能环宝资讯：智能时代，下一个卡脖子的可能是？

大家有没有感觉到，AI的发展速度快得有点让人应接不暇了？

它正快速融入我们的日常：现在手机里的语音助手能和我们自然对话；在国外餐厅，戴上AI眼镜扫一眼菜单就能完成翻译；连给孩子买的AI玩具，也能聊天、回答各种问题；甚至，帮助视障人士视觉重建的脑机接口技术，已经开始了临床试验……

这些智能化的产品切实地改变着我们的生活，也受到了广泛欢迎。AI眼镜经常一上市就售罄，智能汽车的自动驾驶功能也成为许多人选车时的关键考量。这些越来越聪明的设备，正日益被市场接受，被我们带在身边、用在路上。

然而，当我们习惯让设备去“思考”和“看见”时，是否想过一个根本问题：让世界变得如此“智能”的巨大能量，到底从何而来？

答案或许比想象中更简单、更基础——其关键不仅在于神奇的代码或尖端芯片，更在于我们生活中最平常却又离不开的：电。

这场让万物智能的AI浪潮，其发展的速度与规模，最终都建立在庞大而稳定的能源供给这一基石之上。

01

被忽视的真相，AI以“电”为食

PHOTOVOLTAIC

industry analysis

要让AI真正变得“智能”并持续为我们服务，背后其实是一个能耗极高的过程，这主要集中在“训练”和“推理”两大阶段。

【 训练：高昂的“学习”成本 】

“训练”是AI从海量数据中学习知识的阶段，可以比作一次消耗巨大的“集中学习”。为了让顶级大模型完成“学习”，需要数以万计的高性能芯片持续全速运转数月之久。

这个过程消耗的电力极为惊人，据多项行业分析估算，训练GPT-4这类顶尖大模型，在持续14周的数据模型训练中消耗约42.4吉瓦时电力，日均耗电约0.43吉瓦时，这个数字意味着什么？它大约相当于约2.85万户欧美家庭一天的用电总量。而这，仅仅是AI为了掌握一项核心能力所支付的基础能源代价。

【 推理：持续的运行能耗 】

当模型训练完成，被部署到手机、汽车等设备中开始处理实际任务时，就进入了“推理”阶段。每一次看似瞬间的智能应答，背后都对应着真实的电力消耗。

以智能汽车为例，汽车在行驶中收集的新数据会传回云端，用于模型的持续优化。这意味着，支撑其智能的云端系统在持续消耗电力。

再比如接入大模型的AI眼镜。当提问时，问题通常会被发送到远端的数据中心进行处理。这类AI交互的能耗不容小觑：用户完成一次对话，其云端耗电量约等于让一盏10瓦灯泡点亮十分钟。单次请求的能耗看似不高，但随着全球用户海量、频繁地调用，其累积的总能耗正在飞速增长。

因此，我们正在步入的智能世界，背后实则依赖着两张巨大的能源消耗网络：

集中化的大型计算中心：负责处理最耗能的模型训练和复杂计算任务。

分布式的终端设备：即我们身边无数的智能汽车、眼镜、手机等，它们在本地进行实时感知和计算时，也在持续消耗电力。

我们身边的智能设备越多，应用越深入，整个体系对稳定、强大能源供给的依赖就越强。电力，已成为智能时代不可或缺的基础资源。正如近期马斯克在“Moonshots”播客访谈中所说，随着人工智能、太空系统呈指数级增长，真正的瓶颈是发电。

02

电不够用，AI就“转”不动

PHOTOVOLTAIC

industry analysis

面对智能设备爆发式增长的能耗挑战，全球已形成一个共识：稳定充足的电力，直接决定着AI产业的发展高度。

在北美和欧洲，一些科技公司为了确保数据中心的长期稳定供电，开始直接投资核能或签订长达十年的可再生能源采购协议。部分地区甚至因为电网负载能力不足，而对新建数据中心进行了限制。这些现象都表明，稳定、充足、成本低的电力供应，正迅速成为与算力、算法同等重要的战略性资源，深刻影响着人工智能产业的全球布局。

应对这一全球性挑战，中国的能源基础设施展现出了独特的系统优势。这主要得益于中国在能源领域构建的完整体系，可以从三个层面来看：

● 强大的绿色电力生产能力：我国在光伏、风力发电等清洁能源领域已形成全球领先的制造与装机规模。特别是，我国能源结构在2025年迎来了里程碑式的转变——新能源装机历史性超越火电。这标志着绿色电力已成为保障供应充足与成本优势的主力电源，并与稳定可靠的火电系统形成协同，共同构筑了支撑智能时代发展的坚实能源底座。

● 高效的能源输送网络：我国拥有并广泛应用特高压输电技术。这项技术能够高效、远距离地将西部地区的风电、太阳能电力输送到东部的负荷中心，有效解决了能源生产与消费地域不均的问题。

● 先进的电网调控与储能能力：通过智能电网技术，电力系统能够更好地预测和管理风力、太阳能等间歇性能源。同时，中国强大的储能电池产业，为电网提供了规模化的“储能装置”，有助于平滑电力输出，提升供电可靠性。

国家推动的“东数西算”工程，正是将上述能源体系与计算需求相结合的战略实践。其核心是主动将耗电量大的数据中心，部署在可再生能源丰富的西部地区，从而从整体上优化资源配置，降低智能算力的运营成本。

03

未来竞赛，既是算法更是电力

PHOTOVOLTAIC

industry analysis

当AI的“智力”需要庞大的“能量”来驱动，一个国家的能源体系，就成为了智能产业发展的土壤。

这套覆盖发电、输电和储电的完整体系，带来的影响是具体而直接的。

对于研发大模型的科技公司而言，充足且成本更优的电力，意味着模型训练和服务的直接成本得以降低，技术迭代可能更快一步。

对于制造AI眼镜、智能汽车等智能硬件的企业来说，稳定、可预期的电力供应，是它们规划长期生产与创新的信心基础。

更重要的是，如果电不够稳、不够用，再聪明的设备也铺不开。试想，如果每辆智能汽车都消耗显著电力，一个电网脆弱、充电不便的地区，如何能普及自动驾驶？如果每个家庭都接入多种智能设备，一个电力供应紧张的城市，用户体验又如何保障？因此，强大的能源体系，实质是在为一个高耗电的智能未来构建基础保障。

当然，在AI的核心算法、高端芯片等前沿领域，我们依然面临巨大挑战。但一个坚实、绿色的“能源底座”，为我们提供了一个规模巨大、运行成本可控的现实舞台。在这个舞台上，从AI眼镜到智能汽车还是到未来新拓展的智能设备，无数的应用得以测试、改进和走向成熟。

说到底，AI的所有聪明才智，都不是凭空产生的。它的每一次思考和响应，都建立在实实在在的电力消耗之上。我们畅想的万物智能的图景，其背后都离不开一个庞大、稳定且日益绿色的电力系统的支撑。

因此，AI的未来，不仅仅是算法的未来，也必然是能源的未来。当我们期待一个更智能的世界时，也意味着我们在期待一个更坚韧、更可持续的能源体系。这两条发展之路，紧密地交织在一起，共同指向我们即将步入的智能时代。

特别声明：
以上内容来源公众号【能环宝资讯】，
所发内容均为原创，未经授权不得转载或摘编。
图源网络，侵删。