J'ai récemment partagé une estimation de Macquarie mettant en évidence l'écart de puissance en matière d'IA entre les États-Unis et la Chine : D'ici 2030, la Chine n'aura besoin que d'une puissance liée à l'IA équivalente à seulement 1 à 5 % de ce qu'elle a ajouté au cours des cinq dernières années ; les États-Unis auront besoin de 50 à 70 %. En d'autres termes, la Chine a déjà ajouté 20 fois la puissance requise par son développement en IA, tandis que les États-Unis font face à une montée beaucoup plus abrupte. Cela s'aligne également avec ce que j'ai dit en août — que la Chine a largement "résolu" l'approvisionnement en puissance pour l'IA à court terme. Et des leaders de l'industrie comme Satya Nadella commencent maintenant à dire tout haut ce qui était sous-entendu : le véritable goulot d'étranglement de l'IA passe des GPU à l'électricité et aux centres de données énergisés. Pour ceux qui suivent les différences structurelles plus profondes, voici les points clés d'une analyse récente de nos amis de Weijin Research : 1. L'écart de puissance - Ajouts en 2023 : États-Unis 51 GW contre Chine 429 GW (8×). - La Chine génère plus de 9 000 TWh, soit plus du double des États-Unis. - L'IA à grande échelle dépend désormais de la disponibilité de la puissance physique. 2. Différences d'efficacité - Le défi de la Chine n'est pas l'approvisionnement mais l'efficacité de l'électricité à l'informatique. - Les systèmes Huawei peuvent rivaliser avec Nvidia en FLOPs mais utilisent 100 % de plus d'énergie par unité de calcul. - Dans un scénario (CloudMatrix contre GB200), le coût de l'électricité par FLOP en Chine atteint environ 140 % de celui des États-Unis, malgré un coût de l'énergie moins élevé. 3. Pourquoi cela compte La puissance, la conception du réseau et l'efficacité de calcul émergent comme des capacités nationales essentielles à l'ère de l'IA. C'est aussi pourquoi chez @techbuzzchina, nous organisons un voyage sur les nouvelles énergies en Chine en janvier 2026, avec des programmes supplémentaires prévus plus tard dans l'année. Comprendre le système énergétique — réseau, transmission, stockage, solaire, et comment l'IA y est intégrée — devient essentiel pour comprendre l'avenir du calcul. Les entreprises chinoises le ressentent également — elles avancent rapidement pour exporter leurs technologies sur l'ensemble de la chaîne.