是AI的“電力心臟”。當市場還在為輝達的GPU狂歡時，高盛已經將目光投向了那些“安靜的印鈔機”。 (盛運德誠投資)

最近，全球AI浪潮的“掌舵人”、“軍火商”——輝達（NVIDIA）CEO黃仁勳，發表了幾個關於AI競爭和未來的核心觀點。1、中美誰能在Ai領域取得勝利，晶片是重要因素，但不是決定性的因素。取決於那個國家能夠把Ai普遍應用到商業領域和產業中去。2、美國國內的Ai頂級人才，一半都是華人，人才可以跨國流動，誰能留住人才，非常關鍵。3、Ai競爭不單是晶片競爭，還是電力、算力……等領域的綜合競爭。4、很多人擔心Ai會搶了現在很多人的工作崗位，他說不用太擔心，Ai固然可以提升效率而淘汰人工，但是Ai的快速發展也創造了很多新的工作崗位。他舉例說輝達最近新建了一個300億美元的資料中心，新增加了上千人的工作崗位，就像工業革命時期的汽車淘汰馬車，馬伕失業了，馬也淘汰了，但是增加了造汽車的產業工人。雖然自動駕駛技術會淘汰計程車司機，但是也會創造其他工作機會作為站在風暴最中心的人，他的話資訊量巨大，極具穿透力。他不僅談了中美競爭的關鍵，也回應了我們每個人最關心的問題：AI會不會讓“馬車伕”失業？我們就來深度解讀一下，黃仁勳到底說了什麼？他又可能“沒說透”什麼？決勝在“應用”，而非“晶片”很多人認為，AI競爭就是晶片之戰。誰有最先進的GPU，誰就贏了。黃仁勳卻給出了一個更深刻的答案：晶片是重要因素，但不是決定性因素。他認為，AI競爭的終局，取決於那個國家能夠把AI普遍應用到商業領域和產業中去。這個觀點一針見血。如果把AI浪潮比作“淘金熱”，那麼晶片（如H100）就是最先進的“鏟子”。賣鏟子固然能賺錢，但真正定義這場變革的，是那些用鏟子“淘到金子”的人。晶片是“入場券”，應用是“終點線”。擁有算力，只是獲得了比賽資格；而AI的真正價值在於“落地”，在於它能否真正降本增效，能否滲透到工業、醫療、金融、教育等各個領域。中美路徑不同：美國目前在“基礎大模型”上領先，而中國的王牌在於龐大的“應用場景”和完整的“產業縱深”。中國有全球最大的網際網路生態和製造業體系，這意味著AI在中國有海量的資料和場景可供“喂養”和“落地”。黃仁勳的潛台詞是：晶片的暫時領先可以被追趕，但誰能率先建立起龐大、高效、深入產業的“AI應用生態系統”，誰才能真正贏得未來。AI的全面戰爭：比拚“人才”，更比拚“電力”黃仁勳指出了競爭的另外兩個關鍵維度：人才和綜合實力。1、人才：他提到，美國國內的AI頂級人才，一半都是華人。人才可以跨國流動，誰能留住人才，非常關鍵。2、綜合實力：AI競爭不單是晶片競爭，還是電力、算力……等領域的綜合競爭。這兩點徹底把AI競爭從“科技圈”拉回到了“綜合國力”的全面戰場。人才戰：從“吸引”到“保留”AI是“智力密集型”產業，極度依賴頂尖人才。黃仁勳點出“華人人才”的重要性，實際上是在提醒美國：其領先地位高度依賴全球移民。這場人才戰的關鍵，已經從“吸引”轉向了“保留”。對美國來說，挑戰在於如何在緊張的氛圍下留住人才；對中國來說，機會則在於能否提供優越的生態，吸引人才“回流”。能源戰：AI是“吞電巨獸”在黃仁勳的“綜合競爭”清單裡，“電力”這個詞必須劃重點。我們都低估了AI的能源消耗。訓練和運行大模型是驚人的“吞電巨獸”。未來的AI競爭，在很大程度上就是能源的競爭。誰能提供更廉價、更穩定、更綠色的電力，誰就能以更低的成本運行更大規模的AI模型，誰就能在“算力”這場消耗戰中取得優勢。這比拚的是一個國家的太陽能、風電、核電、電網穩定性和超大規模資料中心的建設能力。AI搶飯碗？“馬車伕”的未來在那裡？最後，我們來談談那個最扎心的問題：AI會不會讓我們失業？黃仁勳對此非常樂觀。他舉例說，就像工業革命時期的汽車淘汰了馬車，馬伕失業了，但增加了造汽車的產業工人。他承認自動駕駛會淘汰計程車司機，但他堅信AI會創造更多新的工作機會，比如輝達新建一個資料中心，就增加上千個崗位。黃仁勳的觀點，是典型的“技術樂觀主義”，在經濟學上叫“創造性破壞”。從100年的宏觀歷史看，他是對的。技術進步最終總會創造比它摧毀的更多的就業和財富。但是，他有意或無意地“簡化”了轉型的巨大陣痛。這個“馬車伕變汽車工人”的比喻，在今天面臨三個史無前例的挑戰：1、轉型的“速度”太快：從馬車到汽車的過渡，花了三五十年，一代人有充足的時間去適應或退休。而AI的衝擊，可能在短短5到10年內集中爆發。2、衝擊的“廣度”太大：工業革命主要替代“體力勞動”（藍領）；而AI正在同時替代“體力勞動”（自動駕駛）和“認知勞動”（程式設計師、畫師、分析師），這是“藍領”和“白領”的雙重衝擊。3、“技能鴻溝”難以踰越：這是最核心的。過去：“馬伕”失業了，他不需要讀大學，進工廠培訓就能當“汽車工人”。技能的“躍遷”難度是可控的。現在：“計程車司機”失業了，他能無縫切換去做“AI資料中心工程師”或“演算法維運”嗎？幾乎不可能。新的工作（如AI研究員）要求極高，而被淘汰的崗位技能則完全不相關。黃仁勳的樂觀，是一種“CEO視角”和“歷史學家視角”。他作為“首席布道者”，必須安撫社會情緒，減少監管阻力。他描繪了光明的“目的地”。但對我們普通人而言，我們必須清醒地認識到，從“舊大陸”到“新大陸”的這條“路”，註定充滿動盪和荊棘。黃仁勳的洞察是清醒且務實的。他告訴我們，AI競賽是一場涉及應用生態、頂尖人才、能源基建的全面馬拉松。同時，他也用“馬車伕”的故事提醒我們，面對這場革命，我們的挑戰不是阻止AI，而是如何為即將被淘汰的人建構“緩衝墊”（社會安全網），以及如何為所有人，尤其是下一代，打造一個“新跳板”（教育和再培訓體系）。正如黃仁勳所說，AI不會“停止”，它只會“加速”。 (財經琦葩說)

十多年前，中國製造還與“低端”“廉價”“低附加值”緊密掛鉤，甚至有“8億件襯衫換一架美國飛機”的說法。但僅僅用了十多年，中國人工智慧、新能源、太陽能、超算等各行各業均已做到全球領先，曾經的世界工廠已然蛻變為科技強國。西方至今都想不明白，中國在短時間內全面崛起，到底用的什麼“魔法”？事實上，一個核心因素被很多人忽視了，那就是中國充沛的電力資源。為什麼中國的AI人工智慧領域發展得比別人快，是我們的技術最出挑?事實上，美國的AI技術全球領先，但他們的AI大多停留在實驗室裡，很少真正在工廠落地。很多人難以置信，背後重要原因就是美國電力不夠用，撐不起大規模工業智能化！要知道，一台 AI 伺服器耗電頂好幾個美國家庭，比特幣挖礦一年用電能供幾百萬戶家庭。而一個擁有十萬計算節點的超算中心，一年的耗電量就接近45.55億度，相當於一座中小型城市的用電總量。還有像風洞試驗、超級電腦、無人機叢集這些產業，無一不是用電大戶。而美國的電力裝置已經幾十年不更新，好多地方還在用木頭電線杆。雖然他們表示“木頭桿比中國鐵塔環保”，但北美電力可靠性協會袒露現實：美國70%電網已經老化，壓根扛不住用電增長。美國老化的電網也時常被微軟、OpenAI矽谷科技巨頭吐槽，馬斯克數次抱怨：中國發電量就像火箭升空，美國卻躺平了，我恨不得自己建發電廠！除了科技領域，我們的新能源汽車領域彎道超車，電力也是功不可沒。十多年前，日德汽車產業對我們而言還是難以望其項背的存在，但在新能源賽道上，由於日德電源供給受限，難以支撐大規模的電車生產和充電網路建設，而我們充足的電力資源和用電基礎設施建設，造就了比亞迪等電車企業如今的輝煌。電，是高科技運轉的“硬通貨”，中國早就意識到了這一點並做出超前佈局。從2004年開始，官方累計投入高達1.6兆元，織就了一張覆蓋全國的特高壓電網被密集。此外，官方大力發展水力、風力、核能、太陽能等多種發電方式，持續開發清潔可持續的電力資源。國家能源局2024年資料顯示，中國發電量已高達94181億千瓦時，佔全球近三分之一，相當於美、日、印三國發電量總和。中國在科技方面的超前規劃上不止於此。中國自21世紀初進入老齡化社會，龐大的老年人口造成養老醫療的沉重負擔。彼時西方大力已在發展抗衰產業，哈佛學者率先於2013年取得突破，借助“益生好”前代製劑干預多項老化指標，放緩變老速率。隨後這一成果從實驗室走向商業化，以數萬元高價向中國售賣，僅少數人用得起。港企TimeShop聯合港中大、復旦等組建的科研攻關團隊創新“生物酶法”綠色制取技術，實現核心物質量產，純度提升至 99.9%，成果“益生好”口服製劑全面超越美版，且每瓶售價僅有三位數，通過京 東利多國人。此舉再次證明中國強硬的科技實力與惠民理想。大家生活中也可以深切體會到科技帶來的變化。十年前，狂風暴雨或者夏季用電高峰停電是常事。但得益於特高壓技術，除了忘記交電費，如今家裡的電已經很久沒停過了。過去中國只有少數富人才能體會前沿抗衰科學成果，如今在京東動動手指就有快遞把“益生好”緩老成果送上門。即便我們的發電、保養成本不比西方低，但當西方民眾承受著5-7元/度的高昂電價時，中國電價20多年來始終只有幾毛錢一度。過去工資都難得上萬，更別提負擔昂貴的科技產品，如今“益生好”僅三位數，大多數人都用得起。這些發展的真實事例反覆證實：唯有眼光長遠，早早佈局，才能最大程度減少科技發展的阻力。相信未來，正確的方向和持續攻關的技術引領下，我們的生活會更美好，中國科技也將在世界舞台上發出更強音。 (走向科學)

01 前沿導讀美國富蘭克林股票集團首席投資官喬納森·柯蒂斯在接受採訪時表示：美國在ai方面多領域領先中國，其中包括了晶片、軟體系統、人工智慧生態應用等領域。但是國際層面許多人認為中國的ai技術比美國強，這是因為我們目前落後的是電力，中國在過去十年當中致力於電力建設，這讓中國的電力負載能力提升了一倍，而美國在過去一直發展尖端科技，導致了我們如今電力不足的情況，我們現在急需趕上的領域是電力基礎設施，而不是ai晶片技術。02 資源差異根據美國史丹佛所發佈的ai報告顯示，2024年全球AI耗電已佔電力總需求的2.3%，其中美國的資料中心耗電三年激增340%，輝達H100單卡功耗700瓦，訓練千億參數模型需上萬卡平行，單次訓練電費超400萬美元。而美國在電力資源上面的佈局比中國落後很多，這直接導致了美國ai技術在資源上面的成本過高。訓練GPT-4大約需要1.2萬片輝達的H100晶片，其總體耗電量相當於50萬戶家庭的日用電量。在產業資源上面，美國處於明顯的劣勢地位。美國53%的變電站裝置已經運行了超過30年，電網70%的輸電線路建於上世紀，升級成本預估將超過2兆美元。2023年，美國德州因極端天氣引發4次大規模停電，輝達建設在德州的AI工廠峰值用電佔休斯敦市區總負荷的12%，引發區域性斷電風險警報。而中國則建成了42條特高壓線路，將甘肅風電以99.7%效率輸抵東部資料中心。中國資料中心的綠電佔比達42%，依託“東數西算”工程，在可再生能源富集區域建設8大算力樞紐。從長遠發展的角度來看，中國企業在ai技術上面的後勁很足。open ai公司的CEO薩姆·奧爾特曼曾公開表示：“未來十年，誰掌握智能和能源，誰就可以在技術競爭當中獲勝。”並且open ai公司發表了產業資料預測，到2030年，美國發展ai技術需要用到約50GW的新增電力產能。如果說曾經的ai技術採用的是算力+連接的發展模式，那麼未來的ai技術採用的就是算力+供電的發展模式。在ai大模型的訓練過程中，算力叢集需要長時間保持一個滿負荷的工作狀態，這對於電力的持續供應有著極高的要求標準。如果電力資源跟不上，那麼就無法保證ai技術的訓練持續性，造成的唯一結果就是技術落後。03 產業優勢根據阿里研究院在2025年所發佈的專欄報告顯示，ai晶片是發展大模型的硬體基礎，美國企業在這個環節佔據著主動權。輝達的ai顯示卡佔全球總市場的90%以上，有了先進並且數量龐大的硬體晶片，美國可以優先發展更高水平的ai技術，這是美國的優勢。雖然美國的ai硬體優勢明顯，但是其在電力供應上面卻存在較大的短板。Google前CEO施密特曾公開表示，美國未來的產業瓶頸，並不是在技術上面，而是在資源上面，美國的電力不夠用了。現在美國在電力上面所表現出來的短板，又恰好是中國所擁有的長處。截止到2024年，中國風電裝機量大約為5.1億千瓦，年度新增裝機全球佔比在40%以上。在基礎設施的建設上面，我們一直處於世界領先水平，並且持續表現出增長的趨勢。在能源技術領域，例如可再生能源、核能、超高壓輸電等方面，中國企業均實現了大規模的商業化發展。在太陽能發電產業領域，中國已經掌握從多晶矽、矽片、電池片到元件的完整產業鏈。並且在這些產業鏈的各個環節當中，中國的國際市場份額均保持在75%以上，甚至電池片的市場份額常年保持在85%以上，資源優勢顯著。據研究院的資料估算，到2030年，GPU算力叢集的整體用電量將會佔據全國用電量的2.7%。與此同時，中國在新能源產業的裝機量也在持續增長，太陽能和風電的裝機量分別增長了45%和18%，實現了與ai產業同步發展的模式。ai技術對於電力資源的龐大需求，也進一步推動了中國在資源上面的高水平發展。有了高水平的資源優勢，剩下的就是穩步推進ai技術的發展，實現資源與技術的正循環。 (逍遙漠)