請注意，中國要發力了。
2026年，全球AI競賽進入白熱化，巨額資金正以前所未有的規模湧入。
美國僅四大科技巨頭微軟、Google、亞馬遜、Meta就預計投入約6500億美元；
中國到2030年累計投資將達10兆人民幣;
歐洲與日本，分別公佈了2000億歐元和1兆日元的投資計畫。
這麼多錢投向那裡？
建電網、拼晶片、搶購光模組、掃貨變壓器，僅僅是基礎。
一個更深層、決定AI競賽勝負的關鍵領域，正成為全球各國戰略佈局的重中之重。
那就是AI基建。
3月10日，輝達CEO黃仁勳以個人名義發表了長篇博文《AI is a five layer cake》（AI是五層蛋糕），這是他時隔五年後，再次發佈這類深度文章。
在他看來，AI遠不只是ChatGPT或某個搜尋產品，而是一個完整的系統。
他把這個系統分為五層：能源、晶片、基礎設施、模型和應用。就像一層層堆疊的蛋糕，每一層都支撐著上一層的運轉。
這個框架，也同樣適合分析全球AI競爭格局。
能源層是根基，核心在於電力。當前的電力格局中，中國不僅總量最大，是美國兩倍多，在火電、風電、水電、光電、核電這些主要發電領域，中國都是世界第一。
相比之下，美國的發電量不足中國的一半，還要面臨電網設施老化、東西部電網各自為政的結構性難題。
就像網友總結的：“AI的盡頭是算力，算力的盡頭是電力，電力的盡頭是中國”。在能源層，中國無疑是完勝的一方。
能源層之上是晶片層。美國在先進晶片製程領域處於領先地位，中國也正加速追趕。
過去有種普遍的看法，認為頂尖大模型的訓練必須依賴最先進的晶片。彷彿晶片被卡脖子，就跑不出頂級大模型。
但DeepSeek打破了這一侷限，它憑藉對混合專家模型（MoE）、多頭潛在注意力（MLA）等架構的演算法創新，在有限算力條件下實現了大模型性能的突破性進展。
大模型突破晶片侷限，國產晶片也持續發力，華為發佈的韜(τ)定律為中國半導體產業另闢蹊徑，預計到2031年，其高端晶片電晶體密度將達到1.4nm製程的同等水平。海光、寒武紀、崑崙芯等國產晶片力量，也都在各自領域取得突破。
與之對應，輝達的晶片，正從美國不賣變成中國不買。美國商務部長盧特尼克4月22日在國會聽證會上接受質詢，談及輝達H200晶片對華銷售情況時說：“迄今為止，中方一塊晶片也沒買，因為他們希望將投資重心放在本土產業發展上。”
黃仁勳都只能沮喪地說：“我們成了一家雙方都‘禁足’的公司。”然後強調：“要記住，半導體歸根結底是製造業，誰要是覺得中國做不出來，那就真的看走眼了。”
AI大模型這層。2025年7月資料顯示，全球運行的AI大模型約3755個，其中1509個來自中國，數量位居全球第一，在開源大模型下載量這項關鍵指標上，中國也位居第一。
4月13日，史丹佛大學HAI實驗室發佈2026年度《AI指數報告》顯示，中美大模型性能差距已縮小至39分，兩年前，差距還超過300分。
這份報告發佈後不到兩周，DeepSeek-V4預覽版發佈並宣佈開源。其中V4-Pro版本在數學、STEM、競賽型程式碼等領域，性能比肩世界級閉源大模型，並超越了所有已公開的開源大模型。更值得關注的是，V4優先適配了華為等國產晶片，完成了從輝達CUDA生態向華為CANN架構的底層遷移，完成了國產大模型與國產晶片的自主閉環。
晶片、大模型這層，美國是領先，但中國加速追趕，而在最頂層的應用層，中國優勢就相當明顯。
去年底，中國國內生成式AI使用者規模突破6億，普及率達42.8%，尤其是18-24歲年輕群體中，普及率更是超過91%。而美國AI普及率為28.3%、歐盟為32.7%，都低於中國。
經歷過技術代際落後的中國人更害怕落後，反而對新技術的擁抱更加開放和積極。
這是個由14億人組成的超大規模單體市場，不僅對AI接受度極高，應用場景還異常豐富。
今年3月，曾經“讓好萊塢顫抖”的美國AI視訊生成平台Sora，因商業模式不可持續宣告關停，同一時期，中國影片創作者們卻靠著Seedance製作的AI短劇成功實現盈利。一家杭州企業睿琪軟體，還憑藉一款教外國人識別花卉的AI應用年入10億。
麻省理工學院的報告直接指出，儘管美國企業已經投入超300億-400億美元用於生成式AI，但高達95%的試點項目未能轉入實際生產階段。
AI技術的先進性固然重要，但誰能率先大規模應用新技術，同等重要。
總體來看，在能源層、應用層，中國有明顯的領先優勢；在晶片層，中國和美國還有差距，但正在奮力追平；在模型層，中美各有所長。
下一個階段競賽焦點已然明確，第三層AI基礎設施成為決勝關鍵。
誰能化身“AI基建狂魔”，誰就能贏得先機。
然而，建造算力中心絕非易事，它既要整合晶片、光模組、伺服器等關鍵裝置，還牽扯到土建、供電、冷卻等工程環節。
這是一項複雜的系統工程，一塊短板沒補上，就可能滿盤皆輸。
眼下，各國正在使出渾身解數攻克這一難題。
美國是在AI基建上砸錢最多的國家。
僅2026年，Meta預計投資1350億美元、微軟1050億美元、Google1850億美元、亞馬遜2000億美元，四家投資總額相比去年大幅增加70%。
巨頭們也心知肚明，光靠燒錢是不夠的。於是，美國企業開始“合縱連橫”，組合各自優勢，互相補短板。
OpenAI與甲骨文等發起了“星際之門”計畫，投入5000億美元擴建AI基建；微軟與貝萊德、xAI等結成聯盟；輝達10億美元入股諾基亞，想把全球數百萬個基站打造成算力節點……
不過有時候，卡住整體進度的偏偏就是些不起眼的小環節。
2026年，美國原計畫新建的資料中心項目，有近一半延期或取消，原因是關鍵零部件短缺，尤其是變壓器等電力裝置不足。
Crusoe能源與基礎設施負責人安德魯·利肯斯打了比方：“供應鏈中任何一個環節延誤，整個項目就無法交付，簡直像玩一場瘋狂的拼圖遊戲。”
為應對這種困境，白宮一口氣提出90多項政策，甚至專門成立了一個跨部門的AI基建工作組。有人戲稱，此舉是在學習中國發改委的產業政策。為了不掉隊，美國也顧不了那麼多。
歐洲雖然雄心勃勃，要在2030年前撬動高達2000億歐元的投資，現實卻很骨感。
在AI硬體方面，歐洲嚴重依賴外部供應，半導體全球份額僅佔10%，即使是義大利的頂尖超算Colosseum，其核心架構也依賴輝達。
法國總統馬克宏曾承認，歐洲AI基建高度依賴美國和中國，亟需建立自主產業能力。
拖慢歐洲步伐的，還有各國在法規和利益上的巨大分歧。歐盟的《人工智慧法案》，耗時3年才勉強達成共識，這種漫長的博弈對於AI這種快行業來說，黃花菜都涼了。
亞洲方面，日本今年計畫投入3873億日元（約24億美元）用於AI基建，韓國制定了規模為10.1兆韓元（約70億美元）的AI專項預算。
這和中美動輒千億級的投資相比，顯得有些不夠看。並且，AI訓練需要海量資料作為養料，而日韓在資料規模上天然受限。
日韓也深知這點，選擇避開與中美正面交鋒，另闢蹊徑。
日本打算放棄通用大模型競賽，專注打造“實體AI”。軟銀、NEC、本田等本土巨頭聯手，共同推動AI與汽車、機器人等實體經濟深度融合。
韓國也選定了NAVER Cloud、Upstage、SK電訊等五個聯合體，啟動“主權AI”戰略，目標是建立一套專屬韓國的AI體系。
從全球範圍來看，AI競爭的核心賽場還是在中美之間。
重新審視AI基建的難點，就能看清中國的優勢。
其中之一，便是國家調度電力和算力資源的能力。
早在四年前，中國就佈局了一項極具戰略眼光的大國工程：東數西算。
這項與“南水北調”“西電東送”比肩的戰略，核心就是讓東部蓬勃的算力需求無縫對接西部充沛的綠色電力。今天，在貴州深山、寧夏戈壁、甘肅沙漠裡，都藏著世界級的算力樞紐。
更巧妙的是，算力和電力之間還能協同作戰。
白天用電高峰時，系統就暫停非緊急的AI訓練任務，減輕電網壓力；夜間風電充沛，就全速跑算力，吃掉多餘綠電；同時，AI模型還能反過來幫助電網進行智能調度。
電力支撐算力，算力最佳化電力，形成了閉環，實現了成本與效率的黃金平衡。
目前，中國算力總規模躍居全球第二，超算數量登頂世界第一。並且，算力總規模年均增速高達30%，這意味著不到三年就能翻一倍。
支撐這種增長的，是“全國一盤棋”的調度能力。
若將視角聚焦到資料中心本身，小到螺絲釘，大到機房，中國都擁有全鏈條的自主製造能力，這也是一項重要優勢。
AI晶片領域，華為昇騰、海光資訊、寒武紀等國產晶片廠正快速崛起。去年，國產晶片在國內的市佔率提升至41%，出貨超165萬片。
AI推理伺服器領域，中國有五家企業闖進全球前十，分別是浪潮、華為、新華三、中科曙光、聯想。
光纖領域，長飛光纖、亨通光電、中天科技、烽火通訊四家企業躋身全球十強。
光模組領域，全球前十廠商中有七家是中企。“易中天”（新易盛、中際旭創、天孚通訊）三家公司佔據了800G/1.6T高速光模組市場六成份額。
各國都缺貨的變壓器，中國佔據了全球60%產能。
此外，中國在AI基建上還有一個潛在優勢：工程基建速度。
美國建設一座AI超算中心，需要約三年時間。中國一座大型資料中心的建設周期為18到24個月，如果用預製化、模組化方案，可縮至6個月甚至更短。
中國速度背後的根基是什麼？
是“人”。
中國每年培養科學、技術、工程和數學（STEM）專業畢業生超500萬人，頂尖AI研究人員佔全球50%。這種人才生態，讓創意以驚人的速度落地生根。
中國擁有龐大的產業工人大軍：電工、建築工、管道工、鋼鐵工、安裝工……沒有他們的高效協作與快速響應，再先進的藍圖也只能停留在紙面。
說到底，AI基建的競爭是對一個國家過去所有基建積累和綜合國力的“期末結算”。
曾經，我們沒有高鐵，如今卻建成了超過5萬公里的世界最大高鐵網路。
曾經，我們是電力窮國，如今卻成為了全球唯一全民通電的國家。
曾經，我們的國土被高山天塹阻隔，如今在世界最高橋樑前500名中，我們獨佔439座。
歷史已經證明，中國是當之無愧的基建狂魔。未來必將證明，在AI時代，我們同樣能成為引領世界的AI基建狂魔。 (華商韜略)